语音滤波实验报告

语音滤波实验报告
语音滤波实验报告

DSP技术及应用课程设计

语音滤波处理

院系:机电工程学院

专业(班级):电子信息工程2班

姓名:洪育钦

学号: 20134082033

指导教师:韩杨杨

职称:助教

完成日期: 2016年 6月 16日

成绩:

目录

1.引言 (1)

1.2 设计的目的 (1)

1.3设计指标要求 (2)

2滤波器的基础知识 (2)

2.1 滤波器的定义 (2)

2.2 滤波器的功能 (3)

2.3滤波器的特点 (3)

2.4 FIR数字滤波器的窗函数设计 (4)

3.FIR滤波器设计与实现过程 (5)

3.1 FIR滤波器设计指标 (5)

3.2 FIR滤波器设计过程 (6)

3.2.2 FIR滤波器的matlab实现 (6)

3.2.3 FIR滤波器的CCS实现 (8)

3.3 FIR滤波器设计结果 (9)

4.设计过程中遇到的问题及解决的办法 (11)

参考文献 (12)

附录 (12)

语音信号的FIR滤波器处理

1.引言

随着信息时代和数字世界的到来,数字信号处理已成为如今一门极其重要的学科和技术领域。数字信号处理在通信、语音、图像、自动控制、雷达、军事、航空航天、医疗和家用电器等众多领域得到了广泛的应用。

数字信号处理器,也称DSP芯片,是针对数字信号处理需要而设计的一种具有特殊结构的微处理器,它是现代电子技术、相结合的产物。一门主流技术,随着信息处理技术的飞速发展,计算机技术和数字信号处理技术逐渐发展成为使它在电子信息、通信、软件无线电、自动控制、仪表技术、信息家电等高科技领域得到了越来越广泛的应用。

数字滤波是语音处理、图像处理、频谱分析等应用中的基本处理算法。DSP 是一种处理数字信号的专用微处理器, 主要应用于实时快速地实现各种信号的数字处理算法。用 DSP 芯片实现数字滤波具有稳定性好、精确度高、不受环境影响等优点。

数字滤波器分为有限冲激响应滤波器(FIR滤波器)和无限冲激响应滤波器(IIR滤波器)。FIR 滤波器属于经典滤波器,优点就是由于不存在系统极点,FIR 滤波器是绝对稳定的系统,FIR 滤波器还确保了线性相位,在信号处理中占有极其重要的地位。数字滤波器一直以来就是数字信号处理器(DSP)最广为人知的应用,FIR 滤波器的单位冲激响应 b(n)为有限长序列,若 b(n)为实数, 且满足偶对称:b(n)= b(N- 1- n)的条件, 称为系数对称FIR 滤波器。系数对称 FIR 滤波器在数字信号处理中应用十分广泛。

1.2 设计的目的

通过课程设计,加深对DSP芯片TMS320C54x的结构、工作原理的理解,获得DSP应用技术的实际训练,掌握设计较复杂DSP系统的基本方法。通过使用汇编语言编写具有完整功能的图形处理程序或信息系统,使学生加深对所学知识的理解,进一步巩固汇编语言讲法规则。学会编制结构清晰、风格良好、数据结构适当的汇编语言程序,从而具备解决综合性实际问题的能力。

1.3设计指标要求

(1)设计一个低通滤波器(参数自定)

(2)滤波器的设计的原理介绍

(3)FIR滤波器的设计

(4)FIR滤波器的DSP实现

(5)FIR滤波器的检验(用语音信号通过滤波器后查看滤波效果是否达到设计要求。)

2滤波器的基础知识

2.1 滤波器的定义

Finite Impulse Response)滤波器:有限长单位冲激响应滤波器,是数字信号处理系统中最基本的元件,它可以在保证任意幅频特性的同时具有严格的线性相频特性,同时其单位抽样响应是有限长的,因而滤波器是稳定的系统。因此,FIR滤波器在通信、图像处理、模式识别等领域都有着广泛的应用。

冲激响应之所以是“有限的”是因为在滤波器中没有反馈出现;如果你输入一个冲激{就是一个“1”样本后出现许多“0”的样本的信号},那么零将在样本“1”通过了所有的延迟线的系数后出现。

2.2 滤波器的功能

功能就是允许某一部分频率的信号顺利的通过,而另外一部分频率的信号则受到较大的抑制,它实质上是一个选频电路。把信号能够通过的频率范围,称为通频带或通带;反之,信号受到很大衰减或完全被抑制的频率范围称为阻带;通带和阻带之间的分界频率称为截止频率;理想滤波器在通带内的电压增益为常数,在阻带内的电压增益为零;实际滤波器的通带和阻带之间存在一定频率范围的过渡带。

2.3滤波器的特点

优点:

(1)很容易获得严格的线性相位,避免被处理的信号产生相位失真,这一特点在宽频带信号处理、阵列信号处理、数据传输等系统中非常重要;

(2)可以在幅度特性随意设计的同时,保证精确、严格的线性相位,还可得到多带幅频特性;

(3)极点全部在原点(永远稳定),无稳定性问题;

(4)任何一个非因果的有限长序列,总可以通过一定的延时,转变为因果序列,所以因果性总是满足;

(5)无反馈运算,运算误差小。

缺点:

(1)因为无极点,要获得好的过渡带特性,需以较高的阶数为代价;

(2)无法利用模拟滤波器的设计结果,一般无解析设计公式,要借助计算

机辅助设计程序完成。

2.4 FIR数字滤波器的窗函数设计

窗函数设计的基本思想是要选取某一种合适的理想频率选择性滤波器,然后将它的脉冲响应截断以得到一个线性相位和因果的FIR滤波器。因此这种方法的重点在于选择某种合适的窗函数和一种理想滤波器。对于给定的滤波器技术指标,选择滤波器长度和具有最窄主瓣宽度和尽可能小的旁瓣衰减的某个窗函数。

任何数字滤波器的频率响应都是w的周期函数,它的傅立叶级数展开

其中的Wc为滤波器的归一化的截止频率。傅立叶系数hd(n)实际上就是理想数字滤波器的冲激响应。获得有限冲激响应数字滤波器的一种可能方法就是把无穷级数截取为有限项级数来近似,而吉布斯(Gibbs)现象使得直接截取法不甚令人满意。

窗函数法就是用被称为窗函数的有限加权系列{W(n)}来修正傅立叶级数,以求得要求的有限冲激响应序列h(n),即有:

h(n)=hd(n)W(n)

w(n)是有限长序列,当n>N-1及n<0时,W(n)=0。

几种常用的窗函数

工程中比较常用的窗函数有矩形窗函数、三角形((Bartlett)窗函数、汉宁(Harming)窗函数、海明(Hamming)窗函数、布莱克曼(Blackman)窗函数和凯塞Kaiser)窗函数。

窗函数的选择原则是:

1. 具有较低的旁瓣幅度,尤其是第一旁瓣幅度;

2. 旁瓣幅度下降速度要大,以利增加阻带衰减;

3. 主瓣的宽度要窄,以获得较陡的过渡带。

通常上述三点很难同时满足。当选用主瓣宽度较窄时,虽然得到较陡的过渡带,但通带和阻带的波动明显增加:当选用最小的旁瓣幅度时,虽能得到匀滑的

幅度响应和较小的阻带波动,但过渡带加宽。因此,实际选用的窗函数往往是它们的折衷。在保证主瓣宽度达到一定要求的条件下,适当牺牲主瓣宽度来换取旁瓣波动的减少。总之窗函数不仅有截短的作用,而且能够起到平滑的作用在很多领域得到应用。

