精华内容
下载资源
问答
  • 八度音阶和频率的关

    千次阅读 2020-12-20 14:24:54
    八度音阶和频率的关系Frequency in hertz (semitones above or below middle C)Octave→Note↓ 0 1 2 3 4 5 6 7 8 9C 16....

    八度音阶和频率的关系

    Frequency in hertz (semitones above or below middle C)

    Octave→

    Note↓ 0 1 2 3 4 5 6 7 8 9

    C 16.352 (−48) 32.703 (−36) 65.406 (−24) 130.81 (−12) 261.63 (0) 523.25 (+12) 1046.5 (+24) 2093.0 (+36) 4186.0 (+48) 8372.0 (+60)

    C♯/D♭ 17.324 (−47) 34.648 (−35) 69.296 (−23) 138.59 (−11) 277.18 (+1) 554.37 (+13) 1108.7 (+25) 2217.5 (+37) 4434.9 (+49) 8869.8 (+61)

    D 18.354 (−46) 36.708 (−34) 73.416 (−22) 146.83 (−10) 293.66 (+2) 587.33 (+14) 1174.7 (+26) 2349.3 (+38) 4698.6 (+50) 9397.3 (+62)

    D♯/E♭ 19.445 (−45) 38.891 (−33) 77.782 (−21) 155.56 (−9) 311.13 (+3) 622.25 (+15) 1244.5 (+27) 2489.0 (+39) 4978.0 (+51) 9956.1 (+63)

    E 20.602 (−44) 41.203 (−32) 82.407 (−20) 164.81 (−8) 329.63 (+4) 659.26 (+16) 1318.5 (+28) 2637.0 (+40) 5274.0 (+52) 10548 (+64)

    F 21.827 (−43) 43.654 (−31) 87.307 (−19) 174.61 (−7) 349.23 (+5) 698.46 (+17) 1396.9 (+29) 2793.8 (+41) 5587.7 (+53) 11175 (+65)

    F♯/G♭ 23.125 (−42) 46.249 (−30) 92.499 (−18) 185.00 (−6) 369.99 (+6) 739.99 (+18) 1480.0 (+30) 2960.0 (+42) 5919.9 (+54) 11840 (+66)

    G 24.500 (−41) 48.999 (−29) 97.999 (−17) 196.00 (−5) 392.00 (+7) 783.99 (+19) 1568.0 (+31) 3136.0 (+43) 6271.9 (+55) 12544 (+67)

    G♯/A♭ 25.957 (−40) 51.913 (−28) 103.83 (−16) 207.65 (−4) 415.30 (+8) 830.61 (+20) 1661.2 (+32) 3322.4 (+44) 6644.9 (+56) 13290 (+68)

    A 27.500 (−39) 55.000 (−27) 110.00 (−15) 220.00 (−3) 440.00 (+9) 880.00 (+21) 1760.0 (+33) 3520.0 (+45) 7040.0 (+57) 14080 (+69)

    A♯/B♭ 29.135 (−38) 58.270 (−26) 116.54 (−14) 233.08 (−2) 466.16 (+10) 932.33 (+22) 1864.7 (+34) 3729.3 (+46) 7458.6 (+58) 14917 (+70)

    B 30.868 (−37) 61.735 (−25) 123.47 (−13) 246.94 (−1) 493.88 (+11) 987.77 (+23) 1975.5 (+35) 3951.1 (+47) 7902.1 (+59) 15804 (+71)

    一些解释:

    Octave 0-9 表示八度区。C-D-E-F-G-A-B 为 C 大调七个主音:do re mi fa so la si(简谱记为 1 到 7)。科学音调记号法(scientific pitch notation)就是将上面这两者合在一起表示一个音,比如 A4 就是中音 la,频率为 440 Hz。C5 则是高音 do(简谱是 1 上面加一个点)。

    升一个八度也就是把频率翻番。A5 频率 880 Hz,正好是 A4 的两倍。一个八度区有 12 个半音,就是把这两倍的频率间隔等比分为 12,所以两个相邻半音的频率比是 2 开 12 次方,也即大约 1.05946。这种定音高的办法叫做 twelve-tone equal temperament,简称 12-TET。

    两个半音之间再等比分可以分 100 份,每份叫做一音分(cent)。科学音调记号加上音分一般足够表示准确的音高了。比如 A4 +30 表示比 440 Hz 高 30 音分,可以算出来具体频率是 447.69 Hz。

    A4 又称 A440,是国际标准音高。钢琴调音师或者大型乐队乐器之间调音都用这个频率。

    C4 又称 Middle C,是中音八度的开始。有一种音高标定方法是和 C4 比较相隔的半音数,比方 B4 就是 +11,表示比 C4 高 11 个半音。

    MIDI note number p 和频率 f 转换关系:p = 69 + 12 x log2(f/440)。这实际上就是把 C4 定为 MIDI note number 60,然后每升降一个半音就加减一个号码。

    可以看到 E-F 和 B-C 的间隔是一个半音,而七个主音别的间隔都是两个半音,也叫一个全音。

    标准钢琴琴键有大有小,大的白色琴键是主音,小的黑色琴键是主音升降一个半音后的辅音(图)。一般钢琴是 88 个琴键,从 A0 到 C8。知道了上面这些,看到钢琴键盘应该就马上能找到 Middle C 了,如下

