信号处理实验五报告
信号实训报告总结
一、实训目的本次信号实训旨在通过模拟和实验，加深我们对信号传输、处理与接收原理的理解，提高实际操作能力，培养团队协作精神。
实训内容涵盖了信号的产生、传输、调制、解调、滤波等基本环节，使我们对信号处理系统的基本原理有了更深入的认识。
二、实训内容1. 信号的产生与传输实训中，我们学习了正弦波、方波、三角波等基本信号的产生方法，掌握了信号发生器的基本操作。
通过实验，我们了解了信号在传输过程中的衰减、干扰等问题，以及如何通过放大器、滤波器等设备改善信号质量。
2. 信号的调制与解调实训中，我们学习了模拟调制和数字调制的基本原理，包括调幅（AM）、调频（FM）和调相（PM）等调制方式。
通过实验，我们掌握了调制和解调的基本步骤，以及如何根据实际需求选择合适的调制方式。
3. 信号的滤波与恢复实训中，我们学习了滤波器的基本原理和分类，包括低通、高通、带通和带阻滤波器。
通过实验，我们掌握了滤波器的参数设置和性能分析，以及如何根据信号特点选择合适的滤波器。
4. 信号接收与处理实训中，我们学习了信号接收的基本原理，包括天线、放大器、解调器等设备的作用。
通过实验，我们了解了信号接收过程中的干扰、噪声等问题，以及如何通过抗干扰技术提高信号接收质量。
三、实训过程1. 实验准备在实训开始前，我们首先了解了实训设备的性能和操作方法，熟悉了实验原理和步骤。
在指导老师的帮助下，我们制定了详细的实验方案，明确了实验目标。
2. 实验操作在实验过程中，我们严格按照实验步骤进行操作，注意观察实验现象，记录实验数据。
在遇到问题时，及时与指导老师沟通，寻求帮助。
3. 数据分析实验结束后，我们对实验数据进行整理和分析，通过图表等形式展示实验结果。
根据实验数据，我们对实验现象进行了深入分析，总结了实验经验。
四、实训结果1. 通过本次实训，我们对信号传输、处理与接收原理有了更深入的认识，掌握了信号处理系统的基本操作。
2. 实验过程中，我们学会了如何根据实际需求选择合适的调制方式、滤波器等设备，提高了信号处理能力。
数字信号处理实验报告
实验一 信号、系统及系统响应一、实验目的1、熟悉理想采样的性质，了解信号采样前后的频谱变化，加深对时域采样定理的理解。
2、熟悉离散信号和系统的时域特性。
3、熟悉线性卷积的计算编程方法：利用卷积的方法，观察、分析系统响应的时域特性。
4、掌握序列傅里叶变换的计算机实现方法，利用序列的傅里叶变换对离散信号、系统及其系统响应进行频域分析。
二、 实验原理1.理想采样序列：对信号x a (t)=A e −αt sin(Ω0t )u(t)进行理想采样，可以得到一个理想的采样信号序列x a (t)=A e −αt sin(Ω0nT ),0≤n ≤50，其中A 为幅度因子，α是衰减因子，Ω0是频率，T 是采样周期。
2.对一个连续时间信号x a (t)进行理想采样可以表示为该信号与一个周期冲激脉冲的乘积，即x ̂a (t)= x a (t)M(t),其中x ̂a (t)是连续信号x a (t)的理想采样；M(t)是周期冲激M(t)=∑δ+∞−∞(t-nT)=1T ∑e jm Ωs t +∞−∞,其中T 为采样周期，Ωs =2π/T 是采样角频率。
信号理想采样的傅里叶变换为X ̂a (j Ω)=1T ∑X a +∞−∞[j(Ω−k Ωs )],由此式可知：信号理想采样后的频谱是原信号频谱的周期延拓，其延拓周期为Ωs =2π/T 。
根据时域采样定理，如果原信号是带限信号，且采样频率高于原信号最高频率分量的2倍，则采样以后不会发生频率混叠现象。
三、简明步骤产生理想采样信号序列x a (n),使A=444.128，α=50√2π，Ω0=50√2π。
（1） 首先选用采样频率为1000HZ ，T=1/1000，观察所得理想采样信号的幅频特性，在折叠频率以内和给定的理想幅频特性无明显差异，并做记录；（2） 改变采样频率为300HZ ，T=1/300，观察所得到的频谱特性曲线的变化，并做记录；（3） 进一步减小采样频率为200HZ ，T=1/200，观察频谱混淆现象是否明显存在，说明原因，并记录这时候的幅频特性曲线。
信号实验报告南理工
本次实验旨在通过实际操作加深对信号处理基本理论的理解，掌握信号频谱分析的方法，学习不同窗函数对信号频谱的影响，以及采样定理在信号处理中的应用。
通过实验，培养学生动手能力、分析问题和解决问题的能力。
二、实验原理1. 信号频谱分析：利用傅里叶变换将信号从时域转换为频域，分析信号的频率成分和能量分布。
2. 窗函数：在信号截取过程中，窗函数用于减少截取信号边缘的泄漏效应，提高频谱分析的准确性。
3. 采样定理：奈奎斯特采样定理指出，为了无失真地恢复原信号，采样频率应大于信号最高频率的两倍。
三、实验设备与软件1. 实验设备：示波器、信号发生器、计算机等。
2. 实验软件：MATLAB、Simulink等。
四、实验内容1. 信号频谱分析：（1）定义一个离散信号x[n]，计算其频谱X[k]。
（2）分别采用矩形窗、汉宁窗、汉明窗对信号进行截取，计算截取信号的频谱。
（3）比较不同窗函数对信号频谱的影响。
2. 采样定理验证：（1）根据奈奎斯特采样定理，确定信号的最大采样间隔和最小采样点数。
（2）通过改变采样点数，观察频谱变化，验证采样定理。
3. 周期性信号的DFT分析：（1）计算信号x[n]的周期T。
（2）通过补零和截取信号，分析周期性信号的DFT。
1. 在MATLAB中定义离散信号x[n]，并计算其频谱X[k]。
2. 分别采用矩形窗、汉宁窗、汉明窗对信号进行截取，计算截取信号的频谱。
3. 比较不同窗函数对信号频谱的影响。
4. 根据奈奎斯特采样定理，确定信号的最大采样间隔和最小采样点数。
5. 改变采样点数，观察频谱变化，验证采样定理。
6. 计算信号x[n]的周期T，通过补零和截取信号，分析周期性信号的DFT。
六、实验结果与分析1. 信号频谱分析：通过实验，发现不同窗函数对信号频谱的影响不同。
矩形窗频谱泄漏严重，汉宁窗和汉明窗能较好地抑制泄漏。
2. 采样定理验证：实验结果表明，当采样点数小于最小采样点数时，频谱发生严重混叠；当采样点数等于最小采样点数时，频谱能够无失真地恢复原信号。
数字信号处理实验五
实验五：抽样定理一、实验目的1、了解用MA TLAB 语言进行时域、频域抽样及信号重建的方法。
2、进一步加深对时域、频域抽样定理的基本原理的理解。
3、观察信号抽样与恢复的图形，掌握采样频率的确定方法和内插公式的编程方法。
