现代信号处理课程设计报告

现代数字信号处理课程设计1. 概述现代数字信号处理是一个重要的领域，其应用广泛涉及到通信、计算机、音视频处理等多个方面。

本课程设计旨在让学生通过完成一个数字信号处理的小项目，掌握数字信号处理的基本原理和方法。

2. 课程设计目标通过本课程设计，学生应能够：•理解数字信号处理的基本原理和方法；•掌握数字滤波的设计和实现方法；•理解离散傅里叶变换和离散余弦变换的原理和实现；•掌握数字信号处理在音频和图像处理中的应用。

3. 课程设计内容3.1 数字滤波器设计数字滤波是数字信号处理中的基础操作之一，通过滤波器可以实现信号去噪、增强等处理。

本课程设计要求学生设计并实现一种数字滤波器，包括滤波器的选型、设计、实现等。

3.2 离散傅里叶变换和离散余弦变换离散傅里叶变换(DFT)和离散余弦变换(DCT)是数字信号处理中的重要变换方法，在音频和图像处理等领域得到广泛应用。

本课程设计要求学生了解并实现DFT和DCT变换，并应用到一个实际问题中。

3.3 音频处理音频处理是数字信号处理中的一个重要应用领域，包括音频压缩、语音识别、音频增强等多个方面。

本课程设计要求学生通过使用数字滤波、DFT和DCT等方法，对一段音频进行处理并输出结果。

3.4 图像处理图像处理是数字信号处理中的另一个重要应用领域，包括图像增强、图像压缩、图像分割等多个方面。

本课程设计要求学生通过使用数字滤波、DFT和DCT等方法，对一张图片进行处理并输出结果。

4. 课程设计要求•学生需要独立完成小项目的设计和实现，并用Markdown文本格式撰写实验报告；•实验报告需要包含设计过程、实现方法、实验结果、分析和总结等内容；•学生需要提交课程设计的代码和实验报告，报告格式和代码规范参考教师提供的模板；•学生需要在规定时间内完成课程设计任务。

5. 结语现代数字信号处理是一个重要的学科，通过本课程设计的实践，学生可以更加深入地理解数字信号处理的基本原理和方法，并掌握数字信号处理在实际应用中的运用。

中南大学课程设计报告题目现代信号处理学生姓名任秋峥指导教师张昊、张金焕学院信息科学与工程学院学号 0909090711 专业班级电子信息专业0901班完成时间 2011年9月7号目录第一章、课程设计题目 (3)1.1题目 (3)1.2课程设计要求 (3)第二章、设计思想概述 (4)2.1离散时间L TI系统及其脉冲响应 (4)2.1.1、离散时间L TI系统 (4)2.1.2离散时间系统的脉冲响应 (5)2.2、采样定理及连续时间信号的傅里叶变换 (6)2.3序列FFT (7)2.4滤波器的设计 (9)2.4.1、IIRDF的设计 (9)2.4.2 FIRDF的设计 (11)第三章、程序设计及关键部分功能说明 (13)3.1、差分方程的单位脉冲响应程序设计 (13)3.1.1差分方程在各个点的单位脉冲响应设计和分析 (13)3.2、验证采样定理 (14)3.2.1、连续时间信号的傅里叶变换 (14)3.2.2、采样定理 (16)3.3、冲击序列和矩形序列的8点和16点FFT (17)3.3.1冲击序列的FFT (17)3.3.2矩形序列的fft (18)3.4、滤波器的设计 (18)3.4.1、IIRDF的设计 (18)3.4.2、FIRDF的设计 (19)第四章、程序实现 (21)4.1、差分方程 (21)4.2采样定理 (22)4.3、FFT (25)4.4滤波器的设计 (28)4.4.1、IIRDF设计 (28)4.4.2、FIR滤波器的设计 (29)第五章、附录 (33)5.1源程序代码 (33)5.2参考文献 (39)第六章、小结与体会 (39)第一章、课程设计题目1.1题目⑴已知差分方程y(n)-y(n-1)+0.8y(n-2) = x(n);①计算并画出n = -10,...,100的脉冲响应；②研究系统的稳定性。

⑵用实验来对采样定理进行验证。

①设||1000x-t=,求并画出其傅立叶变换；e)(t②用5000样本/s和1000样本/s对该模拟信号进行采样，画出其序列傅立叶变换图并进行比较；⑶对于单位抽样序列(n)R，分别作8，16点FFT，观δ、矩形序列(n)8察它们的幅频特性，说明它们的差别，简要说明原因。

设计一 DFT在信号频谱分析中的应用一、设计目的1. 熟悉DFT的性质。

2. 加深理解信号频谱的概念及性质。

3. 了解高密度谱与高分辨率频谱的区别。

二、设计任务与要求1.学习用DFT和补零DFT的方法来计算信号的频谱。

2.用MA TLAB语言编程来实现，在做课程设计前，必须充分预习课本DTFT、DFT及零DFT的有关概念，熟悉MA TLAB语言，独立编写程序。

三、设计原理所谓信号的频谱分析就是计算信号的傅里叶变换。

连续信号与系统的傅里叶分析显然不便于直接用计算机进行计算，使其应用受到限制，而DFT是一种时域和频域均离散化的变换，适合数值运算，成为分析离散信号和系统的有力工具。

工程实际中，经常遇到的连续信号Xa(t),其频谱函数Xa(jW)也是连续函数。

数字计算机难于处理，因而我们采用DFT来对连续时间信号的傅里叶变换进行逼近，进而分析连续时间信号的频谱。

四、设计内容1. 用MA TLAB语言编写计算序列x(n)的N点DFT的m函数文件dft.m。

并与MA TLAB中的内部函数文件fft.m作比较。

解：x (n) 的N点DFT的m函数文件dft.mfunction[Xk]=dft(xn,N)n=[0:1:N-1];k=n;WN=exp(-j*2*pi/N);nk=n'*k;WNnk=WN.^nk;Xk=xn*WNnkMatlab中的内部函数文件fft.m文件function [varargout] = fft(varargin)if nargout == 0builtin('fft', varargin{:});else[varargout{1:nargout}] = builtin('fft', varargin{:});end用Matlab程序比较DFT和FFT的运算时间N=2048;M=11;x=[1:M,zeros(1,N-M)];t=cputime;y1=fft(x,N);Time_fft=cputime-tt1=cputime;y2=dft(x,N);Time_dft=cputime-t1t2=cputime;运行结果：Time_fft = 0.0469Time_dft =15.2031由此可见FFT 算法比直接计算DFT 速度快得多。

信号处理与系统课程设计一、课程目标知识目标：1. 理解信号处理与系统的基本概念、原理及方法；2. 掌握信号的分类、时域与频域分析、滤波器设计等基本技能；3. 了解数字信号处理技术在现实生活中的应用。

