北京邮电大学-现代信号处理-作业
2012111203班AaronHwang 学号：2012140619
1.2 设 x(n) =5cos(0.25二n), n =0,1^|,15,为有限长序列。
(1) 计算16点DFT并画出幅度谱序列解：程序代码如下
n=0:15;
x=5*cos(0.25*pi* n);
figure(1);
stem( n, x);
xlabel(' n');ylabel('x( n)');
X=fft(x);
X=abs(X);
figure(2);
stem( n,X); xlabel('k');ylabel('X(K)');
所得图像如下
(2) 在给序列后面补16个零后，计算32点DFT并画出DFT畐度谱序列解：程序代码如下
n=0:31;
n1=0:15;
x1=5*cos(0.25*pi* n1);
x=[x1 zeros(1,16)];
figure(1);
stem( n,x);xlabel(' n');ylabel('x (n)');
X=fft(x);
X=abs(X);
figure (2) ;stem( n,X);
stem( n,Xk);xlabel('k');ylabel('X(k)');
所得图像如下：
(4)依据DTFT 与 DFT 之间的关系，解释补零操作对 DFT 的影响。
解：通过补零操作和DFT 点数的增加可以更加准确的得出原信号的 DFS 图像。
1.5 ( 1)设H 1(z) = 1 - r o e -1扯z ，为单零点系统的传递函数，求其幅度响应 HMe^)的
解析式。令r 。=0.95「0 =0.25二，画出幅度响应的草图。
解：由已知H i (z) = 1 - r °e
，可知响应为 |H i (e j )|=、1 r 。2 2r °cos( s ?) (3)把DFT 的点数扩大为64,然后重复(2) 解：程
序代码如下 n=0:63; n1=0:15; x1=5*cos(0.25*pi* n1) x=[x1 zeros(1,48)]; figure(1); stem( n,x);xlabel(' n');ylabel('x (n)'); X=fft(x); X=abs(X); figure (2) ;stem( n,X); stem( n, X);xlabel('k');ylabel('X(k)'); 所得图像如下：
北京邮电大学《数字信号处理》课程教学大纲
《数字信号处理》课程教学大纲 一、课程编号：1100020 二、课程名称：数字信号处理 ( 64学时) Digital Signal Processing 三、课程教学目的 数字信号处理是现代信息处理和传输的基础课程之一，已经成为信号和信息处理、通信和电子、计算机科学和技术等专业的学生需要学习和掌握的基本知识。 本课程以离散时间信号与系统作为对象，在介绍经典理论的基础上，适当引入了现代信号处理的理论与方法以及Matlab仿真分析软件。通过本课程的学习，使得学生能够掌握确定性离散时间信号的频谱分析原理及快速实现方法，数字滤波器的设计及实现方法。使学生能够利用计算机技术来进行数字信号的处理，并根据实际需要分析、设计数字滤波系统。 本课程是进一步学习数字通信、图像处理、随机数字信号处理、无线通信、多媒体通信等专业课程的先修课程。 四、课程教学基本要求 1．掌握离散时间信号和系统的基本标识方法 2．掌握离散时间系统的基本特性、Z变换以及离散时间信号的傅立叶变换（DTFT） 3．掌握离散傅立叶变换（DFT）以及离散傅立叶变换的快速算法（FFT） 4．掌握数字滤波器的设计方法和结构 5．了解多速率信号处理的基本内容 五、教学内容及学时分配（含实验） 理论教学（56学时） 1．绪论2学时数字信号处理的特点、实现和应用 Matlab简介 2．离散时间系统的基本特性及流图10学时抽样与重建 离散系统及其普遍关系 信号流图及Mason公式 离散时间信号的傅立叶变换 Z变换及Z反变换（留数法）
Z变换与拉普拉斯、傅立叶变换的关系 离散系统的频域分析 3．离散傅立叶变换及其快速实现14学时DFS的定义及性质 DFT的定义、性质及应用 基2时间抽选法FFT 基2频率抽选法FFT 基4时间抽选法FFT IDFT的快速算法 FFT应用（线性卷积的快速计算、CZT变换） 4．IIR数字滤波器的设计和实现12学时滤波器概述 模拟滤波器的设计 模拟滤波器的数字仿真 冲激响应不变法和双线性变换法的设计 IIR滤波器的频率变换设计 IIR数字滤波器的计算机辅助设计 IIR 滤波器的实现结构 5．FIR数字滤波器的设计10学时线性相位FIR滤波器的条件和特性概述 窗函数法 频率取样法 FIR数字滤波器的优化设计 FIR数字滤波器的实现结构 6．多速率信号的处理基础8学时抽取和内插的时域和变换域描述 抽取滤波器和内插滤波器 多相分解 正交镜像滤波器组 双通道滤波器组 实验教学（8学时）
现代信号处理作业
