信号处理实验报告、
数字信号处理实验报告 3
数字信号处理实验报告姓名：班级：通信学号：实验名称：频域抽样定理验证实验类型：验证试验指导教师:实习日期：2013.频域采样定理验证实验一． 实验目的：1. 加深对离散序列频域抽样定理的理解2.了解由频谱通过IFFT 计算连续时间信号的方法3.掌握用MATLAB 语言进行频域抽样与恢复时程序的编写方法 4、用MATLAB 语言将X(k)恢复为X(z)及X(e jw )。
二． 实验原理：1、1、频域采样定理： 如果序列x(n)的长度为M ，频域抽样点数为N ，则只有当频域采样点数N ≥M 时，才有x N (n)=IDFT[X(k)]=x(n),即可由频域采样X(k)无失真的恢复原序列 x(n)。
2、用X(k)表示X(z)的内插公式：∑-=-----=10111)(1)(N k kNNzWz k X Nz X内插函数： zWzkNNN z 1k111)(-----=ϕ频域内插公式：∑-=-=10)2()()(N K j k Nk X e X πωϕω频域内插函数：e N j N N )21()2sin()2sin(1)(--=ωωωωϕ三． 实验任务与步骤：实验一：长度为26的三角形序列x(n)如图(b)所示，编写MATLAB 程序验证频域抽样定理。
实验二：已知一个时间序列的频谱为X(e jw )=2+4e -jw +6e -j2w +4e -j3w +2e -j4w分别取频域抽样点数N为3、5和10，用IPPT计算并求出其时间序列x(n)，用图形显示各时间序列。
由此讨论原时域信号不失真地由频域抽样恢复的条件。
实验三：由X32(k)恢复X(z)和X(e jw)。
四．实验结论与分析：实验一：源程序：M=26;N=32;n=0:M; %产生M长三角波序列x(n)xa=0:floor(M/2);xb= ceil(M/2)-1:-1:0; xn=[xa,xb];Xk=fft(xn,512); %1024点FFT[x(n)], 用于近似序列x(n)的TFX32k=fft(xn,32); %32点FFT[x(n)]x32n=ifft(X32k); %32点IFFT[X32(k)]得到x32(n)X16k=X32k(1:2:N); %隔点抽取X32k得到X16(K)x16n=ifft(X16k,N/2); %16点IFFT[X16(k)]得到x16(n)subplot(3,2,2);stem(n,xn,'.');box ontitle('(b) 三角波序列x(n)');xlabel('n');ylabel('x(n)');axis([0,32,0,20])k=0:511;wk=2*k/512;subplot(3,2,1);plot(wk,abs(Xk));title('(a)FT[x(n)]');xlabel('\omega/\pi');ylabel('|X(e^j^\omega)|');axis([0,1,0,200])k=0:N/2-1;subplot(3,2,3);stem(k,abs(X16k),'.');box ontitle('(c) 16点频域');xlabel('k');ylabel('|X_1_6(k)|');axis([0,8,0,200])n1=0:N/2-1;subplot(3,2,4);stem(n1,x16n,'.');box ontitle('(d) 16点IDFT[X_1_6(k)]');xlabel('n');ylabel('x_1_6(n)');axis([0,32,0,20])k=0:N-1;subplot(3,2,5);stem(k,abs(X32k),'.');box ontitle('(e) 32点频域采样');xlabel('k');ylabel('|X_3_2(k)|');axis([0,16,0,200])n1=0:N-1;subplot(3,2,6);stem(n1,x32n,'.');box ontitle('(f) 32点IDFT[X_3_2(k)]');xlabel('n');ylabel('x_3_2(n)');axis([0,32,0,20])结果如下所示：实验一分析：序列x(n)的长度M=26，由图中可以看出，当采样点数N=16<M时，x16(n)确实等于原三角序列x(n)以16为周期的周期延拓序列的主值序列。
数字信号处理实验报告
