哈尔滨工程大学2015年信号处理实验2
信号处理实验报告
信号处理实验报告实验目的：通过实验了解信号处理的基本原理和方法，并掌握使用MATLAB进行信号处理的基本操作。
实验原理：信号处理是指对模拟信号或数字信号进行分析、处理、提取有用信息的过程。
信号处理包括信号的采集、滤波、降噪、特征提取等核心内容。
MATLAB 是一种功能强大的数学软件，也是信号处理的常用工具。
通过使用MATLAB，可以对信号进行快速、准确的处理和分析。
实验过程：1. 使用MATLAB生成一个正弦信号，频率为100Hz，幅值为1，时长为1s。
matlabt = 0:0.001:1;f = 100;x = sin(2*pi*f*t);2. 绘制该信号的时域图像。
matlabfigure;plot(t, x);xlabel('时间（s）');ylabel('幅值');title('正弦信号的时域图像');3. 使用MATLAB进行频谱分析。
matlabN = length(x);f = (0:N-1)*(1/N);X = fft(x);P = abs(X).^2/N;figure;plot(f,P);xlabel('频率（Hz）');ylabel('功率谱密度');title('信号的频谱图像');4. 对信号进行滤波，去除高频成分。
matlabfs = 1000;Wp = 200/(fs/2);Ws = 300/(fs/2);Rp = 3;Rs = 60;[n,Ws] = cheb2ord(Wp,Ws,Rp,Rs); [b,a] = cheby2(n,Rs,Ws);y = filter(b,a,x);figure;plot(t,y);xlabel('时间（s）');ylabel('幅值');title('去除高频成分后的信号');5. 对滤波后的信号进行降噪处理。
哈工大信号检测与处理第1章随机过程15-1
1.2 高斯分布与高斯噪声
2 x ( t ) 式中， a 为噪声 的均值； 为噪声 x ( t ) 的方差。称 x ( t ) 是服从均值为 a ， 2 2 x ( t ) ~ N ( a , ) 。 为标准差。特别当 方差为 的高斯分布或正态分布，记作 2 a 0 ， 1 时， x ( t ) 的分布称为标准正态分布。
1
1.2.3 高斯分布特性的应用
高斯分布最直观的应用是考虑其对数据处理影响程度的分析，如 3 法则。 ： 3 法则（标准） 该法则的意义是当噪声服从高斯分布时，噪声的影响主要集中在正负3 倍的标准差之内，即1σ 只考虑了68%的噪声影响，而3σ 几乎考虑了其全部 影响。 大多数噪声（随机过程）瞬时幅度的概率分布是正态的即
F ( x) 1 2
xa xa
用误差函数表示 F(x)的好处是，借助于一般数学手册所提供的误差函数表，可方 便查出不同 x 值时误差函数的近似值，还可以在 Matlab 程序中直接调用 erf(x) 或 erfc(x)计算，避免了复杂积分运算。
误差函数和余补误差函数的主要性质： （1）误差函数是递增函数，它具有如下性质 1） erf ( x) erf ( x) ； 2） erf () 1 。 （2）余补误差函数是递减函数，它具有如下性质 1） erfc() 0 ； 2） erfc( x) 1 exp(x2 ), x x
1 Pn Pn ( )d R(0) 2 2
2）高斯噪声的一维概率密度函数具有如下特性： （1） p( x ) 对称于 x a 直线，即有
p(a x ) p( a x )
（2） p( x ) 在 ( , a ) 内单调上升，在 ( a , ) 内单调下降， 且在点 a 处达到极大值
哈尔滨工程大学数字信号处理实验五 谱分析
实验五谱分析一.实验原理信号是无限长的，而在进行信号处理是只能采用有限长信号，所以需要将信号“截断”。
在信号处理中，“截断”被看成是用一个有限长的“窗口”看无限长的信号，或者从分析的角度是无限长的信号乘以有限长的窗函数。
二.实验内容1、用matlab编程绘制各种窗函数的形状。
2、用matlab编程绘制各种窗函数的幅频响应。
矩形窗N=20;n=0:(N-1);w=boxcar(N);subplot(211);stem(n,w);title('形状');[H,W]=dtft(w,1024);subplot(212);plot(W/2/pi,abs(H));title('幅频响应');02468101214161820-0.5-0.4-0.3-0.2-0.100.10.20.30.40.505101520矩形窗幅频响应汉宁窗N=20;n=0:(N-1);w=hanning(N);subplot(211);stem(n,w);title('形状');[H,W]=dtft(w,1024);subplot(212);plot(W/2/pi,abs(H));title('幅频响应');02468101214161820-0.5-0.4-0.3-0.2-0.100.10.20.30.40.5051015汉宁窗幅频响应汉明窗N=20;n=0:(N-1);w=hamming(N);subplot(211);stem(n,w);title('形状');[H,W]=dtft(w,1024);subplot(212);plot(W/2/pi,abs(H));title('幅频响应');02468101214161820-0.5-0.4-0.3-0.2-0.100.10.20.30.40.5051015汉明窗幅频响应巴特利特窗N=20;n=0:(N-1);w=bartlett(N);subplot(211);stem(n,w);title('形状');[H,W]=dtft(w,1024);subplot(212);plot(W/2/pi,abs(H));title('幅频响应');巴特利特窗形状-0.5-0.4-0.3-0.2-0.100.10.20.30.40.50510巴特利特窗幅频响应布莱克曼窗N=20;n=0:(N-1);w=blackman(N);subplot(211);stem(n,w);title('形状');[H,W]=dtft(w,1024);subplot(212);plot(W/2/pi,abs(H));title('幅频响应');-0.5-0.4-0.3-0.2-0.100.10.20.30.40.502468布莱克曼窗幅频响应Triang 窗N=20;n=0:(N-1);w=triang(N);subplot(211);stem(n,w);title('形状');[H,W]=dtft(w,1024);subplot(212);plot(W/2/pi,abs(H));title('幅频响应');02468101214161820triang 窗形状-0.5-0.4-0.3-0.2-0.100.10.20.30.40.50510triang 窗幅频响应Kaiser 窗N=20;n=0:(N-1);w=kaiser(N);subplot(211);stem(n,w);title('kaiser´°ÐÎ×´');[H,W]=dtft(w,1024);subplot(212);plot(W/2/pi,abs(H));title('kaiser´°·ùƵÏìÓ¦');02468101214161820-0.5-0.4-0.3-0.2-0.100.10.20.30.40.505101520kaiser 