3.FIR滤波器设计与实现过程

3.1 FIR滤波器设计指标

设计一个基于CCS汇编实现的FIR

滤波器,通过MATLAB的辅助,可以实现

对语音信号的产生以及滤波前后的频谱

显示。

本次FIR滤波器设计的的maltab流

程如右图:

采用37阶低通滤波器,汉明窗

(Hamming Window)函数,通带截止频率为1500 Hz,阻带截止频率为2000 Hz,

通带波纹为0.01,阻带波纹为0.1,采样频率为8000Hz。应用Matlab工具箱的滤波器设计工具。

3.2 FIR滤波器设计过程

3.2.2 FIR滤波器的matlab实现

FIR参数设定及频域响应特性

根据上述要求在matlab中采用fir2函数设计低通FIR滤波器,其程序代码为: f=[0 0.38 0.5 1];

m=[1 1 0 0];

b=fir2(36,f,m);

在MATLAB中输入以上代码,求出滤波器系数如下具有两边对称,

h(0)=h(36)=-0.0010, h(1)=h(35)=-0.0036 ,

h(3)=h(33)=0.0065 ,h(2)=h(34)=0.0000 h(4)=h(32)=0.0032 ,h(5)=h(31)=-0.0088 h(6)=h(30)=-0.0093 ,h(7)=h(29)=0.0090 ,h(8)=h(28)=0.0184 h(9)=h(27)=-0.0047 ,h(10)=h(26)=-0.0297 ,h(11)=h(25)=-0.0071 h(12)=h(24)=0.0417 , h(13)=h(23)=0.0316 ,

h(15)=h(21)=-0.0848, h(16)=h(20)=0.0598,

h(18)=0.4375

CCS的输入语音信号的辅助产生(MATLAB)

1、理想情况:FIR 滤波器的输入数据存储在indata.dat 文件中,共300 个点,由频率为1000Hz和2500Hz 的两个余弦波叠加而成

2、为了验证设计的可行性,自身录制一个语音片段,主要信号为低频成分,其中夹杂着高频成分的噪声。

在MATLAB中产生一个indata.dat文件供CCS输入,在matlab中输入的代码为:

h(14)=h(22)=-0.0524 h(17)=h(19)=0.3108

3.3FIR滤波器设计结果,观察Input和Output视窗中滤波器前后的时域观察波形图,观察滤波效果,数字滤波器仿真结果时域图如图所示,

x=wavread('D:\matlab\work\XINZAO.wav');%语音文件的路径y=fft(x,1

x=wavread('D:\matlab\work\XINZAO.wav'); %语音文件的路径

y=fft(x,1024);

plot(abs(y(1:1000))); %采样100个点

x1=round(1024*x);

fid=fopen('indata.dat','w'); %生成一个dat文件

fprintf(fid,'1651 1 00E2 1000\n');

fprintf(fid,'%d\n',x1); %输出

3.2.3 FIR滤波器的CCS实现

Css程序流程图如右图所示

应用软件CCS配置:

点击进入CCS:首先点击Setup CCS3.3,

点击进入运行界面,如图7。

选中C5410 Device Simulator一项,另

外为了方面选择芯片,可以先在窗口的右面的

Family和Plarform及Endia选项,点击Save

and Quit就会弹出控制窗口.。

在控制窗口open选项中选中C5410

Device Simulator/CPU,就可以开始新建一个工程。

新建一个fir工程,然后新建.asm文件 .cmd文件等,将它们添加到工程中来,

CCS编程界面如下

对程序进行编译:执行Project→Compile命令,也可以用快捷键

就可以

对当前的汇编程序进行编译生成.obj文件。如果程序存在语法错误,那么就会在下面的编译链接信息框中显示错误信息。根据错误提示,对程序进行一一修改对程序进行编译链接:执行Project→Build命令,也可以用快捷键就可以对当前的项目文件同时进行编译,汇编和链接操作,并生成与工程项目名称相同的可执行的.out文件。如果有错误信息,则会在“编译链接”信息框中显示。也可以执行Project下的build All命令,所有项目中的文件重新编译,汇编和链接,生成.out文件。装载.out文件:单击主菜单“File”中“Load Program”选项,在对话框中,在CCS

安装目录下,找到构建该工程

的Debug目录,选择构建生成

后的.out文件,

图右转载.out文件配

在data项中选择load,

转载之前在MATLAB中生成的

indata.dat文件,会弹出以

下窗口,对地址和长度进行相关设置。点击ok后,开始点击run,运行工程,如果有异常情况,逐一检查。

3.3 FIR滤波器设计结果

观察Input和Output视窗中滤波器前后的时域观察波形图,点击CCS中

View>>Graph>>Time/Frequency,出现选项窗口,设置相应选项,观察滤波效果。

滤波前的信号:

滤波后的效果:

4.设计过程中遇到的问题及解决的办法

1、在我们确定滤波器参数时,刚开始我们忽略了采样定理,结果设计出来的低通滤波器是错误的,经过在Matlab软件的工具包里,设计低通滤波器,如图18的界面,经过测试,如果条件不符合采样定理的就会出现错误提示界面,我们最后修改正确了。

2、为了实现语音及噪声的通过设计的滤波器进行验证,需要制作一个语音及噪声的.dat文件,以供CCS信号输入,对软件不熟练的我们不懂的怎么应用?答:通过到图书馆借相应的书来自学,学习MATLAB的生成.dat文件的相关命令语句,以及请教其他同学。通过不断的讨论和研究,知道了要对信号进行采样,再通过fopen语句等,才能生成dat文件

3、通过MATLAB辅助,求出的b系数,刚开始在CCS里面表示时,用x*32768/10000(x为b系数的整数部分),结果在编译时出现了问题。另外,当求得的系数存在有大于四位时,也会出现错误?

答:经过学习和与队员研究讨论,发现这是因为一些大于1的系数,即是大于四位的整数除去10000,才会出现warning,我们刚开始用的是32768,即Q15,会使运算结果溢出,于是把32768改为了1024,即Q10,这样后就解决了存在的问

题,

4、通过load data时,在配置地址和长度时,我们没有忘记按照自己设定的起始地址及长度,结果显示出来的图像与真实的有极大的偏差。

答:把Address和Length的参数填写自己在生成dat文件是所设置的值一致,最后滤波输出波形正确。

参考文献

【1】邹彦 DSP原理及应用. 北京:电子工业出版社. 2009

【2】刘树棠. 信号与系统. 第二版. 西安交通大学出版社. 2008

【3】刘卫国. MATLAB程序设计与应用第二版. 高等教育出版社. 2008 【4】程佩青. 数字信号处理教程. 第三版. 清华大学出版社. 2009

附录

1.主程序fir.asm:

.title "FIR.ASM"

.mmregs

.def start

.bss yn,1

xn .usect "xn",37

hn .usect "hn",37

indata .usect "indata",300

outdata .usect "outdata",256

.data

fir_coff:

