• fft分析前后频谱数据


    正弦信号输入

    input

    输入的原始信号

    short [128]


    fir

    滤波后的输出信号

    SHORT [128]


    fft

    傅里叶变换后的freq数据  float [128]


    rmroise

    去除底噪后的fft数据  float[128]


    snr

    wav信号输入


    input

    这里有8位和32位。你研究下16位呗
    For eight bit data use
    MOD(HEX2DEC(A7)+2^7,2^8)-2^7;
     
    For 32 bit data
    MOD(HEX2DEC(A7)+2^31,2^32)-2^31
    
    能够
    MOD(HEX2DEC(A7)+2^15,2^16)-2^15
    -72 
    56 
    56 
    56 
    -72 
    56 
    56 
    56 
    -72 
    -72 
    56 
    -72 
    -200 
    56 
    -72 
    -72 
    -72 
    -72 
    56 
    56 
    -72 
    56 
    56 
    56 
    56 
    -72 
    -72 
    56 
    -72 
    -72 
    56 
    56 
    56 
    -72 
    -72 
    56 
    56 
    -72 
    -72 
    -72 
    56 
    56 
    -72 
    56 
    -72 
    56 
    -72 
    -72 
    56 
    56 
    -72 
    56 
    56 
    56 
    -72 
    56 
    56 
    -72 
    -72 
    56 
    56 
    -72 
    -72 
    -72 
    56 
    56 
    56 
    56 
    -72 
    -72 
    56 
    56 
    -72 
    -72 
    56 
    -72 
    56 
    -72 
    56 
    -72 
    -72 
    56 
    56 
    -72 
    -72 
    56 
    56 
    56 
    -72 
    56 
    56 
    -72 
    56 
    56 
    -72 
    -72 
    56 
    56 
    -72 
    56 
    56 
    -72 
    -72 
    -72 
    -72 
    -72 
    56 
    56 
    56 
    -72 
    -72 
    56 
    56 
    56 
    56 
    56 
    -72 
    56 
    -72 
    -200 
    -72 
    56 
    56 
    -72 
    56 
    56 
    56 
    -72 
    




    fir


    fft


    bn


    snr


    matlab仿真


    仿真的代码

    clf;
    fs=8000;N=128;   %採样频率和数据点数
    n=0:N-1;%t=(n+128)/fs;   %时间序列
    %x=20*sin(2*pi*500*t)+35*sin(2*pi*3000*t); %信号
    x=[-72 ,56 ,56 ,56 ,-72 ,56 ,56 ,56 ,-72 ,-72 ,56 ,-72 ,-200 ,56 ,-72,-72,... 
    -72 ,...
    -72 ,...
    56 ,...
    56 ,...
    -72 ,...
    56 ,...
    56 ,...
    56 ,...
    56 ,...
    -72 ,...
    -72 ,...
    56 ,...
    -72 ,...
    -72 ,...
    56 ,...
    56 ,...
    56 ,...
    -72 ,...
    -72 ,...
    56 ,...
    56 ,...
    -72 ,...
    -72 ,...
    -72 ,...
    56 ,...
    56 ,...
    -72 ,...
    56 ,...
    -72 ,...
    56 ,...
    -72 ,...
    -72 ,...
    56 ,...
    56 ,...
    -72 ,...
    56 ,...
    56 ,...
    56 ,...
    -72 ,...
    56 ,...
    56 ,...
    -72 ,...
    -72 ,...
    56 ,...
    56 ,...
    -72 ,...
    -72 ,...
    -72 ,...
    56 ,...
    56 ,...
    56 ,...
    56 ,...
    -72 ,...
    -72 ,...
    56 ,...
    56 ,...
    -72 ,...
    -72 ,...
    56 ,...
    -72 ,...
    56 ,...
    -72 ,...
    56 ,...
    -72 ,...
    -72 ,...
    56 ,...
    56 ,...
    -72 ,...
    -72 ,...
    56 ,...
    56 ,...
    56 ,...
    -72 ,...
    56 ,...
    56 ,...
    -72 ,...
    56 ,...
    56 ,...
    -72 ,...
    -72 ,...
    56 ,...
    56 ,...
    -72 ,...
    56 ,...
    56 ,...
    -72 ,...
    -72 ,...
    -72 ,...
    -72 ,...
    -72 ,...
    56 ,...
    56 ,...
    56 ,...
    -72 ,...
    -72 ,...
    56 ,...
    56 ,...
    56 ,...
    56 ,...
    56 ,...
    -72 ,...
    56 ,...
    -72 ,...
    -200 ,...
    -72 ,...
    56 ,...
    56 ,...
    -72 ,...
    56 ,...
    56 ,...
    56 ,...
    -72 ,...
    ];
    y=fft(x,N);    %对信号进行高速Fourier变换
    mag=abs(y);     %求得Fourier变换后的振幅
    f=n*fs/N;    %频率序列
    
     figure(1);plot(f,mag);
    figure(2);
    subplot(2,2,1),plot(f,mag);   %绘出随频率变化的振幅
    subplot(2,2,2),plot(n,x);
    xlabel('频率/Hz');
    ylabel('振幅');title('N=128');grid on;
    
    


  • 相关阅读:
    学习笔记TF034:实现Word2Vec
    学习笔记TF033:实现ResNet
    学习笔记TF032:实现Google Inception Net
    学习笔记TF031:实现VGGNet
    学习笔记TF030:实现AlexNet
    学习笔记TF029:实现进阶卷积网络
    学习笔记TF028:实现简单卷积网络
    学习笔记TF027:卷积神经网络
    学习笔记TF026:多层感知机
    学习笔记TF025:自编码器
  • 原文地址:https://www.cnblogs.com/llguanli/p/8723494.html
Copyright © 2020-2023  润新知