概念：非週期序列包括：準週期與瞬態訊號。前者是指 組成訊號的正弦函式頻率之比不是有理數。後者指 一段時間內訊號的頻率，幅值是變化的。
**********====準週期訊號********************==
# 取樣間隔
dt = 0.001
# 取樣時間t1與t2
t1 = np.linspace(0,100,int(100/dt)) #因為100/dt是乙個浮點數 需要int轉化一下
t2 = np.linspace(1,100,int(100/dt))
#f1=10sqrt(2) f2=10sqrt(6) f3=10sqrt(12)
f1 = 10
w1 = np.sqrt(2)*2*np.pi*f1
w2 = np.sqrt(3)*w1
w3 = np.sqrt(6)*w1
# 構造出兩個訊號f1與f2 兩者區別只是取樣時間不同
f1 = np.sin(w1*t1)+np.sin(w2*t1)+np.sin(w3*t1)
f2 = np.sin(w1*t2)+np.sin(w2*t2)+np.sin(w3*t2)
得到兩個幅頻圖：
分析：為什麼有的幅值不是1，而有的幾乎接近1 。
頻率依次為 10*sqrt(2) 10*sqrt(6) 10*sqrt(12)
週期依次為 1/(10*sqrt(2)) 1/(10*sqrt(6)) 1/(10*sqrt(12))
***************瞬態訊號********************=
#取樣間隔
dt = 0.001
#三個時間段，每個時間段內的頻率不同
t1 = np.linspace(0,50,int(50/dt))
t2 = np.linspace(51,60,int(9/dt))
t3 = np.linspace(61,100,int(39/dt))
#f1=10 f2=50 f3=10
f1 = 10
w1 = 2*np.pi*f1
w2 = 5*w1
w3 = w1
f1 = np.sin(w1*t1)
f2 = np.sin(w2*t2)
f3 = np.sin(w3*t3)
f = np.hstack((f1,f2,f3)) #用了hstack函式將陣列連線起來
得到訊號的幅頻圖：
可見，不光能量縮減，而且缺乏時間資訊，第乙個與第三個時間段的訊號頻率相同，但重疊在一起根本無法區分。
關於隨時間而頻率變化的訊號，需要進行時頻分析，取樣短時傅利葉變換以及小波變換。
用matlab對訊號進行傅利葉變換
傅氏變換分析是訊號分析中很重要的方法，借助matlab可以很方便的對各類訊號進行傅氏頻域分析。本文介紹了集中離散的傅氏變換以及matlab實現方法。1.離散序列的傅利葉變換dtft discrete time fourier transform 1 n 8 原離散訊號有8點 2 n 0 1 n 1 ...
用matlab對訊號進行傅利葉變換
傅氏變換分析是訊號分析中很重要的方法，借助matlab可以很方便的對各類訊號進行傅氏頻域分析。本文介紹了集中離散的傅氏變換以及matlab實現方法。1.離散序列的傅利葉變換dtft discrete time fourier transform 1 n 8 原離散訊號有8點 2 n 0 1 n 1 ...
因果訊號的傅利葉變換 常用訊號的傅利葉變換對
第一部分 傅利葉變換的匯出和常用訊號的傅利葉變換 續 傅利葉變換 1 續 來自訊號與系統和數字訊號處理 00 00 09 09 音訊提綱 文字簡略而枯燥，語音才更加詳細生動哦 接上文 下圖是我自己整理的 常用訊號的傅利葉變換對 並不全面，但包含了基本的變換對，而且以傅利葉變換的性質為橋梁把它們之間的...