技能目标：1. 能够运用所学的信号处理方法对实际问题进行分析与解决；2. 熟练使用信号处理软件（如MATLAB）进行信号处理与系统仿真；3. 能够设计简单的数字滤波器，并进行性能评估。

情感态度价值观目标：1. 培养学生对信号处理与系统领域的兴趣，激发学习热情；2. 培养学生的团队合作精神，学会与他人共同解决问题；3. 增强学生的创新意识，敢于尝试新方法，勇于面对挑战。

课程性质：本课程为专业选修课，旨在帮助学生掌握信号处理与系统领域的基本知识和技能，提高解决实际问题的能力。

学生特点：学生具备一定的数学基础和电路原理知识，具有较强的逻辑思维能力和动手实践能力。

教学要求：结合学生特点，注重理论与实践相结合，充分调动学生的主观能动性，培养学生的创新能力和实践能力。

通过课程学习，使学生能够将所学知识应用于实际问题的解决，达到预期的学习成果。

1. 信号与系统基本概念：信号分类、系统分类、线性时不变系统；2. 时域分析：卷积积分、差分方程、单位脉冲响应；3. 频域分析：傅里叶级数、傅里叶变换、频率响应；4. 数字滤波器设计：IIR滤波器、FIR滤波器、滤波器性能评价；5. 信号处理应用：采样与重建、正交变换、数字信号处理实际应用案例；6. 实践环节：MATLAB软件应用、滤波器设计及性能测试。

教学大纲安排：第1周：信号与系统基本概念第2周：时域分析第3周：频域分析第4周：数字滤波器设计第5周：信号处理应用第6周：实践环节教材章节关联：1. 第1章 信号与系统基本概念2. 第2章 时域分析3. 第3章 频域分析4. 第4章 数字滤波器设计5. 第5章 信号处理应用教学内容按照教学大纲和教材章节进行组织，确保学生能够逐步掌握信号处理与系统领域的基本知识和技能，培养解决实际问题的能力。

现代数字信号处理实验报告1、估计随机信号的样本自相关序列。

先以白噪声()x n 为例。

(a) 产生零均值单位方差高斯白噪声的1000个样点。

(b) 用公式：9991ˆ()()()1000x n r k x n x n k ==-∑估计()x n 的前100个自相关序列值。

与真实的自相关序列()()x r k k δ=相比较，讨论你的估计的精确性。

(c) 将样本数据分成10段，每段100个样点，将所有子段的样本自相关的平均值作为()x n 自相关的估值，即：999001ˆ()(100)(100) , 0,1,...,991000x m n r k x n m x n k m k ===+-+=∑∑与(b)的结果相比，该估计值有什么变化？它更接近真实自相关序列()()x r k k δ=吗？(d) 再将1000点的白噪声()x n 通过滤波器11()10.9H z z-=-产生1000点的y (n )，试重复(b)的工作，估计y (n )的前100个自相关序列值，并与真实的自相关序列()y r k 相比较，讨论你的估计的精确性。

仿真结果：(a)图1.1 零均值单位方差高斯白噪声的1000个样本点分析图1.1：这1000个样本点是均值近似为0，方差为1的高斯白噪声。

(b)图1.2 ()x n的前100个自相关序列值分析上图可知：当k=0时取得峰值，且峰值大小比较接近于1，而当k≠0时估计的自相关值在0附近有小幅度的波动，这与真实自相关序列r(k)=δ(k)x比较接近，k≠0时估计值非常接近0，说明了估计的结果是比较精确的。

(c)图1.3基于Bartlett 法的前100个自相关序列值与(b)的结果相比，同样在k=0时达到峰值，k ≠0时0值附近上下波动；估计值的方差比较小，随着k 的增大波动幅度逐渐变小，在k 较大时它更接近真实自相关序列()()x r k k δ=。

即采用分段方法得到的自相关序列的估计值更加接近r x (k)=δ(k)。

Central South University课程设计报告课程名称: 现代信号处理设计者:专业班级: 通信0905班学号:指导老师:所属院系:信息科学与工程学院二〇一一年九月目录➢一、摘要及关键字➢二、课程设计目的➢三、课程设计题目和题目设计要求➢四、仿真设计思想和系统功能分析（理论分析与计算设计思路、程序源代码、测试数据、测试输出结果，及必要的理论分析和比较）➢五、总结（包括设计过程中遇到的问题和解决方法，设计心得与体会等）➢六、参考资料0()()sin()()anT a x n x nT Ae nT u nT -==Ω一、摘要及关键字摘要：数字信号处理是通信工程专业相当重要的学科，对日后就业和科研有重大的意义，通过MATLAB ，我们可以清晰地理解数字信号处理中难以理解的一面，对理论的知识加以深化。

关键字：MATLAB 数字信号处理 GUI 序列 频谱分析 相位 滤波器二、课程设计的目的1．全面复习课程所学理论知识，巩固所学知识重点和难点，将理论与实践很好地结合起来。

2．提高综合运用所学知识独立分析和解决问题的能力；3．熟练使用一种高级语言进行编程实现。

三、课程设计题目描述和要求本次课程设计的主要任务一是应用Matlab 对信号进行处理，进行频谱分析；二是数字滤波器的设计与实现。

设计题目如下：1. 给定模拟信号：)()sin()(0t u t Ae t at a x Ω=-，式中128.444=A，α=，s rad /2500π=Ω。

对()a t x 进行采样，可得采样序列 1） 选择采样频率s f =1 kHz ，观测时间50=p T ms ，观测所得序列()x n 及其幅频特性|()|jw X e2） 改变采样频率s f =300Hz ，观测此时|()|jw X e 的变化3） 令采样频率s f =200Hz ，观测此时|()|jw X e 的变化要求分析说明原理，绘出相应的序列及其它们对应的幅频特性曲线，指出|()|jw X e 的变化，说明为什么？2. 已知Gaussian 序列固定序列()x n 中的参数p=8，令q 分别等于2，4，8，观察它们的时域和幅频特性，了解当2(),015()0,n p q en x n --⎧⎪≤≤=⎨⎪⎩其它q取不同值时，对信号序列的时域及幅频特性的影响；固定q=8，令p分别等于8，13，14，观察参数p变化对信号序列的时域及幅频特性的影响，观察p等于多少时，会发生明显的泄漏现象，混叠是否也随之出现？记录实验中观察到的现象，绘出相应的时域序列和幅频特性曲线。

《现代信号处理》课程设计实验报告《现代信号处理》课程实验报告指导⽼师：⽀国明、周扬专业班级：电⼦信息1101学号：0909110814姓名：周群创⼀、课程设计题⽬和题⽬设计要求1、信号发⽣器⽤户根据测试需要，可任选以下两种⽅式之⼀⽣成测试信号：（1）直接输⼊（或从⽂件读取）测试序列；（2）输⼊由多个不同频率正弦信号叠加组合⽽成的模拟信号公式（如式1-1所⽰）、采样频率（Hz）、采样点数，动态⽣成该信号的采样序列，作为测试信号。

