窗函数数字信号课设剖析
信号谱分析——窗函数
信号谱分析——窗函数窗函数在信号谱分析中起着重要的作用，它可以对信号进行加窗处理，从而在频谱分析中使信号具有更好的性能和准确度。
窗函数的选择直接关系到信号的频谱分辨率以及频谱泄漏的情况。
在信号谱分析中，窗函数是一种对信号序列进行加窗处理的函数。
它通过改变信号的时域特性，从而在频域上实现对信号的调整，使其能够更好地适应频谱分析。
常见的窗函数包括矩形窗、汉宁窗、汉明窗、布莱克曼窗等。
矩形窗是最简单的窗函数，它在信号的时域上直接用一个矩形波形来进行加窗处理。
虽然矩形窗的频谱分辨率很高，但它会产生频谱泄漏的现象，使得信号的频谱失真，无法准确地描述信号的频率。
汉宁窗是一种常用的窗函数，它在信号的时域上采用了一个凸曲线波形来对信号进行加窗处理。
与矩形窗相比，汉宁窗具有较小的频谱泄漏，能够提高信号的频谱准确度。
然而，汉宁窗的频谱分辨率相对较低，不适用于需要精确分辨信号频率的情况。
汉明窗是在汉宁窗基础上进行改进的窗函数，它在信号的时域上采用了一个更精细的凸曲线波形，具有更好的频谱性能。
汉明窗相对于汉宁窗来说，频谱分辨率更高，且频谱泄漏更小，因此在许多应用中更为常用。
布莱克曼窗是窗函数中的一种特殊形式，它在信号的时域上采用了一个通过多项式插值的波形。
布莱克曼窗在频谱分析中具有很好的性能，既能提高信号的频谱分辨率，又能降低频谱泄漏。
它适用于需要较高信号频率精度和较低频谱泄漏的情况。
在选择窗函数时，需要根据具体的实际应用场景和信号性质来进行选择。
如果需要较高的频谱分辨率，可以选择矩形窗或者布莱克曼窗；如果需要较低的频谱泄漏，可以选择汉宁窗或者汉明窗。
此外，还可以根据信号的特点进行自定义的窗函数设计，以满足实际需求。
总结起来，窗函数在信号谱分析中起到了重要的作用，它可以在频域上调整信号的性能和准确度。
合理选择窗函数可以提高信号分析的精度和可靠性，从而更好地理解和处理信号的频谱特性。
窗函数的实现及分析
1窗函数1.1基本概念在实际进行数字信号处理时，往往需要把信号的观察时间限制在一定的时间间隔内，只需要选择一段时间信号对其进行分析。
这样，取用有限个数据，即将信号数据截断的过程，就等于将信号进行加窗函数操作。
而这样操作以后，常常会发生频谱分量从其正常频谱扩展开来的现象，即所谓的“频谱泄漏”。
当进行离散傅立叶变换时，时域中的截断是必需的，因此泄漏效应也是离散傅立叶变换所固有的，必须进行抑制。
而要对频谱泄漏进行抑制，可以通过窗函数加权抑制DFT 的等效滤波器的振幅特性的副瓣，或用窗函数加权使有限长度的输入信号周期延拓后在边界上尽量减少不连续程度的方法实现。
而在后面的FIR 滤波器的设计中，为获得有限长单位取样响应，需要用窗函数截断无限长单位取样响应序列。
另外，在功率谱估计中也要遇到窗函数加权问题。
窗函数的基本概念。
设x (n )是一个长序列，w (n )是长度为N 的窗函数，用w (n )截断x (n )，得到N 点序列x n (n )，即x n (n ) = x (n ) w (n )在频域上则有由此可见，窗函数w (n )不仅仅会影响原信号x (n )在时域上的波形，而且也会影响到频域内的形状。
1.2设计原理窗函数设计法的基本原理是用有限长单位脉冲响应序列()n h 逼近()n h d 。
由于()n h d 往往是无限长序列，而且是非因果的，所以用窗函数()n ω将()n h d 截断，并进行加权处理，得到：()n h 就作为实际设计的FIR 数字滤波器的单位脉冲响应序列，其频率响应函数()ωj e H 为式中，N 为所选窗函数()n ω的长度。
用窗函数法设计的滤波器性能取决于窗函数()n ω的()()()()⎰--⋅=ππj j j d e π21e θθωθωW e X X N ()()()n n h n h d ω=()()nj N n j en h eH ωω∑-==1类型及窗口长度N的取值。
(实验三窗函数的特性分析)
