标签：Xn Yn 卷积 信号处理 FFT length Hn N1 N2
前言
由第一个实验，我们大致知道了，可以通过卷积脉冲响应的方式，得到输出，得到经过一个系统处理过后的输出。如果这个系统是数字滤波器，那么输出就是滤波后的结果
所以 这一节介绍的FFT实现快速卷积意义不小，这意味着DSP的很多应用，比如快速滤波，快速陷波，都是可以实现的。
实践
数字滤波器脉冲响应为h(n)=(21)nRN2(n)，N1=16,N2=17，输入序列有如下几种情况，我们要设计matlab程序得到滤波后的结果（就是和滤波器脉冲响应卷积后的结果）
- x(n)=RN1(n)
- x(n)=cos(N12πn)RN1(n)
- x(n)=(31)nRN1(n)
第一题
x(n)=RN1(n),N1=16
n=[0:1:16];
m=[0:1:17];
N1=length(n);
N2=length(m);
%输入Xn Hn
Xn=ones(1,N1);
Hn=0.5.^m.*ones(1,N2);
%修剪序列长度
N=N1+N2-1;
XK=fft(Xn,N);
HK=fft(Hn,N);
YK=XK.*HK;
Yn=ifft(YK,N);
if all(imag(Xn)==0)&(all(imag(Hn)==0))
Yn=real(Yn);
end
%修剪横坐标序列长度
y=0:N-1;
h=0:N2-1;
x=0:N1-1;
subplot(1,4,1);
stem(x,Xn,'r*');
title({ '$$ Xn = R_{N1}(n) $$' },'Interpreter','latex');
axis([0,length(x),0,1.1]);
subplot(1,4,2);
stem(h,Hn,'r*');
title({ '$$ Hn $$' },'Interpreter','latex');
axis([0,length(h),0,1.1]);
subplot(1,4,3);
stem(y,Yn,'r*');
title({ '$$ Yn $$' },'Interpreter','latex');
axis([0,length(y),0,2.1]);
subplot(1,4,4);
Yline=conv(Xn,Hn);
stem(y,Yline,'r*');
title({ '$$ Xn*Hn $$' },'Interpreter','latex');
axis([0,length(y),0,2.1]);
第一第二个分别就是源信号以及脉冲响应，后两个的对比，我们可以发现利用FFT进行的卷积和之前直接卷积的效果几乎相同
第二题
% 修改序列长度 N1=16 N2=17
n=[0:1:16];
m=[0:1:17];
N1=length(n);
N2=length(m);
% Xn Hn表达
Xn=cos(2*pi*n/N1);
Hn=0.5.^m.*ones(1,N2);
%修剪序列长度
N=N1+N2-1;
XK=fft(Xn,N);
HK=fft(Hn,N);
YK=XK.*HK;
Yn=ifft(YK,N);
%实序列的循环卷积 = 实序列
if all(imag(Xn)==0)&(all(imag(Hn)==0))
Yn=real(Yn);
end
%修剪横坐标序列长度
y=0:N-1;
h=0:N2-1;
x=0:N1-1;
subplot(1,4,1);
stem(x,Xn,'r*');
title({ '$$ Xn = cos(\frac{2\pi}{N1}n) R_{N1}(n) $$' },'Interpreter','latex');
axis([0,length(x),-1.1,1.1]);
subplot(1,4,2);
stem(h,Hn,'r*');
title({ '$$ Hn $$' },'Interpreter','latex');
axis([0,length(y),0,1.1]);
subplot(1,4,3);
stem(y,Yn,'r*');
title({ '$$ Yn $$' },'Interpreter','latex');
axis([0,length(h),-2.1,2.1]);
subplot(1,4,4);
Yline=conv(Xn,Hn);
stem(y,Yline,'r*');
title({ '$$ Xn*Hn $$' },'Interpreter','latex');
axis([0,length(h),-2.1,2.1]);
第三题
clear all;
n=[0:1:16];
m=[0:1:17];
N1=length(n);
N2=length(m);
%生成Xn Hn
Xn=(1/3).^n;
Hn=0.5.^m.*ones(1,N2);
%修剪序列长度
N=N1+N2-1;
XK=fft(Xn,N);
HK=fft(Hn,N);
YK=XK.*HK;
Yn=ifft(YK,N);
%实序列的循环卷积 = 实序列
if all(imag(Xn)==0)&(all(imag(Hn)==0))
Yn=real(Yn);
end
y=0:N-1;
h=0:N2-1;
x=0:N1-1;
subplot(1,4,1);
stem(x,Xn,'r*');
title({ '$$ Xn = (\frac{1}{3})^n R_{N1}(n) $$' },'Interpreter','latex');
axis([0,length(x),0,1.1]);
subplot(1,4,2);
stem(h,Hn,'r*');
title({ '$$ Hn $$' },'Interpreter','latex');
axis([0,length(y),0,1.1]);
subplot(1,4,3);
stem(y,Yn,'r*');
title({ '$$ Yn $$' },'Interpreter','latex');
axis([0,length(h),0,1.1]);
subplot(1,4,4);
Yline=conv(Xn,Hn);
stem(y,Yline,'r*');
title({ '$$ Xn*Hn $$' },'Interpreter','latex');
axis([0,length(h),0,1.1]);
标签：Xn,Yn,卷积,信号处理,FFT,length,Hn,N1,N2 来源： https://blog.csdn.net/weixin_43178828/article/details/106542146
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。