fvtool幅度归一化

最新推荐文章于 2023-12-21 20:23:08 发布
最新推荐文章于 2023-12-21 20:23:08 发布
阅读量5.7k 收藏 21
点赞数 1
CC 4.0 BY-SA版权
分类专栏： matlab 文章标签： matlab 滤波器 fvtool
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/zhanghaijun2013/article/details/93024786

  我们在用matlab设计滤波器后，可以用fvtool来看滤波器的频响，比如我们有了滤波器的系数后，直接用fvtool。

fircoe = [0.018641, 0.018275,-0.020377,-0.071243,-0.049673,...
    0.094562, 0.28841, 0.37949, 0.28841, 0.094562,-0.049673,...
    -0.071243,-0.020377, 0.018275, 0.018641];
fvtool(fircoe);

在这里插入图片描述

  从图中可以很容易看出，阻带衰减大概在40db左右。

  但还有些滤波器，设计出来后增益并不是0，比如下面的cic滤波器。我们首先用dsp.CICDecimator设计了一个CIC滤波器，然后紧跟着一个CIC补偿滤波器，该补偿滤波是一个FIR滤波器。最后把这两个滤波器和CIC+FIR级联后的频响画到一图中。

fs = 100e6;
cic_rate = 4;
cic_flt = dsp.CICDecimator(cic_rate,1,5);
fpass=fs/cic_rate*0.35/2;
fstop=fs/cic_rate*0.5/2;
cic_comp = design(fdesign.ciccomp(cic_flt.DifferentialDelay, ...
        cic_flt.NumSections,fpass,fstop,.3,20,fs/cic_rate));
comp_fir = dsp.FIRFilter('Numerator',cmop_coe);
cascade_flt = cascade(cic_flt,comp_fir);
fvtool(cic_flt,comp_fir,...
cascade_flt,'Fs',[fs fs/cic2_rate fs])
yticks([-200:20:0])

在这里插入图片描述

  从图中可以看出，补偿的FIR滤波器增益大概为0，而CIC滤波器增益在60dB。怎么把CIC滤波器的频响显示的幅度也归一化到0呢？（因为归一化到0后，在文档中就很容易看出该滤波器阻带抑制特性）