    音高间隔(音程)有各类说法,某些间隔的两个音同时发出来会比较令人身心愉快,比如频率比 3:2 的 perfect fifth 在各类乐曲都会广泛用作和弦。具体音高间隔名称:

    间隔半音数 间隔名 大致频率比

    0 perfect unison 完全一度 1:1

    1 minor second 小二度 16:15

    2 major second 大二度 9:8

    3 minor third 小三度 6:5

    4 major third 大三度 5:4

    5 perfect fourth 完全四度 4:3

    6 augmented fourth 增四度

    diminished fifth 减五度 45:32

    64:45

    7 perfect fifth 完全五度 3:2

    8 minor sixth 小六度 8:5

    9 major sixth 大六度 5:3

    10 minor seventh 小七度 16:9

    11 major seventh 大七度 15:8

    12 perfect octave 完全八度 2:1

    人的听觉和很多音乐设备的频率范围是 20 Hz - 20000 Hz,但是成年人一般只能听到 30 - 15000 Hz,所以上面表格的频率范围已经足够用了。

    上次说到现在最通用的音阶是把一个八度的倍频等比分为 12 份,那么为什么要这么做呢?在开始讲这个之前,先看两条人民群众总结的规律:

    人耳对音高的感觉主要取决于频率比,而不是频率差。比如 220 Hz 到 440 Hz 的音差,和 440 Hz 到 880 Hz 的音差,一般人认为是一样大的音差。

    如果两个音的频率比值很接近小整数比,那么这两个音同时发出来人会感觉很和谐。比如 440 Hz 和 660 Hz 的两个音,频率比值是 2:3,一般叫做完全五度,同时发出来很和谐。

    至于为什么有以上的规律,这个问题太深刻了,折磨了一代又一代的音乐家、数学家、物理学家、心理学家、生理学家、哲学家……这里不深入说了,就把它们当作公理好了。下面是某个测试人对各种频率比评价的结果,峰越高表示人觉得越和谐。可以看见,1:1 1:2 是很和谐的,接下来是 2:3 3:5 3:4 等小整数比。(这张图的出处不祥,应该是某个论文或者教科书。)

    有了上述公理,怎么样来定音阶?早在公元前,伟大的毕达哥拉斯就发现了小整数频率比很和谐的规律。首先最简单的整数比是 1:2,接下来分别是 2:3 和 3:4,于是他先定出四个音(按照现在的写法):F:C=4:3,G:C=3:2,高八度C’:C=2:1。然后他把 F 和 G 之间的间隔 9:8 叫做一个全音,按照 9:8 全音间隔填补空档他定下来这样的音阶:

    C:C = 1:1 = 1.0000

    D:C = 9:8 = 1.1250

    E:C = 81:64 = 1.2656

    F:C = 4:3 = 1.3333

    G:C = 3:2 = 1.5000

    A:C = 27:16 = 1.6875

    B:C = 243:128 = 1.8984

    C’:C = 2:1 = 2.0000

    可以看到 E:F 和 B:C’ 之间的间隔是 256:243 = 1.0535,差不多是 9:8 的一半,毕达哥拉斯把这种间隔叫做半音。这样定出来的音阶其实已经蛮好用的了,现在把这种用整数比定音的方法叫做纯律(just intonation)。纯律的主要问题是有些音之间的比例很古怪,比如上面的 F:D 是 32:27,非常不和谐。另外,巴赫同学后来出了各种奇怪变调的钢琴曲,而纯律变调之后音阶就变了,于是巴赫就开始鼓吹当时已经建立起来的平均律(equal temperament)了。

    平均律沿用了这种七个基本音的全音阶(diatonic scale)系统,但是让全音刚好等于两个半音,这样无论如何变调,整个音阶只要偏移一下即可,而各个音之间音程不变。我们知道,一个八度之间是 5 个全音间隔 + 2 个半音间隔,也就是 12 个半音间隔,于是就一刀切,直接把 2 等比分 12 份就是半音间隔了。下面是十二平均律(12-TET)和毕达哥拉斯的纯律的对比:

    音程 纯律 十二平均律

    C:C 1.0000 1.0000

    D:C 1.1250 1.1225

    E:C 1.2656 1.2599

    F:C 1.3333 1.3348

    G:C 1.5000 1.4983

    A:C 1.6875 1.6818

    B:C 1.8984 1.8877

    C’:C 2.0000 2.0000

    可以看到,十二平均律和纯律很接近,特别是 F:C 完全四度和 G:C 完全五度非常接近应有的整数比 4:3 和 3:2,只相差 2 个音分(cents)。一般没有受过音乐训练的人对 20 音分以下的音差已经不敏感;即使专业调音师,不靠仪器的话 5 个音分也基本是分辨极限了。所以在实际使用中,十二平均律对完全五度这么小的误差是完全可以忽略的。