二、实验内容及步骤1、阅读并输入实验原理中介绍的例题程序，观察输出的数据和图形，结合基本原理理解每一条语句的含义。
2、已知一个连续时间信号f(t)=sinc(t)，取最高有限带宽频率f m =1Hz 。
（1）分别显示原连续信号波形和F s =f m 、F s =2f m 、F s =3f m 三种情况下抽样信号的波形；dt=0.1;f0=1;T0=1/f0; fm=1;Tm=1/fm; t=-2:dt:2; f=sinc(t);subplot(4,1,1);plot(t,f);axis([min(t),max(t),1.1*min(f),1.1*max(f)]); title('原连续信号和抽样信号'); for i=1:3;fs=i*fm;Ts=1/fs; n=-2:Ts:2; f=sinc(n);subplot(4,1,i+1);stem(n,f,'filled');axis([min(n),max(n),1.1*min(f),1.1*max(f)]);课程名称 数字信号处理 实验成绩 指导教师实 验 报 告院系 信息工程学院 班级 学号 姓名 日期end-2-1.5-1-0.50.511.5200.51原连续信号和抽样信号（2）求解原连续信号和抽样信号的幅度谱； dt=0.1;f0=1;T0=1/f0; fm=1;Tm=1/fm; t=-2:dt:2; N=length(t); f=sinc(t); wm=2*pi*fm; k=0:N-1; w1=k*wm/N; F1=f*exp(-j*t'*w1)*dt;subplot(4,1,1);plot(w1/(2*pi),abs(F1));axis([0,max(4*fm),1.1*min(abs(F1)),1.1*max(abs(F1))]); for i=1:3;if i<=2 c=0;else c=1;end fs=(i+c)*fm;Ts=1/fs; n=-2:Ts:2; N=length(n); f=sinc(n); wm=2*pi*fs; k=0:N-1; w=k*wm/N; F=f*exp(-j*n'*w)*Ts;subplot(4,1,i+1);plot(w/(2*pi),abs(F));axis([0,max(4*fm),1.1*min(abs(F)),1.1*max(abs(F))]); end00.511.522.533.540.20.40.60.811.200.511.522.533.54012（3）用时域卷积的方法（内插公式）重建信号。
调幅信号处理实验报告
一、实验目的1. 理解调幅信号的基本原理和特点。
2. 掌握调幅信号的解调方法。
3. 通过实验加深对调幅信号处理技术的理解。
二、实验原理调幅（AM）信号是指载波的幅度随信息信号的变化而变化的一种调制方式。
调幅信号可以表示为：\[ s(t) = (A + m(t)) \cos(2\pi f_c t) \]其中，\( A \) 为载波幅度，\( m(t) \) 为信息信号，\( f_c \) 为载波频率。
解调是指从调幅信号中恢复出原始信息信号的过程。
常见的解调方法有包络检波、相干解调和鉴频器等。
三、实验设备与软件1. 实验设备：信号发生器、示波器、函数信号发生器、频率计等。
2. 实验软件：MATLAB、Simulink等。
四、实验内容与步骤1. 调幅信号的产生（1）使用信号发生器产生一个频率为 \( f_c \) 的正弦波作为载波信号。
（2）使用函数信号发生器产生一个频率为 \( f_m \) 的正弦波作为信息信号。
（3）将载波信号与信息信号相乘，得到调幅信号。
（4）使用示波器观察调幅信号的波形。
2. 调幅信号的解调（1）使用包络检波器对调幅信号进行解调。
（2）使用相干解调器对调幅信号进行解调。
（3）使用鉴频器对调幅信号进行解调。
（4）使用示波器观察解调后的信号波形。
3. 实验数据分析（1）分析调幅信号的波形特点，包括幅度、频率和相位等。
（2）分析解调后的信号波形，比较不同解调方法的效果。
（3）计算解调后的信号与原始信息信号的相似度。
五、实验结果与分析1. 调幅信号的波形通过实验观察，调幅信号的波形为载波信号与信息信号的乘积。
在时域上，调幅信号的波形具有以下特点：（1）幅度随信息信号的变化而变化。
（2）频率与载波频率相同。
（3）相位在载波信号的基础上发生变化。
2. 解调信号的波形通过实验观察，不同解调方法的解调信号波形如下：（1）包络检波：解调后的信号波形与信息信号相似，但存在相位失真。
（2）相干解调：解调后的信号波形与信息信号相似，相位失真较小。
数字信号处理实验报告
数字信号处理实验报告引言数字信号处理（Digital Signal Processing，DSP）是一门研究数字信号的获取、分析、处理和控制的学科。
在现代科技发展中，数字信号处理在通信、图像处理、音频处理等领域起着重要的作用。
本次实验旨在通过实际操作，深入了解数字信号处理的基本原理和实践技巧。
实验一：离散时间信号的生成与显示在实验开始之前，我们首先需要了解信号的生成与显示方法。
通过数字信号处理器（Digital Signal Processor，DSP）可以轻松生成和显示各种类型的离散时间信号。
实验设置如下：1. 设置采样频率为8kHz。
2. 生成一个正弦信号：频率为1kHz，振幅为1。
3. 生成一个方波信号：频率为1kHz，振幅为1。
4. 将生成的信号通过DAC（Digital-to-Analog Converter）输出到示波器上进行显示。
实验结果如下图所示：（插入示波器显示的正弦信号和方波信号的图片）实验分析：通过示波器的显示结果可以看出，正弦信号在时域上呈现周期性的波形，而方波信号则具有稳定的上下跳变。
这体现了正弦信号和方波信号在时域上的不同特征。
实验二：信号的采样和重构在数字信号处理中，信号的采样是将连续时间信号转化为离散时间信号的过程，信号的重构则是将离散时间信号还原为连续时间信号的过程。
在实际应用中，信号的采样和重构对信号处理的准确性至关重要。
实验设置如下：1. 生成一个正弦信号：频率为1kHz，振幅为1。
2. 设置采样频率为8kHz。
3. 对正弦信号进行采样，得到离散时间信号。
4. 对离散时间信号进行重构，得到连续时间信号。
5. 将重构的信号通过DAC输出到示波器上进行显示。
实验结果如下图所示：（插入示波器显示的连续时间信号和重构信号的图片）实验分析：通过示波器的显示结果可以看出，重构的信号与原信号非常接近，并且能够还原出原信号的形状和特征。
