西北工业大学Matlab实验报告2016.doc
《西北工业大学Matlab实验报告2016.doc》由会员分享，可在线阅读，更多相关《西北工业大学Matlab实验报告2016.doc（47页珍藏版）》请在冰点文库上搜索。
西北工业大学
《基于MATLAB的数字信号处理》实验报告
学院：
学号：
姓名：
专业：
实验时间：
2016年6月
指导教师：
冯燕
西北工业大学
2016年06月
实验一MATLAB基本编程实验
一、实验目的及要求
1．熟悉MATLAB运行环境；
2.掌握MATLAB的基本语法和函数；
3.掌握MATLAB的基本绘图功能
二、实验设备（环境）及要求
1．计算机
2．Matlab软件编程实验平台
三、实验内容与步骤
1．求下列线性方程组的解
2.编写一个MATLAB函数文件，该函数的功能是求出最大的n值，
使得。
通过M文件或命令行调用该函数文件计算
realmax=50000时的n值。
3.某多项式的定义为：
其中x的值介于[-1,1]之间。
当m的值由1变化到5，可以得到5条曲线。
将这5条曲线画在同一图形
窗口上，并标明每一条曲线。
四、设计思想
1.采用矩阵求逆的方法，将系数矩阵求逆，乘以单元矩阵，直接得到未知数。
2.在M文件中使用循环语句，判断是否符合条件，返回值，主程序进行调用
3.将5条曲线分别绘制，plot用不同颜色标志，采用holdon画在一个图中，
五、程序代码及注释
1.A=[6,3,4;-2,5,7;8,-4,-3];%系数矩阵
b=[3;-4;-7];
x=inv（A）*b%求逆
2.M文件：
function[n]=fun（max）
%UNTITLEDSummaryofthisfunctiongoeshere
%Detailedexplanationgoeshere
a=1;
b=1;
whileba=a+1;
b=b*a;
end
n=a-1;
end
主程序
max=input（'pleaseinputtherealmax:
'）;
n=fun（max）
3.
x=-1:
0.01:
1;
y1=cos（acos（x））;
plot（x,y1,’r’）;%第一条
holdon
y2=cos（2*acos（x））;
plot（x,y2,’b’）;%第二条
holdon
y3=cos（3*acos（x））;
plot（x,y3,’g’）;%第三条
holdon
y4=cos（4*acos（x））;
plot（x,y4,’y’）;%第四条
holdon
y5=cos（5*acos（x））;
plot（x,y5,’k’）;%第五条
六、实验结果
1.结果：
2.结果：
3.结果：
实验二MATLAB基本编程实验
一、实验目的及要求
1.回顾数字信号处理的主要内容；
2.掌握利用MATLAB进行信号处理的方法；
3.了解信号处理工具箱中一些函数的功能；
二、实验设备（环境）及要求
1．计算机
2．Matlab软件编程实验平台
三、实验内容
1.x（n）=[8,5,3,11,7,0,-1,4,2,6,5],是原序列，设y（n）是原序列受到噪声污染并移位了的序列y（n）=x（n-3）+w（n）,其中w（n）是均值为0，方差为1的高斯随机序列。
计算y（n）与x（n）的相关性。
2.一个线性时不变系统由下面差分方程描述
1）求频率响应；
2）画出其幅频和相频图；
3）如果系统输入为，求出在内的响应y（n），并画出输入序列和输出序列的曲线图说明。
3.设计IIR滤波器（带通，三种方法，fs＝2000Hz,通带频率500～700Hz，阶数自选,画频率特性并分析比较）
四、设计思想
1.由normrnd函数产生高斯序列，判断函数位进行赋值，产生移位序列，通过函数xcorr进行互相关处理
2.用freq函数求出频率相应，通过abs和angle函数求出幅频和相频图，采用filter函数求出输出序列
3.分别采用butterworth滤波器、椭圆滤波器和cheby滤波器，求出频率特性
五、程序代码及注释
1.x=[8,5,3,11,7,0,-1,4,2,6,5];
forn=1:
1:
11
ifn<4
yy（n）=0;
elseyy（n）=x（n-3）;
end
end
w=normrnd（0,1,1,11）;
y=yy+w;
a=xcorr（x,y）;
2.fs=1000;
b=[1];
a=[1,-0.8];
[h,f]=freqz（b,a,512,fs）;
mag=abs（h）;
ph=angle（h）;
subplot（4,1,1）;
plot（f,mag）;
grid;
xlabel（'frequency（hz）'）;
ylabel（'magnitude'）;
subplot（4,1,2）;
plot（f,ph）;
grid;
xlabel（'frequency（hz）'）;
ylabel（'phase'）;
n=1:
100;
x（n）=cos（0.02*pi*n）;
y=filter（b,a,x）;
subplot（4,1,3）;
stem（x）;
subplot（4,1,4）;
stem（y）
3.