实验报告实验课程：数字信号处理实验开课时间：2020—2021 学年秋季学期实验名称：窗函数的特性分析实验时间：2020年9月16日星期三学院：物理与电子信息学院年级：大三班级：182 学号：1843202000234 姓名：武建璋一、实验预习（2）固定N=60，分别取beta=1，5，11。
clc,clear,close allbeat1=1;beat2=5;beat3=11;N=60;figure(1)subplot(3,2,[1,2])W=kaiser(N,beat1);stem([0:N-1],W);subplot(3,2,[3,4]);Ww=kaiser(N,beat2);stem([0:N-1],Ww);subplot(3,2,[5,6]);WW=kaiser(N,beat3);stem([0:N-1],WW);figure(2)subplot(3,2,[1,2])W1=fft(W,N)plot([0:N-1],abs(fftshift(W1))) subplot(3,2,[3,4]);W2=fft(Ww,N)plot([0:N-1],abs(fftshift(W2))) subplot(3,2,[5,6]);W3=fft(WW,N)plot([0:N-1],abs(fftshift(W3)))4、某序列为x[k] = (11πk/20) + cos(9πk/20),使用fft函数分析其频谱。
(1) 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。
clc,clear,close allN1=20;N2=40;N3=160;k1=0:N1;k2=0:N2;k3=0:N3;X1=0.5.*cos((11*pi*k1)/20)+cos((9*pi*k1)/20)X2=0.5.*cos((11*pi*k2)/20)+cos((9*pi*k2)/20)X3=0.5.*cos((11*pi*k3)/20)+cos((9*pi*k3)/20)figure(1)subplot(3,2,[1,2])W1=fft(X1,N1)plot([0:N1-1],abs(fftshift(W1)))subplot(3,2,[3,4]);W2=fft(X2,N2)plot([0:N2-1],abs(fftshift(W2)))subplot(3,2,[5,6]);W3=fft(X3,N3)plot([0:N3-1],abs(fftshift(W3)))figure(2)subplot(3,2,[1,2])W=abs(fftshift(W1))stem([0:N1-1],W);subplot(3,2,[3,4]);Ww=abs(fftshift(W2))stem([0:N2-1],Ww);subplot(3,2,[5,6]);WW=abs(fftshift(W3))stem([0:N3-1],WW);(2) 利用汉明窗重做（1）。
实验六用窗函数法设计FIR滤波器分析解析
实验六用窗函数法设计FIR滤波器分析解析一、引言数字滤波器是数字信号处理中的重要组成部分。
滤波器可以用于去除噪声、调整频率响应以及提取感兴趣的信号。
有许多方法可以设计数字滤波器，包括窗函数法、频域法和优化法等。
本实验将重点介绍窗函数法设计FIR滤波器的原理和过程。
二、窗函数法设计FIR滤波器窗函数法是设计FIR滤波器的一种常用方法。
其基本原理是将滤波器的频率响应与理想滤波器的频率响应进行乘积。
理想滤波器的频率响应通常为矩形函数，而窗函数则用于提取有限长度的理想滤波器的频率响应。
窗函数的选择在FIR滤波器的设计中起着重要的作用。
常用的窗函数包括矩形窗、汉宁窗、汉明窗、布莱克曼窗等。
对于每种窗函数，都有不同的特性和性能指标，如主瓣宽度、副瓣抑制比等。
根据不同的应用需求，可以选择合适的窗函数。
窗函数法设计FIR滤波器的具体步骤如下：1.确定滤波器的阶数N。
阶数N决定了滤波器的复杂度，一般情况下，阶数越低，滤波器的简单度越高，但频率响应的近似程度也会降低。