这说明信号的采样和重构方法对于信号处理的准确性有着重要影响。
工程信号处理实验报告
工程信号处理实验报告一、引言工程信号处理是一门应用广泛的学科，它涉及到从各种传感器和设备中获取信号，并对这些信号进行处理和分析的技术。
在实际工程应用中，信号处理的重要性不言而喻。
本实验旨在通过实际操作，探索和了解工程信号处理的基本原理和方法。
二、实验设备与方法本次实验使用了信号发生器、示波器和计算机等设备。
首先，我们使用信号发生器产生了一个正弦信号，并将其输入示波器进行观测。
然后，我们将示波器输出的信号通过数据线连接到计算机上，使用MATLAB软件进行信号处理和分析。
三、信号的采集与观测在实验开始时，我们调整了信号发生器的频率和幅度，产生了一个频率为1kHz、幅度为2V的正弦信号。
将示波器的输入通道与信号发生器相连后，我们可以清晰地观察到信号的波形和频谱特征。
四、信号的处理与分析接下来，我们将示波器输出的信号通过数据线连接到计算机上，打开MATLAB软件进行进一步的信号处理和分析。
首先，我们使用MATLAB中的fft函数对信号进行傅里叶变换，得到信号的频谱图。
通过观察频谱图，我们可以清晰地看到信号的频率成分和能量分布情况。
然后，我们对信号进行滤波处理。
通过设计滤波器，我们可以选择性地去除信号中的某些频率成分，或者增强信号中的某些频率成分。
在本实验中，我们选择了一个低通滤波器，将信号中高于500Hz的频率成分滤除。
通过对滤波后的信号进行观察和比较，我们可以发现信号的高频成分被有效地去除了。
此外，我们还对信号进行了时域分析。
通过对信号进行采样和重构，我们可以得到信号的离散时间序列。
然后，我们使用MATLAB中的相关函数计算信号的自相关函数和互相关函数。
通过观察相关函数的图像，我们可以了解信号的自相关性和互相关性。
五、实验结果与讨论通过实验，我们成功地进行了信号的采集、观测和处理。
通过观察信号的频谱图，我们可以清楚地了解信号的频率成分和能量分布情况。
通过滤波处理，我们可以选择性地去除或增强信号中的某些频率成分。
信号处理实验报告小结(3篇)
第1篇一、实验背景信号处理是电子工程、通信工程、自动控制等领域的基础课程。
通过信号处理实验，可以使学生深入理解信号处理的基本原理和方法，提高实际操作能力和问题解决能力。
本次实验旨在让学生熟悉信号处理的基本操作，掌握信号的时域分析、频域分析、滤波技术以及信号恢复方法。
二、实验目的1. 熟悉信号处理软件（如MATLAB）的使用方法；2. 掌握信号的时域分析、频域分析、滤波技术以及信号恢复方法；3. 培养学生分析问题和解决问题的能力。
三、实验内容1. 信号时域分析（1）信号的基本运算：信号的加减、乘除、微分、积分等；（2）信号的波形显示：使用MATLAB绘制信号的时域波形；（3）信号的频谱分析：使用MATLAB绘制信号的频谱图。
2. 信号频域分析（1）信号的快速傅里叶变换（FFT）：使用MATLAB实现信号的FFT变换；（2）信号的频谱分析：使用MATLAB绘制信号的频谱图；（3）信号的频谱滤波：使用MATLAB实现信号的频谱滤波。
3. 信号滤波技术（1）低通滤波器：使用MATLAB实现低通滤波器的设计和实现；（2）高通滤波器：使用MATLAB实现高通滤波器的设计和实现；（3）带通滤波器：使用MATLAB实现带通滤波器的设计和实现；（4）滤波器性能分析：分析滤波器的频率响应、幅频特性、相频特性等。
4. 信号恢复方法（1）信号重建：使用MATLAB实现信号的重建；（2）信号压缩：使用MATLAB实现信号的压缩；（3）信号恢复：使用MATLAB实现信号的恢复。
四、实验结果与分析1. 信号时域分析通过实验，我们成功绘制了信号的时域波形，分析了信号的基本运算和波形变化。
同时，我们还对信号的频谱进行了分析，了解了信号的频率成分。
2. 信号频域分析通过FFT变换，我们成功实现了信号的频谱分析，绘制了信号的频谱图。
实验结果表明，信号的频谱分布与信号的时域波形密切相关。
3. 信号滤波技术通过设计低通、高通、带通滤波器，我们实现了信号的滤波。
《语音信号处理》实验5-DTW算法实现及语音模板匹配
华南理工大学《语音信号处理》实验报告实验名称：DTW算法实现及语音模板匹配姓名：学号：班级：10级电信5班日期：2013年6 月17日一、实验目的运用课堂上所学知识以及matlab工具，利用DTW(Dynamic Time Warping，动态时间规整)算法，进行说话者的语音识别。
二、实验原理1、语音识别系统概述一个完整特定人语音识别系统的方案框图如图1所示。
输入的模拟语音信号首先要进行预处理，包括预滤波、采样和量化、加窗、端点检测、预加重等,然后是参数特征量的提取。
提取的特征参数满足如下要求：(1)特征参数能有效地代表语音特征,具有很好的区分性；(2)参数间有良好的独立性；(3)特征参数要计算方便,要考虑到语音识别的实时实现。
图1 语音识别系统方案框图语音识别的过程可以被看作模式匹配的过程，模式匹配是指根据一定的准则，使未知模式与模型库中的某一个模型获得最佳匹配的过程。
模式匹配中需要用到的参考模板通过模板训练获得。
在训练阶段，将特征参数进行一定的处理后，为每个词条建立一个模型，保存为模板库。
在识别阶段，语音信号经过相同的通道得到语音特征参数，生成测试模板，与参考模板进行匹配，将匹配分数最高的参考模板作为识别结果。
2、语音信号的处理1、语音识别的DTW算法本设计中，采用DTW算法，该算法基于动态规划(DP)的思想解决了发音长短不一的模板匹配问题，在训练和建立模板以及识别阶段，都先采用端点检测算法确定语音的起点和终点。
在本设计当中，我们建立的参考模板，m为训练语音帧的时序标号，M为该模板所包含的语音帧总数，R(m)为第m帧的语音特征矢量。
所要识别的输入词条语音称为测试模板，n为测试语音帧的时序标号，N为该模板所包含的语音帧总数，T(n)为第n帧的语音特征矢量。
参考模板和测试模板一般都采用相同类型的特征矢量(如LPCC系数)、相同的帧长、相同的窗函数和相同的帧移。
考虑到语音中各段在不同的情况下持续时间会产生或长或短的变化，因而更多地是采用动态规划DP的方法。
信号处理实训报告
随着科技的不断发展，信号处理技术在各个领域得到了广泛应用。
为了提高我们对信号处理理论知识的理解和实际操作能力，我们开展了信号处理实训。
本次实训旨在通过实际操作，加深对信号处理基本理论、算法和技术的理解，并掌握信号处理软件的使用方法。