窗幅频响应切比雪夫窗N=20;n=0:(N-1);w=chebwin(N);subplot(211);stem(n,w);title('Æõ±ÈÑ©·ò´°ÐÎ×´');[H,W]=dtft(w,1024);subplot(212);plot(W/2/pi,abs(H));title('Æõ±ÈÑ©·ò´°·ùƵÏìÓ¦');-0.5-0.4-0.3-0.2-0.100.10.20.30.40.502468契比雪夫窗幅频响应3、绘制矩形窗的幅频响应，窗长度分别为：10.20,50,100.N=10时N=10;n=0:(N-1);w=boxcar(N);[H,W]=dtft(w,1024);plot(W/2/pi,abs(H));title('¾ØÐδ°·ùƵÏìÓ¦');-0.5-0.4-0.3-0.2-0.100.10.20.30.40.5012345678910矩形窗幅频响应N=20时N=20;n=0:(N-1);w=boxcar(N);[H,W]=dtft(w,1024);plot(W/2/pi,abs(H));title('¾ØÐδ°·ùƵÏìÓ¦');-0.5-0.4-0.3-0.2-0.100.10.20.30.40.502468101214161820矩形窗幅频响应N=50时N=50;n=0:(N-1);w=boxcar(N);[H,W]=dtft(w,1024);plot(W/2/pi,abs(H));title('¾ØÐδ°·ùƵÏìÓ¦');-0.5-0.4-0.3-0.2-0.100.10.20.30.40.505101520253035404550矩形窗幅频响应N=100时N=100;n=0:(N-1);w=boxcar(N);[H,W]=dtft(w,1024);plot(W/2/pi,abs(H));title('¾ØÐδ°·ùƵÏìÓ¦');-0.5-0.4-0.3-0.2-0.100.10.20.30.40.50102030405060708090100矩形窗幅频响应4、已知周期信号，若截取时间长度分别为信号周期的0.9和1.1倍，试绘制和比较采用下面窗函数提取的频谱。
哈工大数字信号处理实验报告
H a r b i n I n s t i t u t e o f T e c h n o l o g y数字信号处理实验报告学生姓名：江世凯学号： 1122110307班级： 1221103专业：电子科学与技术任课教师：李杨所在单位：电子工程系2014年11月实验一、用FFT 作谱分析一、实验目的(1) 进一步加深DFT 算法原理和基本性质的理解(因为FFT 只是DFT 的一种快速算法， 所以FFT 的运算结果必然满足DFT 的基本性质)。
(2) 熟悉FFT 算法原理和FFT 子程序的应用。
(3) 学习用FFT 对连续信号和时域离散信号进行谱分析的方法，了解可能出现的分析误差及其原因，以便在实际中正确应用FFT 。
二、实验内容(1) 编制信号产生子程序， 产生以下典型信号供谱分析用：456()cos 4()sin8()cos8cos16cos 20x n n x n nx t t t tπππππ===++(2) 画出1 中所给出的信号，并逐个进行谱分析。
下面给出针对各信号的FFT 变换区间N 以及对连续信号x6(t)的采样频率fs ， 供实验时参考。
x1(n), x2(n), x3(n), x4(n), x5(n): N=8, 16 x6(t): fs=64(Hz), N=16, 32, 64（n=0:1:69）(3) 令x(n)=x4(n)+x5(n)， 用FFT 计算 8 点和 16 点离散傅里叶变换， X(k)=DFT ［x(n)］ (4) 令x(n)=x4(n)+jx5(n)， 重复(2)。
1423()()1,03()847403()3470x n R n n n x n n n n n x n n n =⎧+≤≤⎪=-≤≤⎨⎪⎩-≤≤⎧⎪=-≤≤⎨⎪⎩三、程序框图图1.实验程序框图四、实验过程(1) 复习DFT 的定义、 性质和用DFT 作谱分析的有关内容。
(2) 复习FFT 算法原理与编程思想， 并对照DIT-FFT 运算流图和程序框图， 读懂本实验提供的FFT 子程序。
哈工大信号检测与处理第2章确知和随机参量信号检测教学课件
, T , 0
si (t)sj (t)dt
E 0
i i
j j
因为要在 M 个确知信号中做出选择，故需要 M 个假设。即
H1 : x(t) s1(t) n(t), 0 t T
H
2
:
x(t)
s2
(t)
n(t),
0
t
T
HM : x(t) sM (t) n(t), 0 t T
由于假定各类假设的先验概率相等，且各种错误判决的代价相等，贝叶斯准
机参量都有自己的概率分布密度，于是平均代价（平均风险）可写为：
c c00(i )p(D0, H0,i ) c10(i )p(D1, H0,i )
i( )
i( )
c01(i )p(D0, H1,i ) c11(i )p(D1, H1,i )
i( )
i( )
c p(H0) p0()c10()d p(H1) p1( )c01( )d
2 1
0
exp
N
0
a0
T 0
y t s* tdt
cos
0
d0
式中利用了
T s t 2 dt 1, a0 2 E(信号能量)
0
2
0
arg a0
T 0
y
t
s
t
dt
利用零阶修正贝塞尔函数
式（2－91）变为：
在此之前考虑的假设是简单假设，即认为信号是确知的，或是存在，或是不 存在。若信号存在，则信号的有关参量如初相角，幅度，频率等都是已知的确定 值。观测信号的随机性只是由于干扰的随机性引起的。 然而，在许多情况下信号并不确知，初相角，幅度，频率等参量一般来说也都是 不确定的即具有随机参量。这样混合信号的概率密度函数中含有未知参量。这种 在概率密度函数中含有未知参量的假设称为复合假设
语音信号处理实验二陈乾贵
哈尔滨理工大学实验报告课程名称：数字语音信号处理学院：自动化学院专业班级：电技12-3班学生姓名：陈乾贵学号：1212020302 指导教师：马静实验二一、实验目的信号的傅立叶表示在信号的分析与处理中起着重要的作用。
因为对于线性系统来说，可以很方便地确定其对正弦或复指数和的响应，所以傅立叶分析方法能完善地解决许多信号分析和处理问题。
另外，傅立叶表示使信号的某些特性变得更明显，因此，它能更深入地说明信号的各项红物理现象。
由于语音信号是随着时间变化的，通常认为，语音是一个受准周期脉冲或随机噪声源激励的线性系统的输出。
输出频谱是声道系统频率响应与激励源频谱的乘积。
声道系统的频率响应及激励源都是随时间变化的，因此一般标准的傅立叶表示虽然适用于周期及平稳随机信号的表示，但不能直接用于语音信号。
由于语音信号可以认为在短时间内，近似不变，因而可以采用短时分析法。
本实验要求掌握傅里叶分析原理，会利用已学的知识，编写程序估计短时谱、倒谱，画出语谱图，并分析实验结果，在此基础上，借助频域分析方法所求得的参数分析语音信号的基音周期或共振峰。
