多相抽取滤波
多相滤波器的设计讲解
多相滤波器的设计讲解首先，我们需要了解多相滤波器的基本结构。
多相滤波器通常由一组滤波器单元组成，每个滤波器单元称为一个相位。
每个相位的输出通过不同的延时器引导到一个总线上，最后通过加权累加器对这些输出进行加权累加。
这样的结构可以实现对输入信号进行多相分解和滤波处理。
1.确定滤波器的类型和性能要求。
通常情况下，我们需要确定滤波器的截止频率、通带范围等参数。
这些参数将直接影响滤波器的设计和性能。
2.选择合适的滤波器设计方法。
常见的多相滤波器设计方法包括多相滤波器组合、多相滤波器库和多相滤波器的优化设计等。
根据具体的需求和应用场景，选择合适的设计方法，并进行相应的参数设置。
3.设计单个相位的滤波器。
多相滤波器的每个相位都需要设计一个滤波器单元，用于处理输入信号的其中一部分。
这里可以使用各种常见的滤波器设计方法，如FIR滤波器、IIR滤波器等。
根据前面确定的滤波器性能要求，进行滤波器参数的设置和调整，如滤波器阶数、滤波器系数等。
4.设计并连接延时器。
为了实现多相分解和加权累加的功能，需要在滤波器的输出信号上设置适当的延时。
这里通常使用线性延时器或非线性延时器来实现。
5.进行滤波器的调试和性能评估。
在滤波器设计完成后，需要对其进行调试和性能评估。
通过向滤波器输入不同的测试信号，观察输出信号的频率响应和时域性能，以验证滤波器设计的正确性和稳定性。
在进行多相滤波器设计时，还需要注意以下几点：1.滤波器设计过程中需要注意滤波器的阶数和频率响应曲线的平滑性。
阶数过高会增加计算复杂度，而频率响应曲线的突变和不连续性可能导致滤波器性能较差。
2.在设计滤波器时，通常需要考虑实现复杂性和计算复杂度之间的折衷。
通过合理的参数设置和优化算法，可以在满足性能要求的前提下，减少滤波器的计算复杂度。
总结起来，多相滤波器是一种广泛应用于信号处理领域的滤波器，其设计过程包括确定滤波器类型和性能要求、选择设计方法、设计单个相位的滤波器、设计并连接延时器以及进行滤波器的调试和性能评估。
射频直采多相抽取信道化滤波器设计仿真
% author：张宗卫% description：多相抽取滤波器设计仿真% date：2020.2.2%使用带通采样定律对射频信号直接采样，fs=6.2M,载波9.8M，经过采样后频谱搬移至2.6m，%针对目前比较流行的204B接口，数据随路时钟clk=fs/4,一个时钟周期传输四个采样点，特别适合%多相抽取滤波器设计，该仿真使用此滤波器结构设计了带通滤波器实现载波9.8M和9.79M信号的%分离，适合用于信道化滤波器设计。
clcclear allload('Bpf2600Coe.mat')%导入滤波器参数，该滤波器为fc1经过带通采样后fs=620*10e3;%采样频率f1=980*10e3;f2=979*10e3;% step1 产生脉冲L=600000;t=1/fs:1/fs:L/fs;am=zeros(1,L);TPulse=125;t1=(4/1000)*fs;t2=400000;t3=424800;for i=1:(4/1000)*fsam(i)=sin(2*pi*TPulse*t(i));endfor i=1:t1ts(i)=sin(2*pi*TPulse*t(i));endj=1;for i=t2+1:t3am(i)=ts(j);j=j+1;endfigure(1)plot(t,am,'r');title('脉冲调制信号');%step2 将脉冲信号加调制fc1=sin(2*pi*f1*t)*2^14;% 调制1fc2=sin(2*pi*f2*t)*2^14;% 调制2fs1=am.*fc1;fs2=am.