实验一 信号、系统及系统响应一、实验目的1、熟悉理想采样的性质，了解信号采样前后的频谱变化，加深对时域采样定理的理解。
2、熟悉离散信号和系统的时域特性。
3、熟悉线性卷积的计算编程方法：利用卷积的方法，观察、分析系统响应的时域特性。
4、掌握序列傅里叶变换的计算机实现方法，利用序列的傅里叶变换对离散信号、系统及其系统响应进行频域分析。
二、 实验原理1.理想采样序列：对信号x a (t)=A e −αt sin(Ω0t )u(t)进行理想采样，可以得到一个理想的采样信号序列x a (t)=A e −αt sin(Ω0nT ),0≤n ≤50，其中A 为幅度因子，α是衰减因子，Ω0是频率，T 是采样周期。
2.对一个连续时间信号x a (t)进行理想采样可以表示为该信号与一个周期冲激脉冲的乘积，即x ̂a (t)= x a (t)M(t),其中x ̂a (t)是连续信号x a (t)的理想采样；M(t)是周期冲激M(t)=∑δ+∞−∞(t-nT)=1T ∑e jm Ωs t +∞−∞,其中T 为采样周期，Ωs =2π/T 是采样角频率。
信号理想采样的傅里叶变换为X ̂a (j Ω)=1T ∑X a +∞−∞[j(Ω−k Ωs )],由此式可知：信号理想采样后的频谱是原信号频谱的周期延拓，其延拓周期为Ωs =2π/T 。
根据时域采样定理，如果原信号是带限信号，且采样频率高于原信号最高频率分量的2倍，则采样以后不会发生频率混叠现象。
三、简明步骤产生理想采样信号序列x a (n),使A=444.128，α=50√2π，Ω0=50√2π。
（1） 首先选用采样频率为1000HZ ，T=1/1000，观察所得理想采样信号的幅频特性，在折叠频率以内和给定的理想幅频特性无明显差异，并做记录；（2） 改变采样频率为300HZ ，T=1/300，观察所得到的频谱特性曲线的变化，并做记录；（3） 进一步减小采样频率为200HZ ，T=1/200，观察频谱混淆现象是否明显存在，说明原因，并记录这时候的幅频特性曲线。
信号处理实验报告
信号处理实验报告实验目的：通过实验了解信号处理的基本原理和方法，并掌握使用MATLAB进行信号处理的基本操作。
实验原理：信号处理是指对模拟信号或数字信号进行分析、处理、提取有用信息的过程。
信号处理包括信号的采集、滤波、降噪、特征提取等核心内容。
MATLAB 是一种功能强大的数学软件，也是信号处理的常用工具。
通过使用MATLAB，可以对信号进行快速、准确的处理和分析。
实验过程：1. 使用MATLAB生成一个正弦信号，频率为100Hz，幅值为1，时长为1s。
matlabt = 0:0.001:1;f = 100;x = sin(2*pi*f*t);2. 绘制该信号的时域图像。
matlabfigure;plot(t, x);xlabel('时间（s）');ylabel('幅值');title('正弦信号的时域图像');3. 使用MATLAB进行频谱分析。
matlabN = length(x);f = (0:N-1)*(1/N);X = fft(x);P = abs(X).^2/N;figure;plot(f,P);xlabel('频率（Hz）');ylabel('功率谱密度');title('信号的频谱图像');4. 对信号进行滤波，去除高频成分。
matlabfs = 1000;Wp = 200/(fs/2);Ws = 300/(fs/2);Rp = 3;Rs = 60;[n,Ws] = cheb2ord(Wp,Ws,Rp,Rs); [b,a] = cheby2(n,Rs,Ws);y = filter(b,a,x);figure;plot(t,y);xlabel('时间（s）');ylabel('幅值');title('去除高频成分后的信号');5. 对滤波后的信号进行降噪处理。
信号处理实验报告
一、实验目的本次实验旨在通过MATLAB软件平台，对数字信号处理的基本概念、原理和方法进行学习和实践。
通过实验，加深对以下内容的理解：1. 离散时间信号的基本概念和性质；2. 离散时间系统及其特性；3. 离散傅里叶变换（DFT）及其性质；4. 离散傅里叶逆变换（IDFT）及其应用；5. 窗函数及其在信号处理中的应用。
