matlab中对0dB，-10dB，-20dB三个f=20mhz的正弦信号进行FFT并进行频谱分析（包括频率和信噪比两方面）

首先需要生成这三个正弦波信号，可以使用以下代码：

fs = 100e6; % 采样率为100MHz
t = 0:1/fs:1e-6-1/fs; % 生成1us的时间序列
f = 20e6; % 正弦波频率为20MHz

% 生成0dB的正弦波信号
x0db = sin(2*pi*f*t);

% 生成-10dB的正弦波信号
x10db = 0.3162*sin(2*pi*f*t);

% 生成-20dB的正弦波信号
x20db = 0.1*sin(2*pi*f*t);

接下来对这三个信号进行FFT并进行频谱分析，可以使用以下代码：

% 对0dB的信号进行FFT
N = length(x0db);
X0db = fft(x0db);
f0db = (0:N-1)*fs/N; % 生成频率序列
P0db = abs(X0db).^2/N; % 计算功率谱密度
SNR0db = 10*log10(sum(abs(x0db).^2)/sum(abs(x0db - X0db).^2)); % 计算信噪比

% 对-10dB的信号进行FFT
X10db = fft(x10db);
P10db = abs(X10db).^2/N;
SNR10db = 10*log10(sum(abs(x10db).^2)/sum(abs(x10db - X10db).^2));

% 对-20dB的信号进行FFT
X20db = fft(x20db);
P20db = abs(X20db).^2/N;
SNR20db = 10*log10(sum(abs(x20db).^2)/sum(abs(x20db - X20db).^2));

最后可以绘制出三个信号的频谱图和信噪比：

% 绘制0dB信号的频谱图和信噪比
figure;
plot(f0db/1e6, 10*log10(P0db)); % 将频率转换为MHz并将功率谱密度转换为dB
xlabel('Frequency (MHz)');
ylabel('Power Spectral Density (dB)');
title('0dB Signal Spectrum');
disp(['SNR of 0dB signal: ', num2str(SNR0db), 'dB']);

% 绘制-10dB信号的频谱图和信噪比
figure;
plot(f0db/1e6, 10*log10(P10db));
xlabel('Frequency (MHz)');
ylabel('Power Spectral Density (dB)');
title('-10dB Signal Spectrum');
disp(['SNR of -10dB signal: ', num2str(SNR10db), 'dB']);

% 绘制-20dB信号的频谱图和信噪比
figure;
plot(f0db/1e6, 10*log10(P20db));
xlabel('Frequency (MHz)');
ylabel('Power Spectral Density (dB)');
title('-20dB Signal Spectrum');
disp(['SNR of -20dB signal: ', num2str(SNR20db), 'dB']);

运行以上代码后可以得到三个频谱图和信噪比的值。可以观察到，随着信号功率的降低，信噪比也会降低，同时在频谱图上也可以看到信号峰值功率的降低。