.word -10*1024/10000,-36*1024/10000 .word 0*1024/10000,65*1024/10000 .word 32*1024/10000,-88*1024/10000 .word -93*1024/10000,90*1024/10000 .word 184*1024/10000,-47*1024/10000 .word -297*1024/10000,-71*1024/10000 .word 417*1024/10000,316*1024/10000 .word -524*1024/10000,-848*1024/10000 .word 598*1024/10000,3108*1024/10000 .word 4375*1024/10000

.word 3108*1024/10000,598*1024/10000 .word -848*1024/10000,-524*1024/10000 .word 316*1024/10000,417*1024/10000 .word -71*1024/10000,-297*1024/10000 .word -47*1024/10000,184*1024/10000 .word 90*1024/10000,-93*1024/10000 .word -88*1024/10000,32*1024/10000 .word 65*1024/10000,0*1024/10000 .word -36*1024/10000,-10*1024/10000

.text

start:

ssbx frct ;使用小数运算 stm #hn,ar1 ;系数首地址 rpt #36 ;将系数移入循

mvpd fir_coff,*ar1+ ;环缓冲区 stm #-1,ar0

stm #outdata,ar5

stm #indata,ar4

北科大数字图像处理实验报告

北京科技大学计算机与通信工程学院 实验报告 实验名称:《数字图像处理》课程实验 学生姓名:徐松松 专业:计算机科学与技术 班级:计1304 学号:41345053 指导教师:王志明 实验成绩: 实验时间:2016 年12 月15 日

一、实验目的与实验要求 1、实验目的 1. 熟悉图像高斯、脉冲等噪声的特点,以及其对图像的影响; 2. 理解图像去噪算法原理,并能编程实现基本的图像去噪算法,达到改善图像质量的效果,并能对算法性能进行简单的评价。 3. 理解图像分割算法的原理,并能编程实现基本的灰度图像分割算法,并显示图像分割结果。 2、实验要求 1. 对于给定的两幅噪声图像(test1.jpg, test 2.jpg),设计或选择至少两种图像滤波算法对图像进行去噪。 2.利用给出的参考图像(org1.jpg, org2.jpg),对不同算法进行性能分析比较。 3. 对于给定的两幅数字图像(test.jpg,test 4.jpg),将其转换为灰度图像,设计或选择至少两种图像分割算法对图像进行分割,用适当的方式显示分割结果,并对不同算法进行性能分析比较。 二、实验设备(环境)及要求 1. Mac/Windows计算机 2. Matlab编程环境。 三、实验内容与步骤 1、实验1 (1)实验内容 1. 对于给定的两幅噪声图像(test1.jpg, test 2.jpg), 设计或选择至少两种图像滤波算法对图像进行去噪。 2. 利用给出的参考图像(org1.jpg, org2.jpg), 对不同算法进行性能分析比较。(2)主要步骤 1. 打开Matlab编程环境; 2. 利用’imread’函数读入包含噪声的原始图像数据; 3. 利用’imshow’函数显示所读入的图像数据;

卡尔曼滤波计算举例

卡尔曼滤波计算举例 ?计算举例 ?卡尔曼滤波器特性

假设有一个标量系统,信号与观测模型为 [1][][]x k ax k n k +=+[][][] z k x k w k =+其中a 为常数,n [k ]和w [k ]是不相关的零均值白噪声,方差分别为和。 系统的起始变量x [0]为随机变量,其均值为零,方差为。2n σ2 σ[0]x P (1)求估计x [k ]的卡尔曼滤波算法;(2)当时的卡尔曼滤波增益和滤波误差方差。 22 0.9,1,10,[0]10 n x a P =σ=σ==1. 计算举例

根据卡尔曼算法,预测方程为: ??[/1][1/1]x k k ax k k -=--预测误差方差为: 2 2 [/1][1/1]x x n P k k a P k k -=--+σ 卡尔曼增益为: () 1 22 22 22 [][/1][/1][1/1][1/1]x x x n x n K k P k k P k k a P k k a P k k -=--+σ --+σ=--+σ+σ ???[/][/1][]([][/1])??[1/1][]([][1/1])?(1[])[1/1][][]x k k x k k K k z k x k k ax k k K k z k ax k k a K k x k k K k z k =-+--=--+---=---+滤波方程:

()() 2 2222222 222 22 [/](1[])[/1] [1/1]1[1/1][1/1][1/1][1/1]x x x n x n x n x n x n P k k K k P k k a P k k a P k k a P k k a P k k a P k k =--??--+σ=---+σ ?--+σ+σ??σ--+σ = --+σ+σ 滤波误差方差 起始:?[0/0]0x =[0/0][0] x x P P =

低通滤波器实验报告

(科信学院) 信息与电气工程学院 电子电路仿真及设计CDIO三级项目 设计说明书 (2012/2013学年第二学期) 题目: ____低通滤波器设计____ _____ _____ _ 专业班级:通信工程 学生姓名: 学号: 指导教师: 设计周数:2周 2013年7月5日 题目: ____低通滤波器设计____ _____ _____ _ (1)

第一章、电源的设计 (2) 1.1实验原理: (2) 1.1.1设计原理连接图: (2) 1. 2电路图 (5) 第二章、振荡器的设计 (7) 2.1 实验原理 (7) 2.1.1 (7) 2.1.2定性分析 (7) 2.1.3定量分析 (8) 2.2电路参数确定 (10) 2.2.1确定R、C值 (10) 2.2.2 电路图 (10) 第三章、低通滤波器的设计 (12) 3.1芯片介绍 (12) 3.2巴特沃斯滤波器简介 (13) 3.2.1滤波器简介 (13) 3.2.2巴特沃斯滤波器的产生 (13) 3.2.3常用滤波器的性能指标 (14) 3.2.4实际滤波器的频率特性 (15) 3.3设计方案 (17) 3.3.1系统方案框图 (17) 3.3.2元件参数选择 (18) 3.4结果分析 (20) 3.5误差分析 (23) 第四章、课设总结 (24) 第一章、电源的设计 1.1实验原理: 1.1.1设计原理连接图:

整体电路由以下四部分构成: 电源变压器:将交流电网电压U1变为合适的交流电压U2。 整流电路:将交流电压U2变为脉动的直流电压U3。 滤波电路:将脉动直流电压U3转变为平滑的直流电压U4。 稳压电路:当电网电压波动及负载变化时,保持输出电压Uo的稳定。 1)变压器变压 220V交流电端子连一个降压变压器,把220V家用电压值降到9V左右。 2)整流电路 桥式整流电路巧妙的利用了二极管的单向导电性,将四个二极管分为两组,根据变压器次级电压的极性分别导通。见变压器次级电压的正极性端与负载电阻的上端相连,负极性端与负载的电阻的下端相连,使负载上始终可以得到一个单方向的脉动电压。单项桥式整流电路,具有输出电压高,变压器利用率高,脉动系数小。

matlab图像处理实验报告

图像处理实验报告 姓名:陈琼暖 班级:07计科一班 学号:20070810104

目录: 实验一:灰度图像处理 (3) 实验二:灰度图像增强 (5) 实验三:二值图像处理 (8) 实验四:图像变换 (13) 大实验:车牌检测 (15)

实验一:灰度图像处理题目:直方图与灰度均衡 基本要求: (1) BMP灰度图像读取、显示、保存; (2)编程实现得出灰度图像的直方图; (3)实现灰度均衡算法. 实验过程: 1、BMP灰度图像读取、显示、保存; ?图像的读写与显示操作:用imread( )读取图像。 ?图像显示于屏幕:imshow( ) 。 ?