    理论上说,如果把 2 等比分为别的份数,也可以制造出可用的音阶。一个例子是等比分为 29 份,这样出来的音阶比 12-TET 更接近 3:2,但是大三度 5:4 却惨不忍睹,相差很大。一个小细节是有些音程是互补的,比如某个平均律如果很接近 G:C 3:2 完全五度,那么 C’:G 4:3 完全四度也同时被搞定。一般人们评价一个平均律,主要看它和大三度、完全五度、大六度的偏差总和(同时搞定的互补音程为小六度、完全四度、小三度),计算表明,比十二平均律更好的下一个音律是十九平均律,接下去更好的分别是 31、34 和 53。可以想象,即使是十九平均律,钢琴键盘也会复杂很多,而且由于多了很多音,不和谐的音高组合也会更多,所以非十二等分的平均律使用很有限,现在一般只局限在理论研究上。

    中国古代各类弦乐器五声音阶宫商角徵羽按照五度相生律定音,演奏起来非常优美。五度相生律可以算是纯律的一种,中国人发现这个小整数比的规律应该比毕达哥拉斯早好多年。不过到了现代,特别是键盘乐器的普及以及大型乐队的配合需要,最后还是十二平均律胜出了。

    为什么小整数频率比的两个音比较和谐?这个问题,要从乐音的谐波说起。

    一般乐器发出的音都不是纯频率的音,而是由好多谐波(harmonic)组成的;其中频率最低的那个通常最强,叫做基音。比如小提琴发出音高 A4 的音,指的就是其基音是 440 Hz,而声波频谱里面同时有二次谐波 880 Hz、三次谐波 1320 Hz、四次谐波……等等。不同乐器发出的声音,其谐波强度分布往往完全不同,因此音色(timbre)也就不同(比如高谐波强的话听起来就亮一些)。乐音含有谐波这个特性和小整数比的和音规则有什么关系?以完全五度举例,A4 和 E5 的两个乐音,频率比为 2:3,而 A4 的三次谐波和 E5 的二次谐波刚好重合,都是 1320 Hz。相隔完全五度的两个乐音同时听起来比较好听,是不是因为它们大部分的谐波都重合了?

    于是就有科学家做实验了。人们发现,把纯频率的音(不含谐波)A4 和 E5 同时发出来听并不怎么好听。还有人用电脑制作了扭曲的乐音,把 N 次谐波搞成 Nlog(2.1)/log(2) 倍(谐波从 2 倍拉宽到 2.1 倍,自然界是没有这种声音的),然后发现谐波重合的扭曲乐音同时听起来还比较和谐,而它们的基音却不是小整数比了。还有一些别的实验,但是结论都是差不多的,就是两个乐音和谐主要是因为他们的谐波重合,转换为数学语言,就是基音必须是小整数比。

    为啥谐波重合就好听呢?这是因为,如果谐波不重合但是距离很近,它们就会干涉形成低频率的拍(beat),这种低频拍音嗡嗡作响,非常难听。两个频率距离多近才会形成不好听的拍?人们一般把这个临界距离叫做临界频宽(critical bandwidth),处于临界频宽之内的两个频率就会互相干涉。这个临界频宽本身是频率的函数,频率越高,临界频宽带也就越宽,如下图所示:

    可以看到,临界频宽在低频区是 100 Hz 左右;高频区大约是本身频率的 1/6。比如,900 Hz 的临界频宽是 150 Hz,这就是说,750 - 1050 Hz 频率范围内的音都会和 900 Hz 的音干涉。用音乐术语,1/6 频宽介于大二度和小三度之间(上图所示 2&3 semitones 之间),所以在高频区域里,间隔一个或者两个半音的音就会相互干涉形成不愉悦的拍。

    乐音的高谐波排列非常紧密,比如 A4 的 10 次谐波和 11 次谐波分别是 4.4 kHz 4.84 kHz,间隔不到两个半音,所以高谐波之间就会相互干涉。如果对小提琴乐音做频谱分析,会发现它有很多谐波强度很弱,造成的结果是各个强谐波之间间隔都比较大,不在互相的临界频宽内,所以小提琴乐音本身极少有难听的拍,这也正是小提琴乐音很好听的原因之一。有些乐器音高很准,但是发出声音很难听,可能就是因为它自己有很多谐波互相打架,形成很多低频拍,听起来很难受。

    那么为什么低频的拍听起来难听呢?有人认为这和人耳的解剖学结构有关。匈牙利生物物理学家 Georg von Békésy 发现人的耳蜗里有很多小毛毛,功能是把外界声波在内耳液体中产生的振动转换为神经电信号,而且耳蜗的特殊生理结构导致每根小毛毛只对一小段频率的振动敏感。也就是说,耳蜗就是一个频谱分析仪;而小毛毛的敏感频率段,差不多就是相应频率的临界频宽。好的乐音因为没有互相打架的拍频,小毛毛们都会做优美的简谐运动,人就会觉得很愉快;相反,如果临界频宽内有两个频率的声音,有一些小毛毛就会受到两种频率的影响,运动起来比较别扭,所以人也觉得不怎么愉快。Békésy 这个发现是得了诺贝尔医学奖的,不过后来进一步的研究发现虽然他的理论基本成立,但是数据并不正确,主要是因为 Békésy 是拿死人耳朵做实验的,因为尸体失水,耳朵的频率响应也非常不同。不过炸药奖发了就发了,也收不回了,Békésy 本人在晚年也否定了自己早期的一些研究。