信号时频分析技术及matlab仿真 电路与系统王冠军 201128013926153 摘要:本文介绍了时频分析的一些基础理论,对短时傅里叶变换Wigner-Ville分布做了简单介绍，运用MATLAB语言实现了旨在构造一种时间和频率的密度函数,以揭示信号中所包含的频率分量及其演化特性的wigner-ville分布。并对时频分析方法的优缺点进行了分析。 关键词:时频分析短时傅里叶变换wigner-ville分布 1 引言 基于Fourier变换的传统信号处理技术从信号频域表示及能量的频域分布的角度揭示了信号在频域的特征。但Fourier变换是一种整体变换，只能为人们提供信号在时域或频域的全局特性而无法了解信号频谱随时间变化的情况。因此，需要使用一种时间和频率的联合函数来表示信号，这种表示简称为信号，也就是信号的时频分析。 2 时频分析方法 信号时频分析主要研究非平稳信号或时变信号的频谱含量是怎样随时间变化的。时频分析是当今信号处理领域的一个主要研究热点，目前常用时频分析方法主要有短时傅里叶变换、Gabor展开、小波变换、Wigner-Ville分布。本文主要介绍了短时傅里叶变换和Wigner-Ville分布两种分析方法。 2．1 短时傅立叶变换STFT 从历史上看,信号的时频分析用的最多的是短时傅立叶变换,这种变换的基本思想是用一个窗函数乘时间信号,该窗函数的时宽足够窄,使取出的信号可以被看成是平稳的,然后进行的傅立叶变换可以反映该时宽中的频谱变化规律,如果让窗随时间轴移动,可以得到信号频谱随时间变化的规律。对于时变信号,了解不同时刻附近的频域特征是至关重要的。因此,人们采用时间—频率描述时变信号,将一维的时域信号映射到一个二维的时域平面,全面反映观测信号的时频联合特征。短时傅立叶变换反映了这一思想,对于时变信号,采用某一滑动窗函数截取信号,并认为这些信号是准平稳的,然后,再分别对其进行傅立叶变换,构成时变信号的时变谱。短时傅立叶变换是一种常用的时—频域分析方法,其基本思想
现代信号处理方法1-3
1.3 时频分布及其性质 1.3.1 单分量信号与多分量信号 从物理学的角度看，信号可以分为单分量信号和多分量信号两类，而时－频分布的一个主要优点就是能够确定一个信号是单分量的还是多分量的。所谓单分量信号就是在任一时间只有一个频率或一个频率窄带的信号。一般地，单分量信号看上去只有一个山峰（如图 1.2.2），图中所示的是信号)()()(t j e t A t s ?=的时－频表示，在每一个时间，山峰的峰值有明显的不同。如果它是充分局部化的，那么峰值就是瞬时频率；山峰的宽度就是瞬时带宽。一般地，如果)(t z 是信号)(cos )()(t t a t s φ=的解析信号，)(f Z 是)(t z 对应的频谱， 图1.2.2 单分量信号时－频表示及其特征 则其瞬时频率定义如下： )]([arg 21)(t z dt d t f i π= （1.2.1） 与瞬时频率对偶的物理量叫做群延迟，定义如下： )]([arg 21)(f Z dt d f g πτ= （1.2.2） 而多分量信号是由两个（或多个）山峰构成, 每一个山峰都有它自己不同的瞬时 频率和瞬时带宽。（如图1.2.3所示）。 图1.2.3 多分量信号时－频表示及特征
1.3.2 时－频分布定义 Fourier 变换的另一种形式 ?∞ ∞ --=dt e t s f S ft j π2)()( ?∞ ∞ -=df e f S t s tf j π2)()( Cohen 指出，尽管信号)(t z 的时－频分布有许多形式，但不同的时－频分布只是体现 在积分变换核的函数形式上，而对于时－频分布各种性质的要求则反映在对核函数的约束条件上，因此它可以用一个统一形式来表示，通常把它叫做Cohen 类时－频分布，连续时间信号)(t z （)(t z 为连续时间信号)(t s 的解析信号）的Cohen 类时－频分布定义为 ττφτττπdudvd e v u z u z f t P vu f vt j ) (2*),()2 1()21(),(-+-∞ ∞ -∞ ∞ -∞ ∞ --+=?? ? （1.3.1） 式中),(v τφ称为核函数。原则上，核函数可以是时间和频率两者的函数，但常用的核函数与时间和频率无关，只是时延τ和频偏v 的函数，即核函数具有时、频移不变性。这个定义提供了全面理解任何一种时－频分析方法的通用工具，而且能够在信号分析中将信号的一种时－频表示及其性质同另一种时－频表示及其性质联系在一起。进一步可将（1.3.1）简记为 ττφττπdvd e v v A f t P f vt j z )(2),(),(),(+-∞ ∞ -∞ ∞ -? ? = （1.3.2） 式中),(v A z τ是双线性变换（双时间信号）)2 ()2(),(*τ τ τ-+ =t z t z t k z 关于时间t 作 Fourier 反变换得到的一种二维时－频分布函数，称为模糊函数，即 dt e t z t z v A tv j z πτ ττ2*)2 ()2(),(-+=?∞ ∞- （1.3.3） 因为Cohen 类时－频分布是以核函数加权的模糊函数的二维Fourier 变换，所以Cohen 类 时－频分布又称为广义双线性时－频分布。 两个连续信号)(t x ，)(t y 的互时－频分布定义为： ???∞ ∞-∞ ∞--+-∞ ∞ --+= ττφτττπdudvd e v u y u x f t P vu f vt j xy ) (2*),()2 1()21(),( ? ? ∞ ∞-∞ ∞ -+-=dv d e v v A f tv j xy ττφττπ)(2),(),( （1.3.4） 式中 du e u y u x v A vu j xy πτ ττ2*)2 ()2(),(?∞ ∞--+= （1.3.5） 是)(t x 和)(t y 的互模函数。