*fc2;%第一个脉冲为fc1频率的调制，第二个脉冲为fc2频率的调制for i=1:Lif(i<L/2)Rec(i)=fs2(i);elseRec(i)=fs1(i);endendfigure(2)plot(t,Rec)title('射频脉冲信号');%频谱分析NFFT = 2^nextpow2(L); % Next power of 2 from length of y Y = fft(Rec,NFFT)/L;f = fs/2*linspace(0,1,NFFT/2+1);figure(3)% Plot single-sided amplitude spectrum.plot(f,2*abs(Y(1:NFFT/2+1)))title('Single-Sided Amplitude Spectrum of y(t)')xlabel('Frequency (Hz)')ylabel('|Y(f)|')%step3 该信号通过设计好的带通滤波器fRec=filter(Num,1,Rec);figure(4)plot(t,fRec)title('信号过带通滤波器')%step4 多相滤波器设计仿真：思想，将抽取放在滤波器前，降低运算速率%滤波器分解b1=Num(1:4:1503);b2=Num(2:4:1503);b3=Num(3:4:1503);b4=Num(4:4:1503);%数据分解Rec1=Rec(1:4:L);Rec2=Rec(2:4:L);Rec3=Rec(3:4:L);Rec4=Rec(4:4:L);%四路数据分别过四个滤波器frec1=filter(b1,1,Rec1);frec2=filter(b2,1,Rec2);frec3=filter(b3,1,Rec3);frec4=filter(b4,1,Rec4);%合成滤波数据ffrec=frec1+frec2+frec3+frec4;tt=t(1:4:L);figure(5)plot(tt,ffrec)title('信号过多相抽取带通滤波器')。
多相抽取滤波器的FPGA实现
』一１ ｖ
样率 的不 断提 高 ， 速 率 数 字 滤 波器 和滤 波 器 组 在 多
很 多 领域 有着 广 泛 的应 用 。 如数 字 音频 处理 、 音处 语
ＸＩ Ｈａｉｉ ＳＵＮ ｉｉｎ Ｅ ｘａ， Ｚｈｘｏ ｇ
（ ｃｏｌｆＥｅｔ ｎ ｎ ｎｏｍａｉｎＥ ｇｎｅ ｎ ＱｏｇｈｕＵ ｉ ｒｔ，ａｙ ａｎ ｎ５ ２ ２ ， ｈｎ Ｓｈ ｏ ｏ ｌ ｒ ｉ ａ ｄＩ ｒ ｔ ｃｏ ｃ ｆ ｏ ｎ ｉｅｒ ｇ， ｉ ｚｏ ｎｖ ｓｙ Ｓ ｎａＨ ｉａ ７ ０ ２ Ｃ ｉ ｉ ｎ ｅｉ ａ）
文献 标识 码 ： Ａ
文章 编号 ：０ ５ ９ ９ （ ０ ２ ０ — ３ １ ０ １０ — ４ ０ ２ １ ）３ ０ ３ — ３
多 速率指 的是一个 系 统 中存 在 着两 种或 者 两种 以上 的信 号采 样率 ， 速率 信号 处理 最早 于 ２ 纪 多 Ｏ世 ７ ０年代 提 出 ， 有 重 要 的 理 论 和 工 程 价 值 。近 １ 具 ０
多相 抽 取 滤 波 器 的 Ｆ Ｇ 实现 米 ＰＡ
谢 海 霞 ． 志 雄 孙
（ 琼州学院 电子信息 工程学院 ， 海南 三 亚 ５ ２ ２ ） ７０ ２
摘 要 ： 信号的多相分解在多抽样率信号处理中有着重要的作用。介绍了多相分解的基本理论， 结合 Ｆ Ｉ Ｒ抽取滤波器的多
相分解形 式 ， Ｖ ｒｏ Ｄ 用 ｅｉ ｇＨ Ｌ语 言来实现 ２倍抽取滤波器 的多相结构 ， ｕｒ ｓ ｌ Ｑ ａ ｕ Ⅱ软件仿真输 出波形 ， ｔ 并且用 ＭＡ Ｌ Ｂ对仿真 结 ＴＡ
第３ ５卷 第 ３期
２１ ０ ２年 ６ 月
电 子 器 件
基于多相结构和部分锐化的CIC抽取滤波器
Ａｐ ． ０ ７ ｒ２ ０
基于多相结构和部分锐化 的 Ｃ Ｃ抽取滤波器 Ｉ
李 冰① ② 郑 瑾① 葛临东①
① 解放军信息工程大学信息工程学院 ｆ 郑州 ４００） ５０２ ② 总参电磁频谱管理中心 ｆ 北京 １０７） ００８
摘 要 ：该文将传统的 ＣＣ Ｃ ｓａ ｅ ｔ ｒｔｒ ０ ｂ滤波器传递 函数分解为递归和非递归部分，可独立调整两 Ｉ （ａｃｄｄ ｎｅ ａｏ ｍ ） Ｉ ｇ Ｃ
ｉ ｉｈ ｔ ｅｏ ｅ ａ ｌ ｒ ｎ ￣ｒｆ ｎ ｔｏ ａ ｔ ｒ ｅ ｏ ｒ ｃ ｒ ｉ ｅａ ｄ ｎ ｎ ｒ ｃ ｒ ｉ ｅ ｐ ｒ ｓ Ｔｈ ａ ｃ ｄ ａ ｔ ｒ ｆｔ ｎ ｗｈ ｃ ｈ ｖ ｒ ｌ ｔ ａ ｓ ｕ ｃ ｉ ｎ ｉ ｆ ｃ ｏ ｉ ｄ ｔ ｅ ｕ ｓｖ ｎ ｏ － ｅ ｕ ｓｖ ａ ｔ ． ｅｃ ｓ ａ ｅｆ ｃ ｏ ｓ ｏ ｗｏ ｓ ｚ
维普资讯