二、实验内容1. 离散时间信号的产生与性质（1）实验步骤：1.1 利用MATLAB生成以下离散时间信号：- 单位脉冲序列：δ[n]；- 单位阶跃序列：u[n]；- 矩形序列：R[n]；- 实指数序列：a^n；- 复指数序列：e^(jωn)。
1.2 分析并比较这些信号的性质，如自相关函数、功率谱密度等。
（2）实验结果：实验结果显示，不同类型的离散时间信号具有不同的性质。
例如，单位脉冲序列的自相关函数为δ[n]，功率谱密度为无穷大；单位阶跃序列的自相关函数为R[n]，功率谱密度为有限值；矩形序列的自相关函数为R[n]，功率谱密度为无穷大；实指数序列和复指数序列的自相关函数和功率谱密度均为有限值。
2. 离散时间系统及其特性（1）实验步骤：2.1 利用MATLAB构建以下离散时间系统：- 线性时不变系统：y[n] = x[n] a^n；- 非线性时不变系统：y[n] = x[n]^2；- 线性时变系统：y[n] = x[n] (1 + n)。
2.2 分析并比较这些系统的特性，如稳定性、因果性、线性时不变性等。
（2）实验结果：实验结果显示，不同类型的离散时间系统具有不同的特性。
例如，线性时不变系统的输出与输入之间存在线性关系，且满足时不变性；非线性时不变系统的输出与输入之间存在非线性关系，但满足时不变性；线性时变系统的输出与输入之间存在线性关系，但满足时变性。
3. 离散傅里叶变换（DFT）及其性质（1）实验步骤：3.1 利用MATLAB对以下离散时间信号进行DFT变换：- 单位脉冲序列：δ[n]；- 单位阶跃序列：u[n]；- 矩形序列：R[n]。
信号处理实验报告总结
信号处理实验报告总结引言信号处理是一门研究如何对信号进行处理和分析的学科，它在许多领域中都有着广泛的应用，如通信、图像处理、音频处理等。
本实验旨在通过实际操作与理论结合的方式，帮助学生深入理解信号处理的原理和方法。
理论背景信号处理的理论基础包括信号与系统、傅里叶分析、滤波器设计等方面的知识。
在本次实验中，我们主要了解了离散傅里叶变换（DFT）和数字滤波器的原理和应用，以及常见的信号处理算法。
实验过程与结果本次实验分为两个部分：DFT算法实现和数字滤波器设计。
DFT算法实现我们首先实现了离散傅里叶变换的算法，并通过MATLAB软件进行了验证。
实验中，我们使用了一个正弦信号，并通过DFT算法将其转换为频域表示。
实验结果显示，离散傅里叶变换能够准确地将时域信号转换为频域信号，且图像频谱与理论结果一致。
数字滤波器设计在第二个实验中，我们学习了数字滤波器的设计方法和常见的滤波器类型。
我们采用了巴特沃斯滤波器设计方法，并使用MATLAB软件进行了参数设计。
实验结果表明，数字滤波器能够有效地滤除输入信号中不需要的频率成分，并保留我们感兴趣的信号。
实验总结通过本次实验，我们对信号处理的理论知识有了更深入的了解，并通过实际操作加深了对信号处理方法的理解和应用能力。
通过实验，我们对离散傅里叶变换和数字滤波器的原理和应用有了更深入的了解。
然而，在实验过程中也遇到了一些困难。
例如，在DFT算法实现中，我们需要对算法进行优化以提高运行效率。
在数字滤波器设计中，我们还需要更深入地学习滤波器设计的原理和方法，以便更好地应用在实际工程中。
总的来说，本次实验使我们更加深入地了解了信号处理的原理和方法，并对信号处理的应用有了更为清晰的认识。
在今后的学习和工作中，我们将进一步巩固这方面的知识，并不断探索更多的信号处理方法和算法。
参考文献[1] Oppenheim, A. V., & Schaffer, J. R. (1998). Discrete-time signal processing. Prentice Hall.[2] Proakis, J. G., & Manolakis, D. G. (1996). Digital signal processing: principles, algorithms, and applications. Prentice Hall.附录本次实验的MATLAB代码如下：matlab% DFT算法实现N = length(x);for k = 0:N-1X(k+1) = 0;for n = 0:N-1X(k+1) = X(k+1) + x(n+1)*exp(-1i*2*pi*k*n/N);endend% 数字滤波器设计fs = 100; % 采样频率fpass = 10; % 通带频率fstop = 20; % 阻带频率Rp = 1; % 通带最大衰减Rs = 60; % 阻带最小衰减wp = 2*pi*fpass/fs;ws = 2*pi*fstop/fs;[N, wn] = buttord(wp, ws, Rp, Rs);[b, a] = butter(N, wn);y = filter(b, a, x);以上是本次信号处理实验的总结，通过实验我们深入理解了信号处理的原理和方法，也发现了一些问题，期望在今后的学习和工作中能够进一步探索和应用信号处理技术。