100sin（2Πf1t）+100sin（2Πf2t）+…+100sin（2Πfnt）（1-1）2、频率分析使⽤FFT对产⽣的测试信号进⾏频谱分析并展⽰其幅频特性及相频特性，指定需要滤除的频带，通过选择滤波器类型（IIR/FIR），确定对应的滤波器（低通、⾼通）技术指标。

3、滤波器设计根据以上技术指标（通带截⽌频率、通带最⼤衰减、阻带截⽌频率、阻带最⼩衰减），设计数字滤波器，⽣成相应的滤波器系数，并画出对应的滤波器幅频特性与相频特性。

（1）I IR DF设计：可选择滤波器基型（巴特沃斯或切⽐雪夫）；（2）F IR DF设计：使⽤窗⼝法（可选择窗⼝类型，并⽐较分析基于不同窗⼝、不同阶数所设计数字滤波器的特点）。

4、数字滤波根据设计的滤波器系数，对测试信号进⾏数字滤波，展⽰滤波后信号的幅频特性与相频特性，分析是否满⾜滤波要求（对同⼀滤波要求，对⽐分析各类滤波器的差异）。

（1）I IR DF：要求通过差分⽅程迭代实现滤波（未知初值置零处理）；（2）F IR DF：要求通过快速卷积实现滤波（对于长序列，可以选择使⽤重叠相加或重叠保留法进⾏卷积运算）。

5、选做内容将⼀段语⾳作为测试信号，通过频谱展⽰和语⾳播放，对⽐分析滤波前后语⾳信号的变化，进⼀步加深对数字信号处理的理解。

要求：使⽤MATLAB（或其它开发⼯具）编程实现上述内容，写出课程设计报告。

⼆、设计思想和系统功能结构及功能说明⾸先输⼊由多个不同频率正弦信号叠加组合⽽成的模拟信号公式、采样频率（Hz）、采样点数，动态⽣成该信号的采样序列，作为测试信号，然后使⽤FFT对产⽣的测试信号进⾏频谱分析并展⽰其幅频特性与相频特性，指定需要滤除的频带，接下来使⽤等波纹法FIR低通滤波器进⾏滤波，最后进⾏分析，检查是否满⾜滤波要求。

华南师范大学现代信号处理课程设计课程名称：现代信号处理课程题目： wiener滤波器和kalman滤波器的原理分析及其matlab实现指导老师：李xx专业班级： 2015级电路与系统姓名： xxxx学号： xxxxwiener滤波器和kalman滤波器的原理分析及matlab实现摘要：信号处理的实际问题，常常是要解决在噪声中提取信号的问题，因此，我们需要寻找一种所谓有最佳线性过滤特性的滤波器。

这种滤波器当信号与噪声同时输入时，在输出端能将信号尽可能精确地重现出来，而噪声却受到最大抑制。

Wiener滤波Kalman滤波就是用来解决这样一类从噪声中提取信号问题的一种过滤(或滤波)方法[1]。

Wiener滤波与Kalman滤波都是解决最佳线性过滤和预测问题，并且都是以均方误差最小为准则的。

但与Wiener滤波器不同的是，Kalman滤波器是一种自适应滤波器，Kalman滤波器提供了推导称作递推最小二乘滤波器的一大类自适应滤波器的统一框架。

关键词：Wiener滤波Kalman滤波均方误差最小自适应滤波器目录第一章绪论 (4)1.1滤波器的发展历程 (4)1.2 现代信号处理的滤波器分类 (5)1.3 wiener和kalman滤波各自的运用领域 (6)1.3.1 wiener滤波的运用范围 (6)1.3.2 kalman滤波的运用范围 (6)第二章 wiener和kalman的各自的滤波原理 (7)2.1 wiener滤波器的原理分析 (7)2．2维纳-霍夫方程 (9)2.2 kalman滤波的自适应原理分析 (11)2.3 wiener滤波和kalman滤波的区别与联系 (13)第三章 wiener和kalman滤波的matlab仿真实现 (14)3.1 FIR维纳滤波器的matlab实现 (14)3.2 kalman滤波器的matlab实现 (19)第四章总结与展望 (23)参考文献 (25)第一章绪论1.1滤波器的发展历程从滤波器的发展现状来看，滤波器从处理信号的类型可以分为模拟滤波器和数字滤波器，模拟滤波器可分为无源滤波器(Passive filter)和有源滤波器(Active filter)，而数字滤波器已可用计算机软件实现，也可用大规模集成数字硬件实时实现。

《现代信号处理实验报告》专业：模式识别与智能系统姓名：曾勇学号：2006193实验报告一 递推最小二乘法1、问题的提出当由实验提供了大量数据时，不能要求拟合函数)(i x ϕ在数据点处的偏差， 即i i i y x -=)(ϕδ(i=1,2,…,m) 严格为零，但为了使近似曲线尽量反映所给数据点的变化趋势，需对偏差有所要求。

通常要求偏差平方和2112))((||i i mi mi iy x -=∑∑==ϕδ最小,此即称为最小二乘原理。

2、方案设计（1）实验要求已知∑=+++=301212k i k i k i w x c y ，其中i w 是均值为零方差相同的独立随机变量。

观测值如下表所示：试用递推最小二乘法估计c j ( j=1,3,5,7 )的值，并在计算机上实现该算法。

（2）拟合模型的建立关于拟和模型必须能反映离散点分布基本特征。

常选取ϕ是线性拟和模型，既ϕ所属函数类为 M=Span{ϕ，ϕ1，… ϕn }，其中 ϕ 0，ϕ1，… ϕn 是线性无关的基函数，于是ϕ(x)=∑=mj 0c j ϕj (x)。

通常选取每个ϕj 是次数≤j 的简单多项式，即M 是次数≤ n 的n 次多项式空间。

取 ϕj (x)=x j ， j=0，1，…，nM =Span{1 ,x , x 2，…，x n }，从而ϕ(x)= C 0 +C 1 x 1 + …+ C n x n =P n (x)设离散数据模型ϕ(x)=∑=mj 0c j ϕj (x)则求解归结为 n+1元函数S 的 极值问题：S(c 0，c 1，…，c n )=∑=mi 0ωi [ y i -∑=nj 0c j ϕj (x i )] 2显然S 达最小值必要条件是k C S∂∂=2∑=mi 0ωi [ y i -∑=n j 0 c j ϕj (x i )] ϕ k (x i )= 0,(k=0 ，1，…，n) 这是关于 c 0，c 1，…，c n 的方程组，改写成 ∑=nj 0(ϕj ，ϕ k ) c j =(y, ϕ k ),(k=0,1,2,…n)称为正规方程组其中(ϕj ，ϕ k )=∑=m i 0∑=nj 0ωi ϕj (x i ) ϕ k (x i )一般，n < m ，函数 ϕ 0，ϕ1，…，ϕn ，线性无关能保证正规方程组的系数矩阵⎪⎪⎪⎭⎫⎝⎛=),(,),(),(,),(,),(),(1000100n n n nn G ϕϕϕϕϕϕϕϕϕϕϕϕ的行列式不为零。

