|
0.5) (Ts = 0.25)
2) Frequency domain
tau=1;
X(4001)=0;
freq = -2:0.001:2;
n=1;
for f=-2:0.001:2,
X(n)=0;
for t=-10 :1 :10,
X(n)=X(n)+exp(-abs(t)/tau)*exp(-j*2*pi*f*t);
end
X(n)=abs(X(n));
n=n+1;
end
plot (freq,X)
xlabel(\'frequency\');
ylabel(\'X(f)\');
fs=2일때 fs=1일때
fs=2일때 fs=4일때
-> Sam
|
|
|
연산을 하는 DFT를 사용하게 되었다. 하지만, DFT역시 컴퓨터에서 연산량이 많이 때문에 시간이 오래걸리는 단점이 발생한다. 그러한 단점을 제거하기 위해서 FFT를 수행하게 되는데, FFT를 수행한 결과는 다음 실험결과에 나타나듯이 DFT
|
|
|
fft와 psd는 같은 입력 시그날을 가질 수 없었지만 주파수 대역은 저주파 대역에서 fft와 psd 모두 비슷하게 형성되었다. psd는 비슷한 것만 ft를 하기 때문에 fft와는 조금 다른 파형을 나타내었는데 이는 noise가 감소된 영향인 것으로 보인다.
3) LIN
|
|
|
ft(fft(ACF,2^15-1));
% power spectral density of Y
power_y=mean(abs(y).^2);
[ACF_Y_R, Lags_Y, Bounds_Y]=autocorr(y, 2^14-1); % (+) autocorrelation
ACF_Y_L=ACF_Y_R(2^14-1:-1:1); % (-) autocorrelation
ACF_Y=[ACF_Y_L ; ACF_Y_R]*power_y; % autocorrelation
PSD_Y=fftshift(fft(ACF_Y,2^15-1));
PSD_N_Gauss=P
|
|
|
fft함수 사용
FT = fft(c_data);
%파형 출력
plot(t, c_data);
xlabel(\'Time[sec]\');
ylabel(\'Magnitude\');
기존의 알고리즘 파형
-시간 파형
- 주파수 파형
3. 결론
- 자체 개발 알고리즘으로 얻은 결과와 기존의 알고리즘으로 얻은 결과가 같음을 알 수 있었다.
-
|
|
메뉴펼치기
