dsp论文
dsp原理及应用的结课论文
DSP原理及应用的结课论文引言数字信号处理（Digital Signal Processing，DSP）是指将模拟信号转换为数字信号，并对数字信号进行处理和分析的技术。
DSP技术在现代通信、音视频处理、图像处理等领域有着广泛的应用。
本文将介绍DSP的基本原理以及其在实际应用中的一些案例。
DSP的基本原理1.数字信号处理的基本概念–数字信号：离散时间的信号，在时间上进行离散分布。
–连续时间信号：在时间上具有连续分布的信号。
–采样定理：它保证了模拟信号的采样频率要大于模拟信号频谱的带宽，才能在数字域中完整重建原始模拟信号。
2.数字信号处理的基本过程–信号采样：将模拟信号在时间上进行采样，转换为离散时间信号。
–数字滤波：对离散时间信号进行滤波，去除不需要的频率成分。
–数字变换：对滤波后的信号进行变换，如傅里叶变换、离散余弦变换等。
–数字重建：将变换后的数字信号进行反变换，恢复为模拟信号。
DSP在通信中的应用1.语音信号处理–信号压缩：对语音信号进行压缩，实现高效的传输和存储。
–语音增强：通过滤波和降噪技术，改善语音信号的质量。
2.图像处理–图像降噪：利用数字滤波技术去除图像中的噪声。
–图像增强：通过锐化滤波器和对比度增强算法，提高图像的清晰度和对比度。
3.无线通信–调制解调：将数字信息转换为适合传输的模拟信号，并在接收端进行解调。
–信道均衡：对信道中的失真进行补偿，提高信号质量。
DSP在音视频处理中的应用1.音频处理–声音合成：利用数字信号处理算法合成逼真的人声、乐器音色等。
–音频编码：将音频信号转换为数字数据流，实现高效的传输和存储。
2.视频处理–视频压缩：使用从模拟信号到数字信号的转换、DCT、运动补偿等技术，将视频信号压缩到较小的数据量。
–视频解码：将压缩后的视频信号进行解码，恢复为原始的视频图像。
结论DSP技术在现代通信、音视频处理等领域有着广泛的应用。
本文介绍了DSP的基本原理，以及在通信和音视频处理中的一些具体应用。
DSP技术论文(精)
DSP技术引领数字生活摘要：随着社会的发展和人们生活水平的日益提高，人们对生活的需求也在日渐增长，DSP 技术被越来越多的应用在我们的日常生活中。
市场的需求促进了技术的迅猛发展，越来越多的新产品出现在我们眼前，这一切都源于DSP 技术。
关键字：DSP 技术，数字电视，3G ，数字生活。
DSP 数字信号处理(Digital Signal Processing，简称DSP 是一门涉及许多学科而又广泛应用于许多领域的新兴学科。
20世纪60年代以来，随着计算机和信息技术的飞速发展，数字信号处理技术应运而生并得到迅速的发展。
数字信号处理是一种通过使用数学技巧执行转换或提取信息，来处理现实信号的方法，这些信号由数字序列表示。
在过去的二十多年时间里，数字信号处理已经在通信等领域得到极为广泛的应用。
随着社会的发展和人们生活水平的日益提高，人们对生活的需求也在日渐增长，DSP 技术被越来越多的应用在我们的日常生活中。
市场的需求促进了技术的迅猛发展，越来越多的新产品出现在我们眼前，这一切都源于DSP 技术。
下面我来介绍一下DSP 芯片，DSP 芯片也称数字信号处理器，是一种特别适合于进行数字信号处理运算的微处理器器，其主要应用是实时快速地实现各种数字信号处理算法。
根据数字信号处理的要求，DSP 芯片一般具有如下主要特点：1. 在一个指令周期内可完成一次乘法和一次加法；2. 程序和数据空间分开，可以同时访问指令和数据；3. 片内具有快速RAM ，通常可通过独立的数据总线在两块中同时访问；4. 具有低开销或无开销循环及跳转的硬件支持；5.快速的中断处理和硬件I/O支持；6. 具有在单周期内操作的多个硬件地址产生器；7. 可以并行执行多个操作；8. 支持流水线操作，使取指、译码和执行等操作可以重叠执行。
新近涌现的各种数字信号处理器的规格尺寸繁多，外形各式各样，令人难以胜数，其设计目标也是为了满足各种对性能要求高低不同的应用。
DSP技术发展趋势的研究和探讨论文
DSP技术发展趋势的研究和探讨论文DSP技术发展趋势的研究和探讨论文在各领域中，说到论文，大家肯定都不陌生吧，通过论文写作可以培养我们独立思考和创新的能力。
写论文的注意事项有许多，你确定会写吗？以下是小编帮大家整理的DSP技术发展趋势的研究和探讨论文，仅供参考，希望能够帮助到大家。
一、引言数字信号处理（Digital Signal Processing，即DSP），起源于上个世纪80年代，是一门涉及到许多学科并且广泛应用在很多领域的热门学科。
它利用微型计算机、专用处理设备，以数字方式对信号的采集、变换、滤波、估值、增强、压缩、识别处理，得到人们需要的信号形式。
它紧紧围绕着数字信号处理的理论、实现以及应用发展。
二、DSP技术数字信号处理（DSP）的理论基础涉及的范围非常广泛。
比如微积分、概率统计、随机过程、数值分析等数学基础是数字信号处理的基本工具，同时它与网络理论、信号与系统、控制理论、通信原理、故障诊断，传感器技术等密切相关，还有近些年来蓬勃发展的一些学科：人工智能、模式识别、神经网络等，都与数字信号处理密不可分。
正是由于有这些理论发展的前提基础，和广泛的市场需求，DSP 处理的器件也应运而生，在广泛应用在各个领域的同时得到迅速的发展。
世界上第一个单片DSP芯片是1978年AMI公司发布的S2811，在这之后，1979年美国Intel公司发布的商用可编程器件2920是DSP 芯片的一个非常重要的里程碑。
即使这两种芯片内部没有现代DSP芯片的单周期乘法器，但是他们为DSP的蓬勃、迅速发展奠定了很重要的基础。
接着，1980年，日本NEC公司推出了第一个具有乘法器的商用DSP芯片，随后，美国德州仪器公司（TI公司）推出一系列DSPs 产品，广泛地应用在信号处理的各个领域。
