信号处理有关的matlab函数
信号处理 matlab pdf
在MATLAB 中进行信号处理是一个非常强大的功能，它涵盖了从信号生成、预处理、分析到高级信号处理技术的广泛应用。
MATLAB 内置的Signal Processing Toolbox工具箱为工程师和科研人员提供了一系列用于信号处理任务的函数和算法，例如：1.信号生成：o square函数可用于生成方波信号。
o sine、cosine和sinewave函数可生成正弦波信号。
o pulse和impulse函数分别生成矩形脉冲和单位冲击信号。
o更多函数可以生成不同类型的复杂信号。
2.信号转换：o fft或fftshift进行快速傅里叶变换（FFT），实现信号从时域到频域的转换。
o ifft进行逆快速傅里叶变换，从频域返回到时域。
o resample函数用于对信号重新采样。
3.滤波：o filter函数用于设计和应用数字滤波器，如FIR（有限脉冲响应）和IIR（无限脉冲响应）滤波器。
o designfilt函数用于设计滤波器。
o fir1, fir2, iirnotch, butter, cheby1, cheby2, ellip等函数用于设计各种类型的滤波器。
4.时频分析：o spectrogram可以用来计算信号的短时傅里叶变换（STFT），从而得到信号的时频谱图。
o wavelet工具箱支持小波分析。
5.阵列信号处理：o phased Array System Toolbox提供了处理传感器阵列信号的功能，包括波束形成、DOA估计等。
6.参数建模和识别：o ar, armax, yulewalk等函数用于自回归模型的建立和识别。
o lsim、bode、freqz等函数用于系统分析和频率响应可视化。
7.其他：o detrend去除信号中的趋势项。
o smooth对信号进行平滑处理。
o findpeaks寻找信号的峰值点。
使用MATLAB进行信号处理的优势在于其直观的图形界面和强大的数学运算能力，使得用户能够快速验证理论、原型设计以及实现复杂的信号处理算法。
Matlab中的信号处理函数
21
5．filtfilt.m 本文件实现零相位滤波。其调用格 式是：y=filtfilt(B, A, x) 。式中B是 H ( z ) 的分子 多项式，A是分母多项式，x是待滤波信号，y是 滤波后的信号。
clear; N=32; n=-N/2:N+N/2; w=0.1*pi; x=cos(w*n)+cos(2*w*n); subplot(311);stem(n,x,'.');grid on; xlabel('n'); b=[0.06745 0.1349 0.06745]; a=[1 -1.143 0.4128]; y=filtfilt(b,a,x); % 用给定系统(b,a)对信号 x 作零相位滤波； y1=filter(b,a,x); % 用给定系统(b,a)对信号 x 作低通滤波； subplot(312);stem(n,y,'.');grid on; xlabel('n'); subplot(313);stem(n,y1,'.');grid on; xlabel('n');
已知A(z)、B(z), 求系统的频率响应。基本的调用格 式是：
[H,w]=freqz(b,a,N,'whole',Fs)
N是频率轴的分点数，建议N为2的整次幂；w是返回 频率轴座标向量，绘图用；Fs是抽样频率，若Fs＝ 1，频率轴给出归一化频率；’whole’指定计算的 频率范围是从0～FS,缺省时是从0～FS/2. 幅频响应：Hr=abs(H); B( z ) H ( z) 相频响应： A( z ) Hphase=angle(H); 解卷绕： Hphase=unwrap(Hphase);
matlab的fft函数用法
matlab的fft函数用法MATLAB中的fft函数用于计算快速傅里叶变换（FFT）。
FFT是一种将信号从时域转换为频域的方法，常用于信号处理、图像处理等领域。
在本文中，我将一步一步回答有关MATLAB中fft函数的使用方法。
一、基本语法在MATLAB中，fft函数的基本语法如下：Y = fft(X)其中，X是要进行FFT的向量或矩阵，输出结果Y是X的离散傅里叶变换的向量或矩阵。
二、一维FFT首先我们来看一维FFT的使用方法。
假设有一个长度为N的一维向量x，我们将对其进行FFT变换并得到变换结果y。
1. 创建输入向量首先，我们需要创建一个长度为N的向量x，作为FFT的输入。
可以通过以下代码实现：N = 1024; % 向量长度x = randn(N, 1); % 创建长度为N的随机向量2. 进行FFT变换接下来，我们使用fft函数对向量x进行FFT变换，代码如下：y = fft(x);3. 可视化结果为了更好地理解和分析FFT结果，通常会对结果进行可视化。
