数字信号处理00002Word格式.docx
《数字信号处理00002Word格式.docx》由会员分享，可在线阅读，更多相关《数字信号处理00002Word格式.docx（10页珍藏版）》请在冰点文库上搜索。
t'
x2=sawtooth（2*pi*50*t,0.5）;
%产生五个周期三角波
subplot（222）
plot（t,x2）
三角波110900623'
x3=square（2*pi*50*t）;
%产生十个周期方波
subplot（223）
plot（t,x3）
方波110900623'
axis（[0,0.1,-1.2,1.2]）
t=-4:
0.1:
4;
x4=sinc（t）;
%产生抽样信号
subplot（224）
plot（t,x4）
axis（[-5,5,-0.5,0.5]）
抽样信号110900623'
2.分析并绘出常用窗函数时域特性波形.
clearall
y1=boxcar（80）;
%矩形窗
plot（y1,'
k'
axis（[-1,81,-0.2,1.2]）
gtxst（‘矩形窗’）
holdon
y2=triang（80）;
%三角窗
plot（y2,'
m.'
y3=hanning（80）;
%汉宁窗
plot（y3,'
y*'
gtxst（‘汉宁窗’）
y4=hamming（80）;
%海明窗
plot（y4,'
r-'
gtxst（‘海明窗’）
y5=blackman（80）;
%布莱克曼窗
plot（y5,'
g:
'
gtxst（‘布莱克曼窗’）
y6=kaiser（80,7.865）;
%凯塞-贝尔窗
plot（y6,'
b-.'
）
gtxst（‘凯塞-贝尔窗’）
常用窗函数110900623'
实验二内容:
1.计算序列x（n）=[1,2,3,4,5],与序列h（n）=[2,-2,3,5]的线性卷积和6点、8点和10点圆周卷积.
xn=[1,2,3,4,5];
hn=[2,-2,3,5];
yln=conv（xn,hn）;
ycn1=circonv2（xn,hn,6）;
ycn2=circonv2（xn,hn,8）;
ycn3=circonv2（xn,hn,10）;
ny0=[0:
1:
length（yln）-1];
ny1=[0:
length（ycn1）-1];
ny2=[0:
length（ycn2）-1];
ny3=[0:
length（ycn3）-1];
subplot（2,2,1）;
stem（ny0,yln）
ylabel（'
线性卷积'
subplot（2,2,2）;
stem（ny1,ycn1）;
圆周卷积6'
subplot（2,2,3）;
stem（ny2,ycn2）
圆周卷积8'
subplot（2,2,4）;
stem（ny3,ycn3）
圆周卷积10'
axis（[0,10,0,40]）;
functionyc=circonv2（x1,x2,N）%子程序1
iflength（x1）>
N
error（'
Nmustnotbelessthanlengthofx1'
）;
end
iflength（x2）>
Nmustnotbelessthanlengthofx2'
end
x1=[x1,zeros（1,N-length（x1））];
x2=[x2,zeros（1,N-length（x2））];
n=[0:
N-1];
x2=x2（mod（-n,N）+1）;
H=zeros（N,N）;
forn=1:
H（n,:
）=cirshiftd（x2,n-1,N）;
yc=x1*H'
;
functiony=cirshiftd（x,m,N）%子程序2
iflength（x）>
thelengthofxmustbelessthanN'
x=[x,zeros（1,N-length（x））];
y=x（mod（n-m,N）+1）;
2.某序列为
使用FFT函数分析其频谱.利用不同宽度N的矩形窗截短该序列,N分别为20,40,160,观察不同长度N的窗对谱分析结果的影响.
N=20;
n=0:
N-1;
xn=0.5*cos（11*pi*n/20）+cos（9*pi*n/20）;
XK=fft（xn,N）;
magXK=abs（XK）;
phaXK=angle（XK）;
subplot（3,2,1）
plot（n,xn）
n'
x（n）'
x（n）时域N=20'
subplot（3,2,2）
k=0:
length（magXK）-1;
stem（k,magXK,'
g.'
|X（k）|'
X（k）N=20'
N=40;
subplot（3,2,3）
x（n）时域N=40'
subplot（3,2,4）
X（k）N=40'
N=160;
subplot（3,2,5）
x（n）时域N=160'
subplot（3,2,6）
b.'
X（k）N=160'
实验三:
1.用巴特沃斯滤波器设计一个数字低通滤波器,要求在0-0.2π内衰耗不大于3dB,在0.6π–π内衰耗不小于60dB，采样频率Fs=500Hz.
wp=500*0.2*pi;
ws=500*0.6*pi;
Rp=3;
Rs=60;
Fs=500;
Ts=1/Fs;
%参数设计
[N,Wn]=buttord（wp,ws,Rp,Rs,'
s'
%?
模拟巴特沃斯低通滤波器
[Z,P,K]=buttap（N）;
%°
把滤波器零极点模型转化为传递函数模型
[Bap,Aap]=zp2tf（Z,P,K）;
把模拟滤波器原型转化为截止频率为wn的低通滤波器
[b,a]=lp2lp（Bap,Aap,Wn）;
%双线性变换法实现模拟滤波器到数字滤波器转换
[bz,az]=bilinear（b,a,Fs）;
%绘制频率响应图
[H,W]=freqz（bz,az）;
plot（W*Fs/（2*pi）,abs（H））;
grid
频率/Hz'
频率响应幅度'
110900623'
2.分别使用矩形窗和海明窗函数设计一个线性相位FIR低通滤波器,其逼近理想低通滤波器的频率特性.
其中ωc=1rad,τ=12s。
clf
N=25;
Wn=1;
b=fir1（N,Wn/pi,hamming（N+1））;
freqz（b,1,512）
b=fir1（N,Wn/pi,boxcar（N+1））;
freqz（b,1,512）
gtext（'
矩形'
海明'
四、实验心得
本次实验过程中，除了学会利用matlab学会产生各种常用序列、窗函数的方法，也学会利用此工具进行信号的处理，包括频谱分析、抽样、卷积等一些计算量比较大的计算，大大缩减了运算时间，使得对信号进行的数学处理，可以通过直观的图像进行形象的认识，也弥补了我数学运算上的不足。
虽然这个工具掌握的不够深，还不能够灵活运用，但是作为一种信号处理手段，当有了这个概念后，在未来的学习和工作中，如果有可以利用matlab这个工具进行更有效率的利用时，我可以再去专研学习。
升级会员 