在MATLAB环境中实现，参考单极性数据产生方式 ，随机生成长度为 100 的双极性归零数据，双极性非归 零数据。 2）绘制双极性归零和非归零频谱，并对比频谱图。

在MATLAB中，我们可以使用`randi([-1, 1])`生成-1和1之间的随机整数，来模拟双极性数据。对于归零数据（Pulse Amplitude Modulation, PAM），每个数据点之后都会有一个零脉冲作为间隔，而对于非归零数据（Non-Pulse Amplitude Modulation, NPAM），则不会插入零。

首先，我们生成100个双极性的随机数据：

% 生成长度为100的双极性归零数据
pam_zeros = randi([-1, 1], 100, 1); % 归零数据
npam_nonzeros = pam_zeros; % 初始时两者一样，稍后修改NPAM的结构

% 对于非归零数据，去掉每个数据点后的零
for i = 1:99
    npam_nonzeros(i+1) = [];
end
npam_nonzeros = [npam_nonzeros'; pam_zeros(2:end)]; % 合并首尾，形成循环序列

接下来，我们将这些数据转换成时域的波形，并计算它们的离散傅立叶变换（Discrete Fourier Transform, DFT）以得到频谱：

% 计算频谱
[pam_spectrum, f] = periodogram(pam_zeros, [], [], 100); % 归零数据频谱
[npam_spectrum, ~] = periodogram(npam_nonzeros, [], [], 100); % 非归零数据频谱

% 绘制频谱图
figure
subplot(2, 1, 1)
title('Pulse Amplitude Modulation (Zero-Crossing)')
plot(f, abs(pam_spectrum))
xlabel('Frequency')
ylabel('Magnitude')

subplot(2, 1, 2)
title('Non-Pulse Amplitude Modulation (No Zero-Crossings)')
plot(f, abs(npam_spectrum))
xlabel('Frequency')
ylabel('Magnitude')

% 对比两个频谱图
legend('PAM Spectrum', 'NPAM Spectrum')

这将分别显示归零和非归零数据的频谱，你可以看到归零数据由于零跨过（zero-crossings）的特点，在高频部分可能会有较大的衰减，而非归零数据不会有这种特性。