实验一系统响应与系统稳定性一实验程序：1.调用filter函数接差分方程：>> A=[1,-0.9];B=[0.05,0.05];>> x1n=[1 1 1 1 1 1 1 1 zeros(1,50)];>> x2n=ones(1,128);>> hn=impz(B,A,58);>> subplot(1,1,1);y='h(n)';tstem(hn,y);>> title(' (a)系统单位脉冲响应h（n）')>> y1n=filter(B,A,x1n);>> title('(b)系统对R8(n)的响应y1n');>> y2n=filter(B,A,x2n);>> subplot(1,1,1);y='y2(n)';tstem(y2n,y);>> title('(c) 系统对u(n)的响应y2(n)');2.调用conv函数计算卷积：>> x1n=[1 1 1 1 1 1 ];>> h1n=[ones(1,10) zeros(1,10)];>> h2n=[1 2.5 2.5 1 zeros(1,10)];>> y21n=conv(h1n,x1n);>> y22n=conv(h2n,x1n);>> subplot(1,1,1);y='h1(n)';tstem(h1n,y);>> title('(1) 系统单位脉冲响应h1(n)')>> subplot(1,1,1);y='y21n';tsttem(y21n,y);>> subplot(1,1,1);y='y21n';tstem(y21n,y);>> title('(2) h1n与R8(n)的卷积y21(n)')>> subplot(1,1,1);y='h2(n)';tstem(h2n,y);>> title('(3) 系统单位脉冲响应h2(n)')>> subplot(1,1,1);y='y22(n)';tstem(y22n,y);>> title('(4) h2(n)与R8(n)的卷积y22(n)')3.谐振器分析：>> un=ones(1,256);>> n=0:255;>> xsin=sin(0.014*n)+sin(0.4*n);>> A=[1,-1.8237,0.9801];B=[1/100.49,0,-1/100.49]; >> y31n=filter(B,A,un);>> y32n=filter(B,A,xsin);>> subplot(1,1,1);y='y31(n)';tstem(y31n,y);>> title('(1) 谐振器对u(n)的响应y31(n)')>> subplot(1,1,1);y='y32(n)';tstem(y32n,y);>> title('(2) 谐振器对正弦信号的响应y32(n)') 二试验程序运行结果:实验二用FFT对信号作频谱分析一实验程序：1.调用函数fft计算序列x(n)的DFT>>x1n=[ones(1,4)];>> M=8;xa=1:(M/2);xb=(M/2):(-1):1;x2n=[xa,xb];>> M=8;xa=1:(M/2);xb=(M/2):-1:1;x2n=[xa,xb];>> x3n=[xb,xa];>> X1k8=fft(x1n,8);>> X1K16=fft(x1n,16);>> X1k16=fft(x1n,16);>> X2k8=fft(x2n,8);>> X2k16=fft(x2n,16);>> X3k8=fft(x3n,8);>> X3k16=fft(x3n,16);%以下为绘图程序>> subplot(1,1,1);mstem(X1k8)>> title('(a)8点DFT[x_1(n)]');>> axis([0,2,0,1.2*max(abs(X1k8))])>> subplot(1,1,1);mstem(X1k16);>> title('(b)16点DFT[x_1(n)]');>> axis([0,2,0,1.2*max(abs(X1k16))])>> subplot(1,1,1);mstem(X2k8)>> title('(c) 8点DFT[X_2(n)]');>> axis([0,2,0,1.2*max(abs(X2k8))])>> subplot(1,1,1);mstem(X2k16)>> title('(d) 16点DFT[x_2(n)]');>> axis([0,2,0,1.2*max(abs(X2k16))])>> subplot(1,1,1);mstem(X3k8);>> title('(e) 8点DFT[x_3(n)]');>> axis([0,2,0,1.2*max(abs(X3k8))])>> subplot(1,1,1);mstem(X3k16);>> title('(f) 16点DFT[x_3(n)]');>> axis([0,2,0,1.2*max(abs(X3k16))])2.周期序列谱分析：>> N=8;n=0:N-1;>> x4n=cos(pi*n/4);>> x5n=cos(pi*n/4)+cos(pi*n/8);>> X4k8=fft(x4n);>> x5k8=fft(x5n);>> N=16;n=0:N-1;>> x4n=cos(pi*n/4);>> x5n=cos(pi*n/4)+cos(pi*n/8);>> X4k16=fft(x4n);>> x5k16=fft(x5n);>> subplot(1,1,1);mstem(X4k8);>> title('(g) 8点DFT[x_4(n)]');>> axis([0,2,0,1.2*max(abs(X4k8))])>> subplot(1,1,1);mstem(X4k16);>> title('(h) 16点DFT[x_4(n)]');>> axis([0,2,0,1.2*max(abs(X4k16))])>> subplot(1,1,1);mstem(X5k8);Undefined function or variable 'X5k8'.>> subplot(1,1,1);mstem(x5k8);>> title('(i) 8点DFT[x_5(n)]');>> axis([0,2,0,1.2*max(abs(x5k8))])>> subplot(1,1,1);mstem(X5k16);Undefined function or variable 'X5k16'.>> subplot(1,1,1);mstem(x5k16);>> title('(j) 16点DFT[x_5(n)]');>> axis([0,2,0,1.2*max(abs(x5k16))])3.模拟周期信号谱分析：>> Fs=64;T=1/Fs;>> N=16;n=0:N-1;>> x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);>> X6k16=fft(x6nT);>> X6k16=fftshift(X6k16);>> Tp=N*T;F=1/Tp;>> k=-N/2:N/2-1;fk=k*F;>> subplot(1,1,1);stem(fk,abs(X6k16),'.');box on>> title('(a) 16点|DFT[x_6(nT)]|');xlabel('f(Hz)');ylabel('幅度'); >> axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(X6k16))])>> N=32;n=0:N-1;>> x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);>> X6k32=fft(x6nT);>> X6k32=fftshift(X6k32);>> Tp=N*T;F=1/Tp;>> k=-N/2:N/2-1;fk=k*F;>> subplot(1,1,1);stem(fk,abs(X6k32),'.');box on>> title('(b) 32点|DFT[x_6(nT)]|');xlabel('f(Hz)');ylabel('幅度'); >> axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(X6k32))])>> N=64;n=0:N-1;>> x6nT=cos(8*pi*n*T)+cos(16*pi*n*T)+cos(20*pi*n*T);>> X6k64=fft(x6nT);>> X6k64=fftshift(X6k64);>> Tp=N*T;F=1/Tp;>> k=-N/2:N/2-1;fk=k*F;>> subplot(1,1,1);stem(fk,abs(X6k64),'.');box on>> title('(c) 64点|DFT[x_6(nT)]|');xlabel('f(Hz)');ylabel('幅度'); >> axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(X6k64))])二程序运行结果：实验三 IIR数字滤波器设计与软件实现一实验程序：>> Fs=10000;T=1/Fs;>> st=mstg;N =16001.低通滤波器设计与实现：>> fp=280;fs=450;>> wp=2*fp/Fs;ws=2*fs/Fs;rp=0.1;rs=60;>> [N,wp]=ellipord(wp,ws,rp,rs);>> [B,A]=ellip(N,rp,rs,wp);>> y1t=filter(B,A,st);>> subplot(3,1,1);>> myplot(B,A);>> yt='y_1(t)';>> subplot(3,1,2);tplot(y1t,T,yt);2.