《数字信号处理》课程研究性学习报告解读
DSP研究性学习报告-频谱计算1-2题
《数字信号处理》课程研究性学习报告姓名学号同组成员指导教师时间DFT近似计算信号频谱专题研讨【目的】(1) 掌握利用DFT近似计算不同类型信号频谱的原理和方法。
(2) 理解误差产生的原因及减小误差的方法。
(3) 培养学生自主学习能力，以及发现问题、分析问题和解决问题的能力。
【研讨题目】基本题1．利用DFT分析x(t)=A cos(2πf1t)+B cos(2πf2t)的频谱，其中f1=100Hz，f2=120Hz。
(1)A=B=1; (2)A=1,B=0.2。
要求选择不同的窗函数。
【题目分析】1.对于第一小问，A=B=1，抽样频率应大于最高频率的2倍，才能避免频率混叠，另外由于信号无限长，所以采用矩形窗进行截短，要想分辨f1,f2两个频率，应满足N≧f sam/△f2.第二问中f2频率信号比较弱，如果也采用矩形窗，会使得频率泄漏比较大，无法检测到f2频率分量，因此应选择旁瓣较小的Hamming窗【仿真结果】【结果分析】对实验结果进行比较，总结出选择合适DFT参数的原则。
【自主学习内容】【阅读文献】【发现问题】(专题研讨或相关知识点学习中发现的问题)：【问题探究】【仿真程序】N=30;L=512;f1=100;f2=120;fs=500;T=1/fs;ws=2*pi*fs;t=(0:N-1)*T;x=cos(2*pi*f1*t)+cos(2*pi*f2*t);X=fftshift(fft(x,L));w=(-ws/2+(0:L-1)*ws/L)/(2*pi);plot(w,abs(X));ylabel('幅度谱')N=30;L=512;f1=100;f2=120;fs=500;T=1/fs;ws=2*pi*fs;t=(0:N-1)*T;x=cos(2*pi*f1*t)+0.15*cos(2*pi*f2*t);wh=(hamming(N))';x=x.*wh;X=fftshift(fft(x,L));w=(-ws/2+(0:L-1)*ws/L)/(2*pi);plot(w,abs(X));ylabel('幅度谱')【研讨题目】基本题2．已知一离散序列为==kkx[Λksin(,31],1,0),π2.0(1)用L=32点DFT计算该序列的频谱，求出频谱中谱峰的频率；(2)对序列进行补零，然后分别用L=64、128、256、512点DFT计算该序列的频谱，求出频谱中谱峰的频率；(3)讨论所获得的结果，给出你的结论。
《数字信号处理》实验报告
《数字信号处理》上机实验指导书一、引言“数字信号处理”是一门理论和实验密切结合的课程，为了深入地掌握课程内容，应当在学习理论的同时，做习题和上机实验。
上机实验不仅可以帮助学生深入地理解和消化基本理论，而且能锻炼初学者的独立解决问题的能力。
所以，根据本课程的重点要求编写了四个实验。
第一章、二章是全书的基础内容，抽样定理、时域离散系统的时域和频域分析以及系统对输入信号的响应是重要的基本内容。
由于第一、二章大部分内容已经在前期《信号与系统》课程中学习完，所以可通过实验一帮助学生温习以上重要内容，加深学生对“数字信号处理是通过对输入信号的一种运算达到处理目的” 这一重要概念的理解。
这样便可以使学生从《信号与系统》课程顺利的过渡到本课程的学习上来。
第三章、四章DFT、FFT是数字信号处理的重要数学工具，它有广泛的使用内容。
限于实验课时，仅采用实验二“用FFT对信号进行谱分析”这一实验。
通过该实验加深理解DFT的基本概念、基本性质。
FFT是它的快速算法，必须学会使用。
所以，学习完第三、四章后，可安排进行实验二。
数字滤波器的基本理论和设计方法是数字信号处理技术的重要内容。
学习这一部分时，应重点掌握IIR和FIR两种不同的数字滤波器的基本设计方法。
IIR滤波器的单位冲激响应是无限长的，设计方法是先设计模拟滤波器，然后再通过S~Z平面转换，求出相应的数字滤波器的系统函数。
这里的平面转换有两种方法，即冲激响应不变法和双线性变换法，后者没有频率混叠的缺点，且转换简单，是一种普遍应用的方法。
学习完第六章以后可以进行实验三。
FIR滤波器的单位冲激响应是有限长的，设计滤波器的目的即是求出符合要求的单位冲激响应。
窗函数法是一种基本的，也是一种重要的设计方法。
学习完第七章后可以进行实验四。
以上所提到的四个实验，可根据实验课时的多少恰当安排。
例如：实验一可根据学生在学习《信号与系统》课程后，掌握的程度来确定是否做此实验。
若时间紧，可以在实验三、四之中任做一个实验。
01北交大数字信号处理研究性学习报告.
《数字信号处理》课程研究性学习报告DSP基本概念和技能的训练姓名张然学号13211074同组成员蔡逸飞13211078朱斌指导教师陈后金时间2015/6DSP 基本概念和技能研究性学习报告【目的】(1) 掌握离散信号和系统时域、频域和z 域分析中的基本方法和概念； (2) 学会用计算机进行离散信号和系统时域、频域和z 域分析。
(3) 培养学生自主学习能力，以及发现问题、分析问题和解决问题的能力。
【研讨内容】问题一(1)阅读教材1.9节及MATLAB 中的Help ，学会MA TLAB 函数filter 的使用方法；(2)利用filter 函数，求出下列系统的单位脉冲响应，并判断系统是否稳定。
讨论实验所获得的结果。
211850586.0845.111)(--+-=z z z H21285.085.111)(--+-=z z z H 【题目目的】 1. 掌握LTI 系统单位脉冲响应的基本概念、系统稳定性与单位脉冲响应的关系； 2. 学会filter 函数的使用方法及用filter 函数计算系统单位脉冲响应； 3. 体验有限字长对系统特性的影响。
【仿真结果】 极点10.9430 0.9020 极点21.0000 0.8500051015202530354045502468y 1[k ]051015202530354045502468y 2[k ]【结果分析】我们所使用的计算机的是有限字长的，当我们用计算机对系统的各项参数进行量化，计算离散时，这些量化误差会使实际系统的极点值偏离理论值，导致系统的特性发生变化，甚至会使稳定系统变为非稳定系统。
【问题探究】已知LTI 系统的系统函数)(z H ，有哪些计算系统单位脉冲响应方法，比较这些方法的优缺点。
Filter 函数，可计算出差分方程的零状态响应，既可以用来求y[k],也可以求出h[k]; Impulse 函数，只是用来实现冲击响应的；Conv 函数，是用来计算卷积的，可以用来求y[k] 【仿真程序】 b1=[1 0 0]; b2=[1 0 0];a1=[1 -1.845 0.850586]; a2=[1 -1.85 0.85]; x=0:50;y1=filter(b1,a1,x); subplot(2,1,1); stem(y1);axis([0 50 0 8])[r1,p1,m1]=residuez(b1,a1); disp('极点1'); disp(p1');y2=filter(b2,a2,x); subplot(2,1,2); stem(y2);axis([0 50 0 8])[r2,p2,m2]=residuez(b2,a2); disp('极点2'); disp(p2');b1=[1 0 0]; b2=[1 0 0];a1=[1 -1.845 0.850586]; a2=[1 -1.85 0.85]; n=0:512;x=[1 zeros(1,512)] y1=filter(b1,a1,x); subplot(2,1,1); stem(n,y1); axis([0 50 0 8]) axis([0 50 0 8]) ylabel('y1[k]')[r1,p1,m1]=residuez(b1,a1); disp('极点1'); disp(p1');y2=filter(b2,a2,x); subplot(2,1,2); stem(n,y2); axis([0 50 0 8]) ylabel('y2[k]')[r2,p2,m2]=residuez(b2,a2); disp('极点2'); disp(p2');当取下列值时a1=[1 -1.8506 0.850586]; a2=[1 -1.85 0.906];极点11.0001 0.8505 极点20.9250 - 0.2244i 0.9250 + 0.2244i051015202530354045502468y 1[k ]5101520253035404550-505y 2[k ]问题二(1)阅读教材1.9节及MATLAB 中的Help ，学会MA TLAB 函数freqz 的使用方法； (2)利用MATLAB 语句x=firls(511,[0 0.4 0.404 1],[1 1 0 0]产生一个长度为512的序列x [k ]，用plot 函数画出序列x [k ]的波形，用freqz 函数画出该序列的幅度频谱。