第２ ９卷第 ４期 ２０ 年 ４ ０７ 月
电
子
与
信
息
学
报
Ｖｂ ． ９ ． １ Ｎｏ ４ ２
Ｊ ｕ ｎ ｌ ｆ ｅ ｔ ｏ ｉｓ＆ Ｉ ｆ ｒ ｔ ｎ Ｔｅ ｈ ｏ ｏ ｙ ｏ ｒ ａ ｃ ｒ ｎｃ ｏ Ｅｌ ｎ ｏ ｍａ ｉ ｃ ｎ ｌ ｇ ｏ
者的级联因子； 对递 归部分进行尖锐化 处理 改善滤波器的通 带衰落 ， 利用电路的等价交换性将抽取 因子提前使其工 作在低采样率 ；对非递 归部分进行多相分解 ，实现高速滤波。计算机仿真表 明：与传统的 Ｃ Ｃ、锐化 Ｃ Ｃ滤波器 Ｉ Ｉ 相比，改进的 Ｃ Ｃ具有好的通阻带特性 ；并从通带衰落和混叠抑制 的角度，分析了递归和非递归部分 的级联因子 Ｉ 的取值对整个改进 的 ＣＩ Ｃ滤波器特性 的影 响。 关键词 ：积分梳状 滤波器 ；采样率转换；多相滤波
抽取滤波器
基于多核DSP 处理器的插值和抽取滤波器的设计熊鹏鹏北京邮电大学电信工程学院，北京（100876）E-mail ：xiongpengpeng@摘 要：插值和抽取滤波器被广泛应用于现代通信系统中，然而基于传统DSP 或者FPGA 的滤波器，具有数据率低和占用资源多的缺点。
为了克服这些缺点，本文针对一种多核DSP 处理器, 提出了一种新的变速率滤波器设计方法。
并且以WiMAX802.16e 系统为例，详细给出了方法的实现流程。
实践证明本文中的算法能够很好的实现处理速度与占用资源的折衷。
关键词：插值,抽取,多相滤波法，多核DSP 处理器，picoArray，AE1. 引言在实际的工作中，经常会遇到抽样率转换的问题，要求一个数字系统能工作在多抽样率（multirate ）状态。
例如，对于同时具有语音、视频、数据等多种媒体的传输，由于存在不同的频率成分，所以该系统应该具有多种抽样率，并自动完成抽样率的转换；又如，为了减少抽样率太高造成的数据的冗余，而需要降低抽样率；再如信号在具有不同时钟频率的系统之间传输时，为了便于信号的处理、编码、传输和存储，则要求根据时钟频率对信号抽样率加以转换[1]。
如今，建立在抽样率转换理论基础上的多抽样率数字信号处理已经成为数字信号处理这门学科中的一项重要内容[2]。
2. 多相分解抽样率的转换有多种方法可以实现，其中采用数字滤波器的方法是最直接也是最合理的方法。
由于FIR （有限冲激响应）滤波器的参数非常对称，其基本的滤波操作是移位和乘累加操作，其中卷积部分的运算量占整个运算量的绝大部分。
因此为了减少运算量，提高运算速度，首先介绍一下多相分解的滤波器设计方法[3]。
将一个序列表示成M 组子序列的叠加，其中每一组都由该序列中每隔M 个一次延迟的序列值所组成，这就得到了一个序列的多相分解。
多相分解后，插值和抽取子滤波器的个数等于插值或抽取的倍数。
具体的说，考虑某一冲激响应()h n ，将其分解成M 组子序列()k h n 如下：() ()0 k h n k n M h n +=⎧=⎨⎩的整倍数其他将这些子序列依次延迟相加就能恢复原冲激响应()h n ，即10()()M k k h n h n k −==−∑抽取滤波器的多相实现框图和插值滤波器的多相实现框图分别如图1和图2所示。
多相滤波数字信道化
多相滤波数字信道化
多相滤波是一种数字信号处理技术，用于信号的频率选择性滤波。
它在数字信道化中被广泛应用，特别是在通信系统中。
在数字信道化中，多相滤波通常用于：
1.频率选择性滤波：对信号进行不同频率分量的选择性滤波，以便在信号传输
过程中滤除干扰或限制信号带宽，以满足特定的通信要求。
2.符号调制：对数字信号进行调制以适应特定的信道环境，如QAM（调幅调相）
或PSK（相移键控）等，多相滤波器用于预处理调制信号。
3.码型设计：多相滤波器也可以用于设计不同的码型，例如部分响应码（PR
码）或其他数字调制技术，以适应不同的信道特性。
多相滤波器通常设计成具有多个相位的复数滤波器，通过将信号分成不同的相位成分并进行滤波处理，以达到满足特定传输要求的目的。
这些滤波器可以有不同的设计和参数，以适应不同的数字信道化需求，如低通、带通、高通等滤波器。
多相滤波器的设计讲解