    如果还有人偏要问到底,为什么耳蜗里小毛毛运动别扭,人就觉得难受呢?有些问题呢,它就是没什么道理的。好不好听这本身就是个主观的问题,如果你偏要问为什么,那估计就只好把你的脑袋砸开来研究了……现代脑科学的研究已经越来越科学,越来越定量化,但是像乐音和谐度这类宏观问题上,基本上也只有一些假说,信仰假说的人多了,也就成了学派。有些哲学家对脑科学前景非常悲观,认为人自己的主观意志去研究自己的主观意志,是很难有结果的。这个说法倒是过于杞人忧天了,目前人类对脑子的了解还远远不够,可以研究的东西还多得很,不过也许在遥远的未来,人就真的要面对无法继续研究自己的问题了。

    说了这么多,可千万不要以为知道了一个小整数比就可以谱曲了。翻开和声学,你会发现正统的和声规则要复杂得多,甚至用什么乐器来演奏,调起多高,是小型音乐厅还是露天演奏,等等都是需要考虑的因素。几百年前就有很多音乐家搞出各类奇奇怪怪的规则,而现代人类更是从胎教开始就逐渐接受正统的规则,作曲人即使没有受过专业训练也会在潜移默化中将这些规律继续发扬光大。事实上音乐制作已经在人类社会中形成了巨大的正反馈,某些和声规则逐渐被强化。原始部落的人们听到贝多芬的曲子,并不会神魂颠倒。所以说,可能也只有最朴素的小整数比和声规律还有一定的生理基础,现在复杂的和声学则基本上算是美学,没有道理可言。我曾经看到有人对着乐谱做傅立叶分析,研究为什么某些和声听起来好听。挺美好的音乐,偏偏硬要去扣个科学的帽子,我想说,你从小就是听这些和声规则长大的,能不觉得好听么……这个就跟我受了十多年政治教育就再也不会怀疑马克思列宁主义了是一个道理。

    Fang 在《写作的重要性》一文中提到:看完书不写读后就好像做完题目不写成 paper,不是好习惯。在这个方针的指引下,我在过去几年看的音乐方面的书该摘录的前面三篇差不多写完了,这里补点小问题作个尾巴吧。

    音高感知:比较流行的理论是,几百赫兹以下大脑是直接数周期来确定音高的,1600 Hz 以上则主要靠内耳频谱分析,中间频率段两种机制都在起作用。

    声源定位:人有俩耳朵,定位声源主要靠分辨声音到达耳朵的时间差。比较令人惊讶的是,虽然声音感知的神经脉冲有 100 微秒,但是人可以分辨的时间差在 10 微秒的量级。另外,左右耳的声强和频谱对比也对判断声源有帮助,比如,右边来的声音在右耳听起来会亮一些,因为声波经过圆型头部的时候高频被吸收得多。

    还有一个有趣的现象是声源的上下定位。人即使不移动脑袋,也是可以感觉到正前方声源的上下位置的,而这种声源对左右耳完全对称,因此也不可能用左右耳差异来判断位置。实验发现,如果堵上耳朵或者改变耳廓形状,人的声源上下定位能力就会减弱或者消失。流行理论是人对预定声音的频谱会有记忆,而声源上下移动会在耳廓上产生不同的反射模式,特别会影响高频部分的频谱,人估计就是从高频频谱里得到声源位置的暗示的。实验也发现,如果编造不熟悉的声音,人对声源高度的判断就不会那么准确了。

    另外,一般在房间里声源到接受者耳朵里不光有直接声波还有大量墙壁和地面的反射波。首先,人会选取最先听到的直接声波判断出声源的位置;其次,人也会利用反射波的信息来感知房间大小。实验发现,如果把房间墙壁搞成完全吸收声波,哪怕再小的房间人也不会感觉到房间很小(当然这个实验需要把人眼睛蒙起来)。

    鸡尾酒会效应:Cocktail party effect,听觉系统的一种选择能力。在鸡尾酒会上即使周围噪声很大,我们还是可以听到朋友说的内容。听音乐时,人如果专注于一样乐器,也可以跟随那个乐器的声音。这种能把注意力集中在某个声音上的现象就是鸡尾酒会效应,这和视觉里人可以在纷乱的背景中看出熟悉的图形可能是类似的机制。大凡自然界的声音、人声和乐器都会略有噪音和瑕疵,实验发现人对声音里面这种瑕疵非常敏感,这也很可能是人分辨相近声音的主要线索。两个人说话或者两种乐器演奏,频谱一般有很明显的不同,所以人能分辨出来并不奇怪;两把几乎相同的小提琴一起演奏,人还是可以听出有两把小提琴,这是因为两个乐器各有各的瑕疵,演奏的人也可能技巧略有不同。电子合成的乐音如果不加瑕疵,听起来很机械,完全没有美感,两个不加瑕疵的电子小提琴一起演奏,人是分辨不出来的。可见完美的世界并不美好,我们需要一定的个性才能让这个世界变得有趣。

    最后推荐一本书 Music, Cognition, and Computerized Sound: An Introduction to Psychoacoustics,这本书是 Stanford Center for Computer Research in Music and Acoustics (CCRMA) 的一帮人根据教学经历整理的。这个多学科研究中心集结了音乐、计算机、电子和机械工程、物理和心理方面的大牛,成立多年虽无重大突破,但是成功改变了过去各个学科独自研究音乐的局面,算是在这个交叉学科领域走出了重要的一步。