信号分析与处理实验报告
信号分析与处理实验报告一、实验目的1.了解信号分析与处理的基本概念和方法；2.掌握信号分析与处理的基本实验操作；3.熟悉使用MATLAB进行信号分析与处理。
二、实验原理信号分析与处理是指利用数学和计算机技术对信号进行分析和处理的过程。
信号分析的目的是了解信号的特性和规律，通过对信号的频域、时域和幅频特性等进行分析，获取信号的频率、幅度、相位等信息。
信号处理的目的是对信号进行数据处理，提取信号的有效信息，优化信号的质量。
信号分析和处理的基本方法包括时域分析、频域分析和滤波处理。
时域分析主要是对信号的时变过程进行分析，常用的方法有波形分析和自相关分析。
频域分析是将信号转换到频率域进行分析，常用的方法有傅里叶级数和离散傅里叶变换。
滤波处理是根据信号的特性选择适当的滤波器对信号进行滤波，常用的滤波器有低通滤波器、高通滤波器、带通滤波器和带阻滤波器等。
三、实验内容1.信号的时域分析将给定的信号进行波形分析，绘制信号的时域波形图；进行自相关分析，计算信号的自相关函数。
2.信号的频域分析使用傅里叶级数将信号转换到频域，绘制信号的频域图谱；使用离散傅里叶变换将信号转换到频域，绘制信号的频域图谱。
3.滤波处理选择合适的滤波器对信号进行滤波处理，观察滤波前后的信号波形和频谱。
四、实验步骤与数据1.时域分析选择一个信号进行时域分析，记录信号的波形和自相关函数。
2.频域分析选择一个信号进行傅里叶级数分析，记录信号的频谱；选择一个信号进行离散傅里叶变换分析，记录信号的频谱。
3.滤波处理选择一个信号，设计适当的滤波器对信号进行滤波处理，记录滤波前后的信号波形和频谱。
五、实验结果分析根据实验数据绘制的图像进行分析，对比不同信号在时域和频域上的特点。
观察滤波前后信号波形和频谱的变化，分析滤波效果的好坏。
分析不同滤波器对信号的影响，总结滤波处理的原理和方法。
六、实验总结通过本次实验，我们了解了信号分析与处理的基本概念和方法，掌握了信号分析与处理的基本实验操作，熟悉了使用MATLAB进行信号分析与处理。
数字信号处理实验报告
数字信号处理实验报告引言数字信号处理（Digital Signal Processing，DSP）是一门研究数字信号的获取、分析、处理和控制的学科。
在现代科技发展中，数字信号处理在通信、图像处理、音频处理等领域起着重要的作用。
本次实验旨在通过实际操作，深入了解数字信号处理的基本原理和实践技巧。
实验一：离散时间信号的生成与显示在实验开始之前，我们首先需要了解信号的生成与显示方法。
通过数字信号处理器（Digital Signal Processor，DSP）可以轻松生成和显示各种类型的离散时间信号。
实验设置如下：1. 设置采样频率为8kHz。
2. 生成一个正弦信号：频率为1kHz，振幅为1。
3. 生成一个方波信号：频率为1kHz，振幅为1。
4. 将生成的信号通过DAC（Digital-to-Analog Converter）输出到示波器上进行显示。
实验结果如下图所示：（插入示波器显示的正弦信号和方波信号的图片）实验分析：通过示波器的显示结果可以看出，正弦信号在时域上呈现周期性的波形，而方波信号则具有稳定的上下跳变。
这体现了正弦信号和方波信号在时域上的不同特征。
实验二：信号的采样和重构在数字信号处理中，信号的采样是将连续时间信号转化为离散时间信号的过程，信号的重构则是将离散时间信号还原为连续时间信号的过程。
在实际应用中，信号的采样和重构对信号处理的准确性至关重要。
实验设置如下：1. 生成一个正弦信号：频率为1kHz，振幅为1。
2. 设置采样频率为8kHz。
3. 对正弦信号进行采样，得到离散时间信号。
4. 对离散时间信号进行重构，得到连续时间信号。
5. 将重构的信号通过DAC输出到示波器上进行显示。