三、DSP技术的优点和单片机比较而言，DSPs具有集成度高、CPU快速、存储器容量大，并内置了波特率发生器、FIFO缓冲器，可提供高速、同步串口、标准异步串口。
DSP结业论文(DOC)
《DSP原理与应用》结课论文DSP在电源设计中的应用专业：农业电气化与自动化班级：农电10姓名：学号：2010407201•设计目的.................................................... 1. 2•设计题目描述及要求......................................... 1. 3•报告内容.................................................... 1.3.1 设计方案...........................................3.2 DDS 的DSP 实现.................................... 2.DDS 原理............................................. 2.DDS工作模式选择.................................... 3.DSP实现DDS的优势 (3)基于DSP的DDS的参数设计.......................... .43.2.4.1标准时钟脉冲f d k的设计 (4)3.2.4.2相位累加器宽度W的选取...................... .43.2.4.3周期波形点数P的选取 (4)3.3 信号测量 ........................................... 5.3.3.1 频率测量.......................................... 5.3.3.2有效值测量........................................ 6.3.3.3 相位测量.......................................... 6.4.总结 (8)1■设计目的采用分立元件或CPLD FPG进行电源的信号发生和测量的设计，会增加硬件设计复杂程度，延长开发周期。
DSP应用论文(完成)
浅谈DSP技术的应用摘要：本文简要介绍了什么是DSP技术以及DSP技术的主要优缺点；详细介绍了DSP技术在当前信号处理、通信、语音处理、图像处理、军事、仪器仪表、自动控制、医疗、家用电器等领域的主要应用及其发展趋势。
关键字：DSP 优缺点应用趋势1 引言数字信号处理(Digital Signal Processing，简称DSP)是一门涉及许多学科而又广泛应用于许多领域的新兴学科。
20世纪60年代以来，随着计算机和信息技术的飞速发展，数字信号处理技术应运而生并得到迅速的发展。
DSP数字信号处理技术(Digital Signal Processing)指理论上的技术，是一种通过使用数学技巧执行转换或提取信息，来处理现实信号的方法；而DSP数字信号处理器(Digital Signal Processor)是指一种对数字信号进行大量处理的微处理器，它具有强大的数据处理能力和较高的运行速度，是数字化电子世界中日益重要的电脑芯片。
因此，DSP既可以代表数字信号处理技术，也可以代表数字信号处理器，两者是不可分割的，前者要通过后者变成实际产品，而后者以前者的理论为基础。
2 DSP的主要优缺点DSP的优点包括以下几个部分：1)对元件值的容限不敏感，受温度、环境等外部因素影响小；2)容易实现集成；3)可以分时复用，共享处理器；4)方便调整处理器的系数实现自适应滤波；5)可实现模拟处理不能实现的功能：线性相位、多抽样率处理、级联、易于存储等；6)可用于频率非常低的信号；7)DSP可以工作在省电状态，节省能源。
DSP的缺点包括以下几个部分：1)需要模数转换；2)受采样频率的限制，处理频率范围有限；3)数字系统由耗电的有源器件构成，没有无源设备可靠。
虽然DSP目前还有一些缺点，但是它的优点远远超过其缺点，我相信随着科学技术的发展，DSP将会不断完善和壮大。
3 DSP的应用自从DSP芯片诞生以来，DSP芯片得到了飞速的发展。
浅谈dsp的技术论文（2）
浅谈dsp的技术论文(2)浅谈dsp的技术论文篇二DSP技术的发展及应用摘要：DSP技术在计算机、电子、通信等领域得到了广泛应用，将DSP技术的应用对很多行业都有重大的意义。
利用DSP技术构建一个具有高速、实时信号处理特点的通用实践平台，设置DSP应用软件，即可对实践平台功能加以控制、改变，使之完成需要的实践活动。
本文从DSP技术的发展及特点出发，详细阐述了DSP的应用思路、结构及功能。
关键词：DSP技术;发展;应用中图分类号： C35 文献标识码： A一、DSP概述DSP(Digital Signal Processing)是一种独特的微处理器，以数字信号来处理大量信息的器件。
DSP的工作原理是将接收到的模拟信号，转换为0或1的数字信号，进而对数字信号进行删除、强化、修改等操作，在其他系统芯片中把数字数据解译回实际环境格式或模拟数据。
它不仅具有可编程性，而且其实时运行速度可达每秒数以千万条复杂指令程序，远远超过通用微处理器，是数字化电子世界中日益重要的电脑芯片。
它的强大数据处理能力和高运行速度，是最值得称道的两大特色。
数字信号处理是以众多学科为理论基础的，它所涉及的范围极其广泛。
例如，在数学领域，微积分、概率统计、随机过程、数值分析等都是数字信号处理的基本工具，与网络理论、信号与系统、控制论、通信理论、故障诊断等也密切相关。
近来新兴的一些学科，如人工智能、模式识别、神经网络等，都与数字信号处理密不可分。
