离散时间信号的MATLAB仿真

简介: 离散时间信号的MATLAB仿真

程序Program1_1是用MATLAB对一个正弦信号进行仿真的程序


% Program1_1
% This program is used to generate a discrete-time sinusoidal signal and draw its plot
clear,                   % Clear all variables 清除所有变量
close all,                % Close all figure windows 关闭所有图形窗口
n = -20: 20;              % Specify the interval of time指定时间间隔
w0 = 0.2*pi;              % Specify the angular frequency指定角频率
x = sin(w0*n);            % Generate the signal 生成的信号
stem(n,x,'k.')             % Open a figure window and plot  打开图形窗口并绘制图形
title('Sinusoidal signal x[n]')
xlabel('Time Index n')

绘制如图所示

dd77bebdbdee4211b50833070fe0a9dd.png


程序Program1_2绘制了不同角频率时的正弦信号的波形

clear,close all,  
n = -20: 20; 
w0 = 0*pi; w1 = 0.1*pi; w2 = 0.2*pi; w3 = 0.8*pi; w4 = 0.9*pi; w5 = 1*pi; 
w6 = 1.1*pi; w7 = 1.2*pi;
x0 = cos(w0*n); x1 = cos(w1*n); x2 = cos(w2*n); x3 = cos(w3*n); x4 = cos(w4*n); 
x5 = cos(w5*n); x6 = cos(w6*n); x7 = cos(w7*n);
subplot(421), stem(n,x0,'k.') ,ylabel('w0=0')
subplot(422), stem(n,x1,'k.') ,ylabel('w0=0.1*pi')
subplot(423), stem(n,x2,'k.') ,ylabel('w0=0.2*pi')
subplot(424), stem(n,x3,'k.') ,ylabel('w0=0.8*pi')
subplot(425), stem(n,x4,'k.') ,ylabel('w0=0.9*pi')
subplot(426), stem(n,x5,'k.') ,ylabel('w0=1*pi')
subplot(427), stem(n,x6,'k.') ,ylabel('w0=1.1*pi')
subplot(428), stem(n,x7,'k.') ,ylabel('w0=1.2*pi')

绘制图像如图

33d29c83ff8f48bcbd91e3a5a4ac2180.png


程序Program1_3用来仿真下面形式的离散时间信号


% Program1_3
% This program is used to generate a discrete-time sequence
% and draw its plot
clear,                   % Clear all variables
close all,                % Close all figure windows
n = -5:5;                % Specify the interval of time, the number of points of n is 11. 指定时间间隔,n的点数为11。  
x = [0, 0, 0, 0, 0.1, 1.1, -1.2, 0, 1.3, 0, 0];   % Generate the signal  生成的信号
stem(n,x,'.')             % Open a figure window and draw 打开图形窗口并绘制
the plot of x[n]
grid on,
title ('A discrete-time sequence x[n]')
xlabel ('Time index n')
% Program1_4
% This program is used to generate a discrete-time sinusoidal signal
% and draw its plot
clear,                    % Clear all variables
close all,                 % Close all figure windows
n = -5:5;                 % Specify the interval of time
x = [zeros(1,4), 0.1, 1.1, -1.2, 0, 1.3, zeros(1,2)];     % Generate the sequence
stem (n,x,'.')              % Open a figure window and draw the plot of x[n]
grid on,
title ('A discrete-time sequence x[n]')
xlabel ('Time index n')