数字信号处理实验报告
一、实验目的1. 理解数字信号处理的基本概念和原理。
2. 掌握离散时间信号的基本运算和变换方法。
3. 熟悉数字滤波器的设计和实现。
4. 培养实验操作能力和数据分析能力。
二、实验原理数字信号处理（Digital Signal Processing，DSP）是利用计算机对信号进行采样、量化、处理和分析的一种技术。
本实验主要涉及以下内容：1. 离散时间信号：离散时间信号是指时间上离散的信号，通常用序列表示。
2. 离散时间系统的时域分析：分析离散时间系统的时域特性，如稳定性、因果性、线性等。
3. 离散时间信号的变换：包括离散时间傅里叶变换（DTFT）、离散傅里叶变换（DFT）和快速傅里叶变换（FFT）等。
4. 数字滤波器：设计、实现和分析数字滤波器，如低通、高通、带通、带阻滤波器等。
三、实验内容1. 离散时间信号的时域运算（1）实验目的：掌握离散时间信号的时域运算方法。
（2）实验步骤：a. 使用MATLAB生成两个离散时间信号；b. 进行时域运算，如加、减、乘、除等；c. 绘制运算结果的时域波形图。
2. 离散时间信号的变换（1）实验目的：掌握离散时间信号的变换方法。
（2）实验步骤：a. 使用MATLAB生成一个离散时间信号；b. 进行DTFT、DFT和FFT变换；c. 绘制变换结果的频域波形图。
3. 数字滤波器的设计和实现（1）实验目的：掌握数字滤波器的设计和实现方法。
（2）实验步骤：a. 设计一个低通滤波器，如巴特沃斯滤波器、切比雪夫滤波器等；b. 使用MATLAB实现滤波器；c. 使用MATLAB对滤波器进行时域和频域分析。
4. 数字滤波器的应用（1）实验目的：掌握数字滤波器的应用。
（2）实验步骤：a. 采集一段语音信号；b. 使用数字滤波器对语音信号进行降噪处理；c. 比较降噪前后的语音信号，分析滤波器的效果。
四、实验结果与分析1. 离散时间信号的时域运算实验结果显示，通过MATLAB可以方便地进行离散时间信号的时域运算，并绘制出运算结果的时域波形图。
05DSP研究性学习报告综合应用
《数字信号处理》课程研究性学习报告数字信号处理综合应用专题研讨【目的】(1) 能够灵活应用DFT（FFT）分析实际信号的频谱。
(2) 熟悉通过IIR和FIR数字滤波器进行实际系统设计的方法。
(3) 培养学生自主学习能力，以及发现问题、分析问题和解决问题的能力。
【研讨题目】1．附件myheart_noise1和myheart_noise2是一段含有噪声的音频信号。
（1）选择其中一个信号，分析其频谱特点。
（2）根据谱分析的结果，确定滤波器的指标。
（3）设计一个IIR DF对含有噪声的音频信号进行滤波。
（4）设计一个FIR DF对含有噪声的音频信号进行滤波。
（5）比较IIR DF和FIR DF对含有噪声音频信号的去噪效果。
(6) 请尝试采用其它的音频信号，混入不同的噪声，利用所学的滤波方法进行分析，会得到什么样的效果？【题目分析】本题讨论用IIR和FIR数字滤波器进行实际系统设计的方法。
对于第一小题，我们通过wavread函数播放音频，同时对该序列做DFT，求出其频谱图像。
对于第二小题，我们修改1中程序[s,f]=wavread('C:\Users\Lin\Desktop\matlab\myheart_noise1.wav');wavplay(s,f);L=length(s)m=fft(s);plot(abs(m));f=f得：L = 168873，f = 22050。
从图一可得，40000×22050/168873≈5223Hz，60000×22050/168873≈7834Hz。
取整可得，fp=6000Hz,fs=8000Hz.而后，设定AP =0.3dB，AS=40dB。
对于第三小题，先设计一个低通模拟滤波器，这里使用Butterworth型的低通滤波器，之后通过脉冲响应不变法和双线性变换法求得IIR数字低通滤波器。
对于第四小题，我们采用窗函数法设计FIR数字滤波器。
数字信号处理实验报告讲解
实验报告实验一：1．用三种不同的DFT程序计算x(n)=R8(n)的傅里叶变换;比较三种程序计算机运行时间。
(1)编制用for loop语句的M函数文件dft1.m，用循环变量逐点计算X(k)；(2)编写用Matlab矩阵运算的M函数文件dft2.m，完成下列矩阵运算；(3)调用FFT库函数，直接计算X(k)；(4)编写M程序文件，分别得到序列x(n)的傅里叶变换，并画出相应的幅频和相频特性；比较用三种不同方式编写的DFT程序各自的计算机运行时间。
%%%主程序：x=[ones(1,8),zeros(1,248)];t=cputime;[Am1,pha1]=dft1(x);t1=cputime-t;n=[0:(length(x)-1)];w=(2*pi/length(x))*n;figure(1);subplot(2,1,1);plot(w,Am1,'b');title('Magnitude part');xlabel('frequency in radians');ylabel('|X(exp(jw))|');subplot(2,1,2), plot(w,pha1,'r');grid;xlabel('frequency in radians');ylabel('arg(X[exp(jw)]/radians|');%%%%子程序dft1.mfunction [Am,pha]=dft1(x)N=length(x);w=exp(-j*2*pi/N);for k=1:Nsum=0;for n=1:Nsum=sum+x(n)*w^((k-1)*(n-1));endAm(k)=abs(sum);pha(k)=angle(sum);End%%%%子程序dft2.mfunction[Am,pha]=dft2(x)N=length(x);n=[0:N-1];k=[0:N-1];w=exp(-j*2*pi/N);nk=n'*k;wnk=w.^(nk);Xk=x*wnk;Am=abs(Xk);pha=angle(Xk);%%%%子程序dft3.mfunction[Am,pha]=dft3(x)Xk=fft(x);Am=abs(Xk);pha=angle(Xk);运行结果：t1 =0.1563 t2 =0.2969 t3 =02．用ＤＦＴ实现两序列的卷积运算，并研究ＤＦＴ点数与混迭的关系给定：x(n)＝n*R16（n），h(n)=R8(n)，用FFT和IFFT分别求线性卷积及混叠结果的输出，画出相应的图形（用stem(n,y)）.N=16;x=[0:N-1];h=ones(1,8);Xk1=fft(x,23); %做23点fftHk1=fft(h,23);Yk1=Xk1.*Hk1;y1=ifft(Yk1);n=0:22;figure(1)stem(n,y1);Xk2=fft(x);Hk2=fft(h,16); %做16点fftYk2=Xk2.*Hk2;y2=ifft(Yk2);n=0:15;figure(2)stem(n,y2)3．高密度频谱与高分辨率频谱的研究对连续信号)1000*9*2cos()1000*7*2cos()1000*5.6*2cos()(t t t t x a πππ++=以fs=32kHz 对x a (t)采样：1) 做N=16点的采样 和 补零到256点的频谱；2) 做N=256点的采样，并做出其FFT 幅度特性；做出分析。