  可以在fvtool的窗口中，右键选择Analysis Parameters...，如下图。

在这里插入图片描述

然后再勾选Normalize Magnitude to 1(0dB)，再点Save as Default。

在这里插入图片描述

这样以后我们再用fvtool画滤波器频谱时，就会显示成归一化的样式。

在这里插入图片描述

欢迎关注微信公众号：Quant_Times

欢迎大家学习我的课程：
System Generator & HLS数字信号处理教程

fft 幅值归一化 求频率 小结
weixin_39107270的博客
06-06 1768
3. 删去重复值。
「 扑翼飞行器 」悬停飞行的信号串联滤波器设计
最新发布
Robot_Starscream的博客
05-31 170
小白在设计扑翼飞行器悬停算法过程中，设计了三种滤波器串联使用，总结如下。
matlab幅度归一化,matlab归一化方法
weixin_34580939的博客
03-16 3360
首先归一化是为了后面数据处 理的方便,其次是保正程序运行时收敛加快。 在 matlab 里面,用于归一化的方法共有三种: (1)premnmx、postmnmx、tramnmx (2)prestd、......关于神经网络(matlab)归一化的整理 关于神经网络归一化方法的整理 由于采集的各数据单位不一致,因而须对数据进行[-1,1]归一化处理,归一化 方法主要有如下几种,......在matl...
信号幅值归一化(Python)
林仔520的博客
04-21 6232
本文主要实现将一维时序数据进行幅值归一化 1. 导包 import numpy as np import math import matplotlib.pyplot as plt plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签 plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号 2. 自定义函数 # 一维时序信号赋值归一化 def normalized(origin_signal):
python实现信号幅值归一化
weixin_43545253的博客
03-04 3081
python实现信号幅值归一化 功能：实现信号幅值归一化 输入x为原信号，是一个numpy的1D张量 输出y为幅值归一化信号，是一个numpy的1D张量 调用格式{y = normalized(x)} def normalized(x): y = x - np.mean(x) # 消除直流分量 y = y / np.max(np.abs(y)) # 幅值归一化 return (y) 运行： import numpy as np import math y0 = np.array
特征工程-特征预处理-幅度调整（一）：归一化和标准化解释和通俗案例，看不懂你打我
汪雯琦的博客
02-21 3167
文章目录什么是特征预处理？两种常用的幅度调整的方式(1)归一化a )API使用b) 原理解析(使用python模拟实现)c) 归一化总结(2)标准化a) API使用b)标准化总结案例标准化归一化 什么是特征预处理？ provides several common utility functions and transformer classes to change raw feature vect...
%% 生成信号 Fs = 100000; % 采样频率100kHz T = 0.1; % 采样时间0.1秒 t = 0:1/Fs:T-1/Fs; % 时间向量（10000个点） f1 = 5000; % 信号1频率5kHz f2 = 20000; % 信号2频率20kHz s1 = sin(2*pi*f1*t); s2 = sin(2*pi*f2*t); % 混合并归一化 s = s1 + s2; s = s / max(abs(s)); % 归一化到[-1,1]范围 %% 绘制原始信号 figure; subplot(3,1,1); plot(t, s1); xlim([0 0.002]); % 显示前2ms数据 title('原始信号 s1 (5kHz)'); xlabel('时间 (s)'); ylabel('幅度'); subplot(3,1,2); plot(t, s2); xlim([0 0.002]); title('原始信号 s2 (20kHz)'); xlabel('时间 (s)'); ylabel('幅度'); subplot(3,1,3); plot(t, s); xlim([0 0.002]); title('混合归一化信号'); xlabel('时间 (s)'); ylabel('幅度'); %% FFT分析 N = length(s); f = (0:N-1)*(Fs/N); % 频率坐标 S = fft(s); figure; plot(f(1:N/2), abs(S(1:N/2))/(N/2)); % 显示单边频谱 xlabel('频率 (Hz)'); ylabel('幅度'); title('混合信号频谱'); xlim([0 25000]); % 显示0-25kHz范围 %% 设计带通滤波器 % 设计保留5kHz的带通滤波器 bpFilt5k = designfilt('bandpassiir',... 'FilterOrder',4,... 'HalfPowerFrequency1',4500,... 