我们可以使用MATLAB的绘图函数来绘制FFT结果的幅度和相位谱。
例如，可以使用如下代码绘制幅度谱：f = (0:N-1)./N; % 频率轴amp = abs(y); % 幅度谱figure;plot(f, amp);xlabel('Frequency (Hz)');ylabel('Amplitude');title('Amplitude Spectrum');同样，可以使用如下代码绘制相位谱：phase = angle(y); % 相位谱figure;plot(f, phase);xlabel('Frequency (Hz)');ylabel('Phase');title('Phase Spectrum');三、二维FFT除了一维FFT，MATLAB中的fft函数还支持二维FFT。
matlab中wavedec函数
matlab中wavedec函数wavedec是matlab中用于小波分解的函数。
它可以将一个向量或矩阵分解成若干个小波系数，用于信号处理、图像处理等领域。
本文将介绍wavedec函数的使用方法和相关应用。
一、函数语法wavedec函数的语法如下：[c,l] = wavedec(x,n,wname)其中，x表示待分解的向量或矩阵；n表示小波分解的级数；wname表示所选用的小波函数名称。
函数输出由两个参数组成，c 为小波系数向量，l为长度向量。
小波系数向量c包含了分解出的各级小波系数，长度向量l则记录了各个分解级别信号的长度。
二、函数参数1. 待分解的向量或矩阵xwavedec函数支持多种类型的输入信号，如向量、矩阵、多维数组等。
对于矩阵和多维数组，wavedec函数会将其转化为向量进行处理。
2. 小波分解的级数n小波分解的级数n越高，分解出的小波系数越多，信号的细节越丰富。
一般来说，n的取值范围为0~log2(N)-1，其中N为输入信号的长度。
当n为0时，表示不进行小波分解，直接输出原始信号。
当n为log2(N)-1时，表示进行最大级别的小波分解，分解出的小波系数最多。
3. 小波函数名称wnamewavedec函数支持多种小波函数的选择，如db1、db2、db3、haar等。
不同的小波函数具有不同的性质，选择合适的小波函数可以得到更好的分解效果。
三、函数示例以下是一个简单的wavedec函数的示例，将一个长度为8的向量进行3级db2小波分解：x = [1 2 3 4 5 6 7 8];[c,l] = wavedec(x,3,'db2');approx = appcoef(c,l,'db2'); % 分解后的近似分量det1 = detcoef(c,l,1); % 分解后的细节分量1det2 = detcoef(c,l,2); % 分解后的细节分量2det3 = detcoef(c,l,3); % 分解后的细节分量3输出结果为：c = [12.9508 -1.7071 -1.7071 -0.2929 -0.2929 -0.2929 -0.29290.7071 0.7071 0.7071...-0.7071 0.7071 -0.7071];l = [1 2 4 8];approx = [4.5000 6.5000];det1 = [-1.4142 -1.4142 -1.4142 -1.4142];det2 = [0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000];det3 = [0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000];在上述示例中，输入向量x为[1 2 3 4 5 6 7 8]，分解级别为3，小波函数为db2。
matlab函数大全
matlab函数大全Matlab函数大全。
Matlab是一种强大的数学软件，它提供了丰富的函数库，可以帮助用户进行各种数学计算、数据分析和可视化操作。
在Matlab中，函数是一种用来完成特定任务的代码块，它可以接受输入参数并返回输出结果。
本文将介绍一些常用的Matlab函数，希望能够帮助读者更好地理解和使用Matlab。
1. plot函数。
plot函数是Matlab中最常用的函数之一，它用于绘制二维图形。
通过plot函数，用户可以将数据点连接起来，形成折线图或者曲线图。
plot函数的基本语法是，plot(x, y)，其中x和y分别表示横轴和纵轴的数据点。
用户可以通过设置不同的参数，如颜色、线型、线宽等，来定制绘制的图形。
2. linspace函数。
linspace函数用于生成指定范围内的等间距数据点。
其基本语法是，linspace(start, end, n)，其中start和end分别表示起始值和终止值，n表示生成的数据点个数。