2018-2019-数字信号处理》课程研究性学习报告,多速率信号处理专题研讨-范文模板 (9页)
本文部分内容来自网络整理，本司不为其真实性负责，如有异议或侵权请及时联系，本司将立即删除！== 本文为word格式，下载后可方便编辑和修改！ ==数字信号处理》课程研究性学习报告,多速率信号处理专题研讨篇一：北京交通大学数字信号处理04DSP研究性学习报告多速率信号处理《数字信号处理》课程研究性学习报告姓名学号同组成员指导教师时间多速率信号处理专题研讨【目的】(1) 掌握序列抽取运算与内插运算的频谱变化规律。
(2) 掌握确定抽取滤波器与内插滤波器的频率指标。
(3) 掌握有理数倍抽样率转换的原理及方法。
(4) 培养学生自主学习能力，以及发现问题、分析问题和解决问题的能力。
【研讨题目】基本题1．抽取、内插信号特征的时域/频域分析对于给定的单频模拟信号y(t)=sin(1000?t)，确定一个合适的采样频率fsam，获得离散信号y[k]，试进行以下问题的分析：(1) 对离散信号y[k]进行M=2倍抽取，对比分析y[k]和y[Mk]在时域/频域的关系；(2) 对离散信号y[k]进行L=2倍内插，对比分析y[k]和y[k/L]在时域/频域的关系。
【温磬提示】在多速率信号分析中，离散序列的抽取和内插是多速率系统的基本运算，抽取运算将降低信号的抽样频率，内插运算将提高信号的抽样频率。
两种运算的变换域描述中，抽取运算可能出现频谱线性混叠，而内插运算将出现镜像频谱。
【设计步骤】1、已知y(t)=sin(1000?t)频率为500Hz，周期为0.002s，可取时间范围T为0到0.004秒，两个周期，根据抽样定理取fsam?8000Hz，每个周期抽取16个点。
2、用函数xD=x(1:M:end)对离散信号进行M=2倍的抽取，用fft计算频谱。
3、用函数xL=zeros(1,L*length(x));xL(1:L:end)=x;对离散信号进行L=2的内插，用fft计算频谱。
【仿真结果】对离散信号y[k]抽取和内插的时域/频域对比分析结果。
数字信号处理学习心得
数字信号处理学习心得XXX( XXX学院XXX班)一、课程认识和内容理解《数字信号处理》是我们通信工程和电子类专业的一门重要的专业基础课程，主要任务是研究数字信号处理理论的基本概念和基本分析方法，通过建立数学模型和适当的数学分析处理，来展示这些理论和方法的实际应用。
数字信号处理技术正飞速发展，它不但自成一门学科，更是以不同形式影响和渗透到其他学科：它与国民经济息息相关，与国防建设紧密相连；它影响或改变着我们的生产、生活方式，因此受到人们普遍的关注。
信息科学是研究信息的获取、传输、处理和利用的一门科学，信息要用一定形式的信号来表示，才能被传输、处理、存储、显示和利用，可以说，信号是信息的表现形式。
这学期数字信号处理所含有的具体内容如下：第一单元的课程我们深刻理解到时域离散信号和时域离散系统性质和特点；时域离散信号和时域离散系统时域分析方法；模拟信号的数字处理方法。
第二单元的课程我们理解了时域离散信号（序列）的傅立叶变换，时域离散信号Z变换，时域离散系统的频域分析。
第三单元的课程我们学习了离散傅立叶变换定义和性质，离散傅立叶变换应用——快速卷积，频谱分析。
第四单元的课程我们重点理解基2 FFT算法——时域抽取法﹑频域抽取法，FFT的编程方法，分裂基FFT算法。
第五单元的课程我们学了网络结构的表示方法——信号流图，无限脉冲响应基本网络结构，有限脉冲响应基本网络结构，时域离散系统状态变量分析法。
第六单元的课程我们理解数字滤波器的基本概念，模拟滤波器的设计,巴特沃斯滤波器的设计,切比雪夫滤波器的设计，脉冲响应不变法设计无限脉冲响应字数字滤波器，双线性变换法设计无限脉冲响应字数字滤波器，数字高通﹑带通﹑带阻滤波器的设计。
第七单元的课程我们学习了线性相位有限脉冲响应（FIR）数字滤波器，窗函数法设计有限脉冲响应（FIR）数字滤波器，频率采样法设计有限脉冲响应（FIR）数字滤波器二、专业认识和未来规划通信工程是一门工程学科，主要是在掌握通信基本理论的基础上，运用各种工程方法对通信中的一些实际问题进行处理。
DSP1,2,3研究性学习报告
《数字信号处理》课程研究性学习报告姓名学号同组成员指导教师胡健时间DSP1DFT近似计算信号频谱专题研讨【目的】(1) 掌握利用DFT近似计算不同类型信号频谱的原理和方法。
(2) 理解误差产生的原因及减小误差的方法。
(3) 培养学生自主学习能力，以及发现问题、分析问题和解决问题的能力。
【研讨题目】基本题1．利用DFT分析x(t)=A cos(2πf1t)+B cos(2πf2t)的频谱，其中f1=100Hz，f2=120Hz。
(1)A=B=1; (2)A=1,B=0.2。
要求选择不同的窗函数。
【题目分析】由取样定理知，要使信号频谱不混叠，则抽样频率不小于最高频率的两倍，即。
而要满足信号分辨率的要求，抽样点数。
在对信号做DFT时，由于对信号进行截短，因此会产生频谱泄漏，要想从频谱中很好的分辨出个频率分量，需要考虑时域抽样频率，所加的窗函数，窗函数的长度，以及DFT的点数等参数对结果的影响。
(1)A=B=1，即x(t)=cos(2πf1t)+cos(2πf2t)矩形窗1：条件：fsam=240Hz；N=20；L=512矩形窗2：条件：fsam=600Hz；N=40；L=512矩形窗3：fsam=1200Hz；N=80；L=512哈明窗1：N=40；L=512；fs=600;哈明窗2：N=120；L=512；fs=600;(2)A=1,B=0.2，即x(t)=cos(2πf1t)+0.2cos(2πf2t)矩形窗：N=100；L=512；fs=600哈明窗：N=100；L=512；fs=600【仿真结果】【结果分析】在（1）中进行矩形窗仿真时，我们选择了不同的fsam，分别为240,600,1200它们均满足抽样定理，但是我们仍旧发现，在240hz时出现了混叠现象。
所以，在实际应用中抽样频率应大于最低抽样频率3-5倍才能有更好的结果。
进行hamming窗仿真时，在保证抽样频率相同的条件下，取不同的长度也40,120。
09271119_《数字信号处理》课程研究性学习报告_DSP2
《数字信号处理》课程研究性学习报告姓名张卓学号09271119同组成员王欣然王一明马高飞郭鹏飞指导教师胡健时间2011年5月29日数字滤波器设计专题研讨【目的】(1) 掌握IIR 和FIR 数字滤波器的设计方法及各自的特点。
(2) 掌握各种窗函数的时频特性及对滤波器设计的影响。
(3) 培养学生自主学习能力，以及发现问题、分析问题和解决问题的能力。
【研讨题目】 基本题1．已知一模拟滤波器H a (s )的幅度响应如图所示，图中ω1=tan(0.05π)rad/s ，ω2=tan(0.2π) rad/s ，ω3=tan(0.35π) rad/s ，ω4=tan(0.4π) rad/s试画出由模拟滤波器H a (s )经双线性变换后获得的数字滤波器H (z )的幅度响应，取双线性变换中的T =2（M4-6）1234【题目分析】题中给出了Ha(jw)的幅度响应，通过2tan()2TωΩ=之间的关系，较模拟和数字滤波器的幅度响应。
