MATLAB代码纠错与优化实践

79、以下两段MATLAB代码段落中，每段至少有一个错误（a部分一个，b部分一个）。找出并纠正这两个错误。a. fftEEG = fft(csd(7,:,10),n_conv); fftWave = fft(wavelets(3,:),n_conv); as = ifft(mean(fftEEG. fftWave),n_conv); b. sine_wave = exp(2 1i pi frequency(10). time); gaus_win = exp(time.^2./(2 (6/(2 pi frex(10)))^2)); wavelet = sine_wave .* gaus_win;

以下是将给定文本内容调整为 Markdown 格式 的结果：

---

a部分错误在于 mean(fftEEG.*fftWave) ， fftEEG 和 fftWave 是向量，使用 mean 会将向量元素求平均，可能不是预期操作，应直接相乘后进行逆傅里叶变换。

修正后代码：

fftEEG = fft(csd(7,:,10),n_conv);
fftWave = fft(wavelets(3,:),n_conv);
as = ifft(fftEEG.*fftWave,n_conv);

b部分错误在于高斯窗函数 gaus_win ，指数部分应该是负的，以形成高斯形状。

修正后代码：

sine_wave = exp(2*1i*pi*frequency(10).*time);
gaus_win = exp(-time.^2./(2*(6/(2*pi*frex(10)))^2));
wavelet = sine_wave .* gaus_win;

80、在以下两组代码中，每组有一行代码正确，一行代码有错误。找出并修正错误。代码如下：hz = linspace(0,nyquist,floor(N/2)+1); hz = linspace(0,nyquist,floor(N/2)-1); n_conv = size(csd,3) + length(wavelet_time) – 1; n_conv = length(size(csd,3))+length(wavelet_time)–1;

第一组中， hz = linspace(0,nyquist,floor(N/2)+1); 正确，
hz = linspace(0,nyquist,floor(N/2)-1); 错误，
应改为 hz = linspace(0,nyquist,floor(N/2)+1); 。

第二组中， n_conv = size(csd,3) + length(wavelet_time) – 1; 正确，
n_conv = length(size(csd,3)) + length(wavelet_time) – 1; 错误，
应改为 n_conv = size(csd,3) + length(wavelet_time) - 1; （注意原代码中减号为中文符号，应改为英文符号）。

81、下面的代码是正确的，但可能无法产生预期的结果。问题是什么，如何修复？代码为：x = 0:100; gaus = exp(-(x.^2)/100);

问题在于生成的高斯函数可能未按预期归一化，且绘图范围可能无法清晰展示高斯函数特征。可进行归一化处理，同时调整绘图范围。修复代码如下：

x = 0:100;
gaus = exp(-(x.^2)/100);
gaus = gaus / max(gaus);
plot(x, gaus);

归一化操作使高斯函数最大值为1，绘图能直观展示其特征。

82、在这个练习中，你将探究 Morlet 小波的周期数参数控制时间和频率精度权衡的原因。生成五个频率为 10 Hz 的小波，将周期数从 2 线性递增到 15。使用 5×2 的子图布局，在左图中展示对正弦波进行衰减的时域高斯函数，在右图中展示小波功率的频域表示。为每个子图添加标题以表明周期数。这个图能帮助你理解时频精度的权衡吗？（如果不能，请绘制一个更好的图！）

要完成此练习，可按以下步骤操作：

1. 生成五个频率为 10 Hz 的小波，周期数从 2 线性递增到 15；
2. 使用 5×2 的子图布局，左图展示时域高斯函数，右图展示小波功率的频域表示；
3. 为每个子图添加标题表明周期数；
4. 观察图形判断是否能理解时频精度的权衡，若不能则绘制更好的图。

由于没有具体代码实现，无法给出代码示例，但思路是明确的。

83、构建一系列有限脉冲响应（FIR）滤波器（带通：8 - 12 Hz），滤波器阶数从8 Hz的1个周期变化到15个周期，保持其他参数不变。展示滤波器内核在时域的图像（可以给每个内核的y轴添加一个小偏移以提高可见性），以及它们的功率谱在一个按频率 - 阶数排列的图像中（需要进行零填充以使功率谱具有可比性）。滤波器的频率特性如何随阶数变化？接下来，创建一个以10 Hz为中心的实值Morlet小波。将每个滤波器应用于该小波，并测量每个滤波结果的经验半高宽（FWHM）。（提示：在abs(hilbert(filtsig))的结果上测量FWHM）。绘制FWHM随滤波器阶数变化的图像。根据这些结果，在什么阶数点上你会基于不同阶数对结果得出不同