实验结果如下图所示：（插入示波器显示的连续时间信号和重构信号的图片）实验分析：通过示波器的显示结果可以看出，重构的信号与原信号非常接近，并且能够还原出原信号的形状和特征。
这说明信号的采样和重构方法对于信号处理的准确性有着重要影响。
数字信号处理实验报告_完整版
实验1 利用DFT 分析信号频谱一、实验目的1.加深对DFT 原理的理解。
2.应用DFT 分析信号的频谱。
3.深刻理解利用DFT 分析信号频谱的原理，分析实现过程中出现的现象及解决方法。
二、实验设备与环境 计算机、MATLAB 软件环境 三、实验基础理论1.DFT 与DTFT 的关系有限长序列 的离散时间傅里叶变换 在频率区间 的N 个等间隔分布的点 上的N 个取样值可以由下式表示：212/0()|()()01N jkn j Nk N k X e x n eX k k N πωωπ--====≤≤-∑由上式可知，序列 的N 点DFT ,实际上就是 序列的DTFT 在N 个等间隔频率点 上样本 。
2.利用DFT 求DTFT方法1：由恢复出的方法如下：由图2.1所示流程可知：101()()()N j j nkn j nN n n k X e x n eX k W e N ωωω∞∞----=-∞=-∞=⎡⎤==⎢⎥⎣⎦∑∑∑ 由上式可以得到：IDFTDTFT( )12()()()Nj k kX e X k Nωπφω==-∑ 其中为内插函数12sin(/2)()sin(/2)N j N x eN ωωφω--= 方法2：实际在MATLAB 计算中，上述插值运算不见得是最好的办法。
由于DFT 是DTFT 的取样值，其相邻两个频率样本点的间距为2π/N ，所以如果我们增加数据的长度N ，使得到的DFT 谱线就更加精细，其包络就越接近DTFT 的结果，这样就可以利用DFT 计算DTFT 。
如果没有更多的数据，可以通过补零来增加数据长度。
3.利用DFT 分析连续信号的频谱采用计算机分析连续时间信号的频谱，第一步就是把连续信号离散化，这里需要进行两个操作：一是采样，二是截断。
对于连续时间非周期信号,按采样间隔T 进行采样，阶段长度M ，那么：1()()()M j tj nT a a a n X j x t edt T x nT e ∞--Ω-Ω=-∞Ω==∑⎰对进行N 点频域采样，得到2120()|()()M jkn Na a M kn NTX j T x nT eTX k ππ--Ω==Ω==∑因此，可以将利用DFT 分析连续非周期信号频谱的步骤归纳如下： （1）确定时域采样间隔T ，得到离散序列（2）确定截取长度M ，得到M 点离散序列,这里为窗函数。
- 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)。
第一题如何用计算机模拟一个随机事件，并估计随机事件发生的概率以计算圆周率π。
解：（一）蒙特卡洛方法可用于近似计算圆周率：让计算机每次随机生成两个0到1之间的数，看以这两个实数为横纵坐标的点是否在单位圆内。
生成一系列随机点，统计单位圆内的点数与总点数，（圆面积和外切正方形面积之比为π：4），当随机点取得越多时，其结果越接近于圆周率。
代码：N=100000000;x=rand(N,1);y=rand(N,1);count=0;for i=1:Nif (x(i)^2+y(i)^2<=1)count=count+1;endendPI=vpa(4*count/N,10)PI =3.1420384蒙特卡洛法实验结果与试验次数相关，试验次数增加，结果更接近理论值（二）18世纪，法国数学家布丰和勒可莱尔提出的“投针问题”，记载于布丰1777年出版的著作中：“在平面上画有一组间距为d的平行线，将一根长度为l （l<d）的针任意掷在这个平面上，球此针与平行线中任一条相交的频率。
”布丰本人证明了，这个概率是p=2l/(πd) π为圆周率代码：a=input('输入a：');l=input('输入l: ');n=input('输入n：');x=unifrnd(0,a/2,[n,1]);f=unifrnd(0,pi,[n,1]);y=x<0.5*l*sin(f);m=sum(y); %S = sum(A)PI=vpa(2*l*n/(a*m))输入a：5输入l: 2输入n：1000000PI =3.1383994947176812040368076850427布冯投针实验结果与针长相关，针越长，实验结果收敛性越好。