【仿真结果】【结果分析】通过比较模拟和数字滤波器的幅度响应，可以得到双线性变换法的适用范围：双线性变换法一般适用于设计幅度响应为分段常数的数字滤波器，不适合设计像数字微分器等幅度响应为非常熟的数字滤波器。
【自主学习内容】1.双线性不变法2tan()2TωΩ= 模拟与数字之间的转换【阅读文献】 《数字信号处理》【发现问题】 (专题研讨或相关知识点学习中发现的问题)： 双线性法的适用范围和条件 【问题探究】双线性法优点：当模拟滤波器的幅度响应为分段常数时，双线性变换后的数字滤波器能保持模拟滤波器的幅度响应，但分段边界点将产生畸变，这种畸变可以利用式2arctan()2Tw Ω=在数字滤波器指标转换成相应的模拟滤波器指标时进行预畸变校正。
双线性变换法一般适合于设计幅度相应为分段常数的数字滤波器，缺点：幅度响应不是常数时会产生幅度失真，不适合设计像数字微分器等幅度相应为非常数的数字滤波器。
“数字信号处理”课程调研报告
“数字信号处理”课程调研报告这次调研，一共有10所高校的生物医学工程专业，其中中国生物医学工程专业排名A等的有3所，排名B+等的有2所，排名B等的有2所，排名C等的有1所，另有两年未知其排名，现将情况介绍如下：1、首都医科大学（B等）首者医科大学生物医学工程学院由文字信号处理为本科生，主要课程（生物医学工程专业和医学影像设备与技术专业），要求具有：生物医学信号检测和信号处理能力。
2、第四军医大学（元）生物医工程系，主要课程含有由文字信号处理，研究方向：生物电图像检测，监测技术研究非接触生命探测技术研究等。
3、西安交通大学生命科学与技术学院（A等）生物医学工程专业：数字信号处理为专业主干课程。
研究方向：生物医学超声，生物医学分析技术与仪器等。
4、上海交通大学生物医学工程学院（A）学科领域：生物医学仪器，由文字信号处理是其重要的专业基础课，54学时，实验6学时。
5、中国科学技术大学，信息学院电子科学与技术系bME专业（B+等）研究方向：生物医学信号处理，生物医学超声工程等毕业生将在生物医学工程，信号处理等方向具有扎实理论基础和实验技能，能运用工程技术手段，研究和解决生物学和医学中的有关问题，由文字信号处理为其主要课程。
60学时，20实验。
6、山东大学医学院生物医学工程专业（B+等）研究方向涉及：人体生理信息的检测，处理和分析技术脑电、心电信息及信号处理与分析，脑机接口研究等。
本专业毕业生具备生物医学电子技术，计算机技术及信息科学有关的基础理论知识，能运用工程技术手段，研究解决生物医学中有关问题）7、天津大学生物医学工程专业（A等）研究方向：生物电检测，信号处理主干课程：由文字信号处理毕业生可在生物医学信息检测、图像处理、医学仪器、分析技术及电子信息方向从事研发、开发、应用和管理工作。
8、西安电子科技大学：电子工程学院生物医学工程系（B+等）研究领域：生物医学信息检测、处理与信输、医学仪器等毕业生能在：生物医学信号处理，医疗仪器等领域从事科研、产品技发研制，实验测试等工作。
数字信号处理实验报告分析解析
物理与电子电气工程学院实验报告课程名称：数字信号处理院系：物电学院专业：电子信息工程班级：1307学号：171313199姓名：董宝坤实验报告（1）实验名称常见离散信号产生与实现实验日期指导教师实验报告（2）实验名称离散时间系统的时域分析实验日期指导教师实验报告（3）实验名称离散时间LTI系统的z域分析实验日期指导教师实验报告（4）实验名称用FFT进行谱分析实验日期指导教师实验五 数字滤波器的结构一、 实验目的（1） 加深对数字滤波器分类与结构的了解；（2） 明确数字滤波器的基本结构及其相互间的转换方法；（3） 掌握用MATLAB 进行数字滤波器各种结构相互间转换的子函数及程序编写方法。
二、 实验原理一个离散LSI 系统可用系统函数来表示；()()()12001212120z 11MmM mm M NNkN k k bz Y b b z b z b z H z X z a z a z a z a z ----=----=++++===+++++∑∑ 也可用差分方程来表示：()()()1NMk m k m y n a y n k b x n m ==+-=-∑∑当k a 至少有一个不为0时，则在有限z 平面上存在极点，表示一个IIR 数字滤波器；当k a 全都为0时，系统不存在极点，表示一个FIR 系统。
IIR 数字滤波器的基本结构分为直接Ⅰ型、直接Ⅱ型、级联型和并联型。
FIR 数字滤波器的基本结构分为横截型、级联型、并联型、、线性相位型和频率抽样型。
三、实验仪器微型计算机、MATLAB 四、 实验内容(1) 已知一个IIR 系统的系统函数为()1231230.10.40.40.110.30.550.2z z z H z z z z-------+-=+++ 将其从直接型转换为级联型和并联型结构，并画出各种结构的流程图。
(2) 已知一个FIR 系统的系统函数为()12340.20.8850.212+0.212+0.885H z z z z z ----=++将其从横截型转换为级联型结构，并画出各种结构的流程图。
《数字信号处理》课程研究分析性学习分析方案
《数字信号处理》课程研究性学习报告指导教师 薛健 时间2014.6【目地】(1) 掌握IIR 和FIR 数字滤波器地设计和应用； (2) 掌握多速率信号处理中地基本概念和方法 ； (3) 学会用Matlab 计算小波分解和重建. (4)了解小波压缩和去噪地基本原理和方法.【研讨题目】 一、(1)播放音频信号 yourn.wav ，确定信号地抽样频率，计算信号地频谱，确定噪声信号地频率范围； (2)设计IIR 数字滤波器，滤除音频信号中地噪声.通过实验研究s P ,ΩΩ，s P ,A A 地选择对滤波效果及滤波器阶数地影响，给出滤波器指标选择地基本原则，确定你认为最合适地滤波器指标.（3）设计FIR 数字滤波器，滤除音频信号中地噪声.与（2）中地IIR 数字滤波器，从滤波效果、幅度响应、相位响应、滤波器阶数等方面进行比较.【设计步骤】【仿真结果】【结果分析】由频谱知噪声频率大于3800Hz.FIR和IIR都可以实现滤波，但从听觉上讲，人对于听觉不如对图像（视觉）明感，没必要要求线性相位，因此，综合来看选IIR滤波器好一点，因为在同等要求下，IIR 滤波器阶数可以做地很低而FIR滤波器阶数太高，自身线性相位地良好特性在此处用处不大.【自主学习内容】MATLAB滤波器设计【阅读文献】老师课件，教材【发现问题】(专题研讨或相关知识点学习中发现地问题)：过渡带地宽度会影响滤波器阶数N【问题探究】通过实验，但过渡带越宽时，N越小，滤波器阶数越低，过渡带越窄反之.这与理论相符合.