二、实验原理1．短时傅立叶变换由于语音信号是短时平稳的随机信号，某一语音信号帧的短时傅立叶变换的定义为：j j (e )[()()]emn m X x m w n m ωω+∞-=-∞=-∑其中w(n-m)是实窗口函数序列，n 表示某一语音信号帧。
令n-m=m'，则得到：j ()-j (e )()() e [()()]j n m n m n j m m X x n m w m e x n m w m e ωωωω+∞'--'=-∞+∞''=-∞''=-''=-∑∑假定：j j j j (e )()()e e (e )m n nn m X x n m w m X ωωωω+∞''=-∞''=-=∑则可得到：j j j j (e )e (e )e [()jb ()]n n n n n nX X a ωωωωωω--=⋅=- 同样，不同的窗口函数，将得到不同的傅立叶变换式的结果。
哈工大-自适应信号处理_LMS自适应滤波器实验报告
.Harbin Institute of Technology自适应平衡器计算机实验课程名称：自适应信号处理院系：电子与信息工程学院姓名：学号：授课教师：**哈尔滨工业大学一、实验目的：1. 深入掌握自适应平衡器的理论基础和以及它的可能用途。
2. 理解最小均方自适应算法的适用条件，以及最小均方自适应算法的理论推导。
3. 改变特征值扩散度）（R χ与步长参数μ，观察实验结果，深入理解理解这些参数对实验结果的重要性。
4. 探究在线性色散信道中使用最小均方自适应算法引起的失真问题。
二、实验内容：在此次实验中我们研究LMS 算法自适应均衡引起未知失真的线性色散信道问题。
假设数据是实数，图2.1表示用来进行该项研究的系统框图。
自适应均衡器用来纠正存在白噪声的信道的畸变。
通过随机数发生器1产生用来探测信道的测试信号n x ；通过随机数发生器2来产生干扰信道输出的白噪声源()v n 。
这两个发生器是相互独立的。
经过适当延迟，随机数发生器1页提供用作训练序列的自适应均衡器的期望相应。
加到信道输入的随机序列{}n x 由伯努利序列组成，其中1n x =±，随机变量n x 具有零均值和单位方差。
信道的单位脉冲响应应用升余弦表示为20.5[1cos((2))]1,2,30n n n h Wπ⎧+-=⎪=⎨⎪⎩，其他 (2-1)等价地，参数W 控制均衡器抽头输入的相关矩阵的特征值分布()χR ，并且特征值分布随着W 的增大而扩大。
随机数发生器2产生的序列是零均值，方差20.001v σ=。
随机噪声发生器(1)信道随机噪声发生器(2)延迟∑自适应横向滤波器∑nx nv +-ne图2.1 自适应均衡实验框图这里均衡器具有11M =个抽头。
由于信道的脉冲响应n h 关于2n =时对称，均衡器的最优抽头权值on w 在5n =时对称。
因此信道的输入n x 被延时了=∆2+5=7个样值，以便提供均衡器的期望响应。
通过选择匹配横向均衡器中点的合适延时Δ，LMS 算法能够提供信道响应的最小相位分量和非最小相位分量之逆。
哈尔滨工程大学语音信号处理实验报告讲述
实验报告实验课程名称：语音信号处理实验姓名：班级： 20120811 学号：Array指导教师张磊实验教室 21B#293实验时间 2015年4月12日实验成绩实验一 语音信号的端点检测一、实验目的1、掌握短时能量的求解方法2、掌握短时平均过零率的求解方法3、掌握利用短时平均过零率和短时能量等特征，对输入的语音信号进行端点检测。
二、实验设备 HP 计算机、Matlab 软件 三、实验原理 1、短时能量语音信号的短时能量分析给出了反应这些幅度变化的一个合适的描述方法。
对于信号)}({n x ，短时能量的定义如下：∑∑∞-∞=∞-∞=*=-=-=m m n n h n x m n h m xm n w m x E )()()()()]()([2222、短时平均过零率短时平均过零率是指每帧内信号通过零值的次数。
对于连续语音信号，可以考察其时域波形通过时间轴的情况。
对于离散信号，实质上就是信号采样点符号变化的次数。
过零率在一定程度上可以反映出频率的信息。
短时平均过零率的公式为：∑∑-+=∞-∞=--=---=1)]1(sgn[)](sgn[21 )()]1(sgn[)](sgn[21N n nm w w m n m x m x m n w m x m x Z其中，sgn[.]是符号函数，即⎩⎨⎧<-≥=0)(10)(1)](sgn[n x n x n x3、端点检测原理能够实现这些判决的依据在于，不同性质语音的各种短时参数具有不同的概率密度函数，以及相邻的若干帧语音应具有一致的语音特性，它们不会在S 、U 、V 之间随机地跳来跳去。
要正确判断每个输入语音的起点和终点，利用短时平均幅度参数E 和短时平均过零率Z 可以做到这一点。
首先，根据浊音情况下的短时能量参数的概率密度函数)|(V E P 确定一个阈值参数H E ，H E 值一般定的较高。
当一帧输入信号的短时平均幅度参数超过H E 时，就可以判定该帧语音信号不是无声，而有相当大的可能是浊音。
哈工程信号处理实验三
信号处理实验三实验要求：研究抽样过程，分析产生混叠效应的原因，实现不同的重建方案。
3.3.1>> n=0:80;>> f0=300;fs=8000;>> x=sin(2*pi*f0/fs*n+pi/3);>>stem(n,x)>>gtext('f0=300,fs=8k')>>plot(n,x)>>gtext('f0=300,fs=8k')>>gtext('Continue')b.>> n=0:80;>>fs=8000;>>subplot(221)>> x=sin(2*pi*100/fs*n+pi/3); >>stem(n,x);grid;gtext('f0=100') >>subplot(222)>> x=sin(2*pi*225/fs*n+pi/3); >>stem(n,x);grid;gtext('f0=225') >>subplot(223)>>stem(n,x);grid;gtext('f0=350') >>subplot(224)>> x=sin(2*pi*225/fs*n+pi/3); >>stem(n,x);grid;gtext('f0=475')d>> n=0:80;>>fs=8000;>>subplot(221)>> x=sin(2*pi*7525/fs*n+pi/3); >>stem(n,x);grid;gtext('f0=7525') >>subplot(222)>> x=sin(2*pi*7650/fs*n+pi/3); >>stem(n,x);grid;gtext('f0=7650') >>>>subplot(223)>> x=sin(2*pi*7775/fs*n+pi/3);>>stem(n,x);grid;gtext('f0=7675') >>subplot(224)>> x=sin(2*pi*7900/fs*n+pi/3); >>stem(n,x);grid;gtext('f0=7900')e>> n=0:80;fs=8000;>>subplot(221)x=sin(2*pi*32100/fs*n+pi/3); stem(n,x);grid;gtext('f0=32100') subplot(222)x=sin(2*pi*32225/fs*n+pi/3); stem(n,x);grid;gtext('f0=32225') subplot(223)x=sin(2*pi*32350/fs*n+pi/3); stem(n,x);grid;gtext('f0=32350') subplot(224)x=sin(2*pi*32475/fs*n+pi/3); stem(n,x);grid;gtext('f0=32475') >> t=0:1/80000:1000/80000; >> x=cos(2*pi*300*t+pi/6); >>stem(t,x)>> t=0:1/8000:1000/80000;>> x=cos(2*pi*300*t+pi/6);>>stem(t,x)>>fmagplot(x,1/80000)可以看到，当频率变化时，正弦信号并不是严格按信号频率变化的，而是呈周期的，有时变密有时变疏3.3.3>> t=0:1/80000:1000/80000;>> x=cos(2*pi*300*t+pi/6);>>stem(t,x)>> t=0:1/8000:1000/80000;>> x=cos(2*pi*300*t+pi/6);>>stem(t,x)>>fmagplot(x,1/80000)3.3.4>> n=0:100;>> t=n./80000;>> x=cos(2*pi*t*300+pi/6); >>stem(t./10,x)>> [X,W]=dtft(x,900);>>plot(W*10/pi,abs(X))3.3.5fs=8000;fsim=80000;fcut=2*(fs/2)/fsim;>> [b,a]=cheby2(9,60,fcut); %调用雪比滤波器>> [c,d]=freqz(b,a,1000,'whole');%1000点的频率响应>> d(501:1000)=d(501:1000)-2*pi; %d的位置全部左移2pi>> plot(d/2/pi/1000*fsim,abs(c));3.3.6fs=8000;fsim=80000;>> n=0:1000;>> l=length(n);>> x=cos(2*pi*300*n/fsim+pi/6);>> y=x(1:80000/8000:l);>> L=length(y); %取长度避免后面的维度不相等>> y2=zeros(1,length(x)); %置零序列>>for i=0:100;y2(i*10+1)=y(i+1); %取10倍数中的数，相当于抽样置零end>> t=0:0.001:1;>>plot(t,y2)>>fmagplot(y2,0.0000125)3.3.7fs=8000;fsim=80000;k=fsim/fs;n=0:1000;l=length(n);x=cos(2*pi*2000*n/fsim+pi/6);y=x(1:k:l);L=length(y);y2=zeros(1,length(x));for i=0:100;y2(i*10+1)=y(i+1);endt=0:0.001:1;y3=filter(b,a,y2); subplot(211);fmagplot(y3,0.0000125) subplot(212);plot(t,y3)gtext('2k')fs=8000;fsim=80000;k=fsim/fs;n=0:1000;l=length(n);x=cos(2*pi*6000*n/fsim+pi/6);y=x(1:k:l);L=length(y);y2=zeros(1,length(x));for i=0:100;y2(i*10+1)=y(i+1);endt=0:0.001:1;y3=filter(b,a,y2); subplot(211);fmagplot(y3,0.0000125) subplot(212);plot(t,y3)>>gtext('6k')x=cos(2*pi*7000*n/fsim+pi/6);y=x(1:k:l);L=length(y);y2=zeros(1,length(x));for i=0:100;y2(i*10+1)=y(i+1);endt=0:0.001:1;y3=filter(b,a,y2); subplot(211);fmagplot(y3,0.0000125) subplot(212);plot(t,y3)gtext('7k')x=cos(2*pi*9000*n/fsim+pi/6);y=x(1:k:l);L=length(y);y2=zeros(1,length(x));for i=0:100;y2(i*10+1)=y(i+1);endt=0:0.001:1;y3=filter(b,a,y2); subplot(211);fmagplot(y3,0.0000125) subplot(212);plot(t,y3)gtext('9k')x=cos(2*pi*10000*n/fsim+pi/6);y=x(1:k:l);L=length(y);y2=zeros(1,length(x));for i=0:100;y2(i*10+1)=y(i+1);endt=0:0.001:1;y3=filter(b,a,y2); subplot(211);fmagplot(y3,0.0000125) subplot(212);plot(t,y3)gtext('10k')x=cos(2*pi*15000*n/fsim+pi/6);y=x(1:k:l);L=length(y);y2=zeros(1,length(x));for i=0:100;y2(i*10+1)=y(i+1);endt=0:0.001:1;y3=filter(b,a,y2); subplot(211);fmagplot(y3,0.0000125) subplot(212);plot(t,y3)gtext('15k')x=cos(2*pi*17000*n/fsim+pi/6);y=x(1:k:l);L=length(y);y2=zeros(1,length(x));for i=0:100;y2(i*10+1)=y(i+1);endt=0:0.001:1;y3=filter(b,a,y2); subplot(211);fmagplot(y3,0.0000125) subplot(212);plot(t,y3)gtext('17k')x=cos(2*pi*18000*n/fsim+pi/6);y=x(1:k:l);L=length(y);y2=zeros(1,length(x));for i=0:100;y2(i*10+1)=y(i+1);endt=0:0.001:1;y3=filter(b,a,y2); subplot(211);fmagplot(y3,0.0000125) subplot(212);plot(t,y3)gtext('18k')x=cos(2*pi*19000*n/fsim+pi/6);y=x(1:k:l);L=length(y);y2=zeros(1,length(x));for i=0:100;y2(i*10+1)=y(i+1);endt=0:0.001:1;y3=filter(b,a,y2); subplot(211);fmagplot(y3,0.0000125) subplot(212);plot(t,y3)gtext('19k')x=cos(2*pi*20000*n/fsim+pi/6);y=x(1:k:l);L=length(y);y2=zeros(1,length(x));for i=0:100;y2(i*10+1)=y(i+1);endt=0:0.001:1;y3=filter(b,a,y2); subplot(211);fmagplot(y3,0.0000125) subplot(212);plot(t,y3)gtext('20k')从20k开始出现了混叠。