可以说，数字信号处理是把许多经典的理论体系作为自己的理论基础，同时又使自己成为一系列新兴学科的理论基础。
二、DSP的优势在计算机技术及现代科技的迅猛发展下，DSP(数字信号处理)技术已经成为一门涉及面十分广阔的技术学科。
随着集成化DSP技术的问世，DSP技术得到了极大的发展，同时也使DSP的应用领域更为广阔。
目前，DSP技术已经在计算机、电子、通信、仪器、军事、医学等领域得到了广泛应用。
基于DSP的信号处理系统，主要具有以下优势：(1)、丰富的外设DSP具有DMA(有一组或多组独立的DMA总线，与CPU的程序、数据总线并行工作，在不影响CPU工作的条件下，DMA速度已达800Mbyte/s以上)、串口、定时器等外设。
《DSP原理及应用》课程论文题目及要求
《DSP原理及应用》课程论文题目及要求
《DSP原理及应用》课程论文题目及要求
一、论文题目：
设计一个以DSP为主要部件的能实现一定功能的系统，完成一篇《基于DSP 的×××系统设计》课程论文。
二、论文格式和内容要求：
1.封面：
《DSP原理及应用》课程论文题目：基于DSP的×××系统设计
班级：
姓名（学号）：
2.正文部分：
一、系统功能：用文字、图形描述系统实现的功能。
二、设计方案：说明系统采用的方案及采用该方案的原因。
三、硬件设计：给出用CAD软件绘制的硬件原理图并作简明扼要的说明。
四、软件设计：模块划分说明，程序流程图及带注释的程序清单。
五、系统测试：说明系统测试方案与测试的结果。
六、心得体会：设计调试过程中遇到的问题及解决办法；学习这门课程
的所获；对这门课程的教学建议等。
七、参考文献。
三、上交的材料：
1、课程论文的打印文档；
2、课程论文的电子文档（以“学号姓名论文题目”做主文件名）、以“学号”命名的CCS工程文件夹。
dsp英文作文
dsp英文作文Digital signal processing (DSP) is a fundamental field of study in electrical engineering and computer science, and it has become an integral part of modern technology. DSP involves the analysis, manipulation, and interpretation of digital signals, which are representations of continuous-time signals in a discrete-time domain. These digital signals can be derived from a wide range of sources, such as audio, video, sensor data, and communication systems.The origins of DSP can be traced back to the 1960s, when the development of digital computers and the increasing availability of digital data led to the need for efficient methods of signal processing. In the early days, DSP was primarily used in applications such as speech recognition, image processing, and telecommunications. However, as technology has advanced, the applications of DSP have expanded significantly, and it is now used in a vast array of industries, from consumer electronics to medical imaging and beyond.One of the key advantages of DSP is its ability to perform complex signal processing operations with high efficiency and accuracy. Thisis achieved through the use of specialized algorithms and hardware, such as digital signal processors (DSPs), which are designed specifically for the task of processing digital signals. These DSPs are optimized for tasks such as filtering, correlation, and fast Fourier transforms, and they can perform these operations much more quickly and efficiently than general-purpose microprocessors.Another important aspect of DSP is its ability to handle a wide range of signal types and formats. Digital signals can be represented in a