dsp.IFFTSystem object
逆离散傅里叶变换(IDFFT)
描述
的传输线对象计算离散傅里叶逆变换(IDFFT)的输入。对象使用一个或多个以下的快速傅里叶变换(FFT)算法的复杂性取决于输入和输出是否在线性bit-reversed顺序:
计算传输线的输入:
请注意
从R2016b开始,而不是使用一步定义的方法来执行操作系统对象™,您可以调用对象的参数,就好像它是一个函数。例如,y =步骤(obj, x)和y = obj (x)执行相同操作。
建设
界面张力= dsp.IFFT返回一个传输线对象,界面张力,计算一个列向量的IDFT或N- d数组。列向量或一天数组传输线对象计算IDFT数组的第一个维度。如果输入是一个行向量,传输线对象计算一排single-sample IDFTs和问题一个警告。
界面张力= dsp.IFFT ('返回一个PropertyName”,PropertyValue,……)传输线对象,界面张力,每个属性设置为指定的值。
属性
|
FFT实现 指定用于FFT的实现 |
|
使bit-reversed订单输入元素的解释 将此属性设置为 |
|
使共轭对称的解释输入 将此属性设置为 |
|
使产出除以FFT长度 指定是否将传输线的输出通过FFT长度。默认值是 |
|
源的FFT长度 如何确定FFT长度指定为 |
|
FFT长度 FFT长度指定为一个数字标量。这个属性设置时适用 这个属性必须是2的幂定点数据类型的输入时,或当你设置 当你设置 |
|
布尔值的包装或删除输入 将输入数据时 |
例子
构造一个正弦信号使用高能FFT系数
计算FFT的嘈杂的正弦输入信号。信号的能量存储为FFT系数的大小广场。确定信号的FFT系数占据99.99%的能源和重构的时域信号通过这些系数的传输线。比较重构信号与原信号。
请注意:如果您使用的是R2016a或更早的版本中,用等效替换每个调用对象一步语法。例如,obj (x)就变成了步骤(obj (x)。
考虑一个时域信号
,这是定义在有限的时间间隔
。的能量信号
是由以下方程:
FFT系数,
是在频域信号值。的能量信号
在频域因此的平方和的FFT系数的大小:
根据帕的定理,在时间和频率域信号的总能量是相同的。
初始化
初始化一个dsp.SineWave系统对象生成一个正弦波采样44.1 kHz, 1000赫兹的频率。构造一个dsp.FFT和dsp.IFFT对象计算FFT和输入信号的传输线。
“FFTLengthSource”这些改变对象的属性被设置为“自动”。FFT长度因此被认为是作为输入帧大小。输入帧尺寸在这个例子中是1020,这不是2的幂。因此,选择“FFTImplementation”作为“FFTW”。
L = 1020;Sineobject = dsp.SineWave (“SamplesPerFrame”L,“PhaseOffset”10…“SampleRate”,44100,“频率”,1000);英国《金融时报》= dsp.FFT (“FFTImplementation”,“FFTW”);界面张力= dsp.IFFT (“FFTImplementation”,“FFTW”,“ConjugateSymmetricInput”,真正的);rng (1);
流媒体
在嘈杂的输入信号流。计算每一帧的FFT和确定系数构成99.99%的能量信号。把这些系数重构的时域信号的传输线。
numIter = 1000;为Iter = 1: numIter Sinewave1 = Sineobject ();输入= Sinewave1 + 0.01 * randn(大小(Sinewave1));FFTCoeff =英尺(输入);FFTCoeffMagSq = abs (FFTCoeff) ^ 2;EnergyFreqDomain = (1 / L) *总和(FFTCoeffMagSq);[FFTCoeffSorted,印第安纳州]= (((1 / L) * FFTCoeffMagSq), 1,“下”);CumFFTCoeffs = cumsum (FFTCoeffSorted);EnergyPercent = (CumFFTCoeffs / EnergyFreqDomain) * 100;Vec =找到(EnergyPercent > 99.99);FFTCoeffsModified = 0 (L, 1);FFTCoeffsModified(印第安纳州(1:Vec (1))) = FFTCoeff(印第安纳州(1:Vec (1)));ReconstrSignal = ift (FFTCoeffsModified);结束
99.99%的信号能量可以用FFT系数由的数量Vec (1):
Vec (1)
ans = 296
信号重建的有效使用这些系数。如果你把最后一帧的重建信号与原始时域信号,你可以看到不同的是非常小的,情节密切匹配。
马克斯(abs (Input-ReconstrSignal))
ans = 0.0431
情节(输入,‘*’);持有在;情节(ReconstrSignal“o”);持有从;
引用
[1]FFTW (http://www.fftw.org)
[2]冻结器、m和s g·约翰逊,“FFTW: FFT的适应性软件体系结构,”国际会议声学学报》,演讲,和信号处理,3卷,1998年,页1381 - 1384。