    展开全文
  • fftshift作用:将零频点移到频谱的中间用法:Y=fftshift(X)Y=fftshift(X,dim)描述:fftshift移动零频点到频谱中间,重新排列fft,fft2和fftn的输出结果。将零频点放到频谱的中间对于观察傅立叶变换是有用的。...

    fftshift

    作用:将零频点移到频谱的中间

    用法:

    Y=fftshift(X)

    Y=fftshift(X,dim)

    描述:fftshift移动零频点到频谱中间,重新排列fft,fft2和fftn的输出结果。将零频点放到频谱的中间对于观察傅立叶变换是有用的。

    fftshift就是对换数据的左右两边比如 x=[1 2 3 4] fftshift(x) ->[3 4 1 2] IFFTSHIFT Inverse FFT shift.(就是fftshift的逆)(IFFTSHIFT undoes the effects of FFTSHIFT.

    x=[1     2     3     4     5];

    y=fftshift(x)

    y =

    4     5     1     2     3

    ifftshift(y)

    ans =

    1     2     3     4     5

    需要fftshift的原因:

    1、在matlab中,经过fft变换后,数据的频率范围是从[0,fs]排列的。

    2、而一般,我们在画图或者讨论的时候,是从[-fs/2,fs/2]的范围进行分析。

    3、因此,需要将经过fft变换后的图像的[fs/2,fs]部分移动到[-fs/2,0]这个范围内。而fftshift就是完成这个功能。通常,如果想得到所见的中间是0频的图像,经过fft变换后,都要再经过fftshift。

    =================================================================================================================================

    一.对于实信号:

    因为实信号以fs为采样速率的信号在 fs/2处混叠,所以实信号fft的结果中前半部分对应[0, fs/2],后半部分对应[ -fs/2, 0];

    1)实信号fft的结果前半部分对应[0, fs/2]是正频率的结果,后半部分对应[ -fs/2, 0]是负频率的结果。大于fs/2的部分的频谱实际上是实信号的负频率加fs的结果。故要得到正确的结果,只需将视在频率减去fs即可得到频谱对应的真实负频率;

    2)如果要让实信号fft的结果与[-fs/2, fs/2]对应,则要fft后fftshift一下即可,fftshift的操作是将fft结果以fs/2为中心左右互换;

    3)如果实信号fft的绘图频率f从[-fs/2, fs/2],并且没有fftshift,则fft正频谱对应f在[0, fs/2]的结果将混叠到(f - fs/2)的位置;

    fft负频谱对应f在[-fs/2, 0]的结果混叠到 f + fs - fs/2 的位置,注意这里f为负值,也就是说此种情况下fft负频谱对应的视在频率减去fs/2即可得到频谱对应的真实负频率。

    --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

    结论:

    1.如果希望绘制的频谱图的频率范围为:0-fs,则无需进行fftshift,正频率对应0-fs/2;大于fs/2的频谱的频率值为对应[-fs/2  , 0 ]负频率f + fs,注意f是负频率,是个负数。

    2.如果期望绘制的幅频图的频率范围为-fs/2~fs/2,则需要运行fftshift变换,如果不变换,图示的响应频点会发生变换。

    二.复信号情况

    1)复信号没有负频率,以fs为采样速率的信号,fft的频谱结果是从[0,fs]的。

    2)在 f> fs/2时,对复信号的fft结果进行fftshift会产生频率混叠(将下面的示例2中的频率从f=15改为f=85可以验证f=85的谱线在fftshift后跑到 f= -15 = 85 - fs = 85 - 100的位置了),所以复信号也一般要求 f <= fs/2

    3)在对雷达的慢时间维(复信号)进行fft后,由于要用doppler= ((0:LFFT-1)/LFFT  - 0.5)*PRF; 计算多普勒频率,所以对该慢时间信号fft后要fftshift下,以便和正确的频率单元相对应。注意多普勒频率fd < = PRF/2 时才测的准!

    %=====================================================================================================================================

    补充:

    15a96b0a90005c28310f3022733edfe8.png

    %====================================================================================================================================

    %关于fftshift的程序理解

    clc;close all;clear all;

    fs=100;N=256;   %采样频率和数据点数

    n=0:N-1;t=n/fs;   %时间序列,从0到2.55s

    x=0.5*sin(2*pi*15*t)+2*sin(2*pi*40*t); %信号

    y1=fft(x,N);      %对信号进行快速Fourier变换,256点DFT

    y2=fftshift(y1);  %fftshift的操作是将fft结果以fs/2为中心左右互换

    mag1=abs(y1);     %求得Fourier变换后的振幅

    mag2=abs(y2);

    f1=n*fs/N;    %频率序列

    f2=n*fs/N-fs/2; %频率序列向左移fs/2

    figure;

    subplot(3,1,1),plot(f1,mag1,'r');  %绘出随频率变化的振幅

    xlabel('频率/Hz');ylabel('振幅');title('图1:usual FFT','color','r');grid on;

    subplot(3,1,2),plot(f2,mag1,'b');  %绘出随频率变化的振幅

    xlabel('频率/Hz');ylabel('振幅');title('图2:FFT without fftshift','color','b');grid on;

    subplot(3,1,3),plot(f2, mag2,'c');  %绘出随频率变化的振幅

    xlabel('频率/Hz');ylabel('振幅');title('图3:FFT after fftshift','color','c');grid on;

    acd322c9db18fd1e94b575ec2b794efd.png

    %===============================================================================================================================

