MATLAB在信号系统中的应用

1.产生一个幅度为1, 基频为2Hz,占空比为50%的周期方波.要求画出图

在MATLAB中,函数square(w0*t, DUTY)产生基本频率为w0 (周期T=2*pi/w0)、占空比DUTY= (τ/T)*100的周期矩形波(方波),默认情况下占空比DUTY=50。占空比指的是一个周期内,矩形波正电压持续的时间占整个周期的比例,即τ为一个周期中信号为正的时间长度,如果τ=T/2,那么DUTY=50,square(w0*t, 50)等同于square(w0*t)。

程序:

t=-4:0.0001:4;
A=2;T=pi;w0=2*pi/T; 
ft=(1/2)*A*square(w0*t,50)+(1/2);
plot(t,ft);
axis([-4,4,-2,2]);

运行结果:

2.产生一个Sa函数,理论上抽样信号Sa函数的定义为:

(要求画出图形

MATLAB中有专门的命令sinc()产生抽样信号Sa函数.

程序:

t=-2*pi:0.01:2*pi;
y=sinc(t);
plot(t,y)
grid on

运行结果:

3.已知系统的微分方程为:

求该系统的单位冲击响应并画图。注意:impulse调用格式

程序:

sys = tf([1, 3],[1, 3, 2]);
t = 0:0.1:10;
y = impulse(sys, t);
plot(t, y);

运行结果:

4. 已知x1(n)= [1,1,1,0,1]-3,x2(n) = [2,2,2,2]-1

求:x(n) = x1(n) + x2(n) ,x(n) = x1(n) x2(n),并画图。

程序:

x1=[1,1,1,0,1];
ns1=-3;
x2=[2,2,2,2];
ns2=-1;
nf1=ns1+length(x1)-1;
nf2=ns2+length(x2)-1;
ny=min(ns1,ns2):max(nf1,nf2);
xa1=zeros(1,length(ny));xa2=xa1;
xa1(find((ny>=ns1)&(ny<=nf1)==1))=x1;
xa2(find((ny>=ns2)&(ny<=nf2)==1))=x2;
ya=xa1+xa2
yp=xa1.*xa2
subplot(4,1,1),stem(ny,xa1,'.')
subplot(4,1,2),stem(ny,xa2,'.')
line([ny(1),ny(end)],[0,0])
subplot(4,1,3),stem(ny,ya,'.')
line([ny(1),ny(end)],[0,0])
subplot(4,1,4),stem(ny,yp,'.')
line([ny(1),ny(end)],[0,0])

运行结果:

ya =

     1     1     3     2     3     2

yp =

     0     0     2     0     2     0

5.利用函数impz和stepz求离散系统

的单位序列响应h(k)和单位阶跃响应g(k)。

程序:

a=[1 0 1/3 0];
b=[1/6 1/2 1/2 1/6];
N=32;
n=0:N-1;hn=impz(b,a,n);
gn=dstep(b,a,n+1);
subplot(1,2,1),stem(n,hn);
title('系统单位冲激函数')
axis([0 N 1.1*min(hn) 1.1*max(hn)])subplot(1,2,2),stem(n,gn);
title('系统单位阶跃函数')
axis([0 N 1.1*min(gn) 1.1*max(gn)])

运行结果:

6.已知一离散因果系统的系统函数为:

利用MATLAB求出系统函数的零点和极点,并在Z平面显示它们的分布。

在MATLAB中可以借助函数tf2zp来直接得到系统函数的零点和极点的值,并通过函数zplane来显示其零点和极点的分布。

程序:

b=[1 2 1];
a=[1 -0.5 -0.005 0.3];
[z,p,k]=tf2zp(b,a);
B=[0 1 2 1];
A=[1 -0.5 -0.005 0.3];
figure
zplane(B,A);

运行结果:

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.hqwc.cn/news/218798.html

如若内容造成侵权/违法违规/事实不符,请联系编程知识网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

第十九章 解读利用pytorch可视化特征图以及卷积核参数(工具)

介绍一种可视化feaature maps以及kernel weights的方法 推荐可视化工具TensorBoard&#xff1a;可以查看整个计算图的数据流向&#xff0c;保存再训练过程中的损失信息&#xff0c;准确率信息等 学习视频&#xff1a; 使用pytorch查看中间层特征矩阵以及卷积核参数_哔哩哔哩…

二进制数据转换成十六进制表示 binascii.hexlify()