现代信号处理大作业
现代信号处理大作业 姓名：潘晓丹 学号：0140349045 班级：A1403492
作业1 LD 算法实现AR 过程估计 1.1 AR 模型 p 阶AR 模型的差分方程为： )()()(1 n w i n x a n x p i i =-+ ∑=，其中)(n w 是均值为0的白噪声。 AR 过程的线性预测方法为：先求得观测数据的自相关函数，然后利用Yule-Walker 方程递推求得模型参数，再根据公式求得功率谱的估计。 Yule-Walker 方程可写成矩阵形式： ??????? ? ????????= ??????? ? ?? ???? ????????????? ??? ??--+-+--000)()2()1(1) 0() 2()1()()2()0()1()2()1()1()0() 1()() 2()1()0(2 σp a a a r p r p r p r p r r r r p r r r r p r r r r p p p xx xx xx xx xx xx xx xx xx xx xx xx xx xx xx xx 1.2 LD 算法介绍 Levinson-Durbin 算法可求解上述问题，其一般步骤为： 1) 计算观测值各自相关系数p j j r xx ,,1, 0),( =；)0(0xx r =ρ；i=1； 2) 利用以下递推公式运算： ) 1(1,...,2,1),()()()() ()()(2 1111 1 1 1 i i i i i i i i i i i j xx i xx i k i j j i a k j a j a k i a j i r j a i r k -=-=--==-?+ -=-----=-∑ρρρ 3) i=i+1，若i>p ，则算法结束；否则，返回(2)。 1.3 matlab 编程实现 以AR 模型：xn=12xn-1-12xn-2+w(n)为例，Matlab 程序代码如下： clear; clc;
2014年北京邮电大学随机信号分析与处理期末考试试题
北京邮电大学随机信号分析与处理综合练习题 一、判断题： 1. 设()X t 和()Y t 是相互独立的平稳随机过程，则它们的乘积也是平稳的。 2.()X t 为一个随机过程，对于任意一个固定的时刻i t ，()i X t 是一个确定值。 3.设X 和Y 是两个随机变量，X 和Y 不相关且不独立，有()()()D X Y D X D Y +=+。 4.一般来说，平稳正态随机过程与确定性信号之和仍然为平稳的正态过程。 5.设()X t 是不含周期分量的零均值平稳随机过程，其自相关函数为()X R τ，从物 理概念上理解，有lim ()0X R ττ→∞ =。 6. 对于线性系统，假设输入为非平稳随机过程，则不能用频谱法来分析系统输出随机过程的统计特性。 7. 若随机过程X (t )满足，与t 无关，则X (t )是广义平稳（宽平稳）过程。 8. 随机过程的方差表示消耗在单位电阻上瞬时功率的统计平均值。 9. 广义循环平稳的随机过程本身也是一种广义平稳的随机过程。 10. 高斯白噪声经过匹配滤波器后仍然为高斯白噪声。 二．选择填空 1．对于联合平稳随机过程()X t 和()Y t 的互相关函数()XY R τ，以下关系正确的是 （1）。 （1）A ．()()XY XY R R ττ-= B.()-()XY YX R R ττ-=
C.)()(ττYX XY R R =- D.)()(ττXY XY R R -=- 2.随机过程X(t)的自相关函数满足1212(,)()()0X X X R t t m t m t =≠，则可以断定1()X t 和2()X t 之间的关系是（2）。 （2）A.相互独立B.相关C.不相关D.正交 3．两个不相关的高斯随机过程)(t X 和)(t Y ，均值分别为X m 和Y m ，方差分别为2X σ和2Y σ，则) (t X 和)(t Y 的联合概率密度为（3）。 （3）A ．2222()()(,)22X Y X Y x m y m f x y σσ????--??=-+?????????? B.2222()()1 (,)exp 222X Y X Y X Y x m y m f x y πσσσσ????--??=-+?????????? C.2222()()(,)2()X Y X Y x m y m f x y σσ??-+-=-??+?? D.2222()()1 (,)exp 22()X Y X Y X Y x m y m f x y πσσσσ??-+-=-??+?? 4.设()sin()()c X t A t n t ω=+，其中()()cos()()sin()c c s c n t n t t n t t ωω=-是零均值平稳窄带高斯噪声，A 是不等于0的常数，则()X t 的包络服从（4），()X t 的复包络服从（5）。 （4）A.莱斯分布B.瑞利分布C.高斯分布D.均匀分布 （5）A.莱斯分布B.瑞利分布C.高斯分布D.均匀分布 5.设()N t 是平稳随机过程，其功率谱密度为()N G ω，定义()0()()sin X t N t t ωθ=+，θ在0到2π之间均匀分布，则()X t 的平均功率谱密度为（6）。