2.确定滤波器的截止频率。
根据应用需求，确定滤波器的截止频率，并选择合适的窗函数。
3.根据窗函数长度和截止频率计算理想滤波器的频率响应。
根据所选窗函数的特性，计算理想滤波器的频率响应。
4.根据理想滤波器的频率响应和窗函数的频率响应，得到所需的FIR滤波器的频率响应。
将理想滤波器的频率响应与窗函数的频率响应进行乘积，即可得到所需滤波器的频率响应。
5.对所得到的频率响应进行逆傅里叶变换，得到时域的滤波器系数。
6.实现滤波器。
利用所得到的滤波器系数，可以通过卷积运算实现滤波器。
三、实验结果与分析本实验以Matlab软件为平台，利用窗函数法设计了一个低通滤波器。
滤波器的阶数为16，截止频率为500Hz，采样频率为1000Hz，选择了汉宁窗。
根据上述步骤，计算得到了所需的滤波器的频率响应和时域的滤波器系数。
利用这些系数，通过卷积运算，实现了滤波器。
为了验证滤波器的性能，将滤波器应用于输入信号，观察输出信号的变化。
实验三 窗函数的特性分析
本科学生实验报告学号***************姓名***************学院物电学院专业、班级***************实验课程名称数字信号分析与处理教师及职称***************开课学期2015 至2016学年下学期填报时间2016 年 3 月25 日云南师范大学教务处编印一、验设计方案实验序号实验三实验名称窗函数的特性分析实验时间2016/3/25 实验室同析楼三栋313实验室1．实验目的分析各种窗函数的时域和频域特性，灵活应用窗函数分析信号频谱和设计FIR数字滤波器。
2． 实验原理、实验流程或装置示意图在确定信号谱分析、随机信号功率谱估计以及FIR 数字滤波器设计中，窗函数的选择对频谱分析和滤波器设计都起着重要的作用。
在确定信号谱分析和随机信号功率谱估计中，截短无穷长的序列会造成频率泄露，影响频率普分析的精确度和质量。
合理选取窗函数的类型，可以改善泄露现象。
在FIR 数字滤波器设计中，截短无穷长的系统单位脉冲序列会造成FIR 滤波器的幅度特性产生波动，且出出现过渡带。
【例1.3.1】 写出分析长度N=51点矩形窗的时域波行和频谱的MATLAB 程序。
[解] N=51;w=boxcar(N); W=fft(w,256); subplot(2,1,1); stem([0:N-1],w); subplot(2,1,2);plot([-128:127],abs(fftshift(W))); 运算结果如图1.3.1所示510152025303540455000.20.40.60.81-150-100-500501001500204060图1.3.1 矩形窗的时域波形和频谱3．实验设备及材料计算机，MATLAB 软件4．实验方法步骤及注意事项注意事项：（1）在使用MATLAB 时应注意中英输入法的切换，在中文输入法输入程序时得到的程序是错误的；（2）MATLAB中两个信号相乘表示为x.*u,中间有个‘.’，同样两个信号相除也是如此；（3）使用MATLAB编写程序时，应新建一个m文件，而不是直接在Comandante窗口下编写程序；（4）在使用ＭＡＴＬＡＢ编程时，应该养成良好的编写习惯。
实验三窗函数特性分析
实验三窗函数特性分析窗函数特性分析是信号处理领域中一个重要的研究方向，通过对窗函数的分析可以有效地应用于噪声抑制、频谱分析等方面。
下面我们来详细分析几个常见的窗函数特性。
1.矩形窗矩形窗函数也被称为哈曼窗，其表达式为：w(n)={1(n∈[0,N-1])0otherwise(1)其中，N表示窗口长度。
矩形窗函数在频域上等效为一个 sinc 函数，其主瓣宽度与窗口长度成反比。
由于矩形窗函数在主瓣两侧具有较深的零点，因此具有较高的频率分辨率。
然而，由于其旁瓣较大，矩形窗函数容易产生假响应和泄露现象。
2.汉宁窗汉宁窗函数是一种改进的矩形窗函数，通过在矩形窗函数的基础上增加两个旁瓣，以减小旁瓣电平并抑制假响应。