哈工大数字信号处理实验报告
哈工大数字信号处理实验报告数字信号处理实验报告姓名:于淼学院:航天学院班级:21201 学号:1112120216 指导教师:李杨1实验一用FFT作谱分析一、实验目的1．进一步加深DFT算法原理和基本性质的理解(因为FFT只是DFT的一种快速算法，所以FFT的运算结果必然满足DFT的基本性质)。
2．熟悉FFT算法原理和FFT子程序的应用。
3．学习用FFT对连续信号和时域离散信号进行谱分析的方法，了解可能出现的分析误差及其原因，以便在实际中正确应用FFT。
二、实验步骤1．复习DFT的定义、性质和用DFT作谱分析的有关内容。
复习FFT算法原理与编程思想，并对照DIT—FFT运算流图和程序框图， 2．读懂本实验提供的FFT子程序。
3．编制信号产生子程序，产生以下典型信号供谱分析：x1?n??R4?n?n?1， 0?n?3x2?n?? 8?n， 4?n?70 ，其它n 4?n， 0?n?3x3?n?? n?3， 4?n?7，其它nx4?n??cosn4 x5?n??sin??8nx6?t??cos8?t?cos16?t?cos20?t应当注意，如果给出的是连续信号xa?t?，则首先要根据其最高频率确定采样速率fs以及由频率分辨率选择采样点数N，然后对其进行软件采样(即计算x?n??xa?nT?，0?n?N?1)，产生对应序列x?n?。
对信号x6?t?，频率分辨率的选择要以能分辨开其中2的三个频率对应的谱线为准则。
对周期序列，最好截取周期的整数倍进行谱分析，否则有可能产生较大的分析误差。
4．编写主程序下图给出了主程序框图，供参考。
本实验提供FFT子程序和通用绘图子程序。
开始读入长度N 调用信号产生子程序产生实验信号调用绘图子程序(函数)绘制时间序列波形图调用FFT子程序(函数)计算信号的DFT 调用绘图子程序(函数)绘制X?k?曲线结束主程序框图三、实验结果直接运行程序，按照实验内容及程序提示键入1~8，分别对x1?n?~x6?n?及x7?n??x4?n??x5?n?、x8?n??x4?n??jx5?n?进行谱分析。
信号处理的实验报告
一、实验目的1. 理解信号处理的基本概念和方法。
2. 掌握信号时域和频域分析的基本方法。
3. 熟悉常用信号处理算法的应用。
4. 提高信号处理实验技能。
二、实验原理信号处理是研究信号的获取、传输、处理、分析和解释的一门学科。
本实验主要研究以下内容：1. 信号时域分析：通过对信号进行时域变换，分析信号的时域特性。
2. 信号频域分析：通过对信号进行频域变换，分析信号的频域特性。
3. 信号处理算法：学习常用的信号处理算法，如滤波、压缩、解调等。
三、实验内容1. 信号时域分析（1）实验目的：观察和分析信号的时域特性。
（2）实验步骤：① 利用MATLAB生成一个简单的信号（如正弦波、方波等）；② 绘制信号的时域波形图；③ 分析信号的时域特性，如幅度、频率、相位等。
2. 信号频域分析（1）实验目的：观察和分析信号的频域特性。
（2）实验步骤：① 对时域信号进行快速傅里叶变换（FFT）；② 绘制信号的频域谱图；③ 分析信号的频域特性，如频谱分布、带宽等。
3. 信号处理算法（1）实验目的：掌握常用信号处理算法的应用。
（2）实验步骤：① 对信号进行滤波处理，如低通滤波、高通滤波等；② 对信号进行压缩处理，如均方根压缩、对数压缩等；③ 对信号进行解调处理，如幅度解调、相位解调等。
四、实验结果与分析1. 信号时域分析结果（1）正弦波信号的时域波形图显示了信号的幅度、频率和相位。
（2）方波信号的时域波形图显示了信号的幅度、频率和相位。
2. 信号频域分析结果（1）正弦波信号的频域谱图显示了信号的频率成分。
（2）方波信号的频域谱图显示了信号的频率成分。
3. 信号处理算法结果（1）低通滤波处理后的信号降低了高频成分，保留了低频成分。
（2）均方根压缩处理后的信号降低了信号的动态范围，提高了信噪比。
（3）幅度解调处理后的信号恢复了原始信号的幅度信息。
五、实验结论通过本次实验，我们掌握了信号处理的基本概念和方法，熟悉了信号时域和频域分析的基本方法，了解了常用信号处理算法的应用。
哈工大-自适应信号处理_LMS自适应滤波器实验报告材料
实用Harbin Institute of Technology自适应平衡器计算机实验课程名称：自适应信号处理院系：电子与信息工程学院姓名：学号：授课教师：邹斌哈尔滨工业大学一、实验目的：1. 深入掌握自适应平衡器的理论基础和以及它的可能用途。
2. 理解最小均方自适应算法的适用条件，以及最小均方自适应算法的理论推导。
3. 改变特征值扩散度）（R χ与步长参数μ，观察实验结果，深入理解理解这些参数对实验结果的重要性。
4. 探究在线性色散信道中使用最小均方自适应算法引起的失真问题。
二、实验内容：在此次实验中我们研究LMS 算法自适应均衡引起未知失真的线性色散信道问题。
假设数据是实数，图2.1表示用来进行该项研究的系统框图。
自适应均衡器用来纠正存在白噪声的信道的畸变。
通过随机数发生器1产生用来探测信道的测试信号n x ；通过随机数发生器2来产生干扰信道输出的白噪声源()v n 。
这两个发生器是相互独立的。
经过适当延迟，随机数发生器1页提供用作训练序列的自适应均衡器的期望相应。
加到信道输入的随机序列{}n x 由伯努利序列组成，其中1n x =±，随机变量n x 具有零均值和单位方差。
信道的单位脉冲响应应用升余弦表示为20.5[1cos((2))]1,2,30n n n h Wπ⎧+-=⎪=⎨⎪⎩，其他 (2-1)等价地，参数W 控制均衡器抽头输入的相关矩阵的特征值分布()χR ，并且特征值分布随着W 的增大而扩大。
随机数发生器2产生的序列是零均值，方差20.001v σ=。
随机噪声发生器(1)信道随机噪声发生器(2)延迟∑自适应横向滤波器∑nx nv +-ne图2.1 自适应均衡实验框图这里均衡器具有11M =个抽头。
由于信道的脉冲响应n h 关于2n =时对称，均衡器的最优抽头权值on w 在5n =时对称。
因此信道的输入n x 被延时了=∆2+5=7个样值，以便提供均衡器的期望响应。
通过选择匹配横向均衡器中点的合适延时Δ，LMS 算法能够提供信道响应的最小相位分量和非最小相位分量之逆。