x = [zeros(1,4) x zeros(1, 2)] 来实现 一行四个零,一行两个零


相关文章
|
5天前
|
传感器 机器学习/深度学习 算法
MATLAB - 使用 YOLO 和基于 PCA 的目标检测,对 UR5e 的半结构化智能垃圾箱拣选进行 Gazebo 仿真
MATLAB - 使用 YOLO 和基于 PCA 的目标检测,对 UR5e 的半结构化智能垃圾箱拣选进行 Gazebo 仿真
16 0
|
6天前
|
算法
基于模糊控制算法的倒立摆控制系统matlab仿真
本项目构建了一个基于模糊控制算法的倒立摆控制系统,利用MATLAB 2022a实现了从不稳定到稳定状态的转变,并输出了相应的动画和收敛过程。模糊控制器通过对小车位置与摆的角度误差及其变化量进行模糊化处理,依据预设的模糊规则库进行模糊推理并最终去模糊化为精确的控制量,成功地使倒立摆维持在直立位置。该方法无需精确数学模型,适用于处理系统的非线性和不确定性。
基于模糊控制算法的倒立摆控制系统matlab仿真
|
11天前
|
Windows
基于MATLAB实现的OFDM仿真调制解调,BPSK、QPSK、4QAM、16QAM、32QAM,加性高斯白噪声信道、TDL瑞利衰落信道
本文通过MATLAB仿真实现了OFDM系统中BPSK、QPSK、4QAM、16QAM和32QAM调制解调过程,并在加性高斯白噪声信道及TDL瑞利衰落信道下计算了不同信噪比条件下的误比特率。
24 4
基于MATLAB实现的OFDM仿真调制解调,BPSK、QPSK、4QAM、16QAM、32QAM,加性高斯白噪声信道、TDL瑞利衰落信道
|
9天前
|
算法 数据可视化 调度
基于PSO粒子群优化的车间调度问题求解matlab仿真,输出甘特图
基于PSO粒子群优化的MATLAB仿真解决车间调度问题,输入机器与工作完成时间,输出甘特图与收敛图,实现多机器多任务最优并行调度。使用MATLAB 2022a版本运行,通过模拟鸟群觅食行为,不断更新粒子速度与位置寻找最优解,采用工序编码,总加工时间为适应度函数,实现快速收敛并可视化调度结果。
|
5天前
|
存储 数据可视化
MATLAB - 仿真单摆的周期性摆动
MATLAB - 仿真单摆的周期性摆动
7 1
|
6天前
|
机器学习/深度学习 数据可视化 Ubuntu
MATLAB - Gazebo 联合仿真 —— 使用 UR10 机械臂检测和采摘水果
MATLAB - Gazebo 联合仿真 —— 使用 UR10 机械臂检测和采摘水果
23 2
|
6天前
|
自然语言处理 并行计算 自动驾驶
MATLAB - 模型预测控制(MPC)控制入门 —— 设计并仿真 MPC 控制器
MATLAB - 模型预测控制(MPC)控制入门 —— 设计并仿真 MPC 控制器
25 1
|
6天前
|
数据可视化 数据挖掘
MATLAB - 信号分析器(signalanalyzer-app)
MATLAB - 信号分析器(signalanalyzer-app)
17 1
|
7天前
|
算法 测试技术 SoC
基于直流潮流的IEEE30电力系统停电分布及自组织临界性分析matlab仿真
本研究提出一种基于直流潮流的算法来分析电力系统的停电分布及自组织临界性。算法迭代更新参数并模拟线路随机断开,运用粒子群优化计算关键值,并评估线路接近容量极限的概率。通过改变参数β和μ,分析不同线路可靠性和容量增加方式下的停电分布,并探索系统趋向临界状态的过程及停电概率分布。该方法基于IEEE30测试系统,利用MATLAB2022a实现,简化处理有功功率流动,适用于评估电力系统稳定性及预防大规模停电事故。
|
7天前
|
算法
基于多路径路由的全局感知网络流量分配优化算法matlab仿真
本文提出一种全局感知网络流量分配优化算法,针对现代网络中多路径路由的需求,旨在均衡分配流量、减轻拥塞并提升吞吐量。算法基于网络模型G(N, M),包含N节点与M连接,并考虑K种不同优先级的流量。通过迭代调整每种流量在各路径上的分配比例,依据带宽利用率um=Σ(xm,k * dk) / cm来优化网络性能,确保高优先级流量的有效传输同时最大化利用网络资源。算法设定收敛条件以避免陷入局部最优解。

热门文章

最新文章