新建
上传
首页
助手
最?/div>
资料?/div>
工具

FFT

频谱测试?/p>

Matlab

代码如下?/p>

 

adc_data=[];%

采样得出的数据形成的矩阵

 

data_num=size(adc_data); 

numpt=data_num(1,1);%

采样点的总数

 

no=1;vin=2;d9=3;d8=4;d7=5;d6=6;d5=7;d4=8;d3=9;d2=10;d1=11;d0=12;%

?/p>

?/p>

?/p>

本矩阵的?/p>

 

vref=2; 

fclk=1e6

;%A/D

转换器的采样频率

 

adc_bit=10; 

for i=1:1:numpt 

dout(i)=(adc_data(i,d9)/2+adc_data(i,d8)/4+adc_data(i,d7)/8+adc_data(i,d6)/16+adc_

data(i,d5)/32+adc_data(i,d4)/64+adc_data(i,d3)/128+adc_data(i,d2)/256+adc_data(i,d

1)/512+adc_data(i,d0)/1024)*vref;%

通过转换器出来的结果,恢复原来的波形

 

 

 

 

 

doute(i)=dout(i)-1;%

将正弦波的共模电平偏置为

0V 

end 

 

figure(3) 

plot(doute); 

doutw=doute.*hanning(numpt)';%

加汉宁窗

 

dout_spect=fft(doutw);%

进行

FFT

变换?/p>

然后利用下面的算法求?/p>

SNR

?/p>

SINAD

?/p>

SFDR 

dout_dB=20*log10(abs(dout_spect)); 

maxdB=max(dout_dB(1:numpt/2)); 

x=(

[0:numpt/2-1]

.*

fclk/numpt

)/1000;

 

 

 

 

 

% 

fclk/numpt

为频谱分辨率?/p>

因为

FFT

频谱图关于中心对称所以只要分析一半的频谱图即?/p>

 

y1=dout_dB(1:numpt/2)-maxdB; 

figure(1) 

plot(x,y1); 

axis([0,200,-120,5]); 

grid off; 

title('1024-Samples FFT spectrum'); 

xlabel('Frequency (kHz)'); 

ylabel('Magnitude (dB)');%

画出

FFT

的幅频特性曲?/p>

 

 

Ͼλ
新建
上传
首页
助手
最?/div>
资料?/div>
工具

FFT

频谱测试?/p>

Matlab

代码如下?/p>

 

adc_data=[];%

采样得出的数据形成的矩阵

 

data_num=size(adc_data); 

numpt=data_num(1,1);%

采样点的总数

 

no=1;vin=2;d9=3;d8=4;d7=5;d6=6;d5=7;d4=8;d3=9;d2=10;d1=11;d0=12;%

?/p>

?/p>

?/p>

本矩阵的?/p>

 

vref=2; 

fclk=1e6

;%A/D

转换器的采样频率

 

adc_bit=10; 

for i=1:1:numpt 

dout(i)=(adc_data(i,d9)/2+adc_data(i,d8)/4+adc_data(i,d7)/8+adc_data(i,d6)/16+adc_

data(i,d5)/32+adc_data(i,d4)/64+adc_data(i,d3)/128+adc_data(i,d2)/256+adc_data(i,d

1)/512+adc_data(i,d0)/1024)*vref;%

通过转换器出来的结果,恢复原来的波形

 

 

 

 

 

doute(i)=dout(i)-1;%

将正弦波的共模电平偏置为

0V 

end 

 

figure(3) 

plot(doute); 

doutw=doute.*hanning(numpt)';%

加汉宁窗

 

dout_spect=fft(doutw);%

进行

FFT

变换?/p>

然后利用下面的算法求?/p>

SNR

?/p>

SINAD

?/p>

SFDR 

dout_dB=20*log10(abs(dout_spect)); 

maxdB=max(dout_dB(1:numpt/2)); 

x=(

[0:numpt/2-1]

.*

fclk/numpt

)/1000;

 

 

 

 

 

% 

fclk/numpt

为频谱分辨率?/p>

因为

FFT

频谱图关于中心对称所以只要分析一半的频谱图即?/p>

 

y1=dout_dB(1:numpt/2)-maxdB; 

figure(1) 

plot(x,y1); 

axis([0,200,-120,5]); 

grid off; 

title('1024-Samples FFT spectrum'); 

xlabel('Frequency (kHz)'); 

ylabel('Magnitude (dB)');%

画出

FFT

的幅频特性曲?/p>

 

 