linspace函数常用于生成绘图的横轴数据点，也可以用于生成一维数组。
3. meshgrid函数。
meshgrid函数用于生成二维网格数据点。
其基本语法是，[X, Y] = meshgrid(x, y)，其中x和y分别表示横轴和纵轴的数据点，X和Y分别表示生成的二维网格数据点。
meshgrid函数常用于三维曲面的绘制，也可以用于生成二维数组。
4. fft函数。
fft函数用于进行快速傅里叶变换，它可以将时域信号转换为频域信号。
其基本语法是，Y = fft(X)，其中X表示输入的时域信号，Y表示输出的频域信号。
fft函数常用于信号处理和频谱分析。
5. polyfit函数。
polyfit函数用于进行多项式拟合，它可以根据给定的数据点拟合出一个多项式模型。
其基本语法是，p = polyfit(x, y, n)，其中x和y表示数据点，n表示拟合的多项式阶数，p表示拟合出的多项式系数。
信号处理 matlab 时域到频域的函数
信号处理matlab 时域到频域的函数如何使用Matlab进行时域到频域的信号处理导言:信号处理是一种数字信号处理技术，旨在处理和分析在不同领域中收集到的各种信号。
在信号处理的过程中，时域和频域是两个重要的概念。
时域表示信号在时间上的变化，而频域表示信号在频率上的变化。
Matlab是一种功能强大的工具，可用于进行时域到频域的信号处理。
本文将详细介绍如何使用Matlab进行时域到频域的信号处理。
一、Matlab中的时域信号处理:在Matlab中，我们可以使用多种函数来处理时域信号。
最常用的函数之一是'detrend'函数。
该函数用于从时域信号中去除趋势项，即将信号中的直流成分去除。
示例代码如下：创建时域信号Fs = 1000; 采样频率T = 1/Fs; 采样间隔L = 1000; 信号长度t = (0:L-1)*T; 时间向量x = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t); 信号去除趋势项x_detrend = detrend(x);在上述代码中，我们首先创建了一个带有50Hz和120Hz正弦波的时域信号。
然后，我们使用'detrend'函数去除了该信号的趋势项。
这样就得到了一个去除了直流成分的时域信号。
二、Matlab中的频域信号处理:在Matlab中，我们可以使用多种函数将时域信号转换为频域信号。
最常用的函数之一是'fft'函数。
该函数可以对时域信号进行离散傅立叶变换（DFT），从而得到其频域表示。
示例代码如下：进行离散傅立叶变换Y = fft(x);计算频率向量f = Fs*(0:(L/2))/L;计算幅值谱P = abs(Y/L);绘制频域图像plot(f,P)title('单边幅值谱')xlabel('频率(Hz)')ylabel('幅值')在上述代码中，我们首先使用'fft'函数对之前的时域信号进行离散傅立叶变换，从而得到其频域表示。
matlab卷积函数
matlab卷积函数在Matlab中，卷积是一种常用的信号处理操作，它用于将两个函数（或向量）合并到一起。
Matlab提供了多个函数来执行卷积操作，其中最常用的是conv和conv2函数。
1. conv函数conv函数可用于一维和多维信号的卷积操作。
它的基本语法如下：y = conv(x, h)其中，x是输入信号，h是卷积核或输入信号的反转版本。
返回值y 是卷积结果。
-对于一维信号：例如，我们有一个包含N个元素的向量x和一个包含M个元素的向量h，则卷积操作可以用以下代码实现：y = conv(x, h)该代码将向量x和h卷积在一起，并将结果存储在向量y中。
-对于二维信号：对于二维信号，conv函数的使用与一维信号类似，只是输入和输出的维数不同。
我们可以使用以下代码将一个二维矩阵convolve与另一个二维矩阵h：y = conv2(x, h)2. conv2函数conv2函数也用于一维和二维信号的卷积操作，但它提供了更多的选项和灵活性。
其基本语法如下：y = conv2(x, h)其中，x是输入信号，h是卷积核或输入信号的反转版本。
返回值y 是卷积结果。
-对于一维信号：该函数的用法与conv函数类似，只是二者返回结果的维数不同。
conv2函数的结果将是一个大小为(N+M-1)的向量，其中N和M分别是输入信号x和卷积核h的长度。
-对于二维信号：对于二维信号，我们可以使用conv2函数对两个二维矩阵x和h进行卷积操作。
该函数将返回一个与输入矩阵尺寸相关的矩阵，其中包含了卷积的结果。
y = conv2(x, h, shape)shape参数是一个字符串，用于指定输出矩阵的维数。
可以选择的选项包括：- 'full'：（默认）输出矩阵的大小将是(N+M-1)。