二、实训目标1. 掌握信号处理的基本概念、原理和方法；2. 熟练运用MATLAB等软件进行信号处理实验；3. 提高信号分析与处理的能力；4. 培养团队协作精神和创新能力。
三、实训内容1. 信号处理基本理论（1）信号分类：模拟信号、数字信号、离散信号等；（2）信号处理基本概念：采样、量化、滤波、频谱分析等；（3）信号处理基本方法：傅里叶变换、Z变换、拉普拉斯变换等。
2. MATLAB软件操作（1）MATLAB界面及基本操作；（2）MATLAB编程基础；（3）信号处理工具箱使用。
3. 信号处理实验（1）模拟信号与数字信号的转换；（2）信号滤波；（3）频谱分析；（4）信号压缩与恢复。
1. 实训准备（1）了解实训内容，查阅相关资料；（2）熟悉MATLAB软件，学习编程基础；（3）组建团队，明确分工。
2. 实训实施（1）模拟信号与数字信号的转换实验通过实验，我们掌握了采样定理、量化误差等概念，了解了模拟信号与数字信号之间的关系。
（2）信号滤波实验通过实验，我们学会了使用MATLAB进行滤波器设计，掌握了低通、高通、带通、带阻等滤波器的基本原理和实现方法。
（3）频谱分析实验通过实验，我们了解了频谱分析的基本原理，学会了使用MATLAB进行频谱分析，掌握了频谱分析在信号处理中的应用。
（4）信号压缩与恢复实验通过实验，我们掌握了信号压缩与恢复的基本方法，了解了压缩感知、波束形成等技术在信号处理中的应用。
3. 实训总结（1）团队协作：在实训过程中，我们学会了与他人沟通、协作，共同完成任务；（2）创新能力：在实验过程中，我们积极思考，提出改进方案，提高了创新能力；（3）实践能力：通过实际操作，我们加深了对信号处理理论知识的理解，提高了实践能力。
数字信号处理实验报告1-5
实验一时域离散信号的产生及时域处理实验目的：了解Matlab软件数字信号处理工具箱的初步使用方法。
掌握其简单的Matlab语言进行简单的时域信号分析。
实验内容：[1.1]已知两序列x1=[0,1,2,3,4,3,2,1,0];n1=[-2:6];x2=[2,2,0,0,0,-2,-2],n2=[2:8].求他们的和ya及乘积yp. 程序如下：x1=[0,1,2,3,4,3,2,1,0];ns1=-2;x2=[2,2,0,0,0,-2,-2];ns2=2;nf1=ns1+length(x1)-1;nf2=ns2+length(x2)-1;ny=min(ns1,ns2):max(nf1,nf2);xa1=zeros(1,length(ny));xa2=xa1;xa1(find((ny>=ns1)&(ny<=nf1)==1))=x1;xa2(find((ny>=ns2)&(ny<=nf2)==1))=x2;ya=xa1+xa2yp=xa1.*xa2subplot(4,4,1),stem(ny,xa1,'.')subplot(4,1,2),stem(ny,xa2,'.')line([ny(1),ny(end)],[0,0])subplot(4,1,3),stem(ny,ya,'.')line([ny(1),ny(end)],[0,0])subplot(4,1,4),stem(ny,yp,'.')line([ny(1),ny(end)],[0,0])[1.2]编写产生矩形序列的程序。
并用它截取一个复正弦序列，最后画出波形。
程序如下：clear;close alln0=input('输入序列起点:n0=');N=input('输入序列长度:N=');n1=input('输入位移:n1=');n=n0:n1+N+5;u=[(n-n1)>=0];x1=[(n-n1)>=0]-[(n-n1-N)>=0];x2=[(n>=n1)&(n<(N+n1))];x3=exp(j*n*pi/8).*x2;subplot(2,2,1);stem(n,x1,'.');xlabel('n');ylabel('x1(n)');axis([n0,max(n),0,1]);subplot(2,2,3);stem(n,x2,'.');xlabel('n');ylabel('x2(n)');axis([n0,max(n),0,1]);subplot(2,2,2);stem(n,real(x3),'.'); xlabel('n');ylabel('x3(n)的实部');line([n0,max(n)],[0,0]);axis([n0,max(n),-1,1]);subplot(2,2,4);stem(n,imag(x3),'.'); xlabel('n');ylabel('x3(n)的虚部');line([n0,max(n)],[0,0]);axis([n0,max(n),-1,1]);[1.3]利用已知条件，利用MATLAB生成图形。
数字信号处理实验报告
数字信号处理实验报告
数字信号处理是指利用数字技术对模拟信号进行采样、量化、编码等处理后，再通过数字信号处理器进行数字化处理的技术。
在数字信号处理实验中，我们通过对数字信号进行滤波、变换、解调等处理，来实现信号的处理和分析。
在实验中，我们首先进行了数字信号采集和处理的基础实验，采集了包括正弦信号、方波信号、三角波信号等在内的多种信号，并进行了采样、量化、编码等处理。
通过这些处理，我们可以将模拟信号转换为数字信号，并对其进行后续处理。
接着，我们进行了数字信号滤波的实验。
滤波是指通过滤波器对数字信号进行处理，去除其中的噪声、干扰信号等不需要的部分，使其更加纯净、准确。
在实验中，我们使用了低通滤波器、高通滤波器、带通滤波器等多种滤波器进行数字信号滤波处理，得到了更加干净、准确的信号。
除了滤波，我们还进行了数字信号变换的实验。
数字信号变换是指将数字信号转换为另一种表示形式的技术，可以将信号从时域转换到频域，或者从离散域转换到连续域。
在实验中，我们使用了傅里叶变换、离散傅里叶变换等多种变换方式，对数字信号进行了变换处理，得到了信号的频谱信息和其他相关参数。
我们进行了数字信号解调的实验。
数字信号解调是指将数字信号转换为模拟信号的技术，可以将数字信号还原为原始信号，并进行后续处理。
在实验中，我们使用了频率解调、相干解调等多种解调方式，将数字信号转换为模拟信号，并对其进行了分析和处理。
总的来说，数字信号处理实验是一项非常重要的实验，可以帮助我们更好地理解数字信号处理的原理和方法，为我们今后从事相关领域的研究和工作打下坚实的基础。
硕士信号处理实验报告(3篇)
