matlab画出𝑥(𝑛) = (0.6)^𝑛𝑢(𝑛)卷积h(𝑛) = (−0.9)^𝑛𝑢(𝑛)的图像，𝑛 ∈ [0, 70]和𝑛 ∈ [1, 35]，用不同的颜色画在同一张图像里

以下是MATLAB代码：

n1 = 0:70; % 定义n的范围
x = (0.6).^n1.*(n1>=0); % 定义x(n)
h = (-0.9).^n1.*(n1>=0); % 定义h(n)
y1 = conv(x,h); % 计算卷积结果
n2 = 1:35; % 定义另一个n的范围
x2 = (0.6).^n2.*(n2>=0); % 定义另一个x(n)
h2 = (-0.9).^n2.*(n2>=0); % 定义另一个h(n)
y2 = conv(x2,h2); % 计算另一个卷积结果
figure; % 新建一个图像窗口
plot(n1,y1(1:length(n1)),'r'); % 画出第一个卷积结果
hold on; % 保持当前图像
plot(n2,y2(1:length(n2)),'b'); % 画出第二个卷积结果
xlabel('n'); % x轴标签
ylabel('y(n)'); % y轴标签
title('Convolution of x(n) and h(n)'); % 图像标题
legend('n\in[0,70]','n\in[1,35]'); % 图例

运行以上代码，就可以得到下图所示的图像，其中红色曲线表示$n\in[0,70]$时的卷积结果，蓝色曲线表示$n\in[1,35]$时的卷积结果。


相关问题

matlab画出𝑥(𝑛) = (0.6)^𝑛𝑢(𝑛)卷积h(𝑛) = (−0.9)^𝑛𝑢(𝑛)的图像

代码如下：

n = -10:50; % 定义时间序列
x = (0.6).^n.*(n>=0); % 定义信号x(n)
h = (-0.9).^n.*(n>=0); % 定义信号h(n)
y = conv(x,h); % 卷积
ny = n(1)+n(1):n(end)+n(end); % 计算卷积后的时间序列
subplot(3,1,1); stem(n,x); xlabel('n'); ylabel('x(n)'); title('信号x(n)');
subplot(3,1,2); stem(n,h); xlabel('n'); ylabel('h(n)'); title('信号h(n)');
subplot(3,1,3); stem(ny,y); xlabel('n'); ylabel('y(n)'); title('卷积信号y(n)');

运行结果如下图所示：


matlab画出𝑥(𝑛) = (0.6)^𝑛𝑢(𝑛)和h(𝑛) = (−0.9)^𝑛𝑢(𝑛)的卷积图像

下面是MATLAB代码和卷积图像：

% 定义两个序列
n = 0:20;
x = (0.6).^n.*(n>=0);
h = (-0.9).^n.*(n>=0);

% 计算卷积
y = conv(x, h);

% 画出卷积图像
figure;
subplot(3,1,1);
stem(n,x);
title('x(n)');
xlabel('n');
ylabel('Amplitude');

subplot(3,1,2);
stem(n,h);
title('h(n)');
xlabel('n');
ylabel('Amplitude');

n_y = 0:length(y)-1;
subplot(3,1,3);
stem(n_y, y);
title('Convolution of x(n) and h(n)');
xlabel('n');
ylabel('Amplitude');

卷积图像如下所示：