2、编程实现得出灰度图像的直方图; 3、实现灰度均衡算法; ?直方图均衡化可用histeq( )函数实现。 ?imhist(I) 显示直方图。直方图中bin的数目有图像的类型决定。如果I是个灰度图像,imhist将 使用默认值256个bins。如果I是一个二值图像,imhist使用两bins。 实验总结: Matlab 语言是一种简洁,可读性较强的高效率编程软件,通过运用图像处理工具箱中的有关函数,就可以对原图像进行简单的处理。 通过比较灰度原图和经均衡化后的图形可见图像变得清晰,均衡化后的直方图形状比原直方图的形状更理想。

实验二:灰度图像增强 题目:图像平滑与锐化 基本要求: (1)使用邻域平均法实现平滑运算; (2)使用中值滤波实现平滑运算; (3)使用拉普拉斯算子实现锐化运算. 实验过程: 1、 使用邻域平均法实现平滑运算; 步骤:对图像添加噪声,对带噪声的图像数据进行平滑处理; ? 对图像添加噪声 J = imnoise(I,type,parameters)

北航卡尔曼滤波课程-捷联惯导静基座初始对准实验

卡尔曼滤波实验报告 捷联惯导静基座初始对准实验 一、实验目的 ①掌握捷联惯导的构成和基本工作原理; ②掌握捷联惯导静基座对准的基本工作原理; ③了解捷联惯导静基座对准时的每个系统状态的可观测性; ④了解双位置对准时系统状态的可观测性的变化。 二、实验原理 选取状态变量为:[]T E N E N U x y x y z X V V δδεεε=ψψψ??,其

中导航坐标系选为东北天坐标系,E V δ为东向速度误差,N V δ为北向速度误差,E ψ为东向姿态误差角,N ψ为北向姿态误差角,U ψ为天向姿态误差角,x ?为东向加速度偏置,y ?为北向加速度偏置,x ε为东向陀螺漂移,y ε为北向陀螺漂移,z ε为天向陀螺漂移。则系统的状态模型为: X AX W =+ (1) 其中, 1112212211 12 1321222331323302sin 000002sin 000000000sin cos 0000sin 000000cos 0000000000000000000000000000000000000000000000000000 0L g C C L g C C L L C C C L C C C L C C C A Ω-? ? ??-Ω????Ω-Ω? ?-Ω????Ω=? ?????? ?????????? ? [00000]E N E N U T V V W W W W W W δδψψψ=,E D V W W δψ 为零均值高斯 白噪声,分别为加速度计误差和陀螺漂移的噪声成分,Ω为地球自转角速度,ij C 为姿态矩 阵n b C 中的元素,L 为当地纬度。 量测量选取两个水平速度误差:[ ]T E N Z V V δδ=,则量测方程为: 10000000000100000000E E N N V X V δηδη???? ??=+???????????? (2) 即Z HX η=+ 其中,H 为量测矩阵,[]T E N ηηη=为量测方程的随机噪声状态矢量,为零均值高 斯白噪声。 要利用基本卡尔曼滤波方程进行状态估计,需要将状态方程和量测方程进行离散化。 系统转移矩阵为: 2323/1111102!3!! n n k k k k k k n T T T I TA A A A n ∞ -----=Φ=++++=∑ (3)

滤波器设计的实验报告

实验三滤波器设计 一、实验目的: 1、熟悉Labview的软件操作环境; 2、了解VI设计的方法和步骤,学会简单的虚拟仪器的设计; 3、熟悉创建、调试VI; 4、利用Labview制作一个滤波器,实现低通、高通、带通、带阻等基本滤波功能,并调节截止频率实现滤波效果。 二、实验要求: 1、可正弦实现低通、高通、带通、带阻等基本滤波功能,并图形显示滤波前后波形; 2、可调节每种滤波器的上限截止频率或者下限截止频率; 3、给出每种滤波器的幅频特性; 三、设计原理: 1、利用LABVIEW中的数字IIR、FIR数字滤波器实现数字滤波功能,参数可调;

2、将两路不同频率的信号先叠加,然后通过滤波,将一路信号滤除,而保留有用信号,Hz f Hz f 100,2021==; 3、叠加即将两个信号相加,用到一个数学公式; 4、信号进入case 结构,结构中有两路分支,每路分支均有一个滤波模块,其中一个为IIR 滤波器,另一个为FIR 滤波器,通过按钮可选择IIR 或是FIR.每个滤波模块都可通过外部按钮对其参数进行调整,各个过程的波形都用波形图显示出来; 5、将IIR 、FIR 滤波器的“滤波信息”接线端用控件按名称解除捆绑接入波形图,观察波形的幅度和相位; 6、用一个while 循环实现不重新启动既可以改参数。 四、设计流程: 1、前面板的设计:

2、程序框图的设计: 五、实验结果: 1、低通滤波功能:将100Hz的信号滤除,保留20Hz的信号 用IIR巴特沃斯滤波器,将低截止频率设置为25Hz。

用FIR滤波器,拓扑类型选择Windowed FIR,将最低通带设置为50。 用IIR巴特沃斯滤波器,将低截止频率设置为90Hz。

数字图像处理实验报告:灰度变换与空间滤波(附带程序,不看后悔)

1.灰度变换与空间滤波 一种成熟的医学技术被用于检测电子显微镜生成的某类图像。为简化检测任务,技术决定采用数字图像处理技术。发现了如下问题:(1)明亮且孤立的点是不感兴趣的点;(2)清晰度不够,特别是边缘区域不明显;(3)一些图像的对比度不够;(4)技术人员发现某些关键的信息只在灰度值为I1-I2 的范围,因此,技术人员想保留I1-I2 区间范围的图像,将其余灰度值显示为黑色。(5)将处理后的I1-I2 范围内的图像,线性扩展到0-255 灰度,以适应于液晶显示器的显示。请结合本章的数字图像处理处理,帮助技术人员解决这些问题。 1.1 问题分析及多种方法提出 (1)明亮且孤立的点是不够感兴趣的点 对于明亮且孤立的点,其应为脉冲且灰度值为255(uint8)噪声,即盐噪声,为此,首先对下载的细胞图像增加盐噪声,再选择不同滤波方式进行滤除。 均值滤波:均值滤波是典型的线性滤波算法,它是指在图像上对目标像素给一个模板,该模板包括了其周围的临近像素(以目标像素为中心的周围8 个像素,构成一个滤波模板,即去掉目标像素本身),再用模板中的全体像素的平均值来代替原来像素值。 优点:速度快,实现简单; 缺点:均值滤波本身存在着固有的缺陷,即它不能很好地保护图像细节,在图像去噪的同时也破坏了图像的细节部分,从而使图像变得模糊,不能很好地去除噪声点。 其公式如下: 使用矩阵表示该滤波器则为: 中值滤波:

滤除盐噪声首选的方法应为中值滤波,中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。 其过程为: a、存储像素1,像素2 ....... 像素9 的值; b、对像素值进行排序操作; c、像素5 的值即为数组排序后的中值。优点:由于中值滤波本身为一种利用统计排序方法进行的非线性滤波方法,故可以滤除在排列矩阵两边分布的脉冲噪声,并较好的保留图像的细节信息。 缺点:当噪声密度较大时,使用中值滤波后,仍然会有较多的噪声点出现。自适应中值滤波: 自适应的中值滤波器也需要一个矩形的窗口S xy ,和常规中值滤波器不同的是这个窗口的大小会在滤波处理的过程中进行改变(增大)。需要注意的是,滤波器的输出是一个像素值,该值用来替换点(x, y)处的像素值,点(x, y)是滤波窗口的中心位置。 其涉及到以下几个参数: 其计算过程如下:

(完整版)整流滤波电路实验报告

整流滤波电路实验报告 姓名:XXX 学号:5702112116 座号:11 时间:第六周星期4 一、实验目的 1、研究半波整流电路、全波桥式整流电路。 2、电容滤波电路,观察滤波器在半波和全波整流电路中的滤波效果。 3、整流滤波电路输出脉动电压的峰值。 4、初步掌握示波器显示与测量的技能。 二、实验仪器 示波器、6v交流电源、面包板、电容(10μF*1,470μF*1)、变阻箱、二极管*4、导线若干。 三、实验原理 1、利用二极管的单向导电作用,可将交流电变为直流电。常用的二极管整 流电路有单相半波整流电路和桥式整流电路等。 2、在桥式整流电路输出端与负载电阻RL并联一个较大电容C,构成电容滤 波电路。整流电路接入滤波电容后,不仅使输出电压变得平滑、纹波显著成小,同时输出电压的平均值也增大了。 四、实验步骤 1、连接好示波器,将信号输入线与6V交流电源连接,校准图形基准线。 2、如图,在面包板上连接好半波整流电路,将信号连接线与电阻并联。

3、如图,在面包板上连接好全波整流电路,将信号输入线与电阻连接。

4、在全波整流电路中将电阻换成470μF的电容,将信号接入线与电容并联。 5、如图,选择470μF的电容,连接好整流滤波电路,将信号接入线与电阻并联。 改变电阻大小(200Ω、100Ω、50Ω、25Ω)

200Ω100Ω50Ω

25Ω 6、更换10μF的电容,改变电阻(200Ω、100Ω、50Ω、25Ω)200Ω 100Ω

50Ω 25Ω 五、数据处理 1、当C 不变时,输出电压与电阻的关系。 输出电压与输入交流电压、纹波电压的关系如下: avg)r m V V V (输+= 又有i avg R C V ??=输89.2V )(r 所以当C 一定时,R 越大 就越小 )(r V avg 越大 输V

大学doc-实验二RLS的实验报告

20XX年复习资料 大 学 复 习 资 料 专业: 班级: 科目老师: 日期:

基于RLS的语音去噪算法研究 课程名称现在数字信号处理及其应用 实验名称基于RLS的语音去噪算法研究 学院电子信息学院 专业电路与系统 班级电子2班 学号 20XXXX20XXXX0XX020XXXX7 学生姓名刘秀 指导老师何志伟

摘要:截取一段音频信号(初始信号),然后人为加入一个白噪声,然后将初始信号与白噪声混叠以后,再用RLS算法将这个白噪声信号滤除。RLS (递推最小二乘)算法是另一种基于最小二乘准则的精确方法,它具有快速收敛和稳定的滤波器特性,因而被广泛地应用于实时系统识别和快速启动的信道均衡等领域。 关键词:初始信号、白噪音、RLS算法。 Abstract:Intercept an audio signal (original signal) and add a white noise artificially, then after aliasing the initial signal and white noise , and using RLS algorithm to the white noise signal filtering.RLS (recursive least squares) algorithm is a kind of accurate method based on least squares criterion, it has a fast convergence and stability of the filter characteristics, and therefore is widely applied in the real-time system identification and fast start of equalization. Key words: Initial signal, white noise, RLS algorithm.

自适应滤波实验报告

LMS 自适应滤波实验报告 姓名: 学号: 日期:2015.12.2 实验内容: 利用自适应滤波法研究从宽带信号中提取单频信号的方法。 设()()()()t f B t f A t s t x 212cos 2cos π?π+++=,()t s 是宽带信号,A ,B ,1f ,2f , ?任选 (1)要求提取两个单频信号; (2)设f f f ?+=12,要求提取单频信号()t f 22cos π,研究f ?的大小对提取单频信号的影响。 1. 自适应滤波器原理 自适应滤波器理论是现代信号处理技术的重要组成部分,它对复杂信号的处理具有独特的功能。自适应滤波器在信号处理中属于随机信号处理的范畴。在一些信号和噪声特性无法预知或他们是随时间变化的情况下,自适应滤波器通过自适应滤波算法调整滤波器系数,使得滤波器的特性随信号和噪声的变化,以达到最优滤波的效果,解决了固定全系数的维纳滤器和卡尔曼滤波器的不足。 (1) 自适应横向滤波器 所谓自适应滤波,就是利用前一时刻已获得的滤波器参数等结果,自动调节现时刻的滤波器参数,以适应信号和噪声未知或随时间变化的统计特性,从而实现最优滤波。自适应滤波器由两个部分组成:滤波器结构和调节滤波器系数的自适应算法。自适应滤波器的特点是自动调节自身的冲激响应,达到最优滤波,此算法适用于平稳和非平稳随机信号,并且不要求知道信号和噪声的统计特性。 一个单输入的横向自适应滤波器的原理框图如图所示:

实际上这种单输入系统就是一个FIR 网络结构,其输出()n y 用滤波器单位脉冲响应表示成下式: ()()()∑-=-=1 N m m n x m w n y 这里()n w 称为滤波器单位脉冲响应,令:()()n i n x x i w w m i i i ,1,1,1+-=-=+=用j 表示,上式可以写成 ∑==N i ij i j x w y 1 这里i w 也称为滤波器加权系数。用上面公式表示其输出,适用于自适应线性组合器,也适用于FIR 滤波器。将上式表示成矩阵形式: X W W X j T T j j y == 式中 [][ ] T Nj j j j T N x x x w w w X W ,...,,, ,...,,2121== 误差信号表示为 X W j T j j j j d y d e -=-= (2) 最小均方(LMS )算法 Widrow 等人提出的最小均方算法,是用梯度的估计值代替梯度的精确值,这种算法简单易行,因此获得了广泛的应用。 LMS 算法的梯度估计值用一条样本曲线进行计算,公式如下:

微波遥感实验报告

实验一:SAR图像下载与认识 一:实验目的 1掌握SAR图像的下载方法; 2了解不同地物在图像上的特性; 二、实验要求 1掌握雷达图像的成像原理与地物特性 2数据说明 3本实验采用Sentinel-1卫星拍摄于2014年12月5日的天山山脉的遥感影像三、实验步骤 打开地理空间数据云网站; 图1 找到Sentinel-1卫星下载有效数据; 图2