2015年北邮数字信号处理软件实验报告
数字信号处理软件实验 MATLAB 仿真 2015年12月16日
实验一：数字信号的 FFT 分析 ● 实验目的 通过本次实验，应该掌握： (a) 用傅立叶变换进行信号分析时基本参数的选择。 (b) 经过离散时间傅立叶变换（DTFT ）和有限长度离散傅立叶变换（DFT ）后信号频谱上的区别，前者 DTFT 时间域是离散信号，频率域还是连续的，而 DFT 在两个域中都是离散的。 (c) 离散傅立叶变换的基本原理、特性，以及经典的快速算法（基2时间抽选法），体会快速算法的效率。 (d) 获得一个高密度频谱和高分辨率频谱的概念和方法，建立频率分辨率和时间分辨率的概念，为将来进一步进行时频分析（例如小波）的学习和研究打下基础。 (e) 建立 DFT 从整体上可看成是由窄带相邻滤波器组成的滤波器组的概念，此概念的一个典型应用是数字音频压缩中的分析滤波器，例如 DVD AC3 和MPEG Audio 。 ● 实验内容及要求 ? 离散信号的频谱分析 设信号 此信号的0.3pi 和 0.302pi 两根谱线相距很近，谱线 0.45pi 的幅度很小，请选择合适的序列长度 N 和窗函数，用 DFT 分析其频谱，要求得到清楚的三根谱线。 ? DTMF 信号频谱分析 用计算机声卡采用一段通信系统中电话双音多频（DTMF ）拨号数字 0～9的数据，采用快速傅立叶变换（FFT ）分析这10个号码DTMF 拨号时的频谱。 00010450303024().*cos(.)sin(.)cos(.)x n n n n ππππ=+--
●MATLAB代码及结果 ?离散信号的频谱分析 clf; close all; N=1000; n=1:1:N; x=0.001*cos(0.45*n*pi)+sin(0.3*n*pi)-cos(0.302*n*pi-pi/4); y=fft(x,N); mag=abs(y); w=2*pi/N*[0:1:N-1]; stem(w/pi,mag); axis([0.25 0.5 0 2]); xlabel('频率'); ylabel('X(k)'); grid on;
现代信号处理大作业题目+答案
研究生“现代信号处理”课程大型作业 （以下四个题目任选三题做） 1. 请用多层感知器（MLP ）神经网络误差反向传播（BP ）算法实现异或问题（输入为[00;01;10;11]X T =，要求可以判别输出为0或1），并画出学习曲线。其中，非线性函数采用S 型Logistic 函数。 2. 试用奇阶互补法设计两带滤波器组(高、低通互补)，进而实现四带滤波器组；并画出其频响。滤波器设计参数为：F p ＝1.7KHz , F r ＝2.3KHz , F s ＝8KHz , A rmin ≥70dB 。 3. 根据《现代数字信号处理》（姚天任等，华中理工大学出版社，2001）第四章附录提供的数据(pp.352-353)，试用如下方法估计其功率谱，并画出不同参数情况下的功率谱曲线： 1） Levinson 算法 2） Burg 算法 3） ARMA 模型法 4） MUSIC 算法 4. 图1为均衡带限信号所引起失真的横向或格型自适应均衡器(其中横向FIR 系统长M =11), 系统输入是取值为±1的随机序列)(n x ，其均值为零；参考信号)7()(-=n x n d ；信道具有脉冲响应： 1 2(2)[1cos( )]1,2,3()20 n n h n W π-?+=?=???其它 式中W 用来控制信道的幅度失真(W = 2～4, 如取W = 2.9,3.1,3.3,3.5等)，且信道受到均 值为零、方差001.02 =v σ(相当于信噪比为30dB)的高斯白噪声)(n v 的干扰。试比较基 于下列几种算法的自适应均衡器在不同信道失真、不同噪声干扰下的收敛情况(对应于每一种情况,在同一坐标下画出其学习曲线): 1） 横向/格-梯型结构LMS 算法 2） 横向/格-梯型结构RLS 算法 并分析其结果。
现代信号处理作业
1.总结学过的滤波器设计方法，用matlab 仿真例子分析不同设计方法的滤波器的性能及适应场合。 答： 1.1模拟低通滤波器的设计方法 1.1.1 Butterworth 滤波器设计步骤： ⑴.确定阶次N ① 已知Ωc 、Ωs 和As 求Butterworth DF 阶数N ② 已知Ωc 、Ωs 和Ω=Ωp()的衰减 Ap 求Butterworth DF 阶数N ③ 已知Ωp 、Ωs 和 Ω=Ωp 的衰减Ap 和As 求Butterworth DF 阶数N 3dB p Ω≠-/10 /1022(/)10 1,(/)101p s A A N N p c s c ΩΩ=-ΩΩ=-则：
⑵.用阶次N 确定 根据公式： 在左半平面的极点即为的极点，因而 1.1.2 切比雪夫低通滤波器设计步骤： ⑴.确定技术指标 归一化： ⑵.根据技术指标求出滤波器阶数N 及： ⑶.求出归一化系统函数 其中极点由下式求出： ()a H s 2,2N ()()a a H s H s -()a H s ,2,,N p Ωp αs Ωs α/1p p p λ=ΩΩ=/s s p λ=ΩΩε0.12 10 1δε=-p δα=