variety of ways, such as discrete-time samples, continuous-time waveforms, or even complex-valued signals. DSP techniques can be applied to all of these signal types, allowing for the processing and analysis of a wide range of data sources.One of the most common applications of DSP is in the field of audio processing. DSP techniques are used in a variety of audio applications, such as noise reduction, echo cancellation, and digital audio effects. In the case of noise reduction, for example, DSP algorithms can be used to identify and remove unwanted noise from an audio signal, resulting in a cleaner and more natural-sounding output.Another important application of DSP is in the field of image and video processing. DSP techniques can be used to enhance, filter, and compress digital images and video, allowing for more efficientstorage and transmission of these data types. This is particularly important in applications such as digital photography, video conferencing, and streaming media, where the ability to process and transmit large amounts of visual data is critical.In addition to these well-established applications, DSP is also playing an increasingly important role in emerging technologies such as machine learning and artificial intelligence. DSP techniques can be used to extract and analyze features from complex data sources, such as sensor data or natural language, which can then be used to train machine learning models. This has led to the development of a wide range of applications, from speech recognition to autonomous vehicles.Despite the many benefits of DSP, there are also some challenges and limitations that must be addressed. One of the main challenges is the need for efficient and accurate algorithms to process the large amounts of data that are typically involved in DSP applications. This requires a deep understanding of signal processing theory, as well as the ability to optimize algorithms for specific hardware platforms and applications.Another challenge is the need to handle the increasing complexity and diversity of digital signals. As technology continues to advance, the range of signal types and formats that must be processed isconstantly expanding, requiring more sophisticated and flexible DSP techniques.Despite these challenges, the field of DSP continues to evolve and grow, with new applications and innovations emerging all the time. As technology continues to advance, it is likely that