汉宁窗函数的表达式为：w(n)=0.5−0.5cos(2πnN−1)(2)其中，N表示窗口长度。
与矩形窗函数相比，汉宁窗函数的主瓣宽度增加了，旁瓣电平也较低。
在保持较高频率分辨率的同时，减小了假响应的可能性。
3.哈曼窗哈曼窗函数是一种基于最小旁瓣电平为目标的窗函数，通过调整汉宁窗函数的系数，使得旁瓣电平最小。
哈曼窗函数的表达式为：w(n)=0.4935N+0.4834cos(2πnN−1)+0.0133cos(4πnN−1)(3)其中，N表示窗口长度。
哈曼窗函数在主瓣两侧具有较深的零点，同时旁瓣电平较低，具有较高的频率分辨率和较小的假响应。
4.高斯窗高斯窗函数是一种基于高斯函数的窗函数，具有平滑的旁瓣衰减和较小的旁瓣电平。
高斯窗函数的表达式为：w(n)=e−n2/(2σ2)(4)其中，σ表示高斯函数的方差，N表示窗口长度。
高斯窗函数的主瓣宽度与窗口长度成反比，旁瓣电平随着远离主瓣而逐渐增大。
由于其旁瓣衰减较慢，高斯窗函数容易产生交叉干扰现象。
通过对以上常见窗函数的特性分析可知，不同的窗函数具有不同的频率响应特性。
在应用中需要根据具体需求选择合适的窗函数。
例如，当需要高频率分辨率时，可以选择矩形窗函数；当需要抑制假响应时，可以选择汉宁窗函数或哈曼窗函数；当需要平滑的旁瓣衰减时，可以选择高斯窗函数。
实验三窗函数的特性分析
实验三窗函数的特性分析
一.窗函数的概念
窗函数是一种算法，它是一种带有其中一种形状的函数，通过对信号
进行处理，可以增强信号的一些特征，从而改善信号的可检测性和抑制噪声。
窗函数的定义：它在一些时间段上取特定的值，而在此之外的时间段上，则取零。
在细分时间段上，都按照固定的函数变换来求取取值，以保
证窗函数满足频率应答的要求。
二.常用窗函数
1）矩形窗函数：即矩形窗，也称为方形窗，最简单的窗函数形式，
是通过将脉冲在时间上延伸，而延伸后的脉冲形态则形成了“矩形”这样
一种特殊形状，从而被称为矩形窗。
2）凯廷窗：也称为汉明窗，是在矩形窗的基础上，进一步改进的一
种窗函数形式，是最常用的窗函数之一，它采用对称的函数形式，使得其
在频率响应上比矩形窗更加接近极低通滤波器的频率响应，从而有效地提
高了信号抑制噪声的能力，同时也保持了信号的清晰度。
3）高斯窗：又称为高斯滤波器，是一种基于高斯分布特性的滤波器，它的函数形状完全符合高斯分布的概率分布，在低噪声、低失真的环境中，效果最佳，是非常常用的窗函数。
4）黎曼窗：又叫黎曼汉明窗，它的特点是连续非均匀。
窗函数及其对信号频谱的影响
窗函数及其对信号频谱的影响窗函数是一种在数字信号处理和频谱分析中常用的数学工具，用于对信号进行截断和减小频谱泄漏的影响。
它的主要作用是将一个无限延伸的信号变为有限长度的信号，通过在时域上对信号进行加权操作，以减小信号的边界效应和频谱泄漏。
在频谱分析中，窗函数可以用于对信号进行谱估计、滤波和频谱改善等操作。
窗函数对信号频谱的影响主要体现在两个方面：频谱泄漏和分辨率。
首先，频谱泄漏是指当信号的频率不是完美整数倍的时候，由于信号和窗函数之间的乘积在时域上的周期性，会导致频谱泄漏现象的出现。
这种泄漏会使原本只存在于其中一频率的能量分散到其他频率上，使得谱线变得模糊，丧失了原始信号中的精细结构和局部特征。
频谱泄漏的程度与窗函数的性质有关，不同的窗函数具有不同的泄漏特性。
例如，矩形窗函数具有最大的频谱泄漏，而汉宁窗函数则具有较小的频谱泄漏。
其次，窗函数对信号频谱分辨率的影响也是十分重要的。
分辨率是指信号在频域上的清晰度和能够分辨不同频率成分的能力。
在频谱分析中，较窄的窗函数会使得频率分辨率更高，可以更好地分析信号的细节和频率成分；而较宽的窗函数会导致频率分辨率降低，无法很好地区分信号的细微差异。
这是因为较窄的窗函数在频域上对应较宽的主瓣，较宽的窗函数对应较窄的主瓣。
常见的窗函数中，矩形窗函数具有最宽的主瓣，而汉宁窗函数具有较窄的主瓣。
为了找到在不同应用场景下最合适的窗函数，需要根据信号的特点和要求进行选择。