或者由和S 直接查表得 2.数字低通滤波器的设计步骤： （1） 确定数字低通滤波器的技术指标：通带截止频率p ω、通带最大衰减系数 p α、 阻带截止频率ω、阻带最小衰减系数s α。 （2）将数字低通滤波器的技术指标转换成模拟低通滤波器的技术指标。 巴特沃斯： 切比雪夫： N ()a H p /s s p λ=ΩΩ0.1210 1δ ε=-p δα=
南邮现代信号处理最后大作业4道题目(含答案)
南邮研究生“现代信号处理”期末课程大作业 （四个题目任选三题做） 1. 请用多层感知器（MLP ）神经网络误差反向传播（BP ）算法实现异或问题（输入为[00;01;10;11]X T =，要求可以判别输出为0或1），并画出学习曲线。其中，非线性函数采用S 型Logistic 函数。 2. 试用奇阶互补法设计两带滤波器组(高、低通互补)，进而实现四带滤波器组；并画出其频响。滤波器设计参数为：F p ＝1.7KHz , F r ＝2.3KHz , F s ＝8KHz , A rmin ≥70dB 。 3. 根据《现代数字信号处理》（姚天任等，华中理工大学出版社，2001）第四章附录提供的数据(pp.352-353)，试用如下方法估计其功率谱，并画出不同参数情况下的功率谱曲线： 1） Levinson 算法 2） Burg 算法 3） ARMA 模型法 4） MUSIC 算法 4. 图1为均衡带限信号所引起失真的横向或格型自适应均衡器(其中横向FIR 系统长M =11), 系统输入是取值为±1的随机序列)(n x ，其均值为零；参考信号)7()(-=n x n d ；信道具有脉冲响应： 1 2(2)[1cos( )]1,2,3()20 n n h n W π-?+=?=???其它 式中W 用来控制信道的幅度失真(W = 2～4, 如取W = 2.9,3.1,3.3,3.5等)，且信道受到均 值为零、方差001.02 =v σ(相当于信噪比为30dB)的高斯白噪声)(n v 的干扰。试比较基 于下列几种算法的自适应均衡器在不同信道失真、不同噪声干扰下的收敛情况(对应于每一种情况,在同一坐标下画出其学习曲线): 1） 横向/格-梯型结构LMS 算法 2） 横向/格-梯型结构RLS 算法 并分析其结果。
现代信号处理论文(1)
AR 模型的功率谱估计BURG 算法的分析与仿真 钱平 （信号与信息处理 S101904010） 一．引言 现代谱估计法主要以随机过程的参数模型为基础，也可以称其为参数模型方法或简称模型方法。现代谱估计技术的研究和应用主要起始于20世纪60年代，在分辨率的可靠性和滤波性能方面有较大进步。目前，现代谱估计研究侧重于一维谱分析，其他如多维谱估计、多通道谱估计、高阶谱估计等的研究正在兴起，特别是双谱和三谱估计的研究受到重视，人们希望这些新方法能在提取信息、估计相位和描述非线性等方面获得更多的应用。 现代谱估计从方法上大致可分为参数模型谱估计和非参数模型谱估计两种。基于参数建摸的功率谱估计是现代功率谱估计的重要内容，其目的就是为了改善功率谱估计的频率分辨率，它主要包括AR 模型、MA 模型、ARMA 模型，其中基于AR 模型的功率谱估计是现代功率谱估计中最常用的一种方法，这是因为AR 模型参数的精确估计可以通过解一组线性方程求得，而对于MA 和ARMA 模型功率谱估计来说，其参数的精确估计需要解一组高阶的非线性方程。在利用AR 模型进行功率谱估计时，必须计算出AR 模型的参数和激励白噪声序列的方差。这些参数的提取算法主要包括自相关法、Burg 算法、协方差法、 改进的协方差法，以及最大似然估计法。本章主要针对采用AR 模型的两种方法：Levinson-Durbin 递推算法、Burg 递推算法。 实际中，数字信号的功率谱只能用所得的有限次记录的有限长数据来予以估计，这就产生了功率谱估计这一研究领域。功率谱的估计大致可分为经典功率谱估计和现代功率谱估计，针对经典谱估计的分辨率低和方差性能不好等问题提出了现代谱估计，AR 模型谱估计就是现代谱估计常用的方法之一。 信号的频谱分析是研究信号特性的重要手段之一，通常是求其功率谱来进行频谱分析。功率谱反映了随机信号各频率成份功率能量的分布情况，可以揭示信号中隐含的周期性及靠得很近的谱峰等有用信息，在许多领域都发挥了重要作用。然而，实际应用中的平稳随机信号通常是有限长的，只能根据有限长信号估计原信号的真实功率谱，这就是功率谱估计。 二．AR 模型的构建 假定u(n)、x(n)都是实平稳的随机信号，u(n)为白噪声，方差为 ，现在，我们希望建立AR 模型 的参数和x(n)的自相关函数的关系，也即AR 模型的正则方程(normal equation)。 由 )}()]()({[)}()({)(1 n x m n u k m n x E m n x n x E m p k k x a r ++-+-=+=∑= )()()(1 m k m m r r a r xu x p k k x +--=∑= (1) 由于u(n)是方差为 的白噪声，有 ?? ?=≠=-0 00)}()({2 m m m n x n u E σ （2） 由Z 变换的定义， ，当 时，有h(0)=1。综合（1）及（2）两式， ???????=-≥--=∑∑==0)(1)()(1 2 1 m k m k m m p k x k p k x k x r a r a r σ （3） 在上面的推导中，应用了自相关函数的偶对称性。上式可写成矩阵式：
现代信号处理大作业题目 答案.