【仿真程序】信号初步处理部分：[x1,Fs,bits] = wavread('yourn.wav');sound(x1,Fs);y1=fft(x1,1024);f=Fs*(0:511)/1024;figure(1)plot(x1)title('原始语音信号时域图谱');xlabel('time n');ylabel('magnitude n');figure(2)freqz(x1)title('频率响应图')figure(3)subplot(2,1,1);plot(abs(y1(1:512)))title('原始语音信号FFT频谱')subplot(2,1,2);plot(f,abs(y1(1:512)));title(‘原始语音信号频谱')xlabel('Hz');ylabel('magnitude');IIR：fp=2500;fs=3500;wp = 2*pi*fp/FS;ws = 2*pi*fs/FS;Rp=1;Rs=15;Ts=1/Fs;wp = 2*pi*fp/FS;ws = 2*pi*fs/FS;wp1=2/Ts*tan(wp/2);ws1=2/Ts*tan(ws/2);t=0:1/11000:(size(x1)-1)/11000;Au=0.03;d=[Au*cos(2*pi*5000*t)]';x2=x1+d;[N,Wn]=buttord(wp1,ws1,Rp,Rs,'s'); [Z,P,K]=buttap(N); [Bap,Aap]=zp2tf(Z,P,K);[b,a]=lp2lp(Bap,Aap,Wn);[bz,az]=bilinear(b,a,Fs); % [H,W]=freqz(bz,az); figure(4)plot(W*Fs/(2*pi),abs(H))gridxlabel('频率/Hz')ylabel('频率响应幅度')title('Butterworth')f1=filter(bz,az,x2);figure(5)subplot(2,1,1)plot(t,x2)title('滤波前时域波形');subplot(2,1,2)plot(t,f1);title('滤波后时域波形');sound(f1,FS);FIR[x1,Fs,bits] = wavread('I:/dsp_2014_project3/yourn'); fp=2500;fs=3500;wp = 2*pi*fp/Fs;ws=2*pi*fs/Fs; Rs=50;M=ceil((Rs-7.95)/(ws-wp)/2.285);M=M+mod(M,2);beta=0.1102*(Rs-8.7);w=kaiser(M+1,beta);wc=(wp+ws)/2;alpha=M/2;k=0:M;hd=(wc/pi)*sinc((wc/pi)*(k-alpha));h=hd.*w';f1=filter(h,[1],x1);[mag,W]=freqz(h,[1]);figure(1)plot(W*Fs/(2*pi),abs(mag));grid;xlabel('频率/Hz');ylabel('频率响应幅度');title('Kaiser´窗设计Ⅰ型线性相位FIR低通滤波器');figure(2)subplot(2,1,1)plot(t,x1)title('滤波前时域波形');subplot(2,1,2)plot(t,f1);title('滤波后时域波形');sound(f1,Fs);二、(1)音频信号kdqg24k.wav抽样频率为24kHz，用y = wavread('kdqg24k');sound(y,16000);播放该信号.试用频域地方法解释实验中遇到地现象;(2)设计一数字系统，使得sound(y,16000)可播放出正常地音频信号；讨论滤波器地频率指标、滤波器地地类型(IIR,FIR)对系统地影响.【仿真结果】【结果分析】24K地信号用16K播放，频谱会被拉宽，无法正常播放，通过2倍内插，通过滤波器，然后3倍抽取，得到地信号用16K播放器就能正常播放.【自主学习内容】功能：对时间序列进行重采样.格式：1.y = resample(x, p, q)采用多相滤波器对时间序列进行重采样，得到地序列y地长度为原来地序列x地长度地p/q倍，p和q都为正整数.此时，默认地采用使用FIR方法设计地抗混叠地低通滤波器.2.y = resample(x, p, q, n)采用chebyshevIIR型低通滤波器对时间序列进行重采样，滤波器地长度与n成比例，n缺省值为10.3.y = resample(x, p, q, n, beta)beta为设置低通滤波器时使用Kaiser窗地参数，缺省值为5.4.y = resample(x, p, q, b)b为重采样过程中滤波器地系数向量.5.[y, b] = resample(x, p, q)输出参数b为所使用地滤波器地系数向量.说明：x--时间序列p、q--正整数，指定重采样地长度地倍数.n--指定所采用地chebyshevIIR型低通滤波器地阶数，滤波器地长度与n成比列.beta--设计低通滤波器时使用Kaiser窗地参数，缺省值为5.【阅读文献】PPt 课本【发现问题】(专题研讨或相关知识点学习中发现地问题)：采样频率与播放频率之间不是整数倍关系【问题探究】此时内插和抽取结合实现正常播放【仿真程序】fs=24000;x1= wavread('I:/dsp_2014_project3/kdqg24k.wav');sound(x1,16000);y1=fft(x1,1024);f1=fs*(0:511)/1024;f2=fs/2*3*(0:511)/1024;figure(1)subplot(2,1,1);plot(f1,abs(y1(1:512)));title('原始语音信号24K正常播放频谱')xlabel('Hz');ylabel('magnitude');subplot(2,1,2);plot(f2,abs(y1(1:512)));title('原始语音信号16K播放频谱')xlabel('Hz');ylabel('magnitude');y = resample(x1,2, 3);sound(y,16000);y2=fft(y,1024);figure(2)subplot(2,1,1);plot(f1,abs(y1(1:512)));title('原始语音信号24K正常播放频谱')xlabel('Hz');ylabel('magnitude');subplot(2,1,2);plot(f2,abs(y2(1:512)));title('原始语音信号16K经过设计地数字系统后播放频谱')xlabel('Hz');ylabel('magnitude');三、对连续信号x(t)=40t2(1-t)4cos(12πt)[0<t<1]+40(t-1)4(2-t)2cos(40πt)[1<t<2]+0.1n(t)在区间[0，2]均匀抽样1024点得离散信号x[k]，其中n(t)是零均值方差为1地高斯噪声(1)画出信号x(t)地波形；(2)计算并画出db7小波地5级小波变换系数；(3)通过观察小波系数，确定阈值化处理地阈值；(4)对小波系数进行阈值化处理，画出去噪后地信号波形，求出最大误差和均方误差；(5)对近似系数和小波系数均进行阈值化处理，画出去噪后地信号波形，求出最大误差和均方误差；(6)用Haar小波基，重复(3)-(5)；(7)讨论所得结果.【仿真结果】（1）（2）Wavelet coefficients（3）T=4.3000 t=96.84%(4)db7小波基Ronconstructed signal with no nioseErrorEmabs=0.9166(5)Haar 小波基T=3.100; t=96.18%Wavelet coefficientsRonconstructed signal with no nioseErrorEmabs=1.1341(6)db14小波基T=4.6，t=94.39%Wavelet coefficientsRonconstructed signal with no nioseErrorEmabs=0.8965【结果分析】选用dbp系列小波基对信号去噪时，p值越大，去噪地效果越好，最大重建误差也小【自主学习内容】MATLAB小波变换【阅读文献】PPT和课本【发现问题】(专题研讨或相关知识点学习中发现地问题)：选用dbp系列小波基对信号去噪时，p值越大，去噪地效果越好，最大重建误差也小【问题探究】不同dp小波基不同，会对结果产生不同影响【仿真程序】N=4096;k=linspace(0,2,N);nt=randn(size(k));x=40*k.^2.*(1-k).^4.