第二题数字滤波器设计，自行设计参数解：此题分为以下三个小问题：①设计了一个采样频率为Fs=44100Hz的低通滤波器，通带内频率范围为0--5000Hz，过渡带为5000Hz---6600Hz，通带波纹不大于3dB，阻带衰减不小于40db。
绘制出滤波器的特性图。
②利用该低通滤波器对一个4000Hz与8000Hz混叠的正弦信号进行处理，对比滤波前后的信号时域和频域图，验证滤波器效果。
③下载一段语音信号，对其进行采样和加噪，然后用该低通滤波器对加噪后信号进行滤波，绘制出信号的时域波形和频谱，并对滤波前后信号进行对比。
代码：%第二题%设计了一个采样频率为Fs=44100Hz的低通滤波器，%通带内频率范围为0--5000Hz，%过渡带为5000Hz---6600Hz，%通带波纹不大于3dB%阻带衰减不小于40db。
%绘制出滤波器的特性图。
wp=0.23*pi;ws=0.3*pi;wdelta=ws-wp;N=ceil(6.6*pi/wdelta);wn=(0.23+0.3)*pi/2;b=fir1(N,wn/pi,hamming(N+1));figure(1);freqz(b,1,512);%利用该低通滤波器对一个4000Hz与8000Hz混叠的正弦信号进行处理，%对比滤波前后的信号时域和频域图，验证滤波器效果。
fs=44100;f1=4000;f2=8000;%滤波前时域t=0:1/fs:1;s=sin(2*pi*f1*t)+sin(2*pi*f2*t);%滤波前频域Fs=fft(s,1024);AFs=abs(Fs);f=(0:511)*fs/1024;%滤波后时域sf=filter(b,1,s);%滤波后频域Fsf=fft(sf,1024);AFsf=abs(Fsf);f=(0:511)*fs/1024;%画图figure(2);subplot(221);plot(t,s);xlabel('时间/秒');ylabel('幅度');title('信号滤波前时域图');axis([0.001 0.01 -2 2]);subplot(222);plot(f,AFs(1:512));xlabel('频率/赫兹');ylabel('幅度');title('信号滤波前频域图');axis([0 10000 0 500]);subplot(223);plot(t,sf);xlabel('时间/秒');ylabel('幅度');title('信号滤波后时域图');axis([0.001 0.01 -2 2]);subplot(224);plot(f,AFsf(1:512));xlabel('频率/赫兹');ylabel('幅度');title('信号滤波后频域图');axis([0 10000 0 500]);%下载一段语音信号，对其进行采样和加噪，然后用该低通滤波器对加噪后信号进行滤波，%绘制出信号的时域波形和频谱，并对滤波前后信号进行对比。
fs=44100;[x,fs,bits]=wavread('music.wav');sound(x,fs,bits);t=0:1/44100:(size(x)-1)/44100;x=x(:,1);x=x';y=x+ 0.03*cos(2*pi*8000*t);%加噪sound(y,fs,bits);f2=filter(b,1,y);%通过设计的低通滤波器sound(f2,fs,bits);X=abs(fft(x));X=X(1:length(x)/2);deltaf=fs/2/length(X);f=0:deltaf:fs/2-deltaf;plot(f,X);Y=abs(fft(y));Y=Y(1:length(y)/2);plot(f,Y);F2=abs(fft(f2));F2=F2(1:length(f2)/2);plot(f,F2);%画图figure(3);subplot(321);plot(t,x);axis([0 0.5 -0.1 0.1]);title('原始语音信号');xlabel('时间');ylabel('幅值');subplot(322);plot(f,X);axis([0 10000 0 4500]);title('原始语音信号频谱');xlabel('频率');ylabel('幅值'); subplot(323);plot(t,y);axis([0 