软件雷达是现代雷达的重要发展方向。其中数字化中频接收系统是关键技术之一。本论文以某雷达数字化接收系统为背景，主要研究其中的关键技术——多相滤波器的原理及设计与仿真。为了更好的理解，本文同时对数字滤波器作了简单的介绍，包括滤波器的定义、分类与实现方式。对无线电中的两个最基础的概念内插与抽取也做了介绍。对多相滤波器的原理进行了详细的说明，从公式推导上进行了理论实现的方法与可能。讨论了多相滤波如何实现信道化。最后介绍了数字滤波器的设计步骤并实现了多相滤波器的MATLAB仿n=1，2，3，...对应取出基带谱的各各次倍频分量，这时的内插方框图如图2.25所示。显然这时的内插器实际上起到了上变频作用，使输出频率提高(I-1)倍，而其信号的频谱结构不变。
3.3抽取内插器的实时处理结构——多相滤波结构
前面介绍了多速率信号处理中的两个最基本的概念，抽取内插，给出了实现抽泣内插的结构模型。但这两种模型对运算速度的要求事相当高的，这主要表现在抽取器模型中的低通滤波器H位于抽取算子D之前，也就是说低通滤波器是在降速之前实现的：而对于内插器模型，器低通滤波器H位于内插算子I之后，也就是说内插器低通滤波器又是在提速之后进行的。总之，无论事抽取器还是内插器其抗混叠数字滤波均在高取样率条件下进行的，这无疑大大提高了对运算速度的要求，对实时处理事及其不利的。本节讨论有利于实时处理的抽取器、内插器的多相滤波结构。
本章介绍数字滤波器的定义、分类及实际滤波器的设计指标。
2.1、数字滤波器的定义
数字滤波器（Digital Filter）通常是指一个用有限精度算法实现的离散线性时不变系统。因此它具有线性时不变系统的所有特性。
通常用的数字滤波器一般属于选频滤波器。假设数字滤波器的频率响应 用下式表示：
式中， 称为滤波器幅频响应； 称为滤波器相频响应。幅频响应表示信号通过该滤波器后各频率成分的衰减情况，而相频响应反映各频率成分通过滤波器后在时间上的延时情况。因此，即使两个滤波器幅频响应相同，只要相频响应不同，对应相同的输入，滤波器的输出信号波形也是不一样的。
多相滤波器原理
多相滤波器原理多相滤波器是数字信号处理中常用的一种数字滤波器，其核心原理是将原始信号分解成不同的相位，通过频域滤波和加权后再进行重合成，从而达到滤波的目的。
本文将从多相滤波器的定义、性质、设计方法等多方面进行全面介绍。
一、多相滤波器的定义所谓多相滤波器，就是将一个传统的数字滤波器分解成不同的相位，然后再通过加权合成的方法，实现与原始滤波器相同的滤波效果。
在单相数字滤波器筛选的同一频率下，多相滤波器的性能更加优秀，尤其是对于高通和带阻滤波器的设计更为适用。
多相滤波器的关键是其级数，级数越高，相位数量越多，精度也就越高。
为了确保多相滤波器的稳定性和可控性，还需要对其级数进行严格的控制和设计。
1. 初态误差:在多相滤波器中，信号被分解成不同的相位，因此初态误差非常小。
这意味着，多相滤波器可以在不影响信号质量的前提下，实现更高的精度和稳定性。
2. 频率响应：多相滤波器的频率响应与传统数字滤波器的一样。
由于分解成了不同的相位，不同相位的频率响应会发生变化。
为了控制多相滤波器的频率响应，需要进一步对该滤波器进行优化和设计。
3. 相关性质：由于多相滤波器每个分支的滤波器都是一样的，因此不同相位的信号有很强的相关性。
这对于信号识别和提取等应用非常有用。
4. 敏感性：虽然多相滤波器的相位可以控制，但是在设计过程中，必须非常小心。
如果相位不精准，很容易导致滤波器的性能下降，影响整个系统的信息传输和处理能力。
多相滤波器的设计对于数字信号处理系统的性能有着非常重要的影响。
在设计过程中，必须仔细考虑多种因素，如相位数量、偏差、级数等等，以确保高效和稳定的性能。
1. 相位数量的选择：相位数量是多相滤波器设计中最重要的参数之一。
一般来说，相位数的选择取决于输入信号的采样频率和理论分辨率之间的比率。
如果相位数太小，则会限制滤波器的性能；相反，如果相位数太大，则会增加滤波器的复杂度。
2. 滤波器的级数：多相滤波器的级数越多，其精度和性能就越好，但是其计算量也会增加。
- 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)。