*cos(12*pi*k).*(0<k&k<1)+40.*(k-1).^4.*(2-k).^2.*cos(80 *pi*k).*(1<k&k<2)+0.1*nt;figure;plot(x);title('signal with noise');dwtmode('per');[C,L] = wavedec(x,6,'db14')figure;plot(k,C);title('Wavelet coefficients');M=0;for k=1:4096;T=4.6;if abs(C(1,k))<=T;C(1,k)=0;endif C(1,k)~=0;M=M+1; endendA1=C.*C;U1=0;A2=x.*x;U2=0;for k=1:1024;U1=U1+A1(1,k);U2=U2+A2(1,k);endt=U1/U2[XD,CXD,LXD]=wden(x,'heursure','s','one',6,'db14');s=waverec(CXD,LXD,'db14');figure;subplot(211);plot(s);title('Ronconstructed signal with no niose'); subplot(212);plot(x-s);title('Error');d=max(x-s);版权申明本文部分内容，包括文字、图片、以及设计等在网上搜集整理.版权为个人所有This article includes some parts, including text, pictures, and design. Copyright is personal ownership.6ewMy。
数字信号处理课程总结
数字信号处理课程总结一、概括数字信号处理这门课程，真是让我大开眼界，原来信号也能玩出这么多花样！这门课程主要介绍了数字信号处理的基础概念、基本原理和实际应用。
学完之后我简直觉得信号的海洋是如此的广阔和深邃。
一开始课程从信号的表示和处理方式入手，让我对信号有了全新的认识。
接着介绍了数字信号处理的核心原理和方法，比如采样、量化、滤波等等。
这些内容听起来很高级，但实际上都是处理我们生活中遇到的各种各样信号的基础。
通过学习我发现数字信号处理并不是高高在上的高难课程，而是与我们的日常生活紧密相连。
而且课程还深入浅出地介绍了数字信号处理在通信、音频、图像等领域的应用。
这让我意识到，原来我们每天都在和数字信号处理打交道，只是我们不知道罢了。
可以说这门课程让我对数字信号处理有了更深的理解和更多的兴趣。
学习数字信号处理这门课程，让我对信号有了全新的认识，也让我明白了数字信号处理的重要性。
我觉得这门课程不仅仅是理论知识的学习，更是打开了一扇探索信号世界的窗户。
现在我已经迫不及待想要继续深入学习了！二、数字信号处理基础知识在这一阶段的学习过程中，你们可能已经领略到数字信号处理的奇妙世界，那么先来简单聊聊那些处理的基础常识。
说起数字信号处理，是不是听起来像进入了什么高大上的黑科技世界？但实际上数字信号处理跟我们的日常生活紧密相连，例如音频播放、视频播放这些大家每天干的事都与数字信号处理密切相关。
当你聆听音乐的每一个节拍时，数字信号处理就像魔法一样确保了这些音频的完美传递和重现。
好啦接下来我们说说那些具体的常识。
首先了解什么是信号，信号可以简单理解为一种传递信息的媒介，比如声音、图像等都可以是信号。
而数字信号处理则是把这些信号转换成数字形式进行处理，想象一下这就像是把现实世界的声音、图像等转化成电脑能懂的语言。
接下来是处理的过程，这涉及到信号的采集、转换、分析和处理等环节。
在这个过程中，数字信号处理帮助我们实现信号的放大、滤波等功能，让我们的音质更加纯净、图像更加清晰。
数字信号处理实训课程学习总结音频信号处理算法研究
数字信号处理实训课程学习总结音频信号处理算法研究近年来，随着科技的不断发展，数字信号处理在音频领域的应用越来越广泛。
通过数字信号处理可以对音频信号进行各种算法处理，从而提高音频的质量、降噪、调节音量等。
在数字信号处理实训课程中，我对音频信号处理算法进行了深入的学习和研究，下面我将对此进行总结。
首先，在数字信号处理实训课程中，我学习了音频信号的采样和量化过程。
采样是指将连续的音频信号转化为离散的数字信号，量化是指将模拟信号的振幅转化为离散的数字数值。
通过对音频信号的采样和量化，我们可以将音频信号转化为计算机可以处理的形式，并为后续的处理算法提供了基础。
其次，我学习了音频信号的傅里叶变换和滤波器设计。
傅里叶变换是将时间域的音频信号转化为频域的频谱图，通过对频谱图的分析，我们可以了解音频信号的频率成分和能量分布情况。
滤波器设计是根据音频信号的需求，设计出不同类型的滤波器，对频谱图进行滤波处理，从而达到去除噪声、加强信号等效果。
另外，我还学习了音频信号的压缩和编码。
音频信号的压缩是指将原始音频信号经过压缩算法处理，减少存储空间和传输带宽的同时，尽量保持音频质量的损失最小化。
常见的音频压缩算法有MP3、AAC 等。
音频信号的编码是指将数字信号进行编码，将其表示为一系列编码符号，方便存储和传输。
常见的音频编码标准有PCM、ADPCM等。
在实践过程中，我遇到了一些挑战。
其中之一是音频信号的噪声处理。
在实际的音频录制和传输过程中，往往伴随着各种噪声，如机械噪声、环境噪声等。
对于这些噪声，我尝试了不同的滤波算法和去噪方法，如降噪滤波器、自适应滤波器等，以达到尽可能还原原始音频信号的目的。
此外，我还对音频信号的音频增强进行了研究。
音频增强是一种通过处理音频信号，使其具有更好听的效果的方法。
在实践中，我尝试了增强音乐的音频信号，通过均衡器、声像定位等处理算法，使音乐更加动听。
总结而言，数字信号处理实训课程使我对音频信号处理算法有了更深入的了解和研究。
《数字信号处理》教学总结与反思
《数字信号处理》教学总结与反思下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。
文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢！本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注！Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!摘要：本文对数字信号处理课程进行了总结与反思，分析了课程内容的重点和难点，提出了相应的教学建议。
《数字信号处理》课程研究性学习报告
《数字信号处理》课程研究性学习报告指导教师薛健时间2014.6【目的】(1) 掌握IIR 和FIR 数字滤波器的设计和应用； (2) 掌握多速率信号处理中的基本概念和方法 ； (3) 学会用Matlab 计算小波分解和重建。
(4)了解小波压缩和去噪的基本原理和方法。
【研讨题目】 一、(1)播放音频信号 yourn.wav ，确定信号的抽样频率，计算信号的频谱，确定噪声信号的频率范围； (2)设计IIR 数字滤波器，滤除音频信号中的噪声。
通过实验研究s P ,ΩΩ，s P ,A A 的选择对滤波效果及滤波器阶数的影响，给出滤波器指标选择的基本原则，确定你认为最合适的滤波器指标。
（3）设计FIR 数字滤波器，滤除音频信号中的噪声。
与（2）中的IIR 数字滤波器，从滤波效果、幅度响应、相位响应、滤波器阶数等方面进行比较。
【设计步骤】【仿真结果】【结果分析】由频谱知噪声频率大于3800Hz。
FIR和IIR都可以实现滤波，但从听觉上讲，人对于听觉不如对图像（视觉）明感，没必要要求线性相位，因此，综合来看选IIR滤波器好一点，因为在同等要求下，IIR滤波器阶数可以做的很低而FIR滤波器阶数太高，自身线性相位的良好特性在此处用处不大。