    %复信号的情况:

    fs=100;N=256;   %采样频率和数据点数

    n=0:N-1;t=n/fs;   %时间序列

    x=0.5*exp(j*2*pi*15*t)+2*exp(j*2*pi*40*t); %信号

    y1=fft(x,N);    %对信号进行快速Fourier变换

    y2=fftshift(y1);

    mag1=abs(y1);     %求得Fourier变换后的振幅

    mag2=abs(y2);

    f1=n*fs/N;    %频率序列

    f2=n*fs/N-fs/2;

    figure;

    subplot(3,1,1),plot(f1,mag1,'r');  %绘出随频率变化的振幅

    xlabel('频率/Hz');ylabel('振幅');title('图1:usual FFT','color','r');grid on;

    subplot(3,1,2),plot(f2,mag1,'b');  %绘出随频率变化的振幅

    xlabel('频率/Hz');ylabel('振幅');title('图2:FFT without fftshift','color','b');grid on;

    subplot(3,1,3),plot(f2,mag2,'c');   %绘出随频率变化的振幅

    xlabel('频率/Hz');ylabel('振幅');title('图3:FFT after fftshift','color','c');grid on;

    636079cf45368dd4ef2b4b1d0364c99c.png

    %=============================================================================================

    更直观的程序:

    t=0:0.001:2;

    n=2001;

    Fs=1000;

    Fc=200;

    x=cos(2*pi*Fc*t);

    y1=fft(x);

    y2=fftshift(y1);

    f=(0:2000)*Fs/n-Fs/2;

    figure;

    hold on;

    plot(f,abs(y1),'r')

    plot(f,abs(y2),'b')

    5a45d2eaaebac0790a7beddc282d5061.png

    总之用fftshift后频率序列要减去fs/2

    参考:

    http://www.cnblogs.com/limanjihe/p/10014142.html

    fft后为什么要fftshift:        https://blog.csdn.net/ssdxiao01/article/details/6687721

    https://blog.csdn.net/zhyoulun/article/details/12859339

    https://wenku.baidu.com/view/c6a7964476c66137ee06199a.html

    展开全文
  • //检查频率 // Preconditions.checkState(rateLimiter.acquire(), "令牌不足则等待"); Preconditions.checkState(rateLimiter.tryAcquire(), "令牌不足则立即返回"); //频率检查通过,执行业务代码 System.out....

    引入maven 依赖:

    java模拟代码:public static void main(String[] args) throws ExecutionException, InterruptedException { //每秒最多允许93次请求 RateLimiter rateLimiter = RateLimiter.create(93); CountDownLatch latch = new CountDownLatch(1); //构建100个调用,同时发出 for (int i = 0; i < 105; i++) { new Thread(new Runnable() { @Override public void run() { try { //预备 latch.await(); //检查频率 // Preconditions.checkState(rateLimiter.acquire(), "令牌不足则等待"); Preconditions.checkState(rateLimiter.tryAcquire(), "令牌不足则立即返回"); //频率检查通过,执行业务代码 System.out.println("业务执行中..."); } catch (InterruptedException e) { e.printStackTrace(); } } }).start(); } System.out.println("wait..."); Thread.sleep(5000); //go! latch.countDown(); }

    展开全文
  • CPU频率,就是CPU的时钟频率,简单说是CPU运算时的工作的频率(1秒内发生的同步脉冲数)的简称。单位是Hz,它决定计算机的运行速度。本文主要介绍cpu时钟频率计算公式及方法,具体的跟随小编一起来了解一下。cpu时钟...

    CPU频率,就是CPU的时钟频率,简单说是CPU运算时的工作的频率(1秒内发生的同步脉冲数)的简称。单位是Hz,它决定计算机的运行速度。本文主要介绍cpu时钟频率计算公式及方法,具体的跟随小编一起来了解一下。

    cpu时钟频率简介

    随着计算机的发展,主频由过去MHZ发展到了当前的GHZ(1GHZ=10^3MHZ=10^6KHZ= 10^9HZ)。

    通常来讲,在同系列微处理器,主频越高就代表计算机的速度也越快,但对于不同类型的处理器,它就只能作为一个参数来作参考。另外CPU的运算速度还要看CPU的流水线的各方面的性能指标。由于主频并不直接代表运算速度,所以在一定情况下,很可能会出现主频较高的CPU实际运算速度较低的现象。因此主频仅仅是CPU性能表现的一个方面,而不代表CPU的整体性能。

    说到处理器主频,就要提到与之密切相关的两个概念:倍频与外频,外频是CPU的基准频率,单位也是MHz。外频是CPU与主板之间同步运行的速度,而且绝大部分电脑系统中外频也是内存与主板之间的同步运行的速度,在这种方式下,可以理解为CPU的外频直接与内存相连通,实现两者间的同步运行状态;倍频即主频与外频之比。