第1篇一、实验背景随着信息技术的飞速发展，数字信号处理（DSP）技术已成为通信、图像处理、语音识别等领域的重要工具。
本实验旨在通过一系列实验，加深对数字信号处理基本原理和方法的理解，提高实际应用能力。
二、实验目的1. 理解数字信号处理的基本概念和原理。
2. 掌握常用信号处理算法的MATLAB实现。
3. 培养分析和解决实际问题的能力。
三、实验内容本实验共分为五个部分，具体如下：1. 离散时间信号的基本操作（1）实验目的：熟悉离散时间信号的基本操作，如加法、减法、乘法、除法、延时、翻转等。
（2）实验步骤：- 使用MATLAB生成两个离散时间信号。
- 对信号进行基本操作，如加法、减法、乘法、除法、延时、翻转等。
- 观察并分析操作结果。
2. 离散时间系统的时域分析（1）实验目的：掌握离散时间系统的时域分析方法，如单位脉冲响应、零状态响应、零输入响应等。
（2）实验步骤：- 使用MATLAB设计一个离散时间系统。
- 计算系统的单位脉冲响应、零状态响应和零输入响应。
- 分析系统特性。
（1）实验目的：掌握离散时间信号的频域分析方法，如快速傅里叶变换（FFT）、离散傅里叶变换（DFT）等。
（2）实验步骤：- 使用MATLAB生成一个离散时间信号。
- 对信号进行FFT和DFT变换。
- 分析信号频谱。
4. 数字滤波器的设计与实现（1）实验目的：掌握数字滤波器的设计与实现方法，如巴特沃斯滤波器、切比雪夫滤波器、椭圆滤波器等。
（2）实验步骤：- 使用MATLAB设计一个低通滤波器。
- 使用窗函数法实现滤波器。
- 对滤波器进行性能分析。
5. 信号处理在实际应用中的案例分析（1）实验目的：了解信号处理在实际应用中的案例分析，如语音信号处理、图像处理等。
（2）实验步骤：- 选择一个信号处理应用案例。
- 分析案例中使用的信号处理方法。
- 总结案例中的经验和教训。
四、实验结果与分析1. 离散时间信号的基本操作实验结果表明，离散时间信号的基本操作简单易懂，通过MATLAB可以实现各种操作，方便快捷。
语音信号处理实验报告
实验报告一、 实验目的、要求（1）掌握语音信号采集的方法（2）掌握一种语音信号基音周期提取方法（3）掌握短时过零率计算方法（4）了解Matlab 的编程方法二、 实验原理基本概念:（a ）短时过零率:短时内, 信号跨越横轴的情况, 对于连续信号, 观察语音时域波形通过横轴的情况；对于离散信号, 相邻的采样值具有不同的代数符号, 也就是样点改变符号的次数。
对于语音信号, 是宽带非平稳信号, 应考察其短时平均过零率。
其中sgn[.]为符号函数⎪⎩⎪⎨⎧<=>=0 x(n)-1sgn(x(n))0 x(n)1sgn(x(n))短时平均过零的作用1.区分清/浊音:浊音平均过零率低, 集中在低频端；清音平均过零率高, 集中在高频端。
2.从背景噪声中找出是否有语音, 以及语音的起点。
（b ）基音周期基音是发浊音时声带震动所引起的周期性, 而基音周期是指声带震动频率的倒数。
基音周期是语音信号的重要的参数之一, 它描述语音激励源的一个重要特征, 基音周期信息在多个领域有着广泛的应用, 如语音识别、说话人识别、语音分析与综合以及低码率语音编码, 发音系统疾病诊断、听觉残障者的语音指导等。
因为汉语是一种有调语言, 基音的变化模式称为声调, 它携带着非常重要的具有辨意作用的信息, 有区别意义的功能, 所以, 基音的提取和估计对汉语更是一个十分重要的问题。
由于人的声道的易变性及其声道持征的因人而异, 而基音周期的范围又很宽, 而同—个人在不同情态下发音的基音周期也不同, 加之基音周期还受到单词∑--=-=10)]1(sgn[)](sgn[21N m n n n m x m x Z发音音调的影响, 因而基音周期的精确检测实际上是一件比较困难的事情。
基音提取的主要困难反映在: ①声门激励信号并不是一个完全周期的序列, 在语音的头、尾部并不具有声带振动那样的周期性, 有些清音和浊音的过渡帧是很难准确地判断是周期性还是非周期性的。
数字信号处理实验五用DFT(FFT)对信号进行频谱分析
开课学院及实验室：电子楼3172018年 4月 29 日3()x n ：用14()()x n R n =以8为周期进行周期性延拓形成地周期序列.(1> 分别以变换区间N ＝8,16,32,对14()()x n R n =进行DFT(FFT>,画出相应地幅频特性曲线；(2> 分别以变换区间N ＝4,8,16,对x 2(n >分别进行DFT(FFT>,画出相应地幅频特性曲线； (3> 对x 3(n >进行频谱分析,并选择变换区间,画出幅频特性曲线.<二）连续信号 1. 实验信号：1()()x t R t τ=选择 1.5ms τ=,式中()R t τ地波形以及幅度特性如图7.1所示.2()sin(2/8)x t ft ππ=+式中频率f 自己选择.3()cos8cos16cos 20x t t t t πππ=++2. 分别对三种模拟信号选择采样频率和采样点数.对1()x t ()R t τ=,选择采样频率4s f kHz =,8kHz ,16kHz ,采样点数用τ.s f 计算.对2()sin(2/8)x t ft ππ=+,周期1/T f =,频率f 自己选择,采样频率4s f f =,观测时间0.5p T T =,T ,2T ,采样点数用p s T f 计算.图5.1 R(t>地波形及其幅度特性对3()cos8cos16cos 20x t t t t πππ=++,选择采用频率64s f Hz =,采样点数为16,32,64. 3. 分别对它们转换成序列,按顺序用123(),(),()x n x n x n 表示.4. 分别对它们进行FFT.如果采样点数不满足2地整数幂,可以通过序列尾部加0满足.5. 计算幅度特性并进行打印.五、实验过程原始记录<数据、图表、计算等）(一> 离散信号%14()()x n R n = n=0:1:10。
数字信号处理--实验五-用DFT(FFT)对信号进行频谱分析
学生实验报告开课学院及实验室：电子楼3172013年4月29日、实验目的学习DFT 的基本性质及对时域离散信号进行频谱分析的方法，进一步加深对频域概念和数字频率的理解，掌握 MATLAB 函数中FFT 函数的应用。
二、实验原理离散傅里叶变换(DFT)对有限长时域离散信号的频谱进行等间隔采样，频域函数被离散化了, 便于信号的计算机处理。