【自主学习内容】MATLAB滤波器设计【阅读文献】老师课件，教材【发现问题】(专题研讨或相关知识点学习中发现的问题)：过渡带的宽度会影响滤波器阶数N【问题探究】通过实验，但过渡带越宽时，N越小，滤波器阶数越低，过渡带越窄反之。
这与理论相符合。
【仿真程序】信号初步处理部分：[x1,Fs,bits] = wavread('yourn.wav');sound(x1,Fs);y1=fft(x1,1024);f=Fs*(0:511)/1024;figure(1)plot(x1)title('原始语音信号时域图谱');xlabel('time n');ylabel('magnitude n');figure(2)freqz(x1)title('频率响应图')figure(3)subplot(2,1,1);plot(abs(y1(1:512)))title('原始语音信号FFT频谱')subplot(2,1,2);plot(f,abs(y1(1:512)));title(‘原始语音信号频谱')xlabel('Hz');ylabel('magnitude');IIR：fp=2500;fs=3500;wp = 2*pi*fp/FS;ws = 2*pi*fs/FS;Rp=1;Rs=15;Ts=1/Fs;wp = 2*pi*fp/FS;ws = 2*pi*fs/FS;wp1=2/Ts*tan(wp/2);ws1=2/Ts*tan(ws/2);t=0:1/11000:(size(x1)-1)/11000;Au=0.03;d=[Au*cos(2*pi*5000*t)]';x2=x1+d;[N,Wn]=buttord(wp1,ws1,Rp,Rs,'s');[Z,P,K]=buttap(N);[Bap,Aap]=zp2tf(Z,P,K);[b,a]=lp2lp(Bap,Aap,Wn);[bz,az]=bilinear(b,a,Fs); %[H,W]=freqz(bz,az);figure(4)plot(W*Fs/(2*pi),abs(H))gridxlabel('频率/Hz')ylabel('频率响应幅度')title('Butterworth')f1=filter(bz,az,x2);figure(5)subplot(2,1,1)plot(t,x2)title('滤波前时域波形');subplot(2,1,2)plot(t,f1);title('滤波后时域波形');sound(f1,FS);FIR[x1,Fs,bits] = wavread('I:/dsp_2014_project3/yourn'); fp=2500;fs=3500;wp = 2*pi*fp/Fs;ws=2*pi*fs/Fs; Rs=50;M=ceil((Rs-7.95)/(ws-wp)/2.285);M=M+mod(M,2);beta=0.1102*(Rs-8.7);w=kaiser(M+1,beta);wc=(wp+ws)/2;alpha=M/2;k=0:M;hd=(wc/pi)*sinc((wc/pi)*(k-alpha));h=hd.*w';f1=filter(h,[1],x1);[mag,W]=freqz(h,[1]);figure(1)plot(W*Fs/(2*pi),abs(mag));grid;xlabel('频率/Hz');ylabel('频率响应幅度');title('Kaiser´窗设计Ⅰ型线性相位FIR低通滤波器');figure(2)subplot(2,1,1)plot(t,x1)title('滤波前时域波形');subplot(2,1,2)plot(t,f1);title('滤波后时域波形');sound(f1,Fs);二、(1)音频信号kdqg24k.wav抽样频率为24kHz，用y = wavread('kdqg24k');sound(y,16000);播放该信号。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
《数字信号处理》课程研究性学习报告指导教师薛健时间2014.6【目的】(1) 掌握IIR 和FIR 数字滤波器的设计和应用；(2) 掌握多速率信号处理中的基本概念和方法 ；(3) 学会用Matlab 计算小波分解和重建。
(4)了解小波压缩和去噪的基本原理和方法。
【研讨题目】一、(1)播放音频信号 yourn.wav ，确定信号的抽样频率，计算信号的频谱，确定噪声信号的频率范围；(2)设计IIR 数字滤波器，滤除音频信号中的噪声。
通过实验研究s P ,ΩΩ，s P ,A A 的选择对滤波效果及滤波器阶数的影响，给出滤波器指标选择的基本原则，确定你认为最合适的滤波器指标。
（3）设计FIR 数字滤波器，滤除音频信号中的噪声。
与（2）中的IIR 数字滤波器，从滤波效果、幅度响应、相位响应、滤波器阶数等方面进行比较。
【设计步骤】【仿真结果】【结果分析】由频谱知噪声频率大于3800Hz。
FIR和IIR都可以实现滤波，但从听觉上讲，人对于听觉不如对图像（视觉）明感，没必要要求线性相位，因此，综合来看选IIR滤波器好一点，因为在同等要求下，IIR滤波器阶数可以做的很低而FIR滤波器阶数太高，自身线性相位的良好特性在此处用处不大。
【自主学习内容】MATLAB滤波器设计【阅读文献】老师课件，教材【发现问题】(专题研讨或相关知识点学习中发现的问题)：过渡带的宽度会影响滤波器阶数N【问题探究】通过实验，但过渡带越宽时，N越小，滤波器阶数越低，过渡带越窄反之。
这与理论相符合。
【仿真程序】信号初步处理部分：[x1,Fs,bits] = wavread('yourn.wav');sound(x1,Fs);y1=fft(x1,1024);f=Fs*(0:511)/1024;figure(1)plot(x1)title('原始语音信号时域图谱');xlabel('time n');ylabel('magnitude n');figure(2)freqz(x1)title('频率响应图')figure(3)subplot(2,1,1);plot(abs(y1(1:512)))title('原始语音信号FFT频谱')subplot(2,1,2);plot(f,abs(y1(1:512)));title(‘原始语音信号频谱')xlabel('Hz');ylabel('magnitude');IIR：fp=2500;fs=3500;wp = 2*pi*fp/FS;ws = 2*pi*fs/FS;Rp=1;Rs=15;Ts=1/Fs;wp = 2*pi*fp/FS;ws = 2*pi*fs/FS;wp1=2/Ts*tan(wp/2);ws1=2/Ts*tan(ws/2);t=0:1/11000:(size(x1)-1)/11000;Au=0.03;d=[Au*cos(2*pi*5000*t)]';x2=x1+d;[N,Wn]=buttord(wp1,ws1,Rp,Rs,'s');[Z,P,K]=buttap(N);[Bap,Aap]=zp2tf(Z,P,K);[b,a]=lp2lp(Bap,Aap,Wn);[bz,az]=bilinear(b,a,Fs); %[H,W]=freqz(bz,az);figure(4)plot(W*Fs/(2*pi),abs(H))gridxlabel('频率/Hz')ylabel('频率响应幅度')title('Butterworth')f1=filter(bz,az,x2);figure(5)subplot(2,1,1)plot(t,x2)title('滤波前时域波形');subplot(2,1,2)plot(t,f1);title('滤波后时域波形');sound(f1,FS);FIR[x1,Fs,bits] = wavread('I:/dsp_2014_project3/yourn'); fp=2500;fs=3500;wp = 2*pi*fp/Fs;ws=2*pi*fs/Fs; Rs=50;M=ceil((Rs-7.95)/(ws-wp)/2.285);M=M+mod(M,2);beta=0.1102*(Rs-8.7);w=kaiser(M+1,beta);wc=(wp+ws)/2;alpha=M/2;k=0:M;hd=(wc/pi)*sinc((wc/pi)*(k-alpha));h=hd.