DSP will play an increasingly important role in a wide range of industries and applications, from consumer electronics to medical imaging and beyond.In conclusion, digital signal processing is a critical field of study that has had a profound impact on modern technology. Through the use of specialized algorithms and hardware, DSP enables the efficient and accurate processing of a wide range of digital signals, with applications spanning a diverse array of industries. As technology continues to advance, the importance of DSP is only likely to grow, making it an increasingly essential field of study for those interested in the cutting edge of electrical engineering and computer science.。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
窄带滤波器的设计与DSP 实现吴龙（徐州师范大学科文学院，221000）摘要:基于多抽样率数字信号处理原理,设计窄带FIR 滤波器,并在DSP 芯片上实现。
阐述了实现窄带FIR 滤波器的两种特殊的滤波器(积分梳状滤波器和半带滤波器) 的原理和设计方法,利用Matlab 中的FDATOOL 工具箱,能够快速地设计出符合各级性能要求的滤波器,利用Matlab/ Sim ulink 中的工具箱,全部采用图形化的编程模式,自动生成DSP 源代码。
结论为窄带FIR 滤波器采用抽样率转换多级实现的方法,有效地降低了滤波器的节数,自动生成的DSP 源代码能在DSP 芯片上正常运行。
关键词:窄带FIR 滤波器;CIC 滤波器;半带滤波器;Matlab/ Simulink ;DSPDesign and Implementation of Narrow Band FIR Filter with DSPWU long（Xuzhou Normal University，221000）Abstract :The narrow band FIR filter based on multi2sampling rate of digital signal processing t heory is designed and realized on DSP. The t heory and design methodology of two special filter (comb filter point s and half2band filter) to realize t he narrow band FIR filter is presented. Using Matlab toolbox ,it will quickly design filters which meet performance index at level s. Using Matlab/ Simulink toolbox and adopting Grap hicalprogramming of models ,it will generate DSP procedures automatically. The met hod of sampling rate mulitlevel realization to design the narrow filter effectively decrease t he order filter . DSP procedures generated automatically run in DSP chip in gear .Key words :narrow band FIR filter ;CIC filter ; HBF ;matlab/ simulink ;DSP1 引言在数字信号处理中,为了准确提取目标信号的幅值和相位,经常采用FIR 滤波器,如果系统中输入的信号采样频率很高,以普通FIR 滤波器完成低通滤波时,FIR 滤波器的系数很多,需要很大的存储单元和强大的计算能力,在工程上难以实现,例如,信号采样率为40 kHz ,通带为0～100 Hz ,过度带宽为25 Hz ,通带衰减为1 dB ,阻带为60 dB。
采用最佳等波纹法进行设计,经过计算后得到滤波器的阶数为3 158 ,如此高的阶数的滤波器在工程实现方面是不现实的。
滤波器在硬件上实现方面,多采用DSP 芯片实现,介绍一种用Matlab 软件直接生成DSP 源代码的方法,可以有效地提高编写程序效率。
2 窄带FIR滤波器的实现基本原理窄带FIR 滤波器设计是基于多抽样率数字信号处理,先利用抽取器将抽样率降低,在低抽取率条件下,按性能要求设计FIR 滤波器,这个滤波器称为整形滤波器,然后经过内插器,把抽样频率提高到合理数值,以满足后续电路对抽样率的特殊要求。
抽取器的多级实现[1 ] 是采用积分梳状滤波器(CIC)和多级半带滤波器( HBF) 级联,内插器的多级实现是采用多级半带滤波器的级联方式,窄带FIR 滤波器实现结构如图1 所示。