在ERDAS中打开影像; 图3 分析地物在影像上的特性; 1雷达图像的成像机理 雷达图像的获取系统不同于光学影像获取系统,它是采用有源主动式工作方法,其本质是一个距离测量系统雷达图像.上的信息是地物目标对雷达波束的反应,而且主要是目标后向散射形成的图像信息,以及朝向雷达天线那部分被散射的电磁波所形成的图像信息由于地物目标所处的位置地物结构表面形态和介电性能等不同,对雷达波束的反应是不一样的同时不同雷达波段极化方式入射角也会使地物产生不同的反应,使其图像具有近距离压缩透视收缩叠掩阴影和地面起伏引起的影像移位等现象,因此,在图像.上形成不同的色调纹理和图案,与中心投影的光学影像有很大的差别。 2雷达图像的信息特点 地物目标对雷达波束的反应是散射(或反射)穿透和吸收r种情况并存,波长不同,对地物的穿透性是不一样的;地物目标的类型本身的结构表面的粗糙度和介电性能不同,则会对电磁波的穿透反射(或散射)和吸收带来不同程度的效应同时,入射雷达波束和地物的相对方向也有关系,在一定方向的条件下,地物目标可以产生强回波,在另一方向,回波则可能很弱或无回波例如平行于飞行方向的铁丝网(电力线),会产生强回波,垂直于飞行方向回波则很弱或消失因此,在雷达图像解译时,尽可能采用多侧视方向的图像 3目视解译 就本实验的雷达图像而言,主要有以下几种地物; 雷达波束的穿透性对冰雪覆盖区地物的判读有着独特的优势例如雪上被覆盖区域,在光学影像上很难辨清究竟是雪,还是湖泊,在雷达图像上则表现极为清晰对于雪山区域冰斗湖碛尾湖的判断,应采用多侧视方向,避免将阴影误判为湖泊。

卡尔曼滤波简介和实例讲解.

卡尔曼,美国数学家和电气工程师。1930年5月 19日生于匈牙利首都布达佩斯。1953年在美国麻省理工学院毕业获理学士学位,1954年获理学硕士学位,1957年在哥伦比亚大学获科学博士学位。1957~1958年在国际商业机器公司(IBM)研究大系统计算机控制的数学问题。1958~1964年在巴尔的摩高级研究院研究控制和数学问题。1964~1971年到斯坦福大学任教授。1971年任佛罗里达大学数学系统理论研究中心主任,并兼任苏黎世的瑞士联邦高等工业学校教授。1960年卡尔曼因提出著名的卡尔曼滤波器而闻名于世。卡尔曼滤波器在随机序列估计、空间技术、工程系统辨识和经济系统建模等方面有许多重要应用。1960年卡尔曼还提出能控性的概念。能控性是控制系统的研究和实现的基本概念,在最优控制理论、稳定性理论和网络理论中起着重要作用。卡尔曼还利用对偶原理导出能观测性概念,并在数学上证明了卡尔曼滤波理论与最优控制理论对偶。为此获电气与电子工程师学会(IEEE)的最高奖──荣誉奖章。卡尔曼著有《数学系统概论》(1968)等书。 什么是卡尔曼滤波 最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家Kолмогоров等人的研究工作,后人统称为维纳滤波理论。从理论上说,维纳滤波的最大缺点是必须用到无限过去的数据,不适用于实时处理。为了克服这一缺点,60年代Kalman把状态空间模型引入滤波理论,并导出了一套递推估计算法,后人称之为卡尔曼

滤波理论。卡尔曼滤波是以最小均方误差为估计的最佳准则,来寻求一套递推估计的算法,其基本思想是:采用信号与噪声的状态空间模型,利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计,求出现时刻的估计值。它适合于实时处理和计算机运算。 卡尔曼滤波的实质是由量测值重构系统的状态向量。它以“预测—实测—修正”的顺序递推,根据系统的量测值来消除随机干扰,再现系统的状态,或根据系统的量测值从被污染的系统中恢复系统的本来面目。 释文:卡尔曼滤波器是一种由卡尔曼(Kalman)提出的用于时变线性系统的递归滤波器。这个系统可用包含正交状态变量的微分方程模型来描述,这种滤波器是将过去的测量估计误差合并到新的测量误差中来估计将来的误差。 卡尔曼滤波的应用 斯坦利.施密特(Stanley Schmidt)首次实现了卡尔曼滤波器.卡尔曼在NASA埃姆斯研究中心访问时,发现他的方法对于解决阿波罗计划的轨道预测很有用,后来阿波罗飞船的导航电脑使用了这种滤波器. 关于这种滤波器的论文由Swerling (1958), Kalman (1960)与 Kalman and Bucy (1961)发表.

自适应滤波实验报告

LMS 自适应滤波实验报告 : 学号: 日期:2015.12.2 实验容: 利用自适应滤波法研究从宽带信号中提取单频信号的方法。 设()()()()t f B t f A t s t x 212cos 2cos π?π+++=,()t s 是宽带信号,A ,B ,1f ,2f , ?任选 (1)要求提取两个单频信号; (2)设f f f ?+=12,要求提取单频信号()t f 22cos π,研究f ?的大小对提取单频信号的影响。 1. 自适应滤波器原理 自适应滤波器理论是现代信号处理技术的重要组成部分,它对复杂信号的处理具有独特的功能。自适应滤波器在信号处理中属于随机信号处理的畴。在一些信号和噪声特性无法预知或他们是随时间变化的情况下,自适应滤波器通过自适应滤波算法调整滤波器系数,使得滤波器的特性随信号和噪声的变化,以达到最优滤波的效果,解决了固定全系数的维纳滤器和卡尔曼滤波器的不足。 (1) 自适应横向滤波器 所谓自适应滤波,就是利用前一时刻已获得的滤波器参数等结果,自动调节现时刻的滤波器参数,以适应信号和噪声未知或随时间变化的统计特性,从而实现最优滤波。自适应滤波器由两个部分组成:滤波器结构和调节滤波器系数的自适应算法。自适应滤波器的特点是自动调节自身的冲激响应,达到最优滤波,此算法适用于平稳和非平稳随机信号,并且不要求知道信号和噪声的统计特性。

一个单输入的横向自适应滤波器的原理框图如图所示: 实际上这种单输入系统就是一个FIR 网络结构,其输出()n y 用滤波器单位脉冲响应表示成下式: ()()()∑-=-=1 N m m n x m w n y 这里()n w 称为滤波器单位脉冲响应,令: ()()n i n x x i w w m i i i ,1,1,1+-=-=+=用j 表示,上式可以写成 ∑==N i ij i j x w y 1 这里i w 也称为滤波器加权系数。用上面公式表示其输出,适用于自适应线性组合器,也适用于FIR 滤波器。将上式表示成矩阵形式: X W W X j T T j j y == 式中 [][ ] T Nj j j j T N x x x w w w X W ,...,,, ,...,,2121== 误差信号表示为 X W j T j j j j d y d e -=-= (2) 最小均方(LMS )算法 Widrow 等人提出的最小均方算法,是用梯度的估计值代替梯度的精确值,这种算法简单易行,因此获得了广泛的应用。

有源滤波器实验报告

有源滤波器实验报告文件编码(008-TTIG-UTITD-GKBTT-PUUTI-WYTUI-8256)