- 'same'：输出矩阵的大小将与输入矩阵相同，即N。
- 'valid'：在输出矩阵中，有效的卷积元素将保留，其中无需使用输入矩阵外的任何元素。
matlab常用函数(信号与系统)
MATLAB 信号处理常用函数【一】、波形产生函数名功能sawtooth 产生锯齿波或三角波Sinc 产生sinc或函数sin(pi*t)/(pi*t)Square 产生方波Diric 产生Dirichlet或周期sinc函数【二】、滤波器分析和实现函数名功能Abs 求绝对值（幅值）Freqs 模拟滤波器频率响应Angle 求相角Freqspace 频率响应中的频率间隔Conv 求卷积Freqz 数字滤波器频率响应Fftfilt 重叠相加法FFT滤波器实现Grpdelay 平均滤波器延迟（群延迟）Filter 直接滤波器实现Impz 数字滤波器的冲激响应Filtfilt 零相位数字滤波Zplane 离散系统零极点图Filtie Filter 函数初始条件选择【三】、线性系统变换函数名功能Convmtx 卷积矩阵Ss2tf 变系统状态空间形式为传递函数形式Ploy2rc 从多项式系数中计算反射系数Ss2zp 变系统状态空间形式为零极点增益形式Rc2ploy 从反射系数中计算多项式系数Tf2ss 变系统传递函数形式为状态空间形式Residuez Z变换部分分式展开或留数计算Tf2zp 变系统传递函数形式为零极点增益形式Sos2ss 变系统二阶分割形式为状态空间形式Zp2sos 变系统零极点形式为二阶分割形式Sos2zp 变系统二阶分割形式为零极点增益形式Zp2tf 变系统零极点增益形式为传递函数形式Ss2sos 变系统状态空间形式为二阶分割形式【四】、IIR滤波器设计Besself Bessel（贝塞尔）模拟滤波器设计Cheby2 Chebyshev（切比雪夫）II型模拟滤波器设计Butter Butterworth（巴特沃思）模拟滤波器设计Ellip 椭圆模拟滤波器设计Cheby1 Chebyshev（切比雪夫）I 型模拟滤波器设计Yulewalk 递归数字滤波器设计【五】、IIR滤波器阶选择Buttord Butterworth（巴特沃思）滤波器阶的选择Cheb2ord Chebyshev（切比雪夫）II型滤波器阶的选择Ehebord Chebyshev（切比雪夫）I 型滤波器阶的选择Clipord 椭圆滤波器设计阶的选择模拟原型滤波器设计Besselap Bessel模拟低通滤波器原型Cheb2ap Chebyshev（切比雪夫）II型低通滤波器原型Buttap Butterworth（巴特沃思）模拟低通滤波器原型Ellipap 椭圆模拟低通滤波器原型Cheb1ap Chebyshev（切比雪夫）I 型低通滤波器原型【六】、频率变换Lp2bp 低通到带通模拟滤波器转换Lp2bs 低通到带阻模拟滤波器变换Lp2hp 低通到高通模拟滤波器变换Lp2lp 低通到低通模拟滤波器转换【七】、滤波器离散化Blinear 双线性变换Impinvar 冲激响应不变法【八】、FIR滤波器设计Fir1 基于窗函数的FIR 滤波器设计—标准响应Intfilt 内插FIR滤波器设计Fir2 基于窗函数的FIR 滤波器设计—任意响应RemezFirls 最小二乘FIR滤波器设计Remezord Parks-McCellan 最优FIR 滤波器j阶估计【九】、窗函数Boxcar 矩形窗Hanning Hanning（汉宁）窗Triang 三角窗Blackman Blackman（布莱克曼）窗Bartlett Bartlett（巴特得特）窗Chebwin Chebyshev（切比雪夫）窗Hamming Hamming（汉明）窗Kaiser Kaiser（凯泽）窗【十】、变换Ctz 线性调频Z变换Fft 一维快速傅里叶变换Dct 离散余弦变换Ifft 一维快速傅里叶逆变换Idct 逆离散余弦变换Fftshift 重新排列fft的输出Dftmtx 离散傅里叶变换矩阵Hilbert Hilbert（希尔伯特）变换【十一】、统计信号处理Cov 协方差矩阵Psd 信号功率谱密度（PSD）估计Xcov 互协方差函数估计Tfe 从输入输出中估计传递函数Corrcoef 相关系数矩阵Periodogram 采用周期图法估计功率谱密度Xcoor 互相关系数估计Pwelch 采用Welch方法估计功率谱密度Cohere 相关函数平方幅值估计Rand 生成均匀分布的随机数Csd 互谱密度估计Randn 生成正态分布的随机数【十二】、自适应滤波器部分Adaptfilt.lms 最小均方(LMS)自适应算法Adaptfilt.rls 递推最小二乘(RLS)自适应算法Adaptfilt.nlms 归一化最小均方(NLMS)自适应算法【十三】、时频分析与小波变换部分Spectrogram 短时傅里叶变换Idwt 单级离散一维小波逆变换Waveinfo 介绍小波工具箱中所有小波的信息Wavedec 多级离散一维小波分解Cwt 连续一维小波变换Appcoef 一维小波变换近似系数Dwt 单级离散一维小波变换Detcoef 一维小波变换细节系数【十四】、二维信号处理Conv2 二维卷积Xcorr2 二维互相关参数Fft2 二维快读傅里叶变换Dwt2 单级离散二维小波变换Ifft2 二维逆快速傅里叶变换Idwt2 单级离散二维小波逆变换Filter2 二维数字滤波器Waverec2 多级离散二维小波分解。