例如，如果需要精确地测量信号的频率，可以选择具有较小频谱泄漏和较窄主瓣的窗函数，如汉宁窗函数和黑曼窗函数。
而在频谱分析中，为了更好地观察信号的整体特征和频率分布情况，可以选择具有较大频谱泄漏和较宽主瓣的窗函数，如矩形窗函数和三角窗函数。
总之，窗函数是数字信号处理和频谱分析中不可或缺的工具，通过对信号的截断和加权操作，可以减小信号的边界效应和频谱泄漏的影响。
不同的窗函数具有不同的频谱特性，可以根据需要选择合适的窗函数来对信号进行分析和处理，以提高频谱分辨率和准确性。
- 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)。
河北科技大学课程设计报告学生姓名：学号：专业班级：电子信息工程课程名称：数字信号处理课程设计学年学期2013——2014 学年第二学期指导教师：张秀清2014年6月课程设计成绩评定表目录1. 窗函数设计低通滤波器1.1设计目的 (1)1.2设计原理推导与计算 (1)1.3设计内容与要求 (2)1.4设计源程序与运行结果 (3)1.5思考题 (10)2. 用哈明窗设计FIR带通数字滤波器2.1设计要求 (14)2.2设计原理和分析 (14)2.3详细设计 (15)2.4调试分析及运行结果 (15)2.5心得体会 (17)参考文献 (17)1.窗函数设计低通滤波器1.1设计目的1. 熟悉设计线性相位数字滤波器的一般步骤。
2. 掌握用窗函数法设计FIR 数字滤波器的原理和方法。
3. 熟悉各种窗函数的作用以及各种窗函数对滤波器特性的影响。
4. 学会根据指标要求选择合适的窗函数。
1.2设计原理推导与计算如果所希望的滤波器的理想的频率响应函数为()ωj d e H ，则其对应的单位脉冲响应为()()ωπωωππd e e H n h j j d d ⎰-=21（4.1） 窗函数设计法的基本原理是设计设计低通FIR 数字滤波器时，一般以理想低通滤波特性为逼近函数()ωj e H ，即()⎪⎩⎪⎨⎧≤<≤=-πωωωωωαωc c j jd ，，ee H 0,其中21-=N α()()()[]()a n a n d e e d e eH n h c j j j j d d cc--===⎰⎰---πωωπωπωαωωωαωππωsin 2121用有限长单位脉冲响应序列()n h 逼近()n h d 。
由于()n h d 往往是无限长序列，而且是非因果的，所以用窗函数()n ω将()n h d 截断，并进行加权处理，得到： ()()()n n h n h d ω= （4.2）()n h 就作为实际设计的FIR 数字滤波器的单位脉冲响应序列，其频率响应函数()ωj e H 为()()nj N n j en h eH ωω∑-==1（4.3）式中，N 为所选窗函数()n ω的长度。
用窗函数法设计的滤波器性能取决于窗函数()n ω的类型及窗口长度N 的取值。
设计过程中，要根据对阻带最小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 。
各种类型的窗函数可达到的阻带最小衰减和过渡带宽度见表（一）。
表（一） 各种窗函数的基本参数这样选定窗函数类型和长度N 之后，求出单位脉冲响应()()()n n h n h d ω•=，并按照式（4.3）求出()ωj e H 。
()ωj e H 是否满足要求，如果()ωj e H 不满足要求，则要重新选择窗函数类型和长度N ，再次验算，直至满足要求。
1.3设计内容与要求（一）设计要求：1. 学会计算滤波器各项性能指标及如何来满足给定的指标要求。
2. 用MATLAB 语言编程实现给定指标要求的滤波器的设计。
3. 熟悉MATLAB 语言，独立编写程序。
4. 设计低通FIR 滤波器的指标：通带最大波动0.25,p R dB =，0.2p ωπ=阻带最小衰减 50,s A dB =，0.3s ωπ=（二）、设计内容：1.熟悉各种窗函数,在MATLAB 命令窗下浏览各种窗函数，绘出（或打印）所看到的窗函数图。