【小白从小学Python、C、Java】 【计算机等考500强证书考研】 【Python-数据分析】 二进制数据转换成十六进制表示 binascii.hexlify() 选择题 binascii.hexlify()参数的数据类型可以是&#xff1f; import binascii number 11 byte_data number.to_bytes() hex_data bin…

【如何学习Python自动化测试】—— Python 的 unittest 框架

10 、Python 的 unittest 框架 10.1 Unittest 框架介绍 Unittest是Python语言中的一种测试框架&#xff0c;是Python标准库中的一个模块。它可以帮助开发者编写自动化测试&#xff0c;可以进行单元测试、集成测试、功能测试等各种类型的测试。 Unittest的特点是简单易学&#…

使用Pytorch从零开始构建Conditional PixelCNN

条件 PixelCNN PixelCNN 是 PixelRNN 的卷积版本&#xff0c;它将图像中的像素视为一个序列&#xff0c;并在看到前面的像素后预测每个像素&#xff08;定义如上和左&#xff0c;尽管这是任意的&#xff09;。PixelRNN 是图像联合先验分布的自回归模型&#xff1a; p ( x ) …

【UCAS自然语言处理作业二】训练FFN, RNN, Attention机制的语言模型,并计算测试集上的PPL

文章目录 前言前馈神经网络数据组织Dataset网络结构训练超参设置 RNN数据组织&Dataset网络结构训练超参设置 注意力网络数据组织&Dataset网络结构Attention部分完整模型 训练部分超参设置 结果与分析训练集Loss测试集PPL 前言 本次实验主要针对前馈神经网络&#xff0…

C++类与对象(中)

&#x1f389;个人名片&#xff1a; &#x1f43c;作者简介&#xff1a;一名乐于分享在学习道路上收获的大二在校生&#x1f43b;‍❄个人主页&#x1f389;&#xff1a;GOTXX&#x1f43c;个人WeChat&#xff1a;ILXOXVJE&#x1f43c;本文由GOTXX原创&#xff0c;首发CSDN&am…

使用ETLCloud实现CDC实时数据集成:从MySQL到ClickHouse的实时数据同步

背景 在上一篇文章中体验了 ETLCloud 的离线数据迁移功能&#xff0c;就像大数据领域里有离线计算和实时计算&#xff0c; ETLCloud 还提供了基于 CDC &#xff08;Change Data Capture&#xff09;的实时数据集成功能&#xff1a;实时数据集成是指通过变化数据捕获技术&#…

Nginx反向代理实现负载均衡webshell

目录 本实验所用的环境&#xff1a; 问题一&#xff1a;由于nginx采用的反向代理是轮询的方式&#xff0c;所以上传文件必须在两台后端服务器的相同位置上传相同的文件 问题二&#xff1a;我们在执行命令时&#xff0c;无法知道下次的请求交给哪台机器去执行我们在执行hostn…

Linux:创建进程 -- fork,到底是什么?

相信大家在初学进程时&#xff0c;对fork函数创建进程一定会有很多的困惑&#xff0c;比如&#xff1a; 1.fork做了什么事情?? 2.为什么fork函数会有两个返回值?3.为什么fork的两个返回值&#xff0c;会给父进程谅回子进程pid&#xff0c;给子进程返回0?4.fork之后:父子进…

使用Python的turtle库绘制随机生成的雪花

1.1引言 在这篇文章中&#xff0c;我们将使用Python的turtle库来绘制一个具有分支结构的雪花。该程序使用循环和随机颜色选择来绘制20个不同大小和颜色的雪花。turtle库是一个流行的绘图库&#xff0c;常用于创建图形用户界面和简单的动画。这个代码实现了一个有趣的应用&…

Jmeter性能综合实战——签到及批量签到

提取性能测试的三个方面&#xff1a;核心、高频、基础功能 签 到 请 求 步 骤 1、准备工作&#xff1a; 签到线程组 n HTTP请求默认值 n HTTP cookie 管理器 n 首页访问请求 n 登录请求 n 查看结果树 n 调试取样器 l HTTP代理服务器 &#xff08;1&#xff09;创建线…

[多线程】线程安全问题

目录 1.举个栗子 2.线程安全的概念 3.线程不安全的原因 3.1原子性 3.2Java内存模型&#xff08;jvm&#xff09; 3.3代码重排序 4.解决线程的不安全问题-&#xff08;synchronized&#xff09; ​编辑 4.1sychronized的特性 4.2刷新内存 4.3可重入 5.synchornized使…