实验七集成运算放大器的基本应用(Ⅱ)—有源滤波器 一、实验目的 1、熟悉用运放、电阻和电容组成有源低通滤波、高通滤波和带通、带阻滤波器。 2、学会测量有源滤波器的幅频特性。 二、实验原理 (a)低通(b)高通 (c) 带通(d)带阻 图7-1 四种滤波电路的幅频特性示意图 由RC元件与运算放大器组成的滤波器称为RC有源滤波器,其功能是让一定频率范围内的信号通过,抑制或急剧衰减此频率范围以外的信号。可用在信息处理、数据传输、抑制干扰等方面,但因受运算放大器频带限制,这类滤波器主要用于低频范围。根据对频率范围的选择不同,可分为低通(LPF)、高通(HPF)、带通(BPF)与带阻(BEF)等四种滤波器,它们的幅频特性如图7-1所示。 具有理想幅频特性的滤波器是很难实现的,只能用实际的幅频特性去逼近理想的。一般来说,滤波器的幅频特性越好,其相频特性越差,反之亦然。滤波器的阶数越高,幅频特性衰减的速率越快,但RC网络的节数越多,元件参数计算越繁琐,电路调试越困难。任何高阶滤波器均可以用较低的二阶RC有滤波器级联实现。 1、低通滤波器(LPF) 低通滤波器是用来通过低频信号衰减或抑制高频信号。

如图7-2(a )所示,为典型的二阶有源低通滤波器。它由两级RC 滤波环节与同相比例运算电路组成,其中第一级电容C 接至输出端,引入适量的正反馈,以改善幅频特性。图7-2(b )为二阶低通滤波器幅频特性曲线。 (a)电路图 (b)频率特性 图7-2 二阶低通滤波器 电路性能参数 1 f uP R R 1A + = 二阶低通滤波器的通带增益 RC 2π1 f O = 截止频率,它是二阶低通滤波器通带与阻带的界限频率。 uP A 31 Q -= 品质因数,它的大小影响低通滤波器在截止频率处幅频特性的形状。 2、高通滤波器(HPF ) 与低通滤波器相反,高通滤波器用来通过高频信号,衰减或抑制低频信号。 只要将图7-2低通滤波电路中起滤波作用的电阻、电容互换,即可变成二阶有源高通滤波器,如图7-3(a)所示。高通滤波器性能与低通滤波器相反,其频率响应和低通滤波器是“镜象”关系,仿照LPH 分析方法,不难求得HPF 的幅频特性。

医学图像处理实验报告

医学图像处理实验报告 班级专业姓名学号 实验名称:图像增强 一、实验目的 1:理解并掌握常用的图像的增强技术。 2:熟悉并掌握MA TLAB图像处理工具箱的使用。 3:实践几种常用数字图像增强的方法,增强自主动手能力。 二、实验任务 对于每张图像(共三张图片),实现3种图像增强方法。根据图像的特点,分别选用不用的图像增强算法。 三、实验内容(设计思路) 1、artery_vessel (1)直方图均衡化 直方图是图像的最基本的统计特征,它反映的是图像的灰度值的分布情况。直方图均衡化的目的是使图像在整个灰度值动态变化范围内的分布均匀化,改善图像的亮度分布状态,增强图像的视觉效果。灰度直方图是图像预处理中涉及最广泛的基本概念之一。 图像的直方图事实上就是图像的亮度分布的概率密度函数,是一幅图像的所有象素集合的最基本的统计规律。直方图反映了图像的明暗分布规律,可以通过图像变换进行直方图调整,获得较好的视觉效果。 直方图均衡化是指:采用累积分布函数(CDF)变化生成一幅图像,该图像的灰度级较为均衡化,且覆盖了整个范围[0,1],均衡化处理的结果是一幅扩展了动态范围的图像。直方图均衡化就是通过灰度变换将一幅图像转换为另一幅具有均衡直方图,即在每个灰度级上都具有相同的象素点数的过程。主要用途是:将一幅灰度分布集中在较窄区间,细节不够清晰的图像,修正后使图像的灰度间距增大或灰度分布均匀,令图像的细节清晰,达到图像增强的目的。 (2)中值滤波加直方图均衡化 中值滤波法是一种非线性平滑技术,它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。 中值滤波是基于排序统计理论的一种能有效抑制噪声的非线性信号处理技术,中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替,让周围的像素值接近的真实值,从而消除孤立的噪声点。方法是用某种结构的二维滑动模板,

北航卡尔曼滤波实验报告-GPS静动态滤波实验

卡尔曼滤波实验报告

2014 年 4 月 GPS 静/动态滤波实验 一、实验要求 1、分别建立GPS 静态及动态卡尔曼滤波模型,编写程序对静态和动态GPS 数据进行Kalman 滤波。 2、对比滤波前后导航轨迹图。 3、画出滤波过程中估计均方差(P 阵对角线元素开根号)的变化趋势。 4、思考:① 简述动态模型与静态模型的区别与联系;② R 阵、Q 阵,P0阵的选取对滤波精度及收敛速度有何影响,取值时应注意什么;③ 本滤波问题是否可以用最小二乘方法解决,如果可以,请阐述最小二乘方法与Kalman 滤波方法的优劣对比。 二、实验原理 2.1 GPS 静态滤波 选取系统的状态变量为[ ]T L h λ=X ,其中L 为纬度(deg),λ为经度(deg),h 为高度 (m)。设()w t 为零均值高斯白噪声,则系统的状态方程为: 310()w t ?=+X (1) 所以离散化的状态模型为: ,111k k k k k W ---=+X X Φ (2) 式中,,1k k -Φ为33?单位阵,k W 为系统噪声序列。 测量数据包括:纬度静态量测值、经度静态量测值和高度构成31?矩阵Z ,量测方程

可以表示为: k k k Z HX V =+ (3) 式中,H 为33?单位阵,k V 为量测噪声序列。 系统的状态模型是十分准确的,所以系统模型噪声方差阵可以取得十分小,取Q 阵零矩阵。 系统测量噪声方差阵R 由测量确定,由于位置量测精度为5m ,采用克拉索夫斯基地球椭球模型,长半径e R 为6378245m ,短半径p R 为6356863m 。所以R 阵为: 2 2 25180()0 05180 ( )0cos()00 5p e R R L ππ ??? ?? ? ??= ??? ? ? ?? ? R (4) 2.2 GPS 动态滤波 动态滤波基于当前统计模型,在地球坐标系下解算。选取系统的状态变量为 T x x x y y y z z z X x v a y v a z v a εεε??=??,其中,,,x x x x v a ε依次为地球坐标系下x 轴上的位置、速度、加速度和位置误差分量,,y z 轴同理。系统的状态模型可以表示为: ()()()()t t t t =++X AX U W (5) 式中,位置误差视为有色噪声,为一阶马尔科夫过程,可表示为: x x x x y y y y z z z z w w w εετεετεετ?=-+????=-+????=-+?? 1 11 (6) 其中,i τ(,,i x y z =)为对应马尔科夫过程的相关时间常数,(,,)i w i x y z =为零均值高斯白噪声。

FIR滤波器设计实验报告

实验报告 课程名称:数字信号处理 实验项目:FIR滤波器设计 专业班级: 姓名:学号: 实验室号:实验组号: 实验时间:批阅时间: 指导教师:成绩:

实验报告 专业班级: 学号: 姓名: 一、实验目的: 1、熟悉线性相位FIR 数字低通滤波器特性。 2、熟悉用窗函数法设计FIR 数字低通滤波器的原理和方法。 3、了解各种窗函数对滤波特性的影响。 要求认真复习FIR 数字滤波器有关内容实验内容。 二、实验原理 如果所希望的滤波器理想频率响应函数为)(e H j ωd ,则其对应的单位样值响应为 ωπ= ωππ -?d e j ωn j d d e )(H 21(n)h 窗函数法设计法的基本原理是用有限长单位样值响应h(n)逼近(n)h d 。由于(n)h d 往往是无限长序列,且是非因果的,所以用窗函数(n)w 将(n)h d 截断,并进行加权处理,得 到:(n)(n)h h(n)d w ?=。h(n)就作为实际设计的FIR 滤波器单位样值响应序列,其频率函数)H(e j ω 为∑-=ω= 1 n n j -j ω h(n)e )H(e N 。式中N 为所选窗函数(n)w 的长度。 用窗函数法设计的FIR 滤波器性能取决于窗函数类型及窗口长度N 的取值。设计过程中要根据阻带衰减和过渡带宽度的要求选择合适的窗函数类型和窗口长度N 。各类窗函数所能达到的阻带最小衰减和过渡带宽度见P342表7-3。 选定窗函数类型和长度N 以后,求出单位样值响应(n)(n)h h(n)d w ?=。验算 )()()]([)(ω?ωω==j g j e H n h DTFT e H 是否满足要求,如不满足要求,则重新选定窗函 数类型和长度N ,直至满足要求。 如要求线性相位特性,h(n)还必须满足n)-1-h(N h(n)±=。根据上式中的正、负号和长度N 的奇偶性又将线性相位FIR 滤波器分成4类(见P330表7-1及下表),根据要设计的滤波器特性正确选择其中一类。例如要设计低通特性,可选择情况1、2,不能选择情况3、4。

《测试信号分析与处理》实验报告

测控1005班齐伟0121004931725 (18号)实验一差分方程、卷积、z变换 一、实验目的 通过该实验熟悉 matlab软件的基本操作指令,掌握matlab软件的使用方法,掌握数字信号处理中的基本原理、方法以及matlab函数的调用。 二、实验设备 1、微型计算机1台; 2、matlab软件1套 三、实验原理 Matlab 软件是由mathworks公司于1984年推出的一套科学计算软件,分为总包和若干个工具箱,其中包含用于信号分析与处理的sptool工具箱和用于滤波器设计的fdatool工具箱。它具有强大的矩阵计算和数据可视化能力,是广泛应用于信号分析与处理中的功能强大且使用简单方便的成熟软件。Matlab软件中已有大量的关于数字信号处理的运算函数可供调用,本实验主要是针对数字信号处理中的差分方程、卷积、z变换等基本运算的matlab函数的熟悉和应用。 差分方程(difference equation)可用来描述线性时不变、因果数字滤波器。用x表示滤波器的输入,用y表示滤波器的输出。 a0y[n]+a1y[n-1]+…+a N y[n-N]=b0x[n]+b1x[n-1]+…+b M x[n-M] (1) ak,bk 为权系数,称为滤波器系数。 N为所需过去输出的个数,M 为所需输入的个数卷积是滤波器另一种实现方法。 y[n]= ∑x[k] h[n-k] = x[n]*h[n] (2) 等式定义了数字卷积,*是卷积运算符。输出y[n] 取决于输入x[n] 和系统的脉冲响应h[n]。 传输函数H(z)是滤波器的第三种实现方法。 H(z)=输出/输入= Y(z)/X(z) (3)即分别对滤波器的输入和输出信号求z变换,二者的比值就是数字滤波器的传输函数。 序列x[n]的z变换定义为 X (z)=∑x[n]z-n (4) 把序列x[n] 的z 变换记为Z{x[n]} = X(z)。

北航卡尔曼滤波实验报告_GPS静动态滤波实验

卡尔曼滤波实验报告 2014 年 4 月 GPS静/动态滤波实验 一、实验要求 1、分别建立GPS静态及动态卡尔曼滤波模型,编写程序对静态和动态GPS数据进行Kalman滤波。 2、对比滤波前后导航轨迹图。

3、画出滤波过程中估计均方差(P 阵对角线元素开根号)的变化趋势。 4、思考:① 简述动态模型与静态模型的区别与联系;② R 阵、Q 阵,P0阵的选取对滤波精度及收敛速度有何影响,取值时应注意什么;③ 本滤波问题是否可以用最小二乘方法解决,如果可以,请阐述最小二乘方法与Kalman 滤波方法的优劣对比。 二、实验原理 2.1 GPS 静态滤波 (deg) 度(m) (1) 所以离散化的状态模型为: (2) 可以表示为: (3) 矩阵。 5m ,采用克拉索夫斯基地球 6378245m 6356863m (4) 2.2 GPS 动态滤波 动态滤波基于当前 统计模型,在地球坐标系下解算。选取系统的状态变量为 (5)

式中,位置误差视为有色噪声,为一阶马尔科夫过程,可表示为: ε τεετεετ-=- =-1 1 (6) 白噪声。 (7) (8) 系统噪声为: (9) 量测量为纬度动态量测值、经度动态量测值、高度和三向速度量测值。由于滤波在地球 坐标系下进行,为了简便首先将纬度、经度和高度转化为三轴位置坐标值,转化方式如下: (10) 量测方程为: (11)

综上,离散化的Kalman滤波方程为: (12) 离散化的系统噪声协方差阵为: 2 [ π ?] ? k x = +<0 “当前”加速度 (13) 离散化量测噪声协方差阵为:diag = R 三、实验结果 3.1 GPS静态滤波

卡尔曼滤波与组合导航课程报告

卡尔曼滤波与组合导航》课程实验报告 实验 捷联惯导 /GPS 组合导航系统静态导航实验 实验序号 3 姓名 陈星宇 系院专业 17 班级 ZY11172 学号 ZY1117212 日期 2012-5-15 指导教师 宫晓琳 成绩 、实验目的 ① 掌握捷联惯导 /GPS 组合导航系统的构成和基本工作原理; ②掌握采用卡尔曼滤波方法进行捷联惯导 /GPS 组合的基本原理; ③掌握捷联惯导 /GPS 组合导航系统静态性能; ④了解捷联惯导 /GPS 组合导航静态时的系统状态可观测性; 、实验原理 ( 1)系统方程 X FX GW 系统噪声矢量由陀螺仪和加速度计的随机误差组成,表达式为: 2)量测方程 和 H 分别为捷联解算与 GPS 的东向速度、北向速度、天向速度、纬度、经度和高度之 差;量测矩阵 H H V H P T ,H P 03 6 diag R M H, (R N H )cos L, 036 , H V 033 diag 1, 1, 1 039 ,v v V E v V N v V U v L v v H 为量测噪声。 量测噪声 v E v N T v U L h x y z x y z 其中, E 、 N 、 U 为数学平台失准角; v E 、 v N 、 v U 分别为载体的东向、北向和天向速度误差; L 、 、 h 分别为纬度误差、经度误差和高度误差; x 、 y 、 z 、 x 、 y 、 z 分别为陀螺随 机常值漂移和加速度计随机常值零偏。(下 标 系统的噪声转移矩阵 G 为: E 、N 、 U 分别代表东、北、天) C b n 3 3 0 9 3 3 3 C n C b 9 3 15 6 系统的状态转移矩阵 w w w w F 组成内容为: w z F 06N 9 F S F M ,其中 F N 中非零元素为可由惯导误差模型获得。 F S C b n 3 3 0 3 3 3 3 C b n 3 3 96 量测变量 z V E V N V U L H , , V E 、 V N 、 V U 、 L 、 X U

相关文档
最新文档