带通滤波器设计与实现：>> fp1=440;fpu=560;fs1=275;fsu=900;>> wp=[2*fp1/Fs,2*fpu/Fs];ws=[2*fs1/Fs,2*fsu/Fs];rp=0.1;rs=60;>> [N,wp]=ellipord(wp,ws,rp,rs);>> [B,A]=ellip(N,rp,rs,wp);>> y2t=filter(B,A,st);>> subplot(3,1,1);>> myplot(B,A);>> yt='y_2(t)';>> subplot(3,1,2);tplot(y2t,T,yt)3.高通滤波器设计与实现：>> fp=890;fs=600;>> wp=2*fp/Fs;ws=2*fs/Fs;rp=0.1;rs=60;>> [N,wp]=ellipord(wp,ws,rp,rs);>> [B,A]=ellip(N,rp,rs,wp,'high');>> y3t=filter=(B,A,st);>> subplot(3,1,1);myplot(B,A);>> yt='y_3(t)';>> subplot(3,1,2);tplot(y3t,T,yt)二实验程序运行结果：图(1) 三路调幅信号s(t)的时域波形和幅频特性曲线图(2) 低通滤波器损耗函数及其分离出的调幅信号y1(t) 图(3) 带通滤波器损耗函数及其分离出的调幅信号y2(t)图(4) 高通滤波器损耗函数及其分离出的调幅信号y3(t) N=1000时不能得到6根理想谱线：N=2000时可以得到6根理想谱线：实验四 FIR数字滤波器设计与软件实现一实验程序：1.用窗函数法设计滤波器：>> N=1000;xt=xtg(N);>> fp=120;fs=150;Rp=0.2;As=60;Fs=1000;>> wc=(fp+fs)/Fs;>> B=2*pi*(fs-fp)/Fs;>> Nb=ceil(11*pi/B);>> hn=fir1(Nb-1,wc,blackman(Nb));>> Hw=abs(fft(hn,1024));>> ywt=fftfilt(hn,xt,N);>> rs=60;a=1;mpplot(hn,a,rs)2.用等波纹最佳逼近法设计滤波器：>> fb=[fp,fs];m=[1,0];>> dev=[(10^(Rp/20)-1)/(10^(Rp/20)+1),10^(-As/20)]; >> [Ne,fo,mo,W]=remezord(fb,m,dev,Fs);>> hn=remez(Ne,fo,mo,W);>> Hw=abs(fft(hn,1024));>> yet=fftfilt(hn,xt,N);>> subplot(2,1,1)>> mfftplot(hn,1000)>> yn='hn';tstem(hn,yn)>> yn='hn';A=1;myplot(hn,A)二实验程序运行结果：附录实验中用到的特殊绘图函数1.时域序列离散波形绘制函数tstem:function tstem(xn,yn)%时域序列绘图函数% xn:信号数据序列，yn:绘图信号的纵坐标名称（字符串）n=0:length(xn)-1;stem(n,xn,'.');box onxlabel('n');ylabel(yn);axis([0,n(end),min(xn),1.2*max(xn)])2.Xk的离散幅频特性绘制函数mstem:function mstem(Xk)M=length(Xk);k=0:M-1;wk=2*k/M; %产生M点DFT的采样点频率stem(wk,abs(Xk),'.');box on%绘制M点DFT的幅频特性图xlabel('w/pi');ylabel('幅度');axis([0,2,0,1.2*max(abs(Xk))]) 3.交换函数fftshift:function [f, sf]=FFT_SHIFT(t, st)%This function is FFT to calculate a signal’s Fourier transform %Input: t: sampling time , st : signal data. Time length must greater thean 2%output: f : sampling frequency , sf: frequen%output is the frequency and the signal spectrumdt=t(2)-t(1);T=t(end);df=1/T;N=length(t);f=[-N/2:N/2-1]*df;sf=fft(st);sf=T/N*fftshift(sf);4.信号产生函数mstg:function st=mstgN=1600Fs=10000;T=1/Fs;Tp=N*T;t=0:T:(N-1)*T;k=0:N-1;f=k/Tp;fc1=Fs/10;fm1=fc1/10;fc2=Fs/20;fm2=fc2/10;fc3=Fs/40;fm3=fc3/10;xt1=cos(2*pi*fm1*t).*cos(2*pi*fc1*t);xt2=cos(2*pi*fm2*t).*cos(2*pi*fc2*t);xt3=cos(2*pi*fm3*t).*cos(2*pi*fc3*t);st=xt1+xt2+xt3;fxt=fft(st,N);subplot(3,1,1)plot(t,st);grid;xlabel('t/s');ylabel('s(t)');axis([0,Tp/8,min(st),max(st)]);title('(a) s(t)的波形');subplot(3,1,2)stem(f,abs(fxt)/max(abs(fxt)),'.');grid;title('(b) s(t)的频谱') axis([0,Fs/5,0,1.2]);xlabel('f/HZ');ylabel('幅度')5.时域离散系统损耗函数的绘制函数：myplotfunction myplot(B,A)[H,W]=freqz(B,A,1000);m=abs(H);plot(W/pi,20*log10(m/max(m)));grid on;xlabel('\omega/\pi');ylabel('幅度(dB)')axis([0,1,-80,5]);title('损耗函数曲线');6.时域序列连续曲线的绘制函数：tplotfunction tplot(xn,T,yn)n=0:length(xn)-1;t=n*T;plot(t,xn);xlabel('t/s');ylabel(yn);axis([0,t(end),min(xn),1.2*max(xn)]);7.序列向量xn的N点fft并绘制其幅频特性曲线的绘图函数mfftplot:function mfftplot(xn,N)Xk=fft(xn,N);k=0:N-1;wk=2*k/N;m=abs(Xk);mm=max(m);plot(wk,m/mm);grid on;xlabel('\omega/\pi');ylabel('幅度(dB)');axis([0,2,0,1.2]);title('低通滤波器幅频特性曲线')8.时域离散系统损耗函数和相频特性函数的绘图函数：mpplot:function mpplot(B,A,Rs)if nargin<3 ymin=-80;else ymin=-Rs-20;end;[H,W]=freqz(B,A,1000);m=abs(H);p=angle(H);subplot(2,1,1);plot(W/pi,20*log10(m/max(m)));grid on;xlabel('\omega/\pi');ylabel('幅度(dB)')axis([0,1,ymin,5]);title('低通滤波器幅频特性曲线')subplot(2,1,2);plot(W/pi,p/pi);xlabel('\omega/\pi');ylabel('y_w(t)/\pi');grid on;title('滤除噪声后的信号波形')9.信号产生函数xtg:function xt=xtg(N)N=2000;Fs=1000;T=1/Fs;Tp=N*T;t=0:T:(N-1)*T;fc=Fs/10;f0=fc/10;mt=cos(2*pi*f0*t);ct=cos(2*pi*fc*t);xt=mt.*ct;nt=2*rand(1,N)-1;fp=150;fs=200;Rp=0.1;As=70;fb=[fp,fs];m=[0,1];dev=[10^(-As/20),(10^(Rp/20)-1)/(10^(Rp/20)+1)];[n,fo,mo,W]=remezord(fb,m,dev,Fs);hn=remez(n,fo,mo,W);yt=filter(hn,1,10*nt);xt=xt+yt; %噪声加信号fst=fft(xt,N);k=0:N-1;f=k/Tp;subplot(3,1,1);plot(t,xt);grid;xlabel('t/s');ylabel('x(t)');axis([0,Tp/5,min(xt),max(xt)]);title('(a) 信号加噪声波形')subplot(3,1,2);plot(f,abs(fst)/max(abs(fst)));grid;title('(b) 信号加噪声的频谱')axis([0,Fs/2,0,1.2]);xlabel('f/Hz');ylabel('幅度')现代信号处理技术上机实验报告姓名：常鸿斌学号：09250418班级：通信工程四班。