（1）n=10;
wn=[500700]/1000;
[b,a]=butter（n,wn）;
[h,f]=freqz（b,a,256,1000）;
mag=abs（h）;
ph=angle（h）;
subplot（2,1,1）;
plot（f,mag）;
grid;
xlabel（'frequency（hz）'）;
ylabel（'magnitude'）;
subplot（2,1,2）;
plot（f,ph）;
grid;
xlabel（'frequency（hz）'）;
ylabel（'phase'）;
（2）n=10;
wn=[500700]/1000;
[b,a]=ellip（n,0.5,20,wn）
[h,f]=freqz（b,a,256,1000）;
mag=abs（h）;
ph=angle（h）;
subplot（2,1,1）;
plot（f,mag）;
grid;
xlabel（'frequency（hz）'）;
ylabel（'magnitude'）;
subplot（2,1,2）;
plot（f,ph）;
grid;
xlabel（'frequency（hz）'）;
ylabel（'phase'）;
（3）n=10;
wn=[500700]/1000;
[b,a]=cheby1（n,0.5,wn）;
[h,f]=freqz（b,a,256,1000）;
mag=abs（h）;
ph=angle（h）;
subplot（2,1,1）;
plot（f,mag）;
grid;
xlabel（'frequency（hz）'）;
ylabel（'magnitude'）;
subplot（2,1,2）;
plot（f,ph）;
grid;
xlabel（'frequency（hz）'）;
ylabel（'phase'）;
六、实验结果
1结果：
2.结果：
3.
（1）
（2）
（3）
实验三基于MATLAB的图像处理实验
一、实验目的及要求
1．了解图像处理的基本概念和功能；
2.掌握利用MATLAB进行图像处理的方法；
3.了解图像处理工具箱中一些函数的功能；
二、实验设备（环境）及要求
1．计算机
2．Matlab软件编程实验平台
三、实验内容
1．对barbaran.tif图像进行DCT变换，分别选取最大的1/4、1/8、1/16个变换系数（其余置为0），进行反DCT得到重构图像，显示原图像和各重构图像并分别计算重构图像的峰值信噪比。
2．对cameraman.tif图像至少用3种方法进行边缘增强，给出实验结果并分析。
四、设计思想
1.先用imread函数读取，找出其中最大值，采用dct2函数进行dct变换，显示出来，判断小于最大值的变换系数的值赋零，再用idct反变换处理，改变变换系数，分别重构图像，最后再计算重构图像和原图像峰值信噪比
2.采用直方图处理、对比度扩展增强、对数变换这三种方式处理，分别采用histeq、imadjust和log函数。
五、程序代码及注释
1.grb=imread（'barbaran.tif'）;
a=max（grb（:
））;
i=rgb2gray（grb）;
subplot（2,1,1）;
imshow（i）;
j=dct2（i）
subplot（2,1,2）;
imshow（j）;
b=a/4;
j（abs（j）k=idct2（j）;
figure;
imshow（k,[0255]）;
A=double（i）;
B=double（k）;
[m,n]=size（i）;
D=sum（sum（（A-B）.^2））;
MSE=D/（m*n）;
grb=imread（'barbaran.tif'）;
a=max（grb（:
））;
i=rgb2gray（grb）;
subplot（2,1,1）;
imshow（i）;
j=dct2（i）
subplot（2,1,2）;
imshow（j）;
b=a/8;
j（abs（j）k=idct2（j）;
figure;
imshow（k,[0255]）;
A=double（i）;
B=double（k）;
[m,n]=size（i）;
D=sum（sum（（A-B）.^2））;
MSE=D/（m*n）;
grb=imread（'barbaran.tif'）;
a=max（grb（:
））;
i=rgb2gray（grb）;
subplot（2,1,1）;
imshow（i）;
j=dct2（i）
subplot（2,1,2）;
imshow（j）;
b=a/16;
j（abs（j）k=idct2（j）;
figure;
imshow（k,[0255]）;
A=double（i）;
B=double（k）;
[m,n]=size（i）;
D=sum（sum（（A-B）.^2））;
MSE=D/（m*n）;
2.i=imread（'cameraman.tif'）;
subplot（2,2,1）;
imshow（i）;
[j,t]=histeq（i）;