哈工程数字信号处理实验报告1
数字信号处理实验实验一：基本信号班级：姓名：学号：指导教师：2012年10月实验一：基本信号一：实验原理：本节专注于用MATLAB产生一些基本离散信号的问题。
主要是有那个MATLAB内部向量程序来产生信号。
用MATLAB的stem指令会出离散时间信号。
依据MATLAB的编址约定，标号n=0必须对应nn（1）；必须给指定向量的第一个参数以得到正确的n轴。
二：实验内容：1.冲击信号产生并绘出下面的序列。
在每种情况下，水平n轴应该只在指定的区间上展开并应该相应标注。
使用stem指令使每个序列显示成离散时间信号。
x[n]=0.9δ[n-5] 1<=n<=20x[n]=0.8δ[n] -15<=n<=15x[n]=1.5δ[n-333] 300<=n<=350x[n]=4.5δ[n+7] -10<=n<=0L=20;nn=1:(L);imp=zeros(L,1);imp(5)=0.9;stem(nn,imp))L=31;nn=-15:(L-16);imp=zeros(L,1);imp(16)=0.8;stem(nn,imp))L=51;nn=300:350;imp=[zeros(L,1)]'; imp(34)=1.5 stem(nn,imp)L=11;nn=-10:(L-11);imp=zeros(L,1);imp(4)=4.5;stem(nn,imp)实验分析：所得4个图形均符合题目要求3、指数信号衰减的指数信号是数字信号是数字信号处理的基本信号。
因为它是线性常系数差分方程的解。
A.使用函数在区间n=0,1,2，。
，20上绘出信号x[n]=(0.9)ⁿ。
B.在许多推导中，指数信号序列aⁿu[n]须在有限区间上求和。
使用（a）中的函数产生一个指数信号然后对其求和并比较结果。
C.指数序列在信号处理中常常出现的一个原因是，时移并不改变其信号特征。
证明一有限长指数信号满足移位关系：y[n]=ay[n-1], 1<=n<=L-1比较向量y（2：L）和a*y(1:L-1)。
哈工大-自适应信号处理_QRD-LSL自适应平衡器计算机实验
Harbin Institute of TechnologyQRD-LSL自适应平衡器计算机实验课程名称：自适应信号处理院系：电子与信息工程学院姓名：学号：授课教师：邹斌哈尔滨工业大学目录一. 实验目的................................................................................................................. - 1 -二. 实验内容................................................................................................................. - 1 -2.1 参数设置及试验框架..................................................................................... - 1 -2.2 QRD-LSL算法的步骤 .................................................................................... - 3 -三. 程序框图................................................................................................................. - 5 -四. 实验结果及分析..................................................................................................... - 6 -4.1 学习曲线......................................................................................................... - 6 -4.2变换因子.......................................................................................................... - 6 -4.3脉冲响应.......................................................................................................... - 7 -五. 实验结论................................................................................................................. - 8 -一. 实验目的1. 掌握QRD-LSL 算法的基本原理及性能分析的方法。
哈工程 数字信号处理实验 实验一
实验一 基本信号一：实验原理使用MATLAB 内部向量程序来产生信号。
用MATLAB 的stem 指令绘出离散时间信号.用MATLAB 的stem 指令会出离散时间信号。
依据MATLAB 的编址约定，标号n=0必须对应nn （1）；必须给指定向量的第一个参数以得到正确的n 轴。
二：实验内容2.正弦信号X 【n 】=Acos （ωn+ρ）使用MATLAB 的向量功能求解此问题，将向量赋予余弦或正弦函数，再利用一个函数调用。
在每种指定区间上展开并标注水平轴n 轴。
使用stem 指令显示每个序列。
A ．X ₁【n 】=sin （πn ／17） 0≤n ≤25 B ．X ₂【n 】=sin （πn ／17） -15≤n ≤25 C ．X ₃【n 】=sin （3πn ﹢π／2） -10≤n ≤10 D ． X ₄【n 】=sin （πn ／√23） 0≤n ≤503.指数信号衰减的指数信号是数字信号处理中的基本信号，因为它是线性常系数方程的解。
A.利用functions 研究下面的MATLAB 函数，看他如何产生离线指数信号。
然后是用函数在区间n=0，1，2，3，. . . ，20上绘出指数信号x 【n 】=（0.9）ⁿ。
B.指数信号序列a ⁿu 【n 】须在有限区间上求和。
这个和以下面闭合时表示: a a a L nL n --=∑-=1110C.指数序列在信号处理中常常出现的一个原因是，时移并不改变其信号特征。
Y【n】=ay【n-1】，1≤n≤L-1D.产生指数信号另外的方法是使用查分方程给出的递归表示式。
