【正文】 y1=filter(b,a,x1,zi)。x2=cos(pi/5.*n)。y=filter(b,a,x,zi)。x=zeros(N)。a=[1,]。 N=50。)。title(39。w39。plot(w,abs(h))。h=freqs(b,a,w)。)。title(39。t39。plot(h)。h=impulse(sys,t)。)。title(39。t39。)。plot(real(z),imag(z),39。)。plot(real(p),imag(p),39。z=roots(b)。sys=tf(b,a)。s39。b=[1 ]*k。j5，增益k =1； a=conv([1 +5j],[1 ])。)。title(39。w39。plot(w,abs(h))。h=freqs(b,a,w)。)。title(39。t39。plot(h)。h=impulse(sys,t)。)。title(39。t39。)。plot(real(z),imag(z),39。)。plot(real(p),imag(p),39。z=roots(b)。sys=tf(b,a)。s39。b=[1 ]*k。j5，增益k =1； a=conv([1 +5j],[1 ])。)。title(39。t39。plot(h)。h=impulse(sys,t)。)。title(39。t39。)。plot(real(z),imag(z),39。)。plot(real(p),imag(p),39。z=roots(b)。sys=tf(b,a)。s39。b=[1]*k。 j5，增益k =1； a=conv([1 +5j],[1 ])。)。title(39。t39。plot(h)。h=impulse(sys,t)。)。title(39。t39。)。plot(real(z),imag(z),39。)。plot(real(p),imag(p),39。z=roots(b)。sys=tf(b,a)。s39。b=[1]*k。j5，增益 k =1 ；a=conv([1 5j],[1 5j])。)。title(39。t39。plot(h)。h=impulse(sys,t)。)。title(39。t39。)。plot(real(z),imag(z),39。)。plot(real(p),imag(p),39。z=roots(b)。sys=tf(b,a)。s39。b=[1]*k。Grid(2) 1個極點s =0，增益k =1； a=[1,0]。沖激響應(yīng)h(t)39。)。xlabel(39。subplot(1,2,2)。grid %運行程序發(fā)現(xiàn)不穩(wěn)定，分析沖激響應(yīng) %沖激響應(yīng)t=0::3。零極點圖39。)。xlabel(39。o39。hold on。*39。subplot(1,2,1)。p=roots(a)。)。sys=tf(39。k=1。選取適當(dāng)?shù)拇昂瘮?shù)能夠提高頻譜分辨率。沒有出現(xiàn)旁瓣的原因是旁瓣正處在窗函數(shù)主瓣兩側(cè)采樣頻率間隔處的零分量點。FFT 產(chǎn)生離散的頻譜，出現(xiàn)在FFT 每個譜線的是在每個譜線上的連續(xù)卷積頻譜。窗函數(shù)的頻譜由一個主瓣和幾個旁瓣組成，主瓣以時域信號的每個頻率成份為中心。 答：通過補(bǔ)零增加序列長度時，同時也減少了頻譜分析的譜線間隔，從而計算出的頻譜將會顯示更多的細(xì)節(jié)。 絕大多數(shù)應(yīng)用采用漢寧（Hanning）窗即可得到滿意的結(jié)果，因為它具有較好的頻率分辨率和抑制頻譜泄漏的能力。如若信號中有許多遠(yuǎn)離被測頻率的強(qiáng)干擾頻率分量，應(yīng)選擇旁瓣衰減速度較快的窗函數(shù)；如果強(qiáng)干擾頻率分量緊鄰被測頻率時，應(yīng)選擇旁瓣峰值較小的窗函數(shù)；如果被測信號含有兩個或兩個以上的頻率成份，應(yīng)選用主瓣很窄的窗函數(shù)；如果是單一頻率信號，且要求幅度精度較高，則推薦用寬主瓣的窗函數(shù)。每種窗函數(shù)有其自身的特性，不同的窗函數(shù)適用于不同的應(yīng)用。對于同一個窗函數(shù)，增加長度N雖然可以減少主瓣寬度，但是不減少旁瓣泄露。 頻率泄漏：選擇適合的窗函數(shù)。2. 若信號持續(xù)時間無限，且無解析表達(dá)式，如何利用DFT分析其頻譜？答：先用窗函數(shù)截取，將信號變?yōu)橛邢揲L的信號，然后利用DFT分析其頻譜。 )。 xlabel(39。Phase39。 axis([pi,pi,4,4])。subplot(2,1,2)。Frequency (rad)39。)。ylabel(39。 stem(omega,abs(fftshift(X)))。omega=2*pi/N*(nN/2)。x=cos(3*pi/8*n)。 N=32。3． 有限長序列， 0≤n≤31，分別用N=32，N=60，N=120點DFT計算其頻譜。,0)。,39。legend(39。w39。)。title(39。r.39。subplot(2,1,2)。w=(N/2:N/21)*(2*pi/N)*fsam。時域波形39。)。xlabel(39。subplot(2,1,1)。 x=exp(2*t)。 T=1/fsam。Tp=3。)。xlabel(39。X[k]39。stem(omega,real(fftshift(X)))。)。 xlabel(39。x [n]39。 stem(n,x)。 omega = 2 * pi / N * n。 x=().^n.*(n=0)。 n=(N1)/2:(N1)/2。)。 title(39。magnitude39。)。 xlabel(39。 f=((N1)/2:(N1)/2)/N/T。 。 t=0:T:T0。 N=241。確定分析長度和取樣速度，計算信號的頻譜；計算其功率譜密度并作圖，指出50Hz和120Hz的正弦成分以及噪聲；詳細(xì)列出檢測信號的步驟和原理。)。ylabel(39。Frequency(Hz)39。stem(f,abs(fftshift(X)))。X=1/N*fft(x,N)。t=0:T:T0。 N=20。)。ylabel(39。Frequency(Hz)39。stem(f,abs(fftshift(X)))。X=1/N*fft(x,N)。t=0:T:T0。 N=32。)。title(39。的結(jié)果39。fs=39。N=39。)。ylabel(39。頻率（弧度/秒）39。plot(w1,mag(1:length(y)/2))。X=1./sqrt(w.^2+1)。w=(0:length(y)1)39。mag=Ts*abs(y)。x=exp(t)。Ts=1/fs。ezplot(FFP,[10*pi 10*pi])axis([10*pi 10*pi 0 1])(2). 單邊指數(shù)信號x2(t)=eu(t)N=256。)。,Fw,39。FFw=maple(39。)。syms t wxt=sym(39。x=tripuls(t,2,0)。第2章 信號的頻域分析 利用DFT分析連續(xù)信號頻譜 1．用fourier函數(shù),理論