通信基础-卷积

2021-09-28 21:59:08 阅读：190 来源： 互联网

标签：plot title 卷积滤波 fft 基础通信 coffe filter

通信基础-卷积/滤波(原理及Matlab实现)

原理

若有两个在定义域上可积的函数 f ( x ) f(x) f(x)和 g ( x ) g(x) g(x)，波形如下：

55f37ca13c8e2d21fb00aa2bf65c6d1

则卷积的定义为：

连续形式： f ( x ) ∗ g ( x ) = ∫ − ∞ ∞ g ( τ ) f ( x − τ ) f(x)*g(x)=\int^{\infty}_{-\infty}g(\tau)f(x-\tau) f(x)∗g(x)=∫−∞∞g(τ)f(x−τ)

离散形式： f ( n ) ∗ g ( n ) = ∑ i = − ∞ ∞ g ( i ) f ( n − i ) f(n)*g(n)=\sum_{i=-\infty}^{\infty}g(i)f(n-i) f(n)∗g(n)=i=−∞∑∞g(i)f(n−i)

看起来略微有点复杂，其物理意义就是将可积函数 f ( x ) f(x) f(x)前后翻转颠倒（卷积中的-卷）；再进行相乘求积分/求和（卷积中的-积）。

f61355f876f0b6176d5b3f2767a0395

对应的步骤拆解为上图，可以把 g ( x ) g(x) g(x)看做一个窗，这个窗固定不动， f ( x ) f(x) f(x)在翻转后，从左到右进入窗，并与窗对应点相乘并求和/积分，当 f ( x ) f(x) f(x)穿过整个窗后，卷积运算结束。

Matlab仿真

有两种实现方式，第一种是调用其filter函数；第二种是手动运算。

滤波器设计

设计一个简单的低通滤波，分离开2KHz和4KHz。
在这里插入图片描述

filter函数

% 测试卷积
clc;clear;close all;
Fs = 20000; %采样率
fc1 = 2000; %第一个正弦波频率2Khz
fc2 = 4000;% 第二个正弦波频率4Khz
N = 4096;%fft点数
t = 0:1/Fs:100/Fs;%时间序列
y1 = cos(2*pi*fc1*t);% 第一个正弦波
y2 = cos(2*pi*fc2*t);% 第二个正弦波
figure(1)
subplot(211)
plot(t, y1, 'b')
xlabel('t')
title('f=2KHz正弦波')
subplot(212)
plot(t, y2, 'r')
xlabel('t')
title('f=4KHz正弦波')
figure(2)
subplot(211)
y_mix = y1+y2;% 混合信号
plot(t, y_mix)
title('2KHz和4KHz信号混合后的波形')
subplot(212)
x = 0:Fs/N:(N-1)/N*Fs; %频率序列
plot(x, abs(fft(y_mix, N)))% 做N点fft
xlabel('Hz')
title('混合后的频谱图')
%使用自带filter函数滤波
filter_coffe = load('filter_coffe');% 读取滤波器系数，可直接使用filter designer设计低通滤波器
filter_coffe = filter_coffe.Num;
filter_after = filter(filter_coffe, 1, y_mix);% 使用filter函数滤波
figure(3)
subplot(211)
plot(t, filter_after)
title('使用filter函数滤波后时域图')
xlabel('t')
subplot(212)
plot(x, abs(fft(filter_after, N)))
title('使用filter函数滤波后频域图')
xlabel('Hz')

手动实现

过程就和上面第一点中讲的完全相同，先翻转一个信号，再依点送入并和另外一个信号对应相乘求和/积分。

% 自己定义滤波 先倒过来，然后一步一步往里推数据，再相乘求和。数据窗长应该和滤波器系数长度相同
fft_data = zeros(length(filter_coffe), 1); %准备数据窗长
y_fft_in = zeros(length(filter_coffe)-1+length(y_mix), 1);% 先准备一个全0序列
y_fft_in(length(filter_coffe):end, 1) = y_mix(end:-1:1);% 给全0序列后面填翻转后的数据。整个过程等于在给原始数据前面补0
y_fft_out = zeros(length(y_mix), 1);% 准备输出数据的位置
for step=1:1:length(y_mix)   
    y_fft_out(step) = filter_coffe*y_fft_in(step:step+length(filter_coffe)-1); %相乘求和
end
figure(4)
subplot(211)
plot(t, y_fft_out)
title('手动实现滤波的时域图')
xlabel('t')
subplot(212)
plot(x, abs(fft(y_fft_out, N)))
title('手动实现滤波的频域图')
xlabel('Hz')

结果

先产生两个频率的正弦波，并混合。

混合后的时域和频域波形

使用filter函数滤波结果

使用自定义方法滤波:

标签：plot,title,卷积,滤波,fft,基础,通信,coffe,filter
来源： https://blog.csdn.net/qq_41380292/article/details/120538288

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9