现代数字信号处理学习报告（一）第一部分 维纳滤波1.1 最优滤波和最有准则1.1.1最优滤波信号处理的目的是从噪声中提取信号，得到不受干扰影响的真正信号。

采用的处理系统称为滤波器。

为了从x(n)中提取或恢复原始信号s(n)，需要设计一种滤波器，对x(n)进行滤波，使它的输出y(n)尽可能逼近s(n)，成为s(n)的最佳估计，即ˆy(n)s(n)。

这种滤波器称为最佳滤波器。

1.1.2最优准则最大输出信噪比准则－>匹配滤波器最小均方误差准则 误差绝对值的期望值最小误差绝对值的三次或高次幂的期望值最小1.2 维纳滤波维纳滤波（wiener filtering) 是一种基于最小均方误差准则、对平稳过程的最优估计器。

这种滤波器的输出与期望输出之间的均方误差为最小，因此，它是一个最佳滤波系统。

它可用于提取被平稳噪声所污染的信号。

2min[|()|]E e n min [|()|]E e n min[|()|]kE e n1.3 维纳滤波的标准方程维纳滤波器是一个线性非移变系统，设其冲激响应为h(m)，输入为()()()x n s n n υ=+，则有0ˆ()()()()m y n sn h m x n m ∞===-∑。

式中，冲激响应h(m)按最小均方误差准则确定，其中， e(n)表示真值与估计值之间的误差，则ˆ()()()e n s n sn =-。

为了达到最小均方误差准则的目标，即求得使()2ˆE s s ⎡⎤-⎣⎦最小的i h ，令()2ˆE s s ⎡⎤-⎣⎦对i h 的导数为零，即 {}[]2(n)(n)2(n)2(n)(n )0()()E e e E e E e x i h i h i ∂⎡⎤∂==--=⎢⎥∂∂⎣⎦由此得到，[](n)(n )0,E e x i i -=∀。

此式说明，若使滤波器的均方误差达到，则误差信号与输入信号正交，这就是通常所说的正交性原理。

正交性原理的重要意义：提供了一个数学方法，用以判断线性滤波系统是否工作于最佳状态。

信号处理综合设计实验报告1. 引言本实验旨在探索并综合运用信号处理中的各种技术，包括滤波、调制、解调等，以实现特定的信号处理任务。

通过此实验，我们可以深入理解信号处理的基本原理，并学会应用相应的算法与工具来处理实际问题。

2. 实验目标本实验的主要目标是设计一个音频传输系统，即将音频信号从发送端传输到接收端，并恢复出原始音频信号。

具体实验要求如下：1. 通过设计合适的调制和解调方案，将原始音频信号转换为模拟信号进行传输，并在接收端将其恢复为数字音频信号。

2. 使用合适的滤波算法来抑制传输过程中的噪声和失真。

3. 实现信号处理任务的过程中，需要考虑系统的实时性和鲁棒性。

3. 实验过程及结果3.1 调制与解调设计首先，针对音频信号的调制与解调设计，我们选择了频率调制方案，将音频信号转换为调制信号进行传输。

实验中采用了常见的调频调制方案（FM），将音频信号编码到调制信号的频率变化中。

调制端采用MATLAB软件进行模拟调制，经过频率变换后，将调制信号通过声卡输出到接收端。

接收端通过声卡输入获取调制信号，并进行解调以还原出音频信号。

实验结果表明，经过调制和解调后，音频信号仍然能够保持较高的还原度，信号质量较好。

3.2 滤波算法设计由于传输过程中可能会引入一定的噪声和失真，为了提高信号质量，我们在接收端引入了滤波算法，以抑制噪声和失真。

实验中我们采用了数字滤波器设计技术，通过设计合适的滤波器来实现信号的去噪和失真抑制。

具体而言，我们采用了低通滤波器来滤除超出音频频带的高频成分，并采用均衡化滤波器来补偿传输过程中的频率响应差异。

实验结果显示，引入滤波算法后，信号质量得到了进一步提升，噪声和失真被有效地抑制了。

3.3 系统实时性与鲁棒性分析在实验过程中，我们需要关注系统的实时性和鲁棒性。

实时性要求系统能够在实际应用场景中及时响应，而鲁棒性则要求系统能够在不稳定环境下稳定工作。

根据实验结果，我们发现整个音频传输系统的实时性较高，信号处理的延迟较小，音频可以实时传输和恢复。

实验报告实验课程：现代信号处理学生姓名：李行学号： 401030719013 专业：信息与通信工程指导老师：万国金实验一 维纳滤波器的设计一、 实验目的1、了解维纳滤波的实现原理2、Matlab 仿真实现加性干扰信号的维纳滤波。