*w';f1=filter(h,[1],x1);[mag,W]=freqz(h,[1]);figure(1)plot(W*Fs/(2*pi),abs(mag));grid;xlabel('频率/Hz');ylabel('频率响应幅度');title('Kaiser´窗设计Ⅰ型线性相位FIR低通滤波器');figure(2)subplot(2,1,1)plot(t,x1)title('滤波前时域波形');subplot(2,1,2)plot(t,f1);title('滤波后时域波形');sound(f1,Fs);二、(1)音频信号kdqg24k.wav抽样频率为24kHz，用y = wavread('kdqg24k');sound(y,16000);播放该信号。
试用频域的方法解释实验中遇到的现象;(2)设计一数字系统，使得sound(y,16000)可播放出正常的音频信号；讨论滤波器的频率指标、滤波器的的类型(IIR,FIR)对系统的影响。
【仿真结果】【结果分析】24K 的信号用16K 播放，频谱会被拉宽，无法正常播放，通过2倍内插，通过滤波器，然后3倍抽取，得到的信号用16K 播放器就能正常播放。
【自主学习内容】功能：对时间序列进行重采样。
格式：1.y = resample(x, p, q)采用多相滤波器对时间序列进行重采样，得到的序列y的长度为原来的序列x的长度的p/q倍，p和q都为正整数。
此时，默认地采用使用FIR方法设计的抗混叠的低通滤波器。
2.y = resample(x, p, q, n)采用chebyshevIIR型低通滤波器对时间序列进行重采样，滤波器的长度与n成比例，n缺省值为10.3.y = resample(x, p, q, n, beta)beta为设置低通滤波器时使用Kaiser窗的参数，缺省值为5.4.y = resample(x, p, q, b)b为重采样过程中滤波器的系数向量。
5.[y, b] = resample(x, p, q)输出参数b为所使用的滤波器的系数向量。
说明：x--时间序列p、q--正整数，指定重采样的长度的倍数。
n--指定所采用的chebyshevIIR型低通滤波器的阶数，滤波器的长度与n成比列。
beta--设计低通滤波器时使用Kaiser窗的参数，缺省值为5.【阅读文献】PPt 课本【发现问题】(专题研讨或相关知识点学习中发现的问题)：采样频率与播放频率之间不是整数倍关系【问题探究】此时内插和抽取结合实现正常播放【仿真程序】fs=24000;x1= wavread('I:/dsp_2014_project3/kdqg24k.wav');sound(x1,16000);y1=fft(x1,1024);f1=fs*(0:511)/1024;f2=fs/2*3*(0:511)/1024;figure(1)subplot(2,1,1);plot(f1,abs(y1(1:512)));title('原始语音信号24K正常播放频谱')xlabel('Hz');ylabel('magnitude');subplot(2,1,2);plot(f2,abs(y1(1:512)));title('原始语音信号16K播放频谱')xlabel('Hz');ylabel('magnitude');y = resample(x1,2, 3);sound(y,16000);y2=fft(y,1024);figure(2)subplot(2,1,1);plot(f1,abs(y1(1:512)));title('原始语音信号24K正常播放频谱')xlabel('Hz');ylabel('magnitude');subplot(2,1,2);plot(f2,abs(y2(1:512)));title('原始语音信号16K经过设计的数字系统后播放频谱')xlabel('Hz');ylabel('magnitude');三、对连续信号x(t)=40t2(1-t)4cos(12πt)[0<t<1] +40(t-1)4(2-t)2cos(40πt)[1<t<2]+0.1n(t)在区间[0，2]均匀抽样1024点得离散信号x[k]，其中n(t)是零均值方差为1的高斯噪声(1)画出信号x(t)的波形；(2)计算并画出db7小波的5级小波变换系数；(3)通过观察小波系数，确定阈值化处理的阈值；(4)对小波系数进行阈值化处理，画出去噪后的信号波形，求出最大误差和均方误差；(5)对近似系数和小波系数均进行阈值化处理，画出去噪后的信号波形，求出最大误差和均方误差；(6)用Haar小波基，重复(3)-(5)；(7)讨论所得结果。
【仿真结果】（1）（2）Wavelet coefficients（3）T=4.3000 t=96.84%(4)db7小波基Ronconstructed signal with no nioseErrorEmabs=0.9166(5)Haar 小波基 T=3.100; t=96.18%Wavelet coefficientsRonconstructed signal with no nioseErrorEmabs=1.1341(6)db14小波基T=4.6，t=94.39%Wavelet coefficientsRonconstructed signal with no nioseErrorEmabs=0.8965【结果分析】选用dbp系列小波基对信号去噪时，p值越大，去噪的效果越好，最大重建误差也小【自主学习内容】MATLAB小波变换【阅读文献】PPT和课本【发现问题】(专题研讨或相关知识点学习中发现的问题)：选用dbp系列小波基对信号去噪时，p值越大，去噪的效果越好，最大重建误差也小【问题探究】不同dp小波基不同，会对结果产生不同影响【仿真程序】N=4096;k=linspace(0,2,N);nt=randn(size(k));x=40*k.^2.*(1-k).^4.*cos(12*pi*k).*(0<k&k<1)+40.*(k-1).^4.*(2-k).^2.*cos(80 *pi*k).*(1<k&k<2)+0.1*nt;figure;plot(x);title('signal with noise');dwtmode('per');[C,L] = wavedec(x,6,'db14')figure;plot(k,C);title('Wavelet coefficients');M=0;for k=1:4096;T=4.6;if abs(C(1,k))<=T;C(1,k)=0;endif C(1,k)~=0;M=M+1; endendA1=C.*C;U1=0;A2=x.*x;U2=0;for k=1:1024;U1=U1+A1(1,k);U2=U2+A2(1,k);endt=U1/U2[XD,CXD,LXD]=wden(x,'heursure','s','one',6,'db14');s=waverec(CXD,LXD,'db14');figure;subplot(211);plot(s);title('Ronconstructed signal with no niose'); subplot(212);plot(x-s);title('Error');d=max(x-s);。