">
新建
上传
首页
助手
最?/div>
资料?/div>
工具

FFT

频谱测试?/p>

Matlab

代码如下?/p>

 

adc_data=[];%

采样得出的数据形成的矩阵

 

data_num=size(adc_data); 

numpt=data_num(1,1);%

采样点的总数

 

no=1;vin=2;d9=3;d8=4;d7=5;d6=6;d5=7;d4=8;d3=9;d2=10;d1=11;d0=12;%

?/p>

?/p>

?/p>

本矩阵的?/p>

 

vref=2; 

fclk=1e6

;%A/D

转换器的采样频率

 

adc_bit=10; 

for i=1:1:numpt 

dout(i)=(adc_data(i,d9)/2+adc_data(i,d8)/4+adc_data(i,d7)/8+adc_data(i,d6)/16+adc_

data(i,d5)/32+adc_data(i,d4)/64+adc_data(i,d3)/128+adc_data(i,d2)/256+adc_data(i,d

1)/512+adc_data(i,d0)/1024)*vref;%

通过转换器出来的结果,恢复原来的波形

 

 

 

 

 

doute(i)=dout(i)-1;%

将正弦波的共模电平偏置为

0V 

end 

 

figure(3) 

plot(doute); 

doutw=doute.*hanning(numpt)';%

加汉宁窗

 

dout_spect=fft(doutw);%

进行

FFT

变换?/p>

然后利用下面的算法求?/p>

SNR

?/p>

SINAD

?/p>

SFDR 

dout_dB=20*log10(abs(dout_spect)); 

maxdB=max(dout_dB(1:numpt/2)); 

x=(

[0:numpt/2-1]

.*

fclk/numpt

)/1000;

 

 

 

 

 

% 

fclk/numpt

为频谱分辨率?/p>

因为

FFT

频谱图关于中心对称所以只要分析一半的频谱图即?/p>

 

y1=dout_dB(1:numpt/2)-maxdB; 

figure(1) 

plot(x,y1); 

axis([0,200,-120,5]); 

grid off; 

title('1024-Samples FFT spectrum'); 

xlabel('Frequency (kHz)'); 

ylabel('Magnitude (dB)');%

画出

FFT

的幅频特性曲?/p>

 

 

Ͼλ">
Ͼλ
Ŀ

FFT频谱测试法Matlab代码 - 百度文库
新建
上传
首页
助手
最?/div>
资料?/div>
工具

FFT

频谱测试?/p>

Matlab

代码如下?/p>

 

adc_data=[];%

采样得出的数据形成的矩阵

 

data_num=size(adc_data); 

numpt=data_num(1,1);%

采样点的总数

 

no=1;vin=2;d9=3;d8=4;d7=5;d6=6;d5=7;d4=8;d3=9;d2=10;d1=11;d0=12;%

?/p>

?/p>

?/p>

本矩阵的?/p>

 

vref=2; 

fclk=1e6

;%A/D

转换器的采样频率

 

adc_bit=10; 

for i=1:1:numpt 

dout(i)=(adc_data(i,d9)/2+adc_data(i,d8)/4+adc_data(i,d7)/8+adc_data(i,d6)/16+adc_

data(i,d5)/32+adc_data(i,d4)/64+adc_data(i,d3)/128+adc_data(i,d2)/256+adc_data(i,d

1)/512+adc_data(i,d0)/1024)*vref;%

通过转换器出来的结果,恢复原来的波形

 

 

 

 

 

doute(i)=dout(i)-1;%

将正弦波的共模电平偏置为

0V 

end 

 

figure(3) 

plot(doute); 

doutw=doute.*hanning(numpt)';%

加汉宁窗

 

dout_spect=fft(doutw);%

进行

FFT

变换?/p>

然后利用下面的算法求?/p>

SNR

?/p>

SINAD

?/p>

SFDR 

dout_dB=20*log10(abs(dout_spect)); 

maxdB=max(dout_dB(1:numpt/2)); 

x=(

[0:numpt/2-1]

.*

fclk/numpt

)/1000;

 

 

 

 

 

% 

fclk/numpt

为频谱分辨率?/p>

因为

FFT

频谱图关于中心对称所以只要分析一半的频谱图即?/p>

 

y1=dout_dB(1:numpt/2)-maxdB; 

figure(1) 

plot(x,y1); 

axis([0,200,-120,5]); 

grid off; 

title('1024-Samples FFT spectrum'); 

xlabel('Frequency (kHz)'); 

ylabel('Magnitude (dB)');%

画出

FFT

的幅频特性曲?/p>

 

 



ļ׺.doc޸Ϊ.docĶ

  • ˽̰ıһ޶龰ʽĬд24887
  • word2017߿Ӣȫ2⼰
  • ʡ¤ظ߿ڶָϰ רϸ
  • Ϣϵͳƿ()
  • Сѧ˽̰꼶ϲĵԪ()¬ҥ񽱽̰ʿι
  • XXֵ2019оϸרж
  • ϾѧƷγ̡ͨѧѧټ̰
  • 2019LNGԴ״չƷ Ŀ¼
  • 2018˽̰ѧB5 1 1.2 1ʱ ͸߶
  • Unity3d ָ

վ

԰ Ͼλ
ϵͷ779662525#qq.com(#滻Ϊ@)