设x(n)是一个长度为 M 的有限长序列，x(n)的N 点傅立叶变换:X(k)N 1j 三 knDFT[x(n)]N x(n)e N0 k N 1n 0其中WNe.2 jN，它的反变换定义为:1X(n)NkN 1nkX(k)W N0 令z W N k，X(zz WN k则有:N 1x( n)Wj kn 0可以得到，X(k)X(Z)Z WN kZ W N*是Z 平面单位圆上幅角为2kN 的点，就是将单位圆进行N 等分以后第 K 个点。
所以, X(K)是Z 变换在单位圆上的等距采样，或者说是序列傅立叶变换的等距采样。
时域采样在满足Nyquist 定理时，就不会发生频谱混叠。
DFT 是对序列傅立叶变换的等距采样，因此可以用于序列的频谱分析。
如果用FFT 对模拟信号进行谱分析，首先要把模拟信号转换成数字信号，转换时要求知道模拟 信号的最高截至频率，以便选择满足采样定理的采样频率。
般选择采样频率是模拟信号中最高频率的3~4倍。
另外要选择对模拟信号的观测时间，如果采样频率和观测时间确定，则采样点数也确定 了。
这里观测时间和对模拟信号进行谱分析的分辨率有关,最小的观测时间和分辨率成倒数关系。
最小的采样点数用教材相关公式确定。
要求选择的采样点数和观测时间大于它的最小值。
如果要进行谱分析的模拟信号是周期信号,最好选择观测时间是信号周期的整数倍。
如果不知道■ 厂1*1IE向i1A I1f Ii i 0r 1 疋0Jfb-4W0 70000图5.1 R(t)的波形及其幅度特性xn=[on es(1,4),zeros(1,7)];%输入时域序列向量 xn=R4( n)%计算xn 的8点DFTXk16=fft(x n,16);%计算xn 的16点DFTXk32=fft(x n,32); %计算xn 的32点DFTk=0:7;wk=2*k/8;对 x 3(t) cos8 t cos16 t cos20 t ，选择采用频率 f s 64Hz ，采样点数为 16 , 32 , 64。
数字信号的实验报告总结
一、实验背景数字信号处理是现代通信、电子技术、计算机科学等领域的重要基础。
随着科技的不断发展，数字信号处理技术已经广泛应用于各个领域。
为了更好地理解和掌握数字信号处理技术，我们进行了数字信号实验，通过实验加深对数字信号处理理论知识的理解和实际应用。
二、实验目的1. 理解数字信号与模拟信号的区别，掌握数字信号的基本特性。
2. 掌握数字信号的采样、量化、编码等基本过程。
3. 熟悉数字信号处理的基本方法，如滤波、变换等。
4. 提高动手实践能力，培养创新意识。
三、实验内容1. 数字信号的产生与观察首先，我们通过实验软件生成了一些基本的数字信号，如正弦波、方波、三角波等。
然后，观察这些信号在时域和频域上的特性，并与模拟信号进行对比。
2. 数字信号的采样与量化根据奈奎斯特采样定理，我们选取合适的采样频率对模拟信号进行采样。
在实验中，我们设置了不同的采样频率，观察信号在时域和频域上的变化，验证采样定理的正确性。
同时，我们还对采样信号进行了量化，观察量化误差对信号的影响。
3. 数字信号的编码与解码为了便于信号的传输和存储，我们对数字信号进行了编码。
在实验中，我们采用了两种编码方式：脉冲编码调制（PCM）和非归一化脉冲编码调制（A律PCM）。
然后，我们对编码后的信号进行解码，观察解码后的信号是否与原始信号一致。
4. 数字信号的滤波与变换数字滤波是数字信号处理中的重要环节。
在实验中，我们分别实现了低通滤波、高通滤波、带通滤波和带阻滤波。
通过对滤波前后信号的观察，我们了解了滤波器的作用和性能。
此外，我们还进行了离散傅里叶变换（DFT）和快速傅里叶变换（FFT）实验，掌握了信号在频域上的特性。
5. 实际应用案例分析为了更好地理解数字信号处理在实际中的应用，我们选取了两个实际案例进行分析。
第一个案例是数字音频处理，通过实验软件对音频信号进行滤波、压缩等处理。
第二个案例是数字图像处理，通过实验软件对图像进行边缘检测、图像增强等处理。
信号处理技术实验报告
信号处理技术实验报告在信号处理技术这一领域里，实验是非常重要的一环。
本次实验旨在通过实操操作和数据分析，探讨信号处理技术的应用和原理。
以下将详细介绍实验过程和结果。
实验一：滤波器设计与实现在本实验中，我们首先学习了滤波器的设计原理，然后通过软件仿真工具进行了滤波器的设计与实现。
我们分别设计了低通滤波器、高通滤波器和带通滤波器，通过观察输出信号波形和频谱图，我们验证了设计的滤波器的有效性。
实验二：采样定理验证实验采样定理是信号处理技术中一个非常重要的理论。
在本实验中，我们进行了一系列的采样实验，验证采样频率是否满足信号的重构条件。
通过实验数据的对比分析，我们验证了采样定理的正确性，并且得出了一些结论和经验。
实验三：数字信号处理硬件实现本次实验中，我们使用FPGA芯片进行了数字信号的硬件实现。
我们编写了Verilog代码，实现了数字信号的低通滤波和加法运算。
通过实验数据的对比和波形分析，我们验证了硬件实现的正确性，并且对FPGA在信号处理中的应用有了更深入的理解。
实验四：信号处理算法优化在这个实验中，我们学习了常见的信号处理算法，比如快速傅里叶变换（FFT）和小波变换。
我们通过对算法的原理和实现细节进行分析，并尝试对算法进行优化。
通过实验数据的对比和性能测试，我们得出了一些优化算法的结论，为实际应用提供了指导。
总结：通过本次实验，我们深入了解了信号处理技术的基本原理和应用。
我们通过实操操作和数据分析，掌握了一定的实验技能，并且对信号处理技术有了更深入的认识。
希望在以后的学习和工作中能够更好地运用所学的知识，为信号处理技术的发展做出贡献。
数字信号处理--实验五
实验五FIR数字滤波器的设计04011344 王晨一、实验目的(1) 掌握用窗函数法、频率采样法及优化设计法设计FIR滤波器的原理及方法，熟悉相应的MATLAB编程。
(2) 熟悉线性相位FIR滤波器的幅频特性和相频特性。
(3) 了解各种不同窗函数对滤波器性能的影响。
二、实验原理①线性相位实系数FIR滤波器按其N值奇偶和h(n)的奇偶对称性分为四种：1、h(n)为偶对称，N为奇数;H(ejω)的幅值关于ω=0，π，2π成偶对称。
2、h(n)为偶对称，N为偶数;H(ejω)的幅值关于ω=π成奇对称，不适合作高通。
3、h(n)为奇对称，N为奇数;H(ejω)的幅值关于ω=0，π，2π成奇对称，不适合作高通和低通。
4、h(n)为奇对称，N为偶数;H(ejω) ω=0、2π＝0，不适合作低通。
