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;

fft分析前后频谱数据的更多相关文章

  1. 电机噪声之谐波分析(内附simulink中FFT分析的相关参数配置与解析)

    电机噪声之谐波分析(内附simulink中FFT分析的相关参数配置与解析) 目录 电机噪声之谐波分析(内附simulink中FFT分析的相关参数配置与解析) 写在前面 正文 电机噪声 谐波的产生 什么 ...

  2. MapReduce分析明星微博数据

    互联网时代的到来,使得名人的形象变得更加鲜活,也拉近了明星和粉丝之间的距离.歌星.影星.体育明星.作家等名人通过互联网能够轻易实现和粉丝的互动,赚钱也变得前所未有的简单.同时,互联网的飞速发展本身也造 ...

  3. SEO需要分析哪些网站数据

    http://www.wocaoseo.com/thread-227-1-1.html 一.网站的基本数据 1.网站流量详情(ip.pv.需要看pv与ip的比) 2.网站的跳出率(可以看出一个网站的用 ...

  4. 使用 FFT 分析周期性数据

    可以使用傅里叶变换来分析数据中的变化,例如一个时间段内的自然事件. 天文学家使用苏黎世太阳黑子相对数将几乎 300 年的太阳黑子的数量和大小制成表格.对大约 1700 至 2000 年间的苏黎世数绘图 ...

  5. [信号与系统]傅里叶变换、DFT、FFT分析与理解

    目录 一.前言 二.傅里叶变换 1.傅里叶级数 2.傅里叶级数系数求解 2.1.求解方法 2.2.三角函数的正交性 2.3.系数求解过程 2.4.关于傅里叶级数的个人感悟 3.引入复指数 4.总结 三 ...

  6. 关于FFT分析音频的学习

    本文部分知识从以下文章学习: https://zhuanlan.zhihu.com/p/19763358 傅里叶变换的知识 https://www.cnblogs.com/RabbitHu/p/FFT ...

  7. Java豆瓣电影爬虫——使用Word2Vec分析电影短评数据

    在上篇实现了电影详情和短评数据的抓取.到目前为止,已经抓了2000多部电影电视以及20000多的短评数据. 数据本身没有规律和价值,需要通过分析提炼成知识才有意义.抱着试试玩的想法,准备做一个有关情感 ...

  8. oracle表分区、表分析及oracle数据泵文件导入导出开心版

    1.先说oracle表分区是什么吧,这样吧我们来举个桃子,栗子太小,我们就不举了,我们来举个桃子. 你有500万份文件,你要把他存在磁盘上,好嘛,我们就一个文件夹,500万分文件在那儿杵着,我们想找到 ...

  9. tcprstat源码分析之tcp数据包分析

    tcprstat是percona用来监测mysql响应时间的.不过对于任何运行在TCP协议上的响应时间,都可以用.本文主要做源码分析,如何使用tcprstat请大家查看博文<tcprstat分析 ...

随机推荐

  1. 《Java虚拟机原理图解》3、JVM执行时数据区

    [last updated :2014/11/7]     JVM执行时数据区(JVM Runtime Area)事实上就是指JVM在执行期间,其对计算机内存空间的划分和分配.本文将通过下面几个话题来 ...

  2. Sql2008 r2 使用ftp 公布和订阅方式同步数据

    Sql2008 r2使用公布和订阅方式同步数据 因为非常多图片 本篇没有图片 详情能够进入下载页  http://download.csdn.net/download/yefighter/760374 ...

  3. jquery显示、隐藏div的方法

    $("#top_notice").css("display", "block");//第1种方法 //$("#top_notice ...

  4. hdu-4725-The Shortest Path in Nya Graph-层次网络

    我们依据每一个人的layer把同样layer的人分配到同一个层次中. 然后记录走到每一个层次的最小值. 假设这个最小值被更新了. 那么我们就更新与这个层次相连的层次上的点. 其它的就是最普通的spfa ...

  5. Android程序调试

    1. 使用Log.d方法输出Debug日志信息. Log.d方法用来输出DEBUG故障日志信息,该方法有两种重载形式,其中开发人员经常用到的重载形式语法如下: public static int d( ...

  6. PostgreSql 合并多行记录

    需求描述: A表有如下数据 id 1 2 3 4 B表有如下数据 id name 1 aaa 1 bbb 1 ccc 2 aa 2 bb 3 c A表和B表通过id关联,需要查询结果如下: id na ...

  7. Computer Generated Angular Fisheye Projections [转]

    Computer GeneratedAngular Fisheye Projections Written by Paul Bourke May 2001 There are two main ide ...

  8. JAVA反射使用手记

    本篇文章为在工作中使用JAVA反射的经验总结,也可以说是一些小技巧,以后学会新的小技巧,会不断更新.本文不准备讨论JAVA反射的机制,网上有很多,大家随便google一下就可以了. 在开始之前,我先定 ...

  9. (剑指Offer)面试题41:和为s的连续正数序列

    题目: 输入一个正数s,打印出所有和为s的连续正数序列(至少含有两个数).例如输入15,由于1+2+3+4+5=4+5+6=7+8=15,所以结果打印出3个连续序列1-5,,4-6和7-8. 思路: ...

  10. 北京SAP-AGS CoE support consultant intern 面试总结

    7月4号去大连SAP面试.通过的话直接去北京SAP參加实习(有幸已通过). SAP一直是我理想的公司,大二的时候曾试图參加SAP大连vt项目,当时下了非常大决心,假设通过了就先留在大连,可惜英语群面就 ...