matlab一维信号频谱图仿真

程序1：

%在MATLAB中是用连续信号在等时间间隔点的样值来近似地表示连续信号的，当采样时间间隔足够小时，这些离散的采样值就能较好地近似出连续信号，matlab中连续信号的显示实际上还是离散信号的显示，只是取样点特别
%多的时候，用线连接起来，显示出来的图形就比较圆滑，接近连续信号；如果取样点特别少，连接起来就会变成折线；
 clear all;   %这个其实可以没有，只不过以前出过问题，现在就加上！
 N=1024;      %这个是你举得信号的点数，随便你了
 fs=16000;       %这个是抽样频率，记得要高于信号中最高频率的2倍
 t=(0:N-1)/fs;%信号时域横轴向量，以等间隔抽样时间1/fs为一系列时间点做横向坐标轴，因为信号的周期为1/20，即0.05s,而1024点的抽样时间为20.48s,所以画出来的图形大概为400多个周期，周期太多，太集中
 t1=(0:3)/fs; %显示出来后，看起来就像正方形。而且抽样时间为0.02，一个周期为0.05，所以一个周期内就取了3个点，一个周期的图形显示出来后明显是个折线图；如图subplot(1,3,3)；如果一个周期内多取一些点，图形就会越
 t2=0:0.000001:0.05;%接近原图形,如图subplot(1,4,4)；
 f=(0:N-1)*fs/N;    %信号频域横轴向量，不过待会要减半处理一下
 x=sin(2*pi*125.*t);   %想分析什么函数，自己写
 x1=sin(2*pi*20.*t1);
 x2=sin(2*pi*20.*t2);
 y=abs(fft(x));     %频域分析,不过记得要求模
 f=f(1:N/2);      %减半了,根据那奎斯特抽样定理，抽样频率要高于信号中最高频率的两倍，才不会失真，因此频谱中（fs/2,fs）为无用谱，故频域信号的定义域向量与值域向量都应该做减半处理。
 y=y(1:N/2);      %减半了
 %subplot(2,2,1)   %画图
 %plot(t,x);
 %subplot(2,2,2)   %画图
 plot(f,y);
%subplot(2,2,3)
%plot(t1,x1);
%subplot(2,2,4)
%plot(t2,x2);

程序2：

%  在MATLAB中是用连续信号在等时间间隔点的样值来近似地表示连续信号的，当采样时间间隔足够小时，这些离散的采样值就能较好地近似出连续信号，matlab中连续信号的显示实际上还是离散信号的显示，只是取样点特别
%多的时候，用线连接起来，显示出来的图形就比较圆滑，接近连续信号；如果取样点特别少，连接起来就会变成折线；
clear all;   %这个其实可以没有，只不过以前出过问题，现在就加上！
 N=1024;      %这个是你举得信号的点数，随便你了
 fs=50;       %这个是抽样频率，记得要高于信号中最高频率的2倍
 t=(0:N-1)/fs;%信号时域横轴向量，以等间隔抽样时间1/fs为一系列时间点做横向坐标轴，因为信号的周期为1/20，即0.05s,而1024点的抽样时间为20.48s,所以画出来的图形大概为400多个周期，周期太多，太集中
 t1=(0:3)/fs; %显示出来后，看起来就像正方形。而且抽样时间为0.02，一个周期为0.05，所以一个周期内就取了3个点，一个周期的图形显示出来后明显是个折线图；如图subplot(2,2,3)；如果一个周期内多取一些点，图形就会越
 t2=0:0.000001:0.05;%接近原图形,如图subplot(2,2,4)；
 f=(0:N-1)*fs/N;    %信号频域横轴向量，不过待会要减半处理一下
 x=sin(2*pi*20.*t);   %想分析什么函数，自己写
 x1=sin(2*pi*20.*t1);
  x2=sin(2*pi*20.*t2);
 y=abs(fft(x));     %频域分析,不过记得要求模
 f=f(1:N/2);      %减半了,根据那奎斯特抽样定理，抽样频率要高于信号中最高频率的两倍，才不会失真，因此频谱中（fs/2,fs）为无用谱，故频域信号的定义域向量与值域向量都应该做减半处理。
 y=y(1:N/2);      %减半了
 subplot(2,2,1)   %画图
 plot(t,x);
 subplot(2,2,2)   %画图
 plot(f,y);
subplot(2,2,3)
plot(t1,x1);
subplot(2,2,4)
plot(t2,x2);

一维信号的深度学习算法

一维热传导方程的有限差分法MATLAB程序