2.编写计算理想低通滤波器单位抽样响应hd(n)的m 函数文件ideal.m 。
3. 编写计算N 阶差分方程所描述系统频响函数()j H e ω的m 函数文件fr.m 。
4.根据指标要求选择窗函数的形状与长度N 。
（至少选择两种符合要求的窗函数及其对应的长度）。
5.编写.m 程序文件，通过调用ideal.m 和fr ．m 文件，计算你设计的实际低通FIR 滤波器的单位抽样响应h(n)和频率响应()j H e ω，打印在频率区间[O ，π]上的幅频响应特性曲线()~j H e ωω，幅度用分贝表示。
6.验证所设计的滤波器是否满足指标要求。
1.4设计的源程序及运行结果：1、利用MATLAB 窗口观察各种窗函数： %巴特利特窗 w=bartlett(20); subplot(3,2,1); plot(w);stem(w,'y');%'y'表示黄色 %stem 表示以离散图输出 title('巴特利特床窗'); xlabel('n');%横坐标为n ylabel('w(n)');%纵坐标为w(n)%布莱克曼窗 w=blackman(20);subplot(3,2,2); plot(w);stem(w,'b');%'b'表示蓝色 title('布莱克曼窗'); xlabel('n'); ylabel('w(n)'); %矩形窗 w=boxcar(20); subplot(3,2,3); plot(w); stem(w,'r'); title('矩形窗');xlabel('n');ylabel('w(n)');%海明窗w=hamming(20);plot(w);stem(w,'m');%'m'表示紫色title('海明窗');xlabel('n');ylabel('w(n)');%汉宁窗w=hanning(20);subplot(3,2,5);plot(w);stem(w,'g');%'g'表示绿色title('汉宁窗');xlabel('n');ylabel('w(n)');%凯泽窗beta=5.6533;w=kaiser(20,beta);subplot(3,2,6);plot(w);stem(w,'k');%'k'表示黑色title('凯泽窗,beta=5.6533');xlabel('n');ylabel('w(n)');常用窗函数的图形2、理想低通滤波器单位抽样响应hd(n)的m函数文件ideal.m。
function hd=ideal(wc,M)%理想低通滤波器计算%hd为0到M-1之间的理想脉冲响应%wc为截止频率%M为理想滤波器的长度alpha=(M-1)/2;n=0:M-1;m=n-alpha+eps;hd=sin(wc*m)./(pi*m);3、N阶差分方程所描述的系统频响函数的m函数文件fr.m。
function[db,mag,pha,gfd,w]=fr(b,a)%求解系统响应%db为相位振幅（db)%mag为绝对振幅%pha为相位响应%grd为群延时%w为频率样本点矢量%b为Ha(z)分析多项式系数(对FIR而言，b=h)%a为Hz(z)分母多项式系数(对FIR而言，a=1)[H,w]=freqz(b,a,1000,'whole');H=(H(1:501))';w=(w(1:501))';mag=abs(H);db=20*log10((mag+eps)/max(mag));pha=angle(H);gfd=grpdelay(b,a,w);4、实际低通滤波器FIR：%用海明窗设计低通滤波器wp=0.2*pi;ws=0.3*pi;tr_width=ws-wp;disp(['海明窗设计低通滤波器参数:']);M=ceil(6.6*pi/tr_width)+1;disp(['滤波器的长度为',num2str(M)]);n=0:M-1;wc=(ws+wp)/2; %理想LPF的截止频率hd=ideal(wc,M);w_ham=(hamming(M))';h=hd.