2013年4月信号抽取的多相形式实现一、理论基础理论情况下对信号进行多速率处理时，要在信号的抽取之前和信号的插值之后进行信号的限带滤波。
因为抽取是信号频谱扩展的过程、插值是信号频谱压缩的过程，若不进行限带滤波，则抽取后信号频谱在周期延拓扩展的过程中将会引起频谱的混叠造成信号的改变，使信号信息产生变化；同理，插值的过程没有限带时，也将会使我们不感兴趣的冗余信息压缩进信号的频谱中，造成信号携带信息的改变，使信号失真。
理论框图如下：内插器及其框图表示但这显然不是最优化的处理方法：因为多速率信号处理的核心目的之一就是在不改变信号携带信息的条件下降低信号的流速率，以减轻对信号处理器件的运算速度的压力，来最大化的提高系统效能。
可理论框图中：滤波器分别放置在抽取器之前和内插器之后。
而这两个位置恰恰是信号流速率相较另一侧更高的一端，显然这会加大硬件的处理负担。
由于这次实验是对抽取进行验证所以下文内容只讨论抽取的结构优化过程。
我们通过对限带滤波器h[n]的Z变换进行分析，结构变化可以发现H(z)可以转化为如下形式：()()nn H z h n z +∞-=-∞=∙∑()()()1M nkMk n Hz zh nMk z-+∞--==-∞=+∑∑()()()nnkk n n E z e n zh nM k z +∞+∞--=-∞=-∞==+∑∑()()1M k Mkk Hz z Ez --==∑再根据，抽取与滤波器之间的恒等变换，可以把抽取系统转化等效的多相形式表示如下：可见等效结构中：滤波器的运算是在对信号进行抽取之后的，这就显而易见的降低了原信号的信号流速率，使后续对信号处理过程的运算量大大的降低了。
这就体现出了多相滤波形式的一大优势，并且还可以根据后续处理的要求，采取不同的多相形式来提高系统的效率，节省了系统的内部资源。
2.实验过程上一节对多相滤波形式的优势及实用性进行了分析和阐述。
这一节将对其实现过程进行叙述。
(作业题目：5．设计一个5路5:1多相减采样滤波器满足下面的参数要求:输入样值频率: 100kHz通带: 0-8kHz 带内波纹: 0.1dB阻带: 12-50kHz 阻带抑制: 60dB输出样值频率: 20kHz试设计一个滤波器,通过如下带外信号的1000个样本处理来测试带外抑制效果。
带外信号如下X1=exp(j*2*Pi(0:999)*21/100);画出多相滤波器对带外信号X1的时域响应以及它的幅频响应；构造一个带内及带外信号的合成信号，如下X2=X1+exp(j*2*Pi(0:999)*1.5/100);画出多相滤波器对带外信号X1的时域响应以及它的幅频响应.）1.滤波器设计由上一节可知：多相滤波形式中各个子道的滤波器实际为原抽取滤波器等效多相形式各个系数进行重构后所得到的滤波器。
所以，设计的核心还是要对原滤波器的性能、阶数、系数有确切的认识后才能进行。
在这里利用MATLAB中的滤波器设计工具fdatool按照题目所要求的滤波器性能进行设计，生成所需滤波器的参数。
设计的参数设置如图2所示，生成滤波器的系数如图1所示图1图2然后将滤波器多相形式中的每个子带滤波器的系数逐一获得，过程如下：h0=filter_coe(1:5:65);h1=filter_coe(2:5:66);h2=filter_coe(3:5:67);h3=filter_coe(4:5:68);h4=filter_coe(5:5:69);2.子带信号抽取然后利用downsample函数以及对信号自变量进行简单的移位得到每个子道的待处理信号，过程如下：y1=downsample(x2,5);t=t+1;y2=downsample(x2,5);t=t+1;y3=downsample(x2,5);t=t+1;y4=downsample(x2,5);t=t+1; %%%%%%%%%%%¶Ôÿ¸ö×ÓµÀµÄÐźŽøÐÐÐźÅÏàÓ¦µÄÑÓ³Ù%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%y5=downsample(x2,5); %%%%%%%%%%%¶Ô×ÓµÀÐźŽøÐÐ5±»³éÈ¡之后对每个子道的信号进行滤波处理（与多相滤波器系数进行卷积）过程如下：y1_filter=conv(y1,h0); %%%%%%%%%%¶Ôÿ¸ö×ÓµÀÐźÅÂ˲¨y2_filter=conv(y2,h1);y3_filter=conv(y3,h2);y4_filter=conv(y4,h3);y5_filter=conv(y5,h4);最后求和：y_sample_practical=y1_filter+y2_filter+y3_filter+y4_filter+y5_filter;得到抽取后的实际信号。