3、分析影响维纳滤波效果的各种因素，从而加深对维纳滤波的理解。

二、 实验内容设计一维纳滤波器。

（1）、产生三组观测数据：首先根据)()1()(n w n as n s +-=产生信号)(n s ，将其加噪（信噪比分别为20dB ，10dB ，6dB ），得到观测数据)(1n x ,)(2n x ,)(3n x 。

（2）、估计)(n x i ，3,2,1=i 的AR 模型参数。

假设信号长度为L ，AR 模型阶数为N ，分析实验结果，并讨论改变L ，N 对实验结果的影响。

三、 实验原理维纳滤波是一种从噪声背景中提取信号的最佳线性方法。

维纳-霍夫方程为()()()()()k r k h m k r m h k r xx m xx xd *0=-=∑+∞=当()n h 是一个长度为M 的因果序列（即一个长度为M 的FIR 滤波器）时，维纳-霍夫方程表述为()()()()() ，，，210*10==-=∑-=k k r k h m k r m h k r xx M m xx xd定义()()()()()()()()()()()()⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡----=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡-=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡=02120111011021xx xx xx xx xx xx xx xx xx xx xd xd xd xd M r M r M r M r r r M r r r M r r r h h h R R h则可写成矩阵的形式，即h R Rxx xd=对上式求逆，得到R R h xd xx 1-=由以上式子可知：若已知期望信号与观测数据的互相关函数及观测数据的自相关函数，则可以通过矩阵求逆运算，得到维纳滤波器的最佳解。

信息科学与工程学院信号课程设计报告摘要现代信号处理是将信号表示并处理的理论和技术。

数字信号处理与模拟信号处理是信号处理的子集。

在这次课程设计中主要以数字信号处理来解决问题。

数字元元信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。

因此在进行数字信号处理之前需要将信号从模拟域转换到数字域，这通常通过模数转换器实现。

而数字信号处理的输出经常也要变换到模拟域，这是通过数模转换器实现的。

数字元元信号处理的算法需要利用计算机或专用处理设备如数字信号处理器（DSP）和专用集成电路（ASIC）等。

数字信号处理技术及设备具有灵活、精确、抗干扰强、设备尺寸小、造价低、速度快等突出优点，这些都是模拟信号处理技术与设备所无法比拟的。

数字信号处理的核心算法是离散傅立叶变换(DFT)，是DFT使信号在数字域和频域都实现了离散化，从而可以用通用计算机处理离散信号。

而使数字信号处理从理论走向实用的是快速傅立叶变换(FFT)，FFT 的出现大大减少了DFT 的运算量，使实时的数字信号处理成为可能、极大促进了该学科的发展。

MATLAB 是矩阵实验室（Matrix Laboratory ）的简称，和Mathematica 、Maple 并称为三大数学软件。

它在数学类科技应用软件中在数值计算方面首屈一指。

MATLAB 可以进行矩阵运算、绘制函数和数据、实现算法、创建用户接口、连接其它编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。

MATLAB 的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB 来解算问题要比用C ，FORTRAN 等语言完相同的事情简捷得多，并且mathwork 也吸收了像Maple 等软件的优点,使MATLAB 成为一个强大的数学软件。

在新的版本中也加入了对C ，FORTRAN ，C++ ，JAVA 的支持。

可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB 函数库中方便自己以后调用，此外许多的MATLAB 爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。

现代信号处理课程设计报告姓名：班级：学号：指导老师：赵亚湘、郭丽梅2012年10月15一、课程设计目的：1．全面复习课程所学理论知识，巩固所学知识重点和难点，将理论与实践很好地结合起来。

2. 掌握信号分析与处理的基本方法与实现3．提高综合运用所学知识独立分析和解决问题的能力；4．熟练使用一种高级语言进行编程实现。

二、课程设计内容1. 给定模拟信号：e t t xa 1000)(-=1）选择采样频率F s = 5000Hz 和合适的信号长度，采样得到序列 x 1(n)。

求并画出x 1(n)及其序列傅里叶变换 |X 1(e jw )|。

2）选择采样频率F s = 1000Hz 和合适的信号长度，采样得到序列 x 2(n)。

求并画出x 2(n)及其需列傅里叶变换 |X 2(e jw )|。

结果展示：源程序：function q1figure();t=-0.005:0.00005:0.005; %模拟信号xa=exp(-1000*abs(t));Ts=(1/5000);n=-25:25; %离散时间信号 Fs=5KHzx=exp(-1000*abs(n*Ts));Ts1=(1/1000);n1=-5:1:5; %离散时间信号 Fs=1KHzx1=exp(-1000*abs(n1*Ts1));K=500;k1=0:1:K; %离散时间傅里叶变换(Fs=5kHz)w1=pi*k1/K;X=x*exp(-j*n'*w1); %离散时间傅里叶变换X=real(X);w1=[-fliplr(w1),w1(2:501)];X=[fliplr(X),X(2:501)];subplot(2,2,1);plot(t*1000,xa,':');ylabel('X_1');title('Discrete Signal (Fs=5000Hz)');hold on ;stem(n*Ts*1000,x,'k*');hold off ;subplot(2,2,2);plot(w1/pi,X);ylabel('|X_1(e^j^\omega)|');title('Discrete-time Fourier Transform (Fs=5000Hz)');X1=x1*exp(-j*n1'*w1); %离散时间傅里叶变换(Fs=1kHz)X1=real(X1);w1=[-fliplr(w1),w1(2:K+1)];X1=[fliplr(X1),X1(2:K+1)];subplot(2,2,3);plot(t*1000,xa,':');ylabel('x_2');title('Discrete Signal (Fs=1000Hz)');hold on ;stem(n1*Ts1*1000,x1,'k*');hold off ;subplot(2,2,4);plot(w1/pi,X1);ylabel('|X_2(e^j^\omega)|');title('Discrete-time Fourier Transform (Fs=1000Hz)');3） 说明|X 1(e jw )|与|X 2(e jw )|间的区别，为什么？答：前者比后者频谱更加精确，因为采样频率越大信号频谱范围越大即分辨率越好。

目录摘要 (1)1 DSB调制与解调的基本原理 (2)1.1 DSB调制原理 (2)1.2 DSB解调原理 (3)2 Simulink仿真电路 (4)2.1 调制模块 (4)2.2 调制后加入高斯白噪声 (6)2.3 解调与低通滤波模块 (8)2.4 总体模型 (10)3 MATLAB程序代码 (11)3.1 系统框图 (11)3.3 噪声部分 (13)3.4 带通滤波部分 (14)3.5 解调部分 (15)3.6 低通滤波部分 (16)4 心得体会 (17)5 参考文献 (18)附录 (19)摘要信号的调制与解调在通信系统中具有重要的作用。