2. 1积分梳状滤波器积分梳状(Cascade Integrator Comb CIC) 滤波器又称为简单整系数梳状滤波器,是在高速抽取或插值系统中非常有效的单元。
它结构简单,处理速度高,最大的优点是不需要进行乘法运算,只需要做累加计算,可以对高速数据流进行低通滤波和抽取因子不是2 的幂次倍的抽取处理。
它常用在多级抽取的第一级,并能完成抗混叠(或去镜像) 滤波。
所谓的积分梳状滤波器,是指该滤波器的冲激响应[ 2 ] 具有如下形式:式中,D 即为CIC 滤波器的阶数。
由于积分梳状滤波器是线性时不变系统,故可通过卷积和来求输出信号y ( n) 。
设输入信号为x ( n) ,则有从上式可以看出,积分梳状滤波器的滤波运算只有加法,没有乘法, 只需要将相邻的D 个数据相加即可得到输出数据,正是由于这个特点使积分梳状滤波器不仅节省硬件资源,而且大大减少了运算时间。
对积分梳状滤波器的冲激响应进行Z 变换,可得积分梳状滤波器的传递函数为:令z = e jω,代入式(3) 中,则Q 级CIC 滤波器实现的频率响应[2 ]为当Q = 5 时, 可以计算出阻带与通带的最小衰减为6713 dB ,可见5 级级联CIC 滤波器对于具有高采样率的窄带数字信号的抽取完全能够胜任。
2. 2 半带滤波器半带滤波器非常适合二倍的抽取或内插,而且计算效率高,实时性强。
二倍抽取的每秒次数比一般线性相位FIR 滤波器减少差不多一倍。
因此,在高倍抽取时,大都采用多个半带滤波器级联的方式。
进行2 倍抽取的理想半带滤波器频率响应满足:半带滤波器具有如下性质[3 ] :①通带误差容限δP 与阻带误差容限δS 相等,即δP =δS 。
②通带宽度与阻带宽度相等, 即ωC =π- ωA ,其中ωC 为滤波器的通带截止频率,ωA 为滤波器的阻带起始频率。
③H(π/ 2) = 015 。
④滤波器的阶数N 必须为奇数。
⑤滤波器的冲激响应h ( n) 为实数, 且是偶对称,即h( n) = h( N - 1 - n) 。
⑥滤波器的幅度函数H(ω) 为偶函数,且以2π为周期。
⑦将半带滤波器用于2 倍抽取器中,过渡带中有混叠,但通带中没有混叠,位于通带内的信号仍是可以恢复的(不会破坏通带内信号的频谱结构) 。
如图2～图15 所示。
⑧当n - ( N - 1) / 2 = 0 时, h ( ( N - 1) / 2)= 0.5 。
⑨当n - ( N - 1) / 2 为偶数( ≠0) 时, h( n = 0) ,为保证h(0) 不为零,一般要求( N - 1) / 2 为奇数。
由性质⑨可知,半带滤波器有近一半的系数为零,这使它的运算效率非常高,而从性质⑦又知,这种滤波器特别适合于2 倍抽取器,正是由于这两点,使半带滤波器在多抽样率信号处理中有着特别重要的位置。
半带滤波器是采用宽带滤波器的设计方法进行设计的,只是在设计半带滤波器的单位冲激响应h( n) 必须确保3 点:①滤波器的阶数N 为奇数;②滤波器的通带误差容限δP 与阻带误差容限δS 相等;③滤波器的通带宽度与阻带宽度相等。
3 窄带滤波器的设计实例滤波器的性能指标为:信号采样率为40 kHz ,通带为0～100 Hz ,过度带宽为25 Hz ,通带衰减为1 dB ,阻带为60 dB ,根据文中的多级抽取设计原理,采用图1 所示结构进行设计[ 3 ] 。
CIC 滤波器的参数为,Q = 5 , D = 10 , M = 1 ,用两级HBF 滤波器,第一级HBF1 滤波器的通带上限频率为125 Hz ,第二级HBF2 滤波器的通带上限频率为250 Hz ,整形滤波器是由低通滤波器实现,它完成窄带滤波器的性能要求,整形滤波器抽样频率为1 kHz ,通带为0～100 Hz ,过度带宽为25 Hz ,通带衰减为1 dB ,阻带为60 dB ,编写Matlab 程序[425 ] 得到满足性能要求的窄带滤波器,各个滤波器的幅频特性如图2 所示,窄带FIR 滤波器的幅相特性如图3 所示。
4 结束语本文根据抽样率转化的多级实现原理,使用特殊的滤波器(CIC) 和半带滤波器( HBF) ,设计出硬件资源占用较少的窄带滤波器,大幅度地降低了计算量和存储量,满足了信号的实时处理要求。
利用Matlab/ Simulink 中的工具箱,全部采用图形化的编程模式,生成CCS 工程文件,对程序进一步的修改或优化,就可以直接应用,提高编写DSP 程序的效率。
参考文献:[ 1 ] 宗志毅. 高效窄带FIR 滤波器的设计与研究[D] : [硕士学位论文] . 哈尔滨: 哈尔滨工程大学大学信息与通信工程学院. 200312.[ 2 ] 克劳切R E ,拉宾纳L R. 多抽样率数字信号处理[M] . 北京:人民邮电出版社,19881248.[ 3 ] 杨小牛,楼才义,徐建良. 软件无线电原理与应用[M] . 北京:电子工业出版社,200115253.[ 4 ] 陈怀琛. 数字信号处理教程———MA TLAB 释义与实现(第二版) [M] . 北京:电子工业出版社,200812042243.[ 5 ] 楼顺天,李博菡. 基于MA TLAB 的系统分析与设计———信号处理[M] . 西安电子科技大学出版社,199912002201.[6 ] 清源科技编TMS320C54x DSP 硬件开发教程[M] . 北京:机械工业出版社,200311322155.[ 7 ] 罗军辉,罗永江,白义臣等. MA TLAB710 在数字信号处理中的应用[M] . 北京:机械工业出版社,200511282132.[ 8 ] 李真芳,苏涛,黄小宇编. DSP 程序开发———MATLAB 调试及目标代码生成[ M ] . 西安: 西安电子科技大学出版社,20031 872163.。