    主频、外频、倍频,其关系式:主频=外频&mes;倍频。早期的CPU并没有“倍频”这个概念,那时主频和系统总线的速度是一样的。随着技术的发展,CPU速度越来越快,内存、硬盘等配件逐渐跟不上CPU的速度了,而倍频的出现解决了这个问题,它可使内存等部件仍然工作在相对较低的系统总线频率下,而CPU的主频可以通过倍频来无限提升(理论上)。我们可以把外频看作是机器内的一条生产线,而倍频则是生产线的条数,一台机器生产速度的快慢(主频)自然就是生产线的速度(外频)乘以生产线的条数(倍频)了。厂商基本上都已经把倍频锁死,要超频只有从外频下手,通过倍频与外频的搭配来对主板的跳线或在BIOS中设置软超频,从而达到计算机总体性能的部分提升。购买的时候要尽量注意CPU的外频。

    b63b006eda680d097adfddc5eab66c7e.png

    cpu时钟频率计算公式

    主频,也就是CPU的时钟频率,用公式表示就是:主频=外频&TImes;倍频。

    1、CPU的时钟频率也就是主频,简单地说也就是CPU的工作频率。

    2、一般说来,一个时钟周期完成的指令数是固定的,所以主频越高,CPU的速度也就越快了。

    3、不过由于各种CPU的内部结构也不尽相同,所以并不能完全用主频来概括CPU的性能

    4、外频就是系统总线的工作频率。

    5、倍频则是指CPU外频与主频相差的倍数。

    6、主频用公式表示就是:主频=外频&TImes;倍频。

    1e567a977a0322191a79fedacf5447ef.png

    CPU频率计算方法---PLL设置

    cpu时钟频率和串口波特率的计算公式

    S3C44B0的系统时钟设置公式

    Fpllo 为系统的主频,此处为60MHz

    Fin 为晶振的频率,此处为10MHz

    一、通过PLL输出时钟脉冲频率的计算:

    a)Fpllo = (m &TImes; Fin)/ (p × 2^s)

    b)m = (MDIV + 8) , p = (PDIV + 2), s = SDIV

    c)20MHz 《 Fpllo 《 66MHz

    d)Fpllo * 2s 《 170MHz (s应该尽可能的大)

    e)1MHz 《= Fin/p 《 2MHz (最好是Fin/p = 1MHz)

    f)如果PLL打开则:Fpllo = Fout

    g)这样计算出MDIV, PDIV, SDIV的值写入PLLCON寄存器中就可设置Fpllo的输出频率。

    根据 d)知道s=1

    根据 e)知道p=10

    再根据 a)就知道了m=120,注意2^s代表2的s次方

    再根据 b)知道MDIV=112, PDIV=8, SDIV=1

    根据44B0数据手册5-14页算出 PLLCON=0X70081

    注意:PLLCON的结果不为一!比如P可以取8 取7……

    注意:PLLCON寄存器是20位的 各个区域中间有空的

    比如MDIV是寄存器里19-12位,PDIV是9-4位两个中间有11,10位空,如果用2进制算就添0

    不过做过硬件的就知道 大可不必只要把MDIV, PDIV, SDIV用WEINDOWS自带计算机直接由2进制转换成16进制顺序写就行

    比如MDIV=112=0x70, PDIV=8=0x08, SDIV=1=0x1

    PLLCON寄存器就是0x70081(看到这 连手册都不用翻了吧?:))

    还得多说一句 不是0x700801,因为SDIV=1=0x1不是0X01,跟PDIV=8=0x08不一样

    展开全文
  • 实际应用中,电子电路所处理的信号几乎都不是简单的单一频率信号,它们的幅度及相位通常都由固定比例关系的多频率分量组合而成,且具有一定的频谱。 放大电路对不同频率信号的幅值放大不同。这样的失真称其为幅度...
  • 因此在音乐当中,声音都是以指数分布的,但我们的傅立叶变换得到的音频谱都是线性分布的,两者的频率点是不能一一对应的,这会指使某些音阶频率的估计值产生误差。所以现代对音乐声音的分析,一般...
  • 第四节经验频率曲线经验频率曲线的绘制步骤收集水文资料,组成.ppt第三节 频率分布 三、设计洪水频率 新规范关于设计洪水频率的另外两条: 二级公路的特大桥以及三级、四级公路的大桥,在水势猛急、河床易千冲刷的...
  • 当频域(DCT)遇见CNN

    2021-02-03 12:39:11
    开始提取 low-level的特征,比如边缘、纹理,中间提取 middle-level的特征,最后提取更加抽象的 high-level的特征。从low到high,特征需要的感受野也在不断扩大,high-level的特征需要前两层的特征进行融合,由此...
  • 显示器超出频率限制黑屏怎么解决?最近很多小伙伴在使用电脑的时候,遇到了显示器超出频率限制黑屏的问题,特别是很多用户连接第二个屏幕会出现这个问题,不知道如何解决,这里小编就给大家带来了显示器超出频率限制...
  • 抽样频率范围

    2021-12-06 21:03:44
    已知抽样点数量,求频率范围 现在有40个离散点,从图可以看出: 1.最高频率时,2个点组成一个周期,有40(点)/2(点/周期)=20(周期)。...3.最低2和最高20频率中间,还有离散的基信号频率,分别是3、4、、、19(周期)。这样
  • 2. 采样频率为1KHz,远远大于信号频率,当然能取出50和120Hz两个值;3. 经默认函数fft变换后(不带点数N),返回一个和时域信号相同大小个数的数组Z;4. fft函数后,返回数组Z的个数值,正好对应采样频率的范围,因此...
  • 频率分布直方图与组距.PPT