subplot（2,2,2）;
imshow（j）;
k=imadjust（i,[0.150.9],[01]）;
subplot（2,2,3）;
imshow（k）;
i=double（i）;
l=log（i+1）;
subplot（2,2,4）;
imshow（l,[]）;
六、实验结果
1.结果：
和原图像的峰值噪声比为190
和原图像的峰值噪声比为73
和原图像的峰值噪声比为20
2.结果：
三种图像，直方图对比度明显，整体较为中和，对比扩展方式导致黑色更黑，黑色的细节看不到，而对数增强方式，画面偏白，对比也明显。
实验四基于MATLAB神经网络编程实验
一、实验目的及要求
1．了解神经网络的基本概念和原理；
2.掌握用MATLAB实现神经网络的思路和方法；
3.了解神经网络工具箱函数的功能。
二、实验设备（环境）及要求
1．计算机
2．Matlab软件编程实验平台
三、实验内容
1、利用2输入的MP模型是否可实现“与”、“或”、“非”和“异或”功能？
若能，编程实现并给出实现各种功能的权值和实验结果，若不能，请说明原因。
2、用人工神经网络拟合函数
说明：
1）网络结构为三层（输入层、1个隐层和输出层）
2）获取两组数据，一组作为训练集，一组作为测试集
3）用训练集训练网络
4）用测试集检验训练结果
四、设计思想
1.使用MP模型解决此问题，选择初值，计算误差，更新全值，对所有模式进行所有训练，直到输出满足。
2.使用三层BP网络来完成函数逼近。
因为函数为一元函数，所以输入层有一个输入，输出层有一个输出，隐层神经元的个数为10。
五、程序代码及注释
1.p=[0011;
0101];%与
t=[0001];
d=[0101];
w1=0.2;
w2=0.5;
yita=-0.1;
theta=0.1;
while~isequal（t,d）
forj=1:
1:
4
w1=w1+yita*（d（j）-t（j））*p（1,j）;
w2=w2+yita*（d（j）-t（j））*p（2,j）;
theta=theta+yita*（d（j）-t（j））;
d（j）=w1*p（1,j）+w2*p（2,j）+theta;
d（j）=round（d（j））;
end
end
p=[0011;
0101];%或
t=[0111];
d=[0101];
w1=0.2;
w2=0.5;
yita=-0.1;
theta=0.1;
while~isequal（t,d）
forj=1:
1:
4
w1=w1+yita*（d（j）-t（j））*p（1,j）;
w2=w2+yita*（d（j）-t（j））*p（2,j）;
theta=theta+yita*（d（j）-t（j））;
d（j）=w1*p（1,j）+w2*p（2,j）+theta;
d（j）=round（d（j））;
end
end
p=[0011;
0101];%异或
t=[0110];
d=[0101];
w1=0.2;
w2=0.5;
yita=-0.1;
theta=0.1;
while~isequal（t,d）
forj=1:
1:
4
w1=w1+yita*（d（j）-t（j））*p（1,j）;
w2=w2+yita*（d（j）-t（j））*p（2,j）;
theta=theta+yita*（d（j）-t（j））;
d（j）=w1*p（1,j）+w2*p（2,j）+theta;
d（j）=round（d（j））;
end
end
2.x=0:
0.01:
4*pi;%画出模拟曲线
y=sin（x）+0.46*exp（-0.15*x）.*cos（1.2*x）;
figure
（1）;plot（x,y,'g'）;holdon;
N=50;%初始化预测集样本数
P1=0:
0.2:
4*pi;%训练集样本点
P2=（4*pi）*rand（1,N）;%预测集样本点
%计算训练集和预测集对应的目标向量T1,T2
T1=sin（P1）+0.46*exp（-0.15*P1）.*cos（1.2*P1）;
T2=sin（P2）+0.46*exp（-0.15*P2）.*cos（1.2*P2）;
%建立网络
net=newff（P1,T1,[16]）;
%设置训练参数
net.trainParam.show=50;
net.trainParam.lr=0.05;
net.trainParam.mc=0.95;
net.trainParam.epochs=400;
net.trainParam.goal=1e-8;
[net,tr]=train（net,P1,T1）;%训练网络
A=sim（net,P2）;%对预测集进行预测
plot（P1,T1,'r+',P2,A,'b.'）;
六、实验结果
1.与：
w1=0.2w2=0.4theta=0
或：
w1=0.3w2=0.5theta=0.2
无法实现非功能，由于非只需要一个输入
异或：
w1=0.1w2=0.1theta=0.2
2.