三、结果分析1.待抽取信号波形及频谱.2.利用decimate函数获得的理想抽样信号波形和频谱3.实际进行多相滤波时的波形及频谱分析：由于多相滤波器的性能肯定不是理想滤波器的性能，所以输出信号的反应能力需要一个逐渐“抬起”的过程。
但总体来看，与理想情况相比失真还是较小的。
程序：%%%%%%%%%%%%%%%%%%%%%%ÐźųéÈ¡Æ÷µÄ¶àÏàÂ˲¨ÑéÖ¤%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%clc;clear;t=0:999;x1=exp(j*2*pi*(t)*21/100); %%%´øÍâ¸ÉÈÅÐźÅx2=x1+exp(j*2*pi*(t)*1.5/100); %%%%´ý½µËÙÂÊÐźÅfigure(1); %%%Ô-ÐźŲ¨ÐÎƵÆ×subplot(2,1,1);stem(x2);title('´ý²ÉÑùÐźŲ¨ÐÎ')xlabel('t');ylabel('x2')subplot(2,1,2);x2_dsample=decimate(x2,5);x2_fft=fft(x2);x2_jw=abs(x2_fft);plot(x2_jw);title('´ý²ÉÑùÐźÅÐźÅƵÆ×');xlabel('w');ylabel('x2_jw');figure(2); %%%ÀíÏë²ÉÑùºóµÄ²¨ÐÎƵÆ×subplot(2,1,1);stem(x2_dsample);x2_fft=fft(x2);title('ÀíÏë5±¶³éÈ¡ºóµÄÐźŲ¨ÐÎ')xlabel('t');ylabel('x2_ideal_sample')subplot(2,1,2);x2_s_fft=fft(x2_dsample);x2_djw=abs(x2_s_fft);plot(x2_djw);title('ÀíÏë³éÈ¡ºóµÄƵÆ×');%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%filter_coe=[0.000970901370435345,0.000694455614508237,0.0003928052124 45594,-0.000402683462001256,-0.00155442824349306,-0.00267687592548342 ,-0.00323266620155247,-0.00274210445610719,-0.00103685309921385,0.001 55179338328282,0.00418360871213802,0.00573633456217277,0.005231467168 16728,0.00231297769666173,-0.00242022931618224,-0.00742000311708443,-0.0106122780749474,-0.0101573483478657,-0.00529778714829308,0.00305142354409011,0.0122725305661450,0.0187125784185694,0.0189314576071086,0 .0111519820961392,-0.00361629539195533,-0.0212646837287722,-0.0353458 965790170,-0.0388153305272291,-0.0262759448274400,0.00398464080046948 ,0.0488682379773236,0.100744427308079,0.149148670287429,0.183******** 