当输入x【n】是一个冲击信号的时候，信号y【n】=aⁿu【n】是下面查分方程的解：y【n】-a【n-1】=x【n】，初始条件y【-1】=0三．实验程序2.正弦函数A.n=0:0.01:25y=sin（pi*n／17）plot(n,y)ylabel(‘y= sin（pi*n／17）’)gridgtext(‘n’)B.n=-15:0.01:25y=sin（pi*n／17）plot(n,y)ylabel(‘y= sin（pi*n／17）’)gridgtext(‘n’)C. n=-10:0.01:10y=sin（3*pi*n＋pi／2）ylabel(‘y= sin（3*pi*n＋pi／2）’)gridgtext(‘n’)D. n=0:0.01:50y=cos（pi*n/(23^0.5)）plot(n,y)ylabel(‘cos（pi*n/(23^0.5)’)gridgtext(‘n’)3.指数信号A function y = genexp( b, n0, L)%GENEXP generate an exponential signal:b^n% usage:Y = genexp(B,N0,L)% B input scalar giving ratio between terns% N0 starting index (integer)% L length of geberated signal% Y output signal Y(1:L)if( L <= 0 )error('GENEXP:length not positive')endnn = n0 + [1 : L]'-1; %---vector of indices y =b .^ nn;endn=0:9;x1=genexp(0.9,0,20)stem(n,x1,'b')B. function y=signal(a,n0,L)if(L<=0)error('SIGNAL:length not positive') endnn=n0+[1:L]'-1y=(1-a.^nn)/(1-a)endu1=genexp(0.9,0,21)ss(1)=0;for i=1:19ss(i+1)=u1(i)+ss(i);endss(19)nn=[1:21]'-1;a=0.9y=(1-a.^nn)/(1-a)C. format compact, subplot(111)n=0:20;m=1:21;x1=genexp(0.9,0,21)subplot(211)stem(n,x1,'b')sum(x1(:))grid,title('Test1_3_3_1')x2=0.9*genexp(0.9,0,21)subplot(212)stem(m,x2,'b')grid,title('Test1_3_3_2')四．结果分析1.正弦函数A.BCD3.A.B.x1 =1.00000.90000.81000.72900.65610.59050.53140.47830.43050.38740.34870.31380.28240.25420.22880.20590.18530.16680.15010.13510.1216ans =8.9058用题目所给公式所求结果为8.9058，结果一致。
信号处理综合实验报告(3篇)
第1篇一、实验目的1. 深入理解信号处理的基本原理和方法。
2. 掌握信号处理在各个领域的应用，如语音信号处理、图像处理等。
3. 熟悉实验设备的使用，提高实际操作能力。
4. 培养团队协作和问题解决能力。
二、实验内容本次实验主要分为以下几个部分：1. 语音信号处理（1）采集语音信号：使用麦克风采集一段语音信号，并将其转换为数字信号。
（2）频谱分析：对采集到的语音信号进行频谱分析，观察其频谱特性。
（3）噪声消除：设计并实现噪声消除算法，对含噪语音信号进行处理，提高信号质量。
（4）语音增强：设计并实现语音增强算法，提高语音信号的清晰度。
2. 图像处理（1）图像采集：使用摄像头采集一幅图像，并将其转换为数字图像。
（2）图像增强：对采集到的图像进行增强处理，如对比度增强、亮度增强等。
（3）图像滤波：设计并实现图像滤波算法，去除图像中的噪声。
（4）图像分割：设计并实现图像分割算法，将图像中的不同区域分离出来。
3. 信号处理算法实现（1）傅里叶变换：实现离散傅里叶变换（DFT）和快速傅里叶变换（FFT）算法，对信号进行频谱分析。
（2）小波变换：实现离散小波变换（DWT）算法，对信号进行时频分析。
（3）滤波器设计：设计并实现低通滤波器、高通滤波器、带通滤波器等，对信号进行滤波处理。
三、实验原理1. 语音信号处理（1）语音信号采集：通过麦克风将声音信号转换为电信号，再通过模数转换器（ADC）转换为数字信号。
（2）频谱分析：利用傅里叶变换将时域信号转换为频域信号，分析信号的频谱特性。
（3）噪声消除：采用噪声消除算法，如维纳滤波、谱减法等，去除信号中的噪声。
（4）语音增强：利用语音增强算法，如谱峰增强、长时能量增强等，提高语音信号的清晰度。
2. 图像处理（1）图像采集：通过摄像头将光信号转换为电信号，再通过模数转换器（ADC）转换为数字图像。
（2）图像增强：通过调整图像的亮度、对比度等参数，提高图像的可视效果。
（3）图像滤波：利用滤波器去除图像中的噪声，如均值滤波、中值滤波、高斯滤波等。
- 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)。
|H1(w)|
10 0 -10 -4 10 -3 -2 -1 0 W part image 1 2 3 4
image
0 -10 -0.5 -0.4 -0.3 -0.2 -0.1 0 w fudu 0.1 0.2 0.3 0.4 0.5
20 10 0 -0.5 -0.4 -0.3 -0.2 -0.1
0ห้องสมุดไป่ตู้
0.1
0.2
0.3
0.4
0.5
然后对 R 作图
n=-pi:0.01*pi:pi; L=12; r=asinc(n,L).*exp(-j*n*(L-1)/2); subplot(211);plot(n,abs(r)); grid ylabel('|r|'); gtext('w') n=0:12; r=ones(12,1); [X,W]=dtft(r,72); subplot(212); plot(W,abs(X)); ylabel('|x|'); gtext('w');
X (e )
j
n
x[ n ]e
j n
X [ n]
由以上公式知，离散时间傅里叶变换是 w 的周期复值函数，周期是 2 ， 并且 基周 期常选为[- , ].对离散时间傅里叶变换有两个问题： （1） DTFT 的定义对无限长信号是有效的。
1 2
X (e
15 10
|r|
5 0 -4
-3
-2
-1
0
1
2
3
4
20 10 0 -0.5 -0.4 -0.3 -0.2 -0.1
fudu
0
0.1
0.2
0.3
0.4
0.5
两者得到的图像类似，所以命题得证 b. 使用 dtft 函数计算 12 点脉冲信号的 DTFT。绘出在区间-π≤ω<π上对ω的 DTFT。把实 部和虚部分开绘出，但是注意这些图不是很有用。另绘出 DTFT 的幅度(参见 MATLAB 中 的 abs 函数） 。 选择频率样本的数量是脉冲长度的 5 到 10 倍， 以使绘出的图看上去平滑。 用不同数量的频率样本做实验。用不同数量的频率样本的频率样本做实验。绘图时，要 注 意 正 确 的 标 注 频 率 坐 标 轴 的 变 量 。