0.5 -0.1 0.1]);title('加噪后的语音信号');xlabel('时间');ylabel('幅值'); subplot(324);plot(f,Y);axis([0 10000 0 4500]);title('加噪后的语音信号频谱');xlabel('频率');ylabel('幅值'); subplot(325);plot(t,f2);axis([0 0.5 -0.1 0.1]);title('滤波后的语音信号');xlabel('时间');ylabel('幅值'); subplot(326);plot(f,F2);axis([0 10000 0 4500]);title('滤波后的语音信号频谱');xlabel('频率');ylabel('幅值'); 结果：图2.1滤波器的频率响应和相位响应图2.2叠加正弦信号滤波前后的时域图和频域图图2.3加噪的语音信号滤波前后的时域图和频域图第三题（3）编写MATLAB程序，产生协方差函数为的零均值平稳高斯过程，产生一条样本函数.测量所产生样本的时间自相关函数，将结果与理论值比较。
提示：零均值平稳高斯过程的自相关函数解：对于零均值平稳高斯随机过程白噪声的W[n]通过差分方程X[n]-aX[n-1]=bW[n]，0<a<1，可产生自相关函数为的随机序列。
记采样周期为Ts。
令w[n]为标准正态分布随机序列，则通过差分方程迭代可以产生一个样本函数。
此题中，取Ts=0.01, sigma=3, a=exp(-0.01), b=sigma*exp(-0.02)代码：N=10000; %长度为10000Ts=0.001; %取样间隔sigma=3; %参数beta=10;a=exp(-beta*Ts);b=sigma*sqrt(1-a*a);w=normrnd(0,1,[1,N]); %标准正态分布随机数x=zeros(1,N);x(1)=sigma*w(1); %产生第一点for i=2:NX(i)=a*x(i-1)+b*w(i); %差分方程与迭代end% plot(x); %可绘制随机序列Rxx=xcorr(x)/N; %实测自相关函数m=[-N+1:N-1]; %校准离散时间坐标，以便绘图Rxx0=(sigma^2)*exp(-beta*abs(m*Ts)); %计算理论自相关函数Plot(m*Ts,Rxx0,’b.’,m*Ts,Rxx,’r’); %绘制与比较自相关函数结果：图3.1样本函数图3.2实测自相关函数与理论值对比结论：实测自相关函数与理论值基本吻合，此方法可以用来模拟高斯随机过程，并得到基本符合理论值的结果。
第四题讨论在的加性高斯白噪声环境中，利用匹配滤波器检测幅度为2，宽度为1ms的方波信号的情况(考虑取样时间为Ts=0.1ms)，测量匹配滤波器输入信号中心处与输出信号最佳取样处的SNR，绘出信号波形。
解：记方波信号为s（t），T=1ms。
令匹配滤波器为h=ks（t-T），其中，k使h（t）幅度为1，输出信号的最佳取样在t=T处，由于Ts=0.1ms，仿真宽带B=5ｋＨＺ，于是噪声功率为Ｎ０Ｂ。
代码：N=100; %长度Ts=0.0001; %取样间隔B=0.5*1/Ts; %最高信号频率t=0:Ts:(N-1)*Ts; %仿真时段为N个样点T=0.001; %信号时宽（1ms）A=2; % 信号幅度s=[A*ones(1,T/Ts),zeros(1,N-(T/Ts))]; %宽度为T的方波信号N0=0.00005; %噪声谱密度sigmaN=sqrt(N0*B); %噪声功率=N0*Bw=normrnd(0,sigmaN,[1,N]); %高斯白噪声var(w); %可检测噪声方差hmf=[ones(1,T/Ts)]; %幅度为1的匹配滤镜ys=Ts*filter(hmf,1,s); %信号通过滤波器yn=Ts*filter(hmf,1,w); %噪声通过滤波器SNR0=10*log10((s(T/Ts/2)^2)/var(w)); %输入信号T/2处ＳＮＲSNR=10*log10((ys(T/Ts/2)^2)/var(yn));％匹配滤镜后的ＳＮＲ[SNR0,SNR,SNR-SNR0]plot(t,ys+yn);（绘制输出信号）ans =11.7827 18.3615 6.5788结果：加躁方波滤波输出结论：利用匹配滤波器可以有效地提高抽样点的信噪比。