'HalfPowerFrequency2',5500,... 'SampleRate',Fs); % 设计保留20kHz的带通滤波器 bpFilt20k = designfilt('bandpassiir',... 'FilterOrder',4,... 'HalfPowerFrequency1',19500,... 'HalfPowerFrequency2',20500,... 'SampleRate',Fs); %% 滤波处理 s1_filtered = filtfilt(bpFilt5k, s); s2_filtered = filtfilt(bpFilt20k, s); %% 绘制滤波结果 figure; subplot(2,1,1); plot(t, s1_filtered); xlim([0 0.002]); title('滤波后s1 (5kHz)'); xlabel('时间 (s)'); ylabel('幅度'); subplot(2,1,2); plot(t, s2_filtered); xlim([0 0.002]); title('滤波后s2 (20kHz)'); xlabel('时间 (s)'); ylabel('幅度'); %% 滤波后信号频谱验证 S1_filtered = fft(s1_filtered); S2_filtered = fft(s2_filtered); figure; subplot(2,1,1); plot(f(1:N/2), abs(S1_filtered(1:N/2))/(N/2)); title('滤波后s1频谱'); xlabel('频率 (Hz)'); ylabel('幅度'); xlim([0 25000]); subplot(2,1,2); plot(f(1:N/2), abs(S2_filtered(1:N/2))/(N/2)); title('滤波后s2频谱'); xlabel('频率 (Hz)'); ylabel('幅度'); xlim([0 25000]); %% 滤波器频率响应验证（可选） % fvtool(bpFilt5k); % fvtool(bpFilt20k);在这个代码的基础上进行修改，归一后进行量化处理，频谱的幅度不要处理，给信号输入加一些白噪声
03-26
嗯，用户让我在这个MATLAB代码的基础上进行修改，主要做三件事：归一化后进行量化处理，保持频谱幅度不变，给输入信号加白噪声。首先，我需要理解现有代码的结构和功能。 原来的代码生成了两个正弦信号s1和s2，频率...
对如下代码分析：%低通滤波器设计。wp=pi/3, ws=pi/2 %通带允许最大衰减3dB, 阻带应达到的最小衰减30dB。 clear;clc; % 设计数字低通滤波器 %设计参数 wp = pi/3; % 通带截止频率 ws = pi/2; % 阻带截止频率 Rp = 3; % 通带最大衰减 Rs = 30; % 阻带最小衰减 % 计算通带和阻带边界的归一化频率 wpn = wp/pi; wsn = ws/pi; % 计算数字滤波器的阶数和截止频率 [n,wn] = buttord(wpn,wsn,Rp,Rs); [b,a] = butter(n,wn); % 绘制数字滤波器的幅频响应 [H,w] = freqz(b,a,1024); mag = 20*log10(abs(H)); plot(w/pi,mag);xlabel('归一化频率');ylabel('幅度响应(dB)');title('数字低通滤波器幅频响应');grid on; %在使用双线性变换时，需要先设计一个模拟滤波器，然后再进行变换得到数字滤波器的系数。 %使用butter函数设计了一个模拟低通滤波器，然后使用bilinear函数进行双线性变换，将模拟滤波器转换为数字滤波器 clear;clc; %双线性变换法 wp = pi/3; % 通带截止频率 ws = pi/2; % 阻带截止频率 Rp = 3; % 通带最大衰减 Rs = 30; % 阻带最小衰减 fs = 1000; % 采样频率 [N, Wn] = buttord(wp, ws, Rp, Rs, 's'); % 计算滤波器阶数和归一化截止频率 [b, a] = butter(N, Wn, 'low', 's'); % 计算滤波器系数 [bz, az] = bilinear(b, a, fs); % 双线性变换 freqz(bz, az); % 绘制滤波器幅频响应图 %fvtool函数查看滤波器的频率响应、群延迟 fvtool(bz, az);
06-02
2. 计算通带和阻带边界的归一化频率wpn和wsn。 3. 利用buttord函数计算出数字滤波器的阶数n和截止频率wn。 4. 利用butter函数计算出数字低通滤波器的分子b和分母a。 5. 利用freqz函数计算数字低通滤波器的频率...
N_comp = 128; passband_edge = BW/2; stopband_edge = fs_in/2; % 定义归一化频率向量 F = [0, passband_edge, stopband_edge, fs_out/2]/(fs_out/2); % 定义幅度响应目标 A = [1, 1, 0]; % 设置权重 W = [10, 1, 10]; % 设计等波纹滤波器 comp_filter = firpm(N_comp, F, A, W); 错误使用 firpminit (line 65) 每个频带应有一个权重。 出错 firpm (line 139) [nfilt,ff,grid,des,wt,ftype,sign_val,hilbert,neg] = firpminit(order, ff, aa, varargin{:});还是有错