图中的蓝色曲线是所需模拟函数的曲线，红色‘+’为训练集的样本点，而蓝色的‘.’是预测集P2经过网络预测的结果A，即（P2，A）。
我们可以发现模拟的结果很好。
实验五MATLAB的综合实验
一、实验目的及要求
培养学生利用Matlab解决专业问题的能力。
二、实验设备（环境）及要求
1．计算机
2．Matlab软件编程实验平台
三、实验内容（三题中选择一题）
1、实现一个数字信号处理的仿真系统，通过该系统可以方便的验证信号处理所学的基本内容，要求程序具有界面并实现以下功能：
1）能产生或得到各种数字信号（sin、方波、三角波、语音、噪声及其叠加）；
2）具有根据需求设计低通、高通、带通和带阻滤波器的功能；
3）具有对数字信号进行DFT、DCT和DWT变换和经典功率谱估计功能；
4）产生或输入数字信号，显示时域、变换域及功率谱估计波形，在这个信号上叠加噪声，通过滤波器对其降噪，得到输出信号的频域特性和时间序列。
2、基于数字图像处理，实现一个汽车标志定位和分割的仿真系统。
要求系统具有界面并实现以下功能：
1）读入包含汽车标志的汽车图像；
2）预处理及汽车标志定位；
3）多种图像分割功能；
4）形态学滤波等功能；
3、结合自己的研究方向，实现一个神经网络应用的实例，要求用至少3种方法实现（可以包括不同神经网络方法或经典方法），并对实验结果进行比较分析。
四、设计思想
1.实现一个数字信号处理的仿真系统
l根据数字信号处理的仿真系统要求，设计界面框图，安排界面布局图像二值化
l用GUI按照设计进行界面交互组件添加并设置组件属性
l对回调函数进行编程，实现题设功能
l调整界面并调试程序
五、程序代码（界面除外）及注释
functionvarargout=renliang（varargin）
%Begininitializationcode-DONOTEDIT
gui_Singleton=1;
gui_State=struct（'gui_Name',mfilename,...
'gui_Singleton',gui_Singleton,...
'gui_OpeningFcn',@renliang_OpeningFcn,...
'gui_OutputFcn',@renliang_OutputFcn,...
'gui_LayoutFcn',[],...
'gui_Callback',[]）;
ifnargin&&ischar（varargin{1}）
gui_State.gui_Callback=str2func（varargin{1}）;
end
ifnargout
[varargout{1:
nargout}]=gui_mainfcn（gui_State,varargin{:
}）;
else
gui_mainfcn（gui_State,varargin{:
}）;
end
%Endinitializationcode-DONOTEDIT
%---Executesjustbeforerenliangismadevisible.
functionrenliang_OpeningFcn（hObject,eventdata,handles,varargin）
%Choosedefaultcommandlineoutputforrenliang
handles.output=hObject;
%Updatehandlesstructure
guidata（hObject,handles）;
%UIWAITmakesrenliangwaitforuserresponse（seeUIRESUME）
%---Outputsfromthisfunctionarereturnedtothecommandline.
functionvarargout=renliang_OutputFcn（hObject,eventdata,handles）
%Getdefaultcommandlineoutputfromhandlesstructure
varargout{1}=handles.output;
%---Executesonbuttonpressincheckbox1.
functioncheckbox1_Callback（hObject,eventdata,handles）
%正弦波输入
%---Executesduringobjectcreation,aftersettingallproperties.
functioncheckbox1_CreateFcn（hObject,eventdata,handles）
functionedit1_Callback（hObject,eventdata,handles）
%正弦波幅值
%---Executesduringobjectcreation,aftersettingallproperties.
functionedit1_CreateFcn（hObj
升级会员 