研究生“现代信号处理”课程大型作业 (以下四个题目任选三题做 1. 请用多层感知器(MLP 神经网络误差反向传播(BP 算法实现异或问题(输入为 [00;01;10;11]X T =,要求可以判别输出为0或1 ,并画出学习曲线。其中,非线性函数采用S 型Logistic 函数。 2. 试用奇阶互补法设计两带滤波器组(高、低通互补,进而实现四带滤波器组;并画出其频响。滤波器设计参数为:F p =1.7KHz , F r =2.3KHz , F s =8KHz , A rmin ≥70dB 。 3. 根据《现代数字信号处理》(姚天任等,华中理工大学出版社,2001第四章附录提供的数据(pp.352-353,试用如下方法估计其功率谱,并画出不同参数情况下的功率谱曲线: 1 Levinson 算法 2 Burg 算法 3 ARMA 模型法 4 MUSIC 算法 4. 图1为均衡带限信号所引起失真的横向或格型自适应均衡器(其中横向FIR 系统长M =11, 系统输入是取值为±1的随机序列(n x ,其均值为零;参考信号7((-=n x n d ;信道具有脉冲响应: 12(2[1cos(]1,2,3(20 n n h n W π-?+=?=???其它 式中W 用来控制信道的幅度失真(W = 2~4, 如取W = 2.9,3.1,3.3,3.5等,且信道受到均
值为零、方差001.02=v σ(相当于信噪比为30dB的高斯白噪声(n v 的干扰。试比较基 于下列几种算法的自适应均衡器在不同信道失真、不同噪声干扰下的收敛情况(对应于每一种情况,在同一坐标下画出其学习曲线: 1 横向/格-梯型结构LMS 算法 2 横向/格-梯型结构RLS 算法 并分析其结果。 图1 横向或格-梯型自适应均衡器 参考文献 [1] 姚天任, 孙洪. 现代数字信号处理[M]. 武汉: 华中理工大学出版社, 2001 [2] 杨绿溪. 现代数字信号处理[M]. 北京: 科学出版社, 2007 [3] S. K. Mitra. 孙洪等译. 数字信号处理——基于计算机的方法(第三版[M]. 北京: 电子工
现代信号处理考试题
一、 基本概念填空 1、 统计检测理论是利用 信号 与 噪声 的统计特性等信息来建立最佳判决的数学理论。 2、 主要解决在受噪声干扰的观测中信号有无的判决问题 3、 信号估计主要解决的是在受噪声干扰的观测中，信号参量 和 波形 的确定问题。 4、 在二元假设检验中，如果发送端发送为H 1，而检测为H 0，则成为 漏警 ，发送端发送H 0，而检测为H 1，则称为 虚警 。 5、 若滤波器的冲激响应时无限长，称为 IIR 滤波器，反之，称为 FIR 滤波器 6、 若滤波器的输出到达 最大信噪比 成为 匹配 滤波器；若使输出滤波器的 均方估计误差 为最小，称为 维纳 滤波器。 7、 在参量估计中，所包含的转换空间有 参量空间 和 观测空间 8、 在小波分析中，小波函数应满足 ∫φφ(tt )ddtt =0+∞?∞ 和 ∫|φφ(tt )|ddtt =1+∞ ?∞ 两个数学条件。 9、 在小波的基本概念中，主要存在 F (w )=∫ff (tt )ee ?ii ii ii ddtt +∞?∞和f(t)=12ππ∫FF (ww )ee ii ii ii ddww +∞?∞ 两个基本方程。(这个不确定答案，个人感觉是) 10、 在谱估计中，有 经典谱估计 和 现代谱估计 组成了完整的谱估计。 11、 如果系统为一个稳定系统，则在Z 变换中，零极点的分布
应在单位圆内，如果系统为因果系统，在拉普拉斯变换中， 零极点的分布应在左边平面。 二、问题 1、在信号检测中，在什么条件下，使用贝叶斯准则，什么条 件下使用极大极小准则？什么条件下使用Neyman-Pearson准 则？ 答：先验概率和代价函数均已知的情况下，使用贝叶斯准则，先验概率未知，但可选代价函数时，使用极大极小准则，先验 概率和代价函数均未知的情况下，使用Neyman-Pearson准则。 2、在参量估计中，无偏估计和渐进无偏估计的定义是什么？ 答：无偏估计：若估计量的均值等于被估计量的均值（随机变 量），即E?θθ??=EE(θθ)或等于被估计量的真值（非随机参 量）E?θθ??=θθ，则称θθ?为θ的无偏估计。 渐进无偏估计：若lim NN→∞EE?θθ??=EE(θ ),称θθ?为θ的渐进无偏估计。 3、卡尔曼滤波器的主要特征是什么？ 答：随机过程的状态空间模型，用矩阵表示，可同时估计多参 量，根据观测数据，提出递推算法，便于实时处理。 4、在现代信号处理中，对信号的处理通常是给出一个算法， 对一个算法性能的评价，应从那些方面进行评价。 答：算法的复杂度，算法的稳定性和现有算法的比较，算法的 运算速度、可靠性、算法的收敛速度。
北邮数字信号处理实验报告(特选借鉴)
2011级数字信号处理实验报告 实验名称：实验一数字信号的产生和基本运算 1．实验要求 因为现实世界里存在的是模拟信号，因此数字信号处理的第一个问题是将信号离散化，得到一个数字信号，然后再进行数字处理。 (1) 常用数字信号序列的产生： 熟悉Matlab 产生数字信号的基本命令，加深对数字信号概念的理解，并能够用Matlab 产生和绘制出一些常用离散信号序列。请用Matlab 画出下列序列的波形（-10 现代信号处理方法及工程应用的研究 班级：研1102 学号：2011020058 姓名：赵鹏飞 摘要 本文首先介绍了时频发展的基本概念和比较成熟的时频分析方法一一短时Fourier分析。然后给出了实际转子振动信号的时频分析。其次，介绍了二进小波分析，并应用二进小波分析实现了对透平压缩机信号的监测分析，得到了压缩机原始信号在不同频率段分解的细节信号和逼近信号。用小波分析和谱分析相结合的方法对某国产电机的噪声进行了分析，找出了人的听闭不阅的几个高谱峰位置，进行了空气动力噪声计算，通过与理论计算结果进行对比分析，进一步找出了产生该频闻谱峰的几个原因。