W=(2*pi/N)*[0:(N-1)]'; W=W-pi; H=asinc(W,L); plot(W,abs(H)); grid,title('MAGNITUDE RESPONSE') xlabel('NORMALIZED FREQUENCY'),ylabel('|H(W)|')
12 MAGNITUDE RESPONSE
15 DEGREES 10 5 0 -4 15 10 5 0 -5 -4
PHASE RESPONSE
200 100 0 -100
-2 0 2 4 NORMALIZED FREQUENCY REAL PART
-200 -4 10 5 0 -5
-2
0 IMAGE PART
2
4
-2
0
2
4
-10 -4
-2
j
)e jn d
（2） DTFT 是连续变量的 函数。 对于 第一个 问题， 我们不 可能使用 MATLAB 计算 无限长 信号的 DTFT。有 一个值 得 注意的例外情形，当能从变换定义式推导出解析式并只是计算它时，可以使用 MATLAB 计算无限长信号的 DTFT. 第二个问题是频率抽样问题。Matlab 擅长在有线网格点上计算 DTFT。通常选择足够多 的频率以使绘出的图平滑，逼近真实的 DTFT。对计算有利的最好选择是在（-π，π）区间 上一组均匀的隔开的频率，或者共轭对称变换选择【0，π】 ，采用上述抽样方法，DTFT 式 变为
指 导 教 师：________________________________
实验室名称：
数字信号处理实验室
哈尔滨工程大学实验室与资产管理处 制
实验二 离散时间傅里叶变换
实验要求
理解数值计算在离散时间傅里叶变换（DIFT）zh 哦那个的应用。
实验原理
经由正、 逆离散时间傅里叶变换表达的傅里叶表示式是信号分析的一个关键部分， 下面 是分析方程与综合方程。
移位。解释为什么幅度特性是ω的偶函数，而相位特性是ω的奇函数。 程序文件如下： a=[1,-0.9]; b=1; N=500; [X,W]=freqz(b,a,N); W=[-pi:0.1:pi]; X=freqz(b,a,W); subplot(211),plot(W,abs(X)); grid,title('fuzhi') xlabel('W'),ylabel('|X(w)|') subplot(212),plot(W,angle(X)); grid,title('angle') xlabel('W'),ylabel('angle')
%h:finite-length input vector whose length is L %N:number of frequencies for evaluation over [-pi,pi ) %==>constraint:N>=L %H:Dtft values
实验内容
1. 设矩形脉冲 r[n]由下式定义
a. 证明 r[n]的 DTFT 可由下面的数学表达式得出
该变换的第一项时常具有与 DTFT 相关的特殊形式，称为混叠 sinc 函数： 证明过程如下： L=30; n=0:L; y=ones(1,12); [X,W]=dtft(y,72); subplot(311),plot(W,real(X)); xlabel('W'),ylabel('real(H1)') xlabel('W'),ylabel('|H1(w)|'); grid,title('real part') subplot(312),plot(W/2/pi,imag(X)); xlabel('W'),ylabel('img(H1)') grid,title('image part') subplot(313),plot(W/2/pi,abs(X)); grid,title('fudu') xlabel('W'),ylabel('|H1(w)|');
X (e
jk
) X (e
j 2k / N
) x[n]e j ( 2k / N） , k 0,1,..., N 1
n
L 1
n 0
在对 DTFT 进行抽样时，并不要求 N=L，尽管通常由 DFT 进行计算时，如果 N=L 计算很 方便。
DTFT 的计算
Dtft 函数如下 Function[H,W]=dtft(h,N) %usage: %[H,W]=dtft(h,N)
哈尔滨工程大学
实
实 验 名 称： 班 学 姓
验
报
告
数字信号处理
级：________________________________ 号：________________________________ 名：________________________________
实 验 时 间：________________________________ 成 绩：________________________________
使用的有理形式， 容易计算这个 DTFT 的一组样本频率样本。 在一组离散频率上计算分母 函数，然后去除为常数 1 的分子。这一计算方法可推广用于的任意有理函数的 DTFT。此外， 分子和分母的计算都可以使用 FFT，因为二者实际上都是有限长度信号。因此，计算有理函 数等同于做两个 dtft 函数计算，MATLAB 的 freqz 函数中包含这种频域的计算。 之所以如此命名 MATLAB 的 freqz 函数，是因为它可以应用到 z 变换有理式上。 [HH,WW]=freqz(b.a,N,’whole’) 与 dtft 类似，freqz 有两个输出：变量数值（HH）和频率格点（WW） ，第四个输入参数 是可选择的，但如果将其设定为 whole,则输出变量 WW 指定频率格点得范围是从ω=0 到ω =2π，如果省略带四个参数，频率格点有 区间上等距离的 N 顶组成 4. 指数信号 对于信号 x[n]=,使用 freqz 函数计算其 DTFTX(). a. 对于ω在区间-π≤ω<π上绘出幅度与相位特性。 这需要从 freqz 返回的[X,W]向量的
10 fuzhi
|X(w)|
5
0 -4
-3
-2
-1
2 1
0 W angle
1
2
3
4
angle
0 -1 -2 -4 -3 -2 -1 0 W 1 2 3 4
指数函数的 DTFT 公式,写出这个函数的幅值和相位，可知这个函数的幅值和相 位分别为奇函数和偶函数 b. 推算一阶系统的幅度特性与相位特性的表示式。 一阶系统的单位冲击响应表达式为，由这个表达式可以得到异界系统的幅度特性和 相位特性。幅度的表达式为： ，相位的表达式为： c. 直接以这些表达式来计算幅度特性与相位特性，并于 freqz 函数计算出的结果相对 比。 程序文件如下： w=-4:0.05:4; y=1./(1-0.9.*exp(-j.*w)); subplot(211),plot(w,angle(y)),grid,title('angle'); xlabel('w'),ylabel('angle'); subplot(212),plot(w,abs(y)),grid,title('fuzhi'); xlabel('w'),ylabel('abs');