0274,0.195884990563207,0.183478420440274,0.149148670287429,0.10074442 7308079,0.0488682379773236,0.00398464080046948,-0.0262759448274400,-0 .0388153305272291,-0.0353458965790170,-0.0212646837287722,-0.00361629 539195533,0.0111519820961392,0.0189314576071086,0.0187125784185694,0. 0122725305661450,0.00305142354409011,-0.00529778714829308,-0.01015734 83478657,-0.0106122780749474,-0.00742000311708443,-0.0024202293161822 4,0.00231297769666173,0.00523146716816728,0.00573633456217277,0.00418 360871213802,0.00155179338328282,-0.00103685309921385,-0.002742104456 10719,-0.00323266620155247,-0.00267687592548342,-0.00155442824349306, -0.000402683462001256,0.000392805212445594,0.000694455614508237,0.000 970901370435345;]h0=filter_coe(1:5:65);h1=filter_coe(2:5:66);h2=filter_coe(3:5:67);h3=filter_coe(4:5:68);h4=filter_coe(5:5:69); %%%%%%%%%%%%%%%%%%%%ÀûÓÃfdatool¹¤¾ßÉè¼Æ·ûºÏÒªÇóµÄÂ˲¨Æ÷£¬²¢Éù³ÆÂ˲¨Æ÷ϵÊý£¬ÕâÀïÊÇ67½×µÄFIRÂ˲¨Æ÷%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%ÒòΪÊÇ5±¶³éÈ¡£¬ËùÒÔ´ÓÉÏÊöµÄÂ˲¨Æ÷ϵÊýÖÐÑ¡³öÿһ¸ö×ÓµÀ¶àÏàÂ˲¨Æ÷µÄϵÊý£¬·Ö±ðΪh0,h1,h2,h3,h4;%%%%%%%%%%%%%y1=downsample(x2,5);t=t+1;y2=downsample(x2,5);t=t+1;y3=downsample(x2,5);t=t+1;y4=downsample(x2,5);t=t+1; %%%%%%%%%%%¶Ôÿ¸ö×ÓµÀµÄÐźŽøÐÐÐźÅÏàÓ¦µÄÑÓ³Ù%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%y5=downsample(x2,5); %%%%%%%%%%%¶Ô×ÓµÀÐźŽøÐÐ5±»³éÈ¡y1_filter=conv(y1,h0); %%%%%%%%%%¶Ôÿ¸ö×ÓµÀÐźÅÂ˲¨y2_filter=conv(y2,h1);y3_filter=conv(y3,h2);y4_filter=conv(y4,h3);y5_filter=conv(y5,h4);figure(3);subplot(2,1,1);y_sample_practical=y1_filter+y2_filter+y3_filter+y4_filter+y5_filter; stem(y_sample_practical);title('Éè¼Æ5±¶³éÈ¡ÔÙ½øÐжàÏàÂ˲¨ºóµÄ²¨ÐÎ');subplot(2,1,2);y_sample_practical_jw=fft(y_sample_practical);yabs=abs(y_sample_practical_jw);plot(yabs);title('Éè¼Æ5±¶³éÈ¡ÔÙ½øÐжàÏàÂ˲¨ºóµÄƵÆ×');。