调制过程实际上是一个频谱搬移的过程，即是将低频信号的频谱（调制信号）搬移到载频位置（载波）。

而解调是调制的逆过程，即是将已调制信号还原成原始基带信号的过程。

调制与解调方式往往能够决定一个通信系统的性能。

幅度调制就是一种很常见的模拟调制方法，在AM信号中，载波分量并不携带信息，仍占据大部分功率，如果抑制载波分量的发送，就能够提高功率效率，这就抑制载波双边带调制DSB-SC （Double Side Band with Suppressed Carrier），因为不存在载波分量，DSB-SC 信号的调制效率就是100%，即全部功率都用于信息传输。

但由于DSB-SC信号的包络不再与调制信号的变化规律一致，因而不能采用简单的包络检波来恢复调制信号，需采用同步检波来解调。

这种解调方式被广泛应用在载波通信和短波无线电话通信中。

但是由于在信道传输过程中必将引入高斯白噪声，虽然经过带通滤波器后会使其转化为窄带噪声，但它依然会对解调信号造成影响，使其有一定程度的失真，而这种失真是不可避免的。

本文介绍了M文件编程和Simulink两种方法来仿真DSB-SC系统的整个调制与解调过程。

关键词DSB-SC调制同步检波信道噪声M文件Simulink仿真1 DSB 调制与解调的基本原理1.1 DSB 调制原理在消息信号m(t)上不加上直流分量，则输出的已调信号就是无载波分量的双边带调制信号，或称抑制载波双边带（DSB-SC ）调制信号，简称双边带（DSB ）信号。

目录一、课程设计的目的 (2)二、数字滤波器的设计步骤 (2)2.2、IIR数字滤波器与FIR数字滤波器的区别 (2)三、IIR数字滤波器 (3)3.1、IIR数字滤波器的特点 (3)3.1.2、IIR数字滤波器采用递归型结构 (3)3.1.3、借助成熟的模拟滤波器的成果 (3)3.1.4、需加相位校准网络 (3)3.2、用双线性法设计IIR数字滤波器 (3)3.3、巴特沃斯低通滤波器的设计 (4)3.4、巴特沃斯高通滤波器的设计 (5)3.4.1、巴特沃斯高通滤波器各参数图形 (5)3.4.2、巴特沃斯高通滤波器滤波效果图 (5)四、FIR数字滤波器 (5)4.1、FIR滤波器的特点 (5)4.2、窗函数法设计FIR数字滤波器 (6)五、程序实例源码 (8)六、问题分析 (12)七、心得体会 (13)八、参考文献 (13)一、课程设计的目的数字滤波是数字信号分析中最重要的组成部分之一，与模拟滤波相比，它具有精度和稳定性高、系统函数容易改变、灵活性强、便于大规模集成和可实现多维滤波等优点。

在信号的过滤、检测和参数的估计等方面，经典数字滤波器是使用最广泛的一种线性系统。

本次课程设计是通过对常用数字滤波器的设计和实现，掌握数字信号处理的工作原理及设计方法；熟悉用双线性变换法设计 IIR 数字滤波器和用窗函数法设计FIR数字滤波器的原理与方法，掌握利用数字滤波器对信号进行滤波的方法，掌握数字滤波器的计算机仿真方法，并能够对设计结果加以分析。

二、数字滤波器的设计步骤2.1、不论是IIR滤波器还是FIR滤波器的设计都包括三个步骤：(1)按照实际任务的要求，确定滤波器的性能指标。

(2)用一个因果、稳定的离散线性时不变系统的系统函数去逼近这一性能指标。

根据不同的要求可以用IIR系统函数，也可以用FIR系统函数去逼近。

(3)利用有限精度算法实现系统函数，包括结构选择，字长选择等。

2.2、IIR数字滤波器与FIR数字滤波器的区别2.2.1、单位响应IIR数字滤波器单位响应为无限脉冲序列，而FIR数字滤波器单位响应为有限的；FIR滤波器，也就是“非递归滤波器”，没有引入反馈。

《数字信号处理》课程设计报告中南大学《现代信号处理》课程设计报告学院：信息科学与工程学院专业班级：电子信息1002班姓名：程广俊学号：0909101116指导老师：张昊张金焕设计时间：2012.9.3-2012.9.15前言《现代信号处理》课程设计与《现代信号处理》课程配套，是电子信息类专业的重要实践环节。

数字信号处理是每一个电子信息科学工作者必须掌握的重要知识。

它采用计算机仿真软件，以数值计算的方法对信号进行分析、变换、滤波、检测、估计与识别等加工处理，以达到提取信息便于使用的目的。

通信工程专业的培养目标是具备通信技术的基本理论和应用技术，能从事电子、信息、通信等领域的工作。

鉴于我校充分培养学生实践能力的办学宗旨，对本专业学生的培养要进行工程素质培养、拓宽专业口径、注重基础和发展潜力。

特别是培养学生的创新能力，以实现技术为主线多进行实验技能的培养。

学生通过《现代信号处理》课程设计这一重要环节，可以将本专业的主干课程《现代信号处理》从理论学习到实践应用，对数字信号处理技术有较深的了解，进一步增强学生动手能力和适应实际工作的能力。

目录1、课程设计题目及设计要求 (4)1.1、课程设计题目 (4)1.2、课程设计要求 (4)1.3、课程设计考核要求 (5)1.4、课程设计进度安排表 (5)1.5、主要参考资料 (5)2、设计思想和系统功能分析 (6)2.1、设计实验对采样定理进行验证 (6)2.2、设计实验对序列傅立叶变换的频移特、性进行验证。

(7)2.3、设计实验比较DFT和FFT，比较它们的计算结果和计算速度。

(7)2.4、滤波器设计—根据输入的数字滤波器的技术指标，包括通带截止频率,通带最大衰减,阻带截止频率,阻带最小衰减，设计滤波器，生成相应的滤波器系数，并画出对应的滤波器幅频、相频特性。

(9)3、演示界面的设计思想 (10)4、关键部分的设计思路 (13)4.1 数字滤波器的设计思路 (13)5、调试及结果分析 (14)5.1、第一题的调试结果 (14)5.2、第二题的调试结果 (15)5.3、第三题的调试结果 (15)5.4、第四题的调试结果及分析 (16)6、课程设计总结 (16)6.1课程设计中遇到的问题及解决 (16)6.2 课程设计心得体会 (17)7、附录：源程序清单 (18)7.1、第一题源程序 (18)7.2、第二题源程序 (19)7.3、第三题源程序 (19)7.4、第四题源程序 (20)7.5、第五题源程序 (23)1、课程设计题目及设计要求1.1、课程设计题目⑴请设计实验对采样定理进行验证。