    千次阅读 2020-12-24 06:17:22
    2、中位数:将一组数据按大小依次排列,把处在最中间位置的一个数据(或最中间两个数据的平均数)叫做这组数据的中位数 如:12,15,24,25,31,31,36,36,37,39,44,49,50 所有的十位数: 作为树枝的茎 所有的...
  • 介绍了利用测试频率特性的数据获取传递函数参数的一种渐近线实现方法。系统的传递函数(或微分方程)可通过理论推导的方法建立,但在系统的内部机理不是十分明确的前提下,就不能得到,因此,本方法解决了用工程实验...
  • 电脑成天出一些乱七八糟的难题给我们,有的用户新买了一个显示器,安装后就提示”超出工作频率范围“。针对这种情况小编整理了一些解决方法,大家可以参考一下显示器频率超出范围载图11、这时,不要动任何设置,一般...
  • 利用MATLAB软件分析系统的频率响应 康学院电子与信息工程系——信号与系统实验报告书山有路勤为径,学海无涯苦作舟! 任课教师 余顺园 2012 年 第 1 页备注:(1) 、按照要求独立完成实验项目内容,报告中要有程序...
  • 由于fft给出了信号的频率表示,所以您要寻找最大值,并且由于fft是一个复杂的信号,您将需要先获取绝对值.该指数将对应于具有最大能量的归一化频率.最后,如果您的信号有一个偏移量,就像您显示的那样,您需要在取出fft...
  • 频率计主要用于测量正弦波、矩形波等周期信号的频率值。 2、系统结构要求 数字频率计的整体结构要求如图所示。图中被测信号为外部信号,送入测量电路进行处理、测量,自动换挡指的是超量程自动换高档,低量程自动...
  • 一、原理_频率域锐化 理想高通滤波器的传递函数为: n 阶巴特沃斯高通滤波器的传递函数为: n 阶指数高通滤波器的传递函数为: 二、步骤 (1)读入原图像test.tif并显示; (2)采用理想高通滤波器对图像滤波,并显示...
  • 频率测量在诸多领域都有广泛的应用,常用的频率测量方法有两种,分别是频率测量法和周期测量法。 频率测量法:在时间t内对被测时钟信号的时钟周期N进行计数,然后求出单位时间内的时钟周期数,即为被测时钟信号的...
  • 添加两行到Section "Monitor"和EndSection中间,例如: 代码: Section "Monitor" Identifier "BenQ FP71G" Option "DPMS" HorizSync 31-83 (为添加行) VertRefresh 56-76 (为添加行) EndSection ---------...
  • 我们在使用win7电脑的时候,出现显示器超出工作频率范围的情况,你们知道怎么处理吗?下文就为你们带来了win7电脑显示器超出工作频率范围的详细处理方法。 1、擅自修改分辨率,通常会导致显示器出错,弹出:超出工作...
  • 演示文稿演讲PPT学习教学课件医学文件教学培训课件5.3 控制系统开环频率特性曲线的绘制 控制系统开环频率特性的典型环节分解 开环幅相特性曲线的绘制(Nyquist图) 开环对数频率特性曲线的绘制(Bode图) 最小相位系统...
  • FPGA 频率计实验

    2021-02-04 16:51:44
    FPGA 频率计实验 实验要求:实现等精度频率计,通过数码管显示。 频率计实验又称为频率计数器,是一种专门对被测信号进行测量的电子仪器。 计数法:直接计数单位时间内的被测信号的脉冲数,这种方式测量精度高、速度...
  • 一、原理_频率域平滑 理想低通滤波器的传递函数为: n 阶巴特沃斯低通滤波器的传递函数为: n 阶指数低通滤波器的传递函数为: 二、步骤 (1)读入原图像test.tif并显示; (2)对原图像添加高斯噪声; (3)采用理想低...
  • laravel8接口频率限制

    2021-12-01 10:35:35
    laravel关于用户恶意请求接口的接口频率限制。
  • 数字图像处理——第4章 频率域滤波 文章目录数字图像处理——第4章 频率域滤波频率域1.傅里叶级数原理1.1.一维傅里叶变换1.2.二维傅里叶变换2.python×傅里叶级数2.1.傅里叶变换后的频谱图3.频率域滤波3.1.低频与...
  • 一、内存频率的影响因素 1.内存条标注的频率 这个频率,是在外界因素(cpu、主板)不构成影响时,该内存条保底能跑多少频率 什么意思呢?可以好比与货车载货:假设某货车载重50T,那么它保底能载50T的货物,它当然能...
  • 为什么要使用这两种策略在我们日常的开发中,以下几种情况会高频率的触发事件:resizescrollclickmousemovekeydown高频率的触发事件,会过度损耗页面性能,导致页面卡顿,页面抖动,尤其是当这些事件回调函数中包含...
  • 金蝶k3中间层服务器如何设置 内容精选换一换Hey guys ,我是 cxuan,现在也到了毕业季了,为了帮助大家更好的准备面试,我为大家整理了一波 Java 面试问的频率非常高的面试题。Java 基础equals与==的区别final, ...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 126,132
精华内容 50,452
关键字:

中间频率