第三，介绍了谐波小波和分形的基本原理。对车辆的一般振动信号和复杂振动信号进行了分形分析。第四，对车辆传动系的振动信号进行了检测分析与故障诊断。首先对汽车传动系进行了模态测试与分析，然后对汽车传动系各部分在垂直方向上的相对振动幅值进行了测试与分析。根据上述测试分析并综合其它因素得出了结论。 关键词:小波分析，分形，故障诊断，信号 第一章绪论 世界从本质上说是非线性的，线性是非线性的特殊情况:以非线性为特征的非线性科学是一门跨学科的综合性基础科学，旨在揭示非线性系统的共同性质、基本特征和运动规律。当前研究非线性科学的主要工具有Fourier变换(STFT)、小波分析(Wavelet Analysis)、分形理论、人工神经网络等。 1.1时频分析的发展及应用 Fourier分析方法的应用，使科学与技术研究领域发生了具大的变化，从而极大地推动了经济发展乃至社会变革，目前在信号处理与图象处理方面Fourier 变换是不可缺少的分析工具。在机械设备状态监测与诊断系统中，应用最广泛也是最成功的就是基于Fourier变换的各种分析方法:许多在时域分析困难的问 数字信号处理期末复习题 一、填空题 1.数字频率ω与模拟角频率Ω之间的关系为 。 2.理想采样信号的频谱是原模拟信号的频率沿频率轴，每间隔 重复出现一次，并叠加形成的周期函数。 3.序列)(n x 的共轭对称部分)(n x e 对应着)(ωj e X 的 部分。 4.长度为N 的有限长序列)(n x 的M 点离散傅里叶变换的周期为 。 5.对实信号进行谱分析，要求谱分辨率Hz F 10≤，信号最高频率kHz f c 5.2=，则最小记录时间=min p T ，最少的采样点数=min N 。 6.在DIT-FFT 算法分解过程中，有16点的复数序列，可进行4级蝶形运算，则4级运算总的复数乘法次数为 。 7.如果序列)(n x 的长度为M ，则只有当频率采样点数N 满足 条件时，才可有频率采样)(k X 恢复原序列)(n x ，否则产生时域混叠现象。 8.设)(*n x 是)(n x 的复共轭序列，长度为N ，N n x DFT k X )]([)(=，则=N n x D F T )]([* 。 9.线性相位FIR 滤波器，若)1()(---=n N h n h ，N 为奇数的情况下，只能实现 滤波器。 10.给定序列()14j n x n e π??- ???=，试判断此序列是否为周期序列 ；若为周期序列，请给出此序列的最小正周期 ，若为非周期序列，请列写判别原 因 。（后面两个填空只需填一个）。 11.已知调幅信号的载波频率为1kHz ，调制信号频率100m f Hz =，则最小记录时间为 ，最低采样频率 。 12.系统差分方程为()()()21y n x n x n =++ ，其中()x n 和()y n 分别表示系统输入和输出，判断此系统（是，非）线性系统，（是，非）时不变系统，（是，非）因果系统，（是，不是）稳定系统。（划线部分是正确答案）。 13.周期信号()()0sin x n n ω= ，其中02π为有理数，其用欧拉公式展开后表达式为 ，其傅里叶变换为 。 14.序列()2n u n -的Z 变换表达式为 ，收敛域为 。 15.连续信号()a x t 是带限信号，最高截止频率为c f ，若采样角频率2s c f f < 会造成采样信号中的 现象。而序列()x n 的长度为M ，则只有当频域采样点数N M ≥时，才可由频域采样()X k 恢复原始序列，否则产生 现象。 16.对序列()()4x n R N =进行8点DFT （离散傅里叶变换）后，其幅度谱表达式为 ，相位谱表达式为 。 17.设()x n 是长度为N 的实偶对称序列，即()()x n x N n =-，则()X k 对称；如果()x n 是实奇对称序列，即()()x n x N n =--，则()X k 对称。 18.数字滤波器与模拟滤波器最大的区别为，频响函数()j H e ω是以 为周期的。对线性相位特性的滤波器，一般采用 数字滤波器设计实现。 19.已知FIR 滤波器的单位脉冲响应为：()h n 长度为6N =；()()05 1.5h h ==； 现代信号处理第五章作业 学院：学号：序号：姓名： 5.6设有一个随机信号x (n )服从AR(4)过程，它是一个宽带过程，参数如下： 212341.352,+1.338,0.662,0.240,1w a a a a σ=-==-== 我们通过观察方程)()()(n v n x n y +=来测量该信号，v (n )是方差为1的高斯白噪声，要求利用Weiner 滤波器从测量信号y (n )中估计x (n ),用MATLAB 对此进行仿真。 解 一个随机信号x （n ）服从AR(4)过程，且滤波器系数为 ：a=[1 -1.352 1.338 -0.662 0.240]; 则可以由白噪声通过一个AR4阶的滤波器生成信号序列x(n)，然后x(n)再加上方差为1的高斯白噪声v （n ）得到y(n)=x(n)+v(n),然后分别通过LMS 算法对y(n)滤波得出x(n)的估计值。如下方框图 ： clear all; close all; wv=randn(150,1); %AR 系统系数 a=[1 -1.352 1.338 -0.662 0.240]; %由白噪声通过一个AR4阶的滤波器生成信号序列x(n) x=filter(1,a,wv); k1=length(x) y=x+randn(1,k1)'; %-------学习步长固定为C=0.015---------- mu=0.015%学习步长 %system order=10 k=10; w=zeros(1,k)%权系数设抽头数为10 N=150;%节点训练序列 error=zeros(1,N); for i=k:N u=y(i:-1:i-k+1); z(i)=w*u; e=y(i)-w*u; w=w+(mu*e)*u'; error(i)=error(i)+e.