② 窗口法窗函数法设计线性相位FIR 滤波器步骤：➢ 确定数字滤波器的性能要求：临界频率k {}ω，滤波器单位脉冲响应长度N ； ➢ 根据性能要求，合理选择单位脉冲响应(n)h 的奇偶对称性，从而确定理想频率响应j (e )d H ω的幅频特性和相频特性；➢ 求理想单位脉冲响应(n)d h ，在实际计算中，可对j (e )d H ω按M(M 远大于N)点等距离采样，并对其求IDFT 得(n)M h ，用(n)M h 代替(n)d h ；➢ 选择适当的窗函数(n)ω，根据d (n)h (n)(n)h ω=求所需设计的FIR 滤波器单位脉冲响应；➢ 求j (e )H ω，分析其幅频特性，若不满足要求，可适当改变窗函数形式或长度N ，重复上述设计过程，以得到满意的结果。
窗函数的傅式变换j (e )W ω的主瓣决定了j (e )H ω过渡带宽。
j (e )W ω的旁瓣大小和多少决定了j (e )H ω在通带和阻带范围内波动幅度，常用的几种窗函数有：（1） 矩形窗(Rectangle Window) N (n)R (n)ω=（2） 汉宁(Hanning)窗，又称升余弦窗（3） 汉明(Hamming)窗，又称改进的升余弦窗（4） 布莱克曼(Blankman)窗，又称二阶升余弦窗（5） 凯塞(Kaiser)窗其中：β是一个可选参数，用来选择主瓣宽度和旁瓣衰减之间的交换关系，一般说来，β越大，过渡带越宽，阻带越小衰减也越大。
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)。
实验五谱分析一、 实验原理信号是无限长的，而在进行信号处理时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”看无限长的信倍号，或者从分析的角度是无限长的信号()x t 乘以有限长的窗函数()w t ，由傅里叶变换性质可知1()()()*()2x t w t X j W j ωωπ⇔如果()x t 是频宽有限信号，而()w t 是频宽无限函数，截断后的信号也必是频宽无限信号，从而产生所谓的频谱泄漏。
频谱泄漏是不可避免的，但要尽量减小，因此设计了不同的窗函数满足不同用途的要求。
从能量的角度，频谱泄漏也是能量泄漏，因为加窗后，使原来的信号集中在窄频带内的能量分散到无限的频宽范围。
MATLAB 信号处理工具箱提供了8种窗函数： (1) 函数boxcar()用于产生矩形窗，调用格式：w=boxcar(N)其中，N 为窗长度，w 为返回的窗函数序列。
矩形窗的表达式为101()()0N n N w n R n n≤≤-⎧==⎨⎩其它(2) 函数Hanning()用于产生汉宁窗，调用格式：w=hanning(N)Hanning 窗表达式为212()sin ()1cos ()121N N n n w n R n R n N N ππ⎡⎤⎛⎫⎛⎫==- ⎪ ⎪⎢⎥--⎝⎭⎝⎭⎣⎦(3) 函数Hamming()用于产生汉明窗，调用格式为w=hamming(N) 汉明窗的表达式为2()0.540.46cos ()1N n w n R n N π⎡⎤⎛⎫=- ⎪⎢⎥-⎝⎭⎣⎦(4) 函数bartlett()用于产生巴特利特窗，调用格式为w=bartlett(N)巴特利特窗的表达式为21012()212112n N n N w n n N n N N ⎧-≤≤⎪⎪-=⎨-⎪-≤≤-⎪-⎩(5) 函数blackman()用于产生布莱克曼窗，调用格式w=blackman(N)布莱克曼窗表达式为24()0.420.5cos 0.08cos ()11N n n w n R n N N ππ⎡⎤⎛⎫⎛⎫=-+ ⎪ ⎪⎢⎥--⎝⎭⎝⎭⎣⎦(6) 函数triang()用来产生triang 窗，调用格式 w=triang(N)triang 窗类似于bartlett 窗，triang 窗两端不为0，而bartlett 窗两端为0。
(7) 函数kaiser()用于产生kaiser 窗，调用格式w=kaiser(N,beta) 其中，beta 是kaiser 窗的参数β，影响窗旁瓣幅值的衰减率。
kaiser 窗表达式0()01w n n N =≤≤-式中，0()I ∙是第一类零阶贝塞尔函数，β是一个可自由选择的参数，它可以同时调整主瓣宽度与旁瓣电平，β越大，则()w n 窗越窄，而频谱的旁瓣越小，但主瓣宽度也相应增加。
因而改变β值就可对主瓣宽度与旁辩衰减进行选择。
(8) 函数chebwin()用于产生切比雪夫窗，调用格式w=chebwin(N,r)其中，r 是窗口的旁瓣幅值在主瓣以下的分贝数。
切比雪夫窗的特点是主瓣的宽度最小，而旁瓣都是等高的且高度可调整。
各种窗函数的幅频响应都存在明显的主瓣和旁瓣，主瓣频宽印旁瓣的幅恒定减持性决定f 窗函数的应用。
不同窗函数在这两方面的特点是不相同的。
如blcakman 窗具有最宽的主瓣，而chebyshev 窗具有最窄的主瓣等。
主旁瓣的频宽还与窗长度N 有关。
增加窗长度N 将缩小窗函数主瓣宽度，但不能减小旁瓣幅值衰减相对值(分贝数)，这个值是由窗函数决定的。
二、 实验内容1、 用MATLAB 编程绘制各种窗函数的形状。
【程序】%---文件exp35_1.m---%绘制各种窗函数clearall;close all; %(1)boxcar 产生矩形窗% MATLAB 推荐用 RECTWIN 代替 BOXCAR. N1 = 10; n1 = 0:N1-1; w1 = rectwin(N1); hf1 = figure;subplot(2,2,1); stem(n1,w1);title('矩形窗'); axis([-5 15 0 1.5]); %(2)hanning()产生汉宁窗N2 = 50; n2 = 0:N2-1;w2 = hanning(N2); subplot(2,2,2);stem(n2,w2);title('汉宁窗'); axis([-1 50 0 1.5]);%(3)hamming()产生汉明窗 N3 = 50; n3 = 0:N3-1;w3 = hamming(N3); subplot(2,2,3);stem(n3,w3);title('汉明窗'); axis([-1 50 0 1.5]);%(4)bartlett()产生巴特利特窗 N4 = 50; n4 = 0:N4-1;w4 = bartlett(N4); subplot(2,2,4);stem(n4,w4);title('巴特利特窗'); axis([-1 50 0 