*w_ham;[db,mag,pha,gfd,w]=fr(h,[1]);delta_w=2*pi/1000;Rp=-(min(db(1:1:wp/delta_w+1))); %求出实际通带波动disp(['实际带通波动为',num2str(Rp)]);As=-round(max(db(ws/delta_w+1:1:501))); %求出最小阻带衰减disp(['最小阻带衰减为-',num2str(As)],’db’);%绘图subplot(1,1,1)subplot(2,6,1)stem(n,hd);title('理想冲击响应');axis([0 M-1 -0.1 0.3]);ylabel('hd(n)');subplot(2,6,2)stem(n,w_ham);title('海明窗');axis([0 M-1 0 1.1]);ylabel('w(n)');subplot(2,6,7)stem(n,h);title('实际冲激响应');axis([0 M-1 -0.1 0.3]);xlabel('n');ylabel('h(n)');subplot(2,6,8)plot(w/pi,db);title('幅度响应（db）');axis([0 1 -100 10]);grid;xlabel('以pi为单位的频率');ylabel('分贝数');图（1）海明窗设计的FIR 海明窗设计低通滤波器参数:滤波器的长度为67实际带通波动为0.03936最小阻带衰减为-52db%用布莱克曼窗设计低通滤波器wp=0.2*pi;ws=0.3*pi;tr_width=ws-wp;disp(['布莱克曼窗设计低通滤波器的参数:']);M=ceil(11.0*pi/tr_width)+1;disp(['滤波器的长度为',num2str(M)]);n=0:M-1;%理想LPF的截止频率wc=(ws+wp)/2;hd=ideal(wc,M);w_bla=(blackman(M))';h=hd.*w_bla;[db,mag,pha,gfd,w]=fr(h,[1]);delta_w=2*pi/1000;Rp=-(min(db(1:1:wp/delta_w+1))); %求出实际通带波动disp(['实际带通波动为',num2str(Rp)]);As=-round(max(db(ws/delta_w+1:1:501))); %求出最小阻带衰减disp(['最小阻带衰减-',num2str(As)],’db’);%绘图subplot(2,6,3)stem(n,hd);title('理想冲击响应');axis([0 M-1 -0.1 0.3]);ylabel('hd(n)');subplot(2,6,4)stem(n,w_bla);title('布莱克曼窗');axis([0 M-1 0 1.1]);ylabel('w(n)');subplot(2,6,9)stem(n,h);title('实际冲激响应');axis([0 M-1 -0.1 0.3]);xlabel('n');ylabel('h(n)');subplot(2,6,10)plot(w/pi,db);title('幅度响应（db）');axis([0 1 -100 10]);grid;xlabel('以pi为单位的频率');ylabel('分贝数');图（2）布莱克曼窗设计的FIR 布莱克曼窗设计低通滤波器的参数:滤波器的长度为111 实际带通波动为0.0033304 最小阻带衰减为-73db 5、技术指标比较：（1）海明窗设计低通滤波器参数: 滤波器的长度为67 实际带通波动为0.03936 最小阻带衰减为-52db（2）布莱克曼窗设计低通滤波器的参数: 滤波器的长度为111 实际带通波动为0.0033304 最小阻带衰减为-73db在相同的技术指标下用布莱克曼窗设计的低通滤波器实际带通波动实际带通波动最小，最小阻带衰减，滤波器的长度最大；海明窗和凯泽窗最小阻带衰减差不多，滤波器的长度页差不多，但是海明窗实际波动小于凯泽窗；所以用布莱克曼窗用设计的FIR 最逼近理想单位冲击响应。