^2;%误差累积 现代信号处理复习题Revised on November 25, 2020 1、已知0()2cos(2)a x t f t π=式中0f =100HZ,以采样频率s f =400Hz 对()a x t 进行采 样，得到采样信号?()a x t 和时域离散信号()x n ，试完成下面各题： （1）写出()a x t 的傅里叶变换表示式()a X j Ω； （2）写出()a x t 和()x n 的表达式； （3）分别求出()a x t 的傅里叶变换和()x n 的傅里叶变换。 解：（1）000()()2cos()()j t j t a a j t j t j t X j x t e dt t e dt e e e dt ∞∞-Ω-Ω-∞-∞ ∞ Ω-Ω-Ω-∞Ω==Ω=+??? 上式中指数函数和傅里叶变换不存在，引入奇异函数δ函数，它的傅里叶变换可以表示成：00()2[()()]a X j πδδΩ=Ω-Ω+Ω+Ω （2）00?()()()2cos()()()2cos(),a a n n x t x t t nT nT t nT x n nT n δδ∞∞=-∞=-∞ =-=Ω-=Ω-∞<<∞ ∑∑ 2、用微处理器对实数序列作谱分析，要求谱分辨率50F Hz ≤，信号最高频率1KHz,是确定以下各参数： （1）最小记录时间min p T （2）最大取样时间max T （3）最少采样点数min N （4）在频带宽度不变的情况下将频率分辨率提高一倍的N 值。 解：（1）已知50F Hz ≤ （2） max 3 min max 1110.52210s T ms f f ====? （3） min 30.02400.510p T s N T s -===? （4）频带宽度不变就意味着采样间隔T 不变，应该使记录时间扩大一倍为实频率分辩率提高1倍（F 变成原来的12） 3、在时域对一有限长的模拟信号以4KHZ 采样，然后对采到的N 个抽样做N 点DFT ，所得离散谱线的间距相当于模拟频率100HZ 。某人想使频率能被看得清楚些，每50HZ 能有一根谱线，于是他用8KHZ 采样，对采到的2N 个样点做2N 点DFT 。问：他的目的能达到吗 答：不能，因为他忽略了数字频率和模拟频率的区别。 提高采样频率s f ，N 固然大了，数字频率（单位圆）上的样点数确实增加了，但从模拟频率谱看，样点一点也没有变得密集，这是因为数字频率π2总是对应模拟频率s f 。采样频率由s f 到2s f 增加一倍，N 也增加一倍，但模拟频率的采样间隔Hz N f N f s s 10022== 一点也没有变。所以，增大采样频率，只能提高数字频率的分辨率)222(N N ππ→ ，不能提高模拟频率的分辨率。 4、在A/D 变换之前和D/A 变换之后都要让信号通过一个低通滤波器，他们分别起什么作用 P29采样、频率混叠，画图说明 将连续信号转换成离散的数字序列过程就是信号的采样。 它包含了离散和量化两个主要步骤。 若采样间隔Δt 太大，使得平移距离2π/Δt 过小。移至各采样脉冲函数对应频域序列点上的频谱X(ω)就会有一部分相互重叠， 由此造成离散信号的频谱与原信号频谱不一致，这种现象称为混叠。 P33列举时域参数（有量纲和无量纲），说明其意义与作用。 有量纲参数指标包括方根幅值、平均幅值、均方幅值和峰值四种。 无量纲参数指标包括了波形指标、峰值指标、脉冲指标和裕度指标。 偏斜度指标S 表示信号概率密度函数的中心偏离正态分布的程度，反映信号幅值分布相对其均值的不对称性。 峭度指标K 表示信号概率密度函数峰顶的陡峭程度，反映信号波形中的冲击分量的大小。 P37～自相关互相关及作用（举例说明） 相关，就是指变量之间的线性联系或相互依赖关系。 信号x (t )的自相关函数： 信号中的周期性分量在相应的自相关函数中不会衰减，且保持了原来的周期。因此，自相关函数可从被噪声干扰的信号中找出周期成分。 在用噪声诊断机器运行状态时，正常机器噪声是由大量、无序、大小近似相等的随机成分叠加的结果，因此正常机器噪声具有较宽而均匀的频谱。当机器状态异常时，随机噪声中将出现有规则、周期性的信号，其幅度要比正常噪声的幅度大得多。 依靠自相关函数就可在噪声中发现隐藏的周期分量，确定机器的缺陷所在。 （如：自相关分析识别车床变速箱运行状态，确定存在缺陷轴的位置；确定信号周期。） 互相关函数： 互相关函数的周期与信号x(t)和y(t)的周期相同，同时保留了两个信号的相位差信息φ。可在噪音背景下提取有用信息；速度测量；板墙对声音的反射和衰减测量等。 （如：利用互相关分析测定船舶的航速；探测地下水管的破损地点。P42） P51～蝶形算法 FFT 的基本思想是把长度为2的正整数次幂的数据序列｛x k ｝分隔成若干较短的序列作DFT 计算，用以代替原始序列的DFT 计算。然后再把他们合并起来。得到整个序列｛x k ｝DFT 。(图示N=8时FFT) t t x t x T R T T x d )()(1lim )(0 ? ±=∞ →ττt t y t x T R T T xy d )()(1lim )(0 ? +=∞ →ττ x 0 x 1x 2x 3x 4x 5x 6 x 7x 0x 4x 6x 3x 5 x 0x 4x 2x 6x 1x 5x 3x 7x 0x 4x 2x 6x 1x 5x 3x 7x'0 x'4 x' 2x'6 x'1 x'5x'3 x'7 -1 -1 -1 -1 -1 -1 -1-1 -1 -1 -1 -1 X 0 X 1 X 2X 3 X 4X 5X 6X 7 x 7x 1x 2N W N W N W 0N W 0N W N W N W 1 N W 1 N W 1 N W 0N 0N W 2N W 3现代信号处理方法及工程应用的研究
数字信号处理期末复习题
北邮_现代信号处理_第5章作业_答案
现代信号处理复习题
现代信号处理试题及答案总结