03-08
如果fs_out的Nyquist频率（fs_out/2）低于stopband_edge的话，那么F中的第三个点stopband_edge/(fs_out/2)可能大于1，这会导致归一化后的频率超过1，这是无效的，因为归一化频率应该在0到1之间。此时，F中的值可能被...
如何在MATLAB中利用FDATOOL来观察高通滤波器的零极点分布，并通过调整滤波器参数优化其幅度响应？
11-08
这个命令创建了一个五阶的高通滤波器，其半功率频率为0.2（归一化到采样频率的一半）。接下来，可以使用`fvtool`函数来初步查看滤波器的频率响应： ```matlab fvtool(d, 'Analysis', 'freq'); ``` 为了深入分析...
FFT归一化计算
12-01
使用matlab自带的函数，但是加入了幅值的矫正
调制识别 大类调制识别经典算法之小波变换、归一化瞬时幅度谱密度最大值与归一化瞬时频率四阶紧致性
qq_45471796的博客
05-31 2655
大部分较完整的数字调制信号识别经典算法结构都需要进行多次分类。其主线思路是，首先寻找对以上四类信号具有明显区别的特征量，以区分调制大类信号；其次，在已知调制大类的情况下，分别采用各自的调制识别算法来识别调制阶数；最终得到对于信号的较详细调制类型的识别。对于数字调制信号，按照调制信息的位置，主要有幅度调制的MASK，相位调制的MPSK，频率调制的MFSK和幅度与相位调制相结合的MQAM等几大类。这里由于MASK已不是主流调制信号，故主要考虑MPSK、MFSK与MQAM。
matlab 归一化_Matlab fvtool幅度显示归一化
weixin_39792475的博客
11-30 1449
我们在用matlab设计滤波器后，可以用fvtool来看滤波器的频响，比如我们有了滤波器的系数后，直接用fvtool。fircoe = [0.018641, 0.018275,-0.020377,-0.071243,-0.049673,... 0.094562, 0.28841, 0.37949, 0.28841, 0.094562,-0.049673,... -0.07124...
归一化一维时序信号，针对上下幅值波动不均问题
caicaiyunyun的博客
10-27 776
一维时序信号归一化
rms归一化_将FFT频谱幅度归一化为0dB
weixin_34651330的博客
12-29 2941
在对Audacity做了一些逆向工程后，这里给出了一些答案。首先，他们使用Welch algorithm来估计PSD。简而言之，它将信号分割成重叠段，应用一些窗口函数，应用FFT并对结果进行平均。主要是因为这有助于在存在噪声时获得更好的结果。总之，在提取了必要的参数后，这里的解决方案近似于Audacity的光谱图：import numpy as npfrom scipy.io import wav...
信号归一化功率_信号传输笔记(02)—确定信号的相关函数
weixin_39805539的博客
11-21 1833
这里是一则小广告：关注作者请点击这里哦：zdr0我的专栏里面不仅有学习笔记，也有一些科普文章，相信我的专栏不会让您失望哦～大家可以关注一下：数学及自然科学记得点赞加收藏哦～创作不易，请赞赏一下支持一下作者吧[期待]～文章中如果有错误的话还请各位大佬多多斧正，感谢！-尽力写最好的讲义，尽力写最好的科普推一下我的微信公众号，扫码即可关注哦！今后在知乎所发的文章都会同步到该公众号当中：之前笔记：zdr0...
语音情绪识别和语音识别等语音处理任务的语音数据 振幅归一化方法 how to normalize the amplitude of audio with python
tonydandelion2014的博客
09-06 2110
网上找了一圈都没有找到比较靠谱的方法, 有一篇文章提到用什么do_pcm工具, 但是全网都没有相关的内容, 这里贴上一个调用pydub.effects.normalize方法进行振幅归一化的方法. 方便后面的同学. 主要思想 取一段语料中幅度最大的点将其幅度拉大到接近1，记录拉大的比例，再将其他所有点均按这个比例拉伸。 pydub.effects.normalize源码 @regi...
归一化（数据预处理）
h2728677716的博客
03-22 5525
归一化的目的： 每个维度可能对应的数量及不同，例如年龄和收入，我们线性回归公式 在计算机看来X1和X2并没有数量级的不同，都是一样的数据，不理解其中的含义所以 θ1X1 = θ2X2,那么X1远远小于X2的话，有公式看来，θ1就远远大于θ2。 那么有图像就可以看出来θ1要优化的距离就远远大于θ2要优化的距离。 产生矛盾： 因为X1 << X2 那么θ1要调整的距离就远远大于θ2要调整的距离， 由公式 得g1远远小于g2, 那么有梯度下降的公式可得η*g1 远.
FFT能量归一化
明天你好的博客
12-21 4938
将时域信号转换为频域信号时，涉及到幅度和能量的变化，目前大部分开源库在正变换和反变换时会忽略常数，因此当我们想将频域和时域信号归一化到统一尺度时（方便设置阈值），需要做归一化操作。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值