1.5]);saveas(hf1,'exp35.1(1).fig')%(5)blackman 产生布莱克曼窗 N5 = 50; n5 = 0:N5-1;w5 = blackman(N5); hf2 = figure; subplot(2,2,1);stem(n5,w5);title('布莱克曼窗'); axis([0 50 0 1.5]);%(6)triang()产生triang 窗 N6 = 50; n6 = 0:N6-1; w6 = triang(N6); subplot(2,2,2);stem(n6,w6);title('triang 窗'); axis([0 50 0 1.5]);%(7)kaiser()产生kaiser 窗 N7 = 50; n7 = 0:N7-1; w7 = kaiser(N7); subplot(2,2,3);stem(n7,w7);title('kaiser 窗'); axis([0 50 0 1.5]);%(8)chebwin()产生切比雪夫窗 N8 = 50; n8 = 0:N8-1;w8 = chebwin(N8); subplot(2,2,4);stem(n8,w8);title('切比雪夫窗'); axis([0 50 0 1.5]);saveas(hf2,'exp35.1(2).fig')【结果及分析】-5051015矩形窗汉宁窗汉明窗巴特利特窗图1.1窗函数绘制结果（1）图1.2窗函数绘制结果（2）2、用MATLAB 绘制各种窗函数的幅频响应。
【程序】%---文件exp35_2.m--- clearall;closeall;clc; hf1 = figure; %矩形窗b = fir1(50,0.5,rectwin(51)); hd = dfilt.dffir(b); [h,w] = freqz(hd); subplot(2,2,1);[hAx,hLine1,hLine2]=plotyy(w,abs(h),w,an gle(h));xlabel('NORMALIZED FREQUENCY'); title('矩形窗幅频响应'); ylabel(hAx(1),'Magnitude'); ylabel(hAx(2),'Phase');%汉宁窗b = fir1(50,0.5,hanning(51)); hd = dfilt.dffir(b); [h,w] = freqz(hd); subplot(2,2,2);[hAx,hLine1,hLine2]=plotyy(w,abs(h),w,an gle(h));xlabel('NORMALIZED FREQUENCY'); title('汉宁窗幅频响应'); ylabel(hAx(1),'Magnitude'); ylabel(hAx(2),'Phase'); %汉明窗b = fir1(50,0.5,hamming(51)); hd = dfilt.dffir(b); [h,w] = freqz(hd); subplot(2,2,3);布莱克曼窗triang 窗010********kaiser 窗切比雪夫窗[hAx,hLine1,hLine2]=plotyy(w,abs(h),w,an gle(h));xlabel('NORMALIZED FREQUENCY'); title('汉明窗幅频响应');ylabel(hAx(1),'Magnitude');ylabel(hAx(2),'Phase');%巴特利特窗b = fir1(50,0.5,bartlett(51));hd = dfilt.dffir(b);[h,w] = freqz(hd);subplot(2,2,4);[hAx,hLine1,hLine2]=plotyy(w,abs(h),w,an gle(h));xlabel('NORMALIZED FREQUENCY'); title('巴特利特窗幅频响应');ylabel(hAx(1),'Magnitude');ylabel(hAx(2),'Phase');hf2=figure;%布莱克曼窗b = fir1(50,0.5,blackman(51));hd = dfilt.dffir(b);[h,w] = freqz(hd);subplot(2,2,1);[hAx,hLine1,hLine2]=plotyy(w,abs(h),w,an gle(h));xlabel('NORMALIZED FREQUENCY'); title('布莱克曼窗幅频响应');ylabel(hAx(1),'Magnitude');ylabel(hAx(2),'Phase');%triang窗b = fir1(50,0.5,triang(51));hd = dfilt.dffir(b);[h,w] = freqz(hd); subplot(2,2,2);[hAx,hLine1,hLine2]=plotyy(w,abs(h),w,an gle(h));xlabel('NORMALIZED FREQUENCY'); title('triang窗幅频响应');ylabel(hAx(1),'Magnitude');ylabel(hAx(2),'Phase');%kaiser窗b = fir1(50,0.5,kaiser(51));hd = dfilt.dffir(b);[h,w] = freqz(hd);subplot(2,2,3);[hAx,hLine1,hLine2]=plotyy(w,abs(h),w,an gle(h));xlabel('NORMALIZED FREQUENCY'); title('kaiser窗幅频响应');ylabel(hAx(1),'Magnitude');ylabel(hAx(2),'Phase');%切比雪夫窗b = fir1(50,0.5,chebwin(51));hd = dfilt.dffir(b);[h,w] = freqz(hd);subplot(2,2,4);[hAx,hLine1,hLine2]=plotyy(w,abs(h),w,an gle(h));xlabel('NORMALIZED FREQUENCY'); title('切比雪夫窗幅频响应');ylabel(hAx(1),'Magnitude');ylabel(hAx(2),'Phase');%保存结果saveas(hf1,'exp35.2(1).fig');saveas(hf2,'exp35.2(2).fig');【结果及分析】分别绘制8种窗的幅频响应结果如图2.1所示。