- 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)。
数字滤波器相位延时
Unwrap
纠正相位角产生更为平滑的相位图
Zerophase
实滤波器的零极点响应
Zplane
离散零极点图
Filter
implementation
conv
卷积
conv2
二维卷积
convmtx
卷积矩阵
deconv
解卷积
fftfilt
基于FFT重叠相加法的FIR滤波器
sgolay
Savitzky-Golay型FIR平滑滤波器设计
IIR
滤波器
设计
butter
Butterworth滤波器设计
cheby1
ChebyshevⅠ型滤波器设计（通带等波纹）
cheby2
ChebyshevⅡ型滤波器设计（阻带等波纹）
ellip
椭圆滤波器设计
maxflat
数字Butterworth滤波器设计
方波
tripuls
非周期三角波采样信号
vco
压控振荡器
特殊操作
buffer
信号向量到矩阵形式数据帧的缓冲器
cell2sos
单元数组→二阶节矩阵
cplxpair
求向量的共轭对
demod
通信仿真解调
dpss
Slepian序列
dpssclear
从数据库中删除Slepian序列
dpssdir
删除Slepian序列所在数据库目录
firgauss
FIR高斯滤波器滤波器设计
firls
最小平方线性相位滤波器设计
firrcos
升余弦滤波器设计
intfilt
插值FIR滤波器设计
kaiserord
利用Kaiser窗为FIR滤波器设计估值
remez
计算Parks-McClellan用以优化FIR滤波器设计
remezord
Parks-McClellan优化FIR滤波器阶次设计
tf2sos
传输函数→二阶节
tf2ss
传输函数→状态空间
tf2zpk
传输函数→零极点
zp2sos
零极点→二阶节
zp2ss
零极点→状态空间
zp2tf
零极点→传输函数
窗函数
bartlett
Bartlett窗
barthannwin
修正的Bartlett-Hanning窗
blackman
Blackman窗
blackmanharris
Parzen窗
rectwin
矩形窗
triang
三角窗
tukeywin
Tukey窗
wvtool
窗函数可视化工具
window
计算特定窗函数
窗对象
sinwin
创建一个窗对象，详见doc sinwin信号变换bitr源自vorder将输入按位反序排列
czt
线性z变换
dct
离散余弦变换
dftmtx
离散傅里叶变换矩阵
armcov
通过改进的协方差方法实现AR参数建模
aryule
通过Yule-Walker方法实现AR参数建模
ident
详见System Identification工具箱
invfreqs
根据频响特性生成模拟滤波器
invfreqz
根据频响特性生成数字滤波器
prony
生成Prony数字滤波器，其冲激响应等于给定的时间序列
filter
滤波器实现
filter2
二维数字滤波
filtfilt
零相位数字滤波器
filtic
计算直接Ⅱ型滤波器的初始条件
latcfilt
Lattice型滤波器的实现
medfilt1
一维中值滤波
sgolayfilt
Savitzky-Golay滤波器实现
sosfilt
二阶节滤波器实现
upfirdn
FIR滤波器的过采样和欠采样
最小四项Blackman-Harris窗
bohmanwin
Bohman窗
chebwin
Chebyshev窗
flattopwin
平顶窗
gausswin
Guassian窗
hamming
汉明窗
hann
Hann窗
kaiser
Kaiser窗
nuttallwin
最小四项Blackman-Harris窗
parzenwin
倒谱分析
cceps
复倒谱分析
icceps
复倒谱分析反变换
rceps
实倒谱分析
随机信号处理与功率谱估计
cohere
相关函数估计
corrcoef
相关系数
corrmtx
自相关系数矩阵
cov
协方差矩阵
csd
互谱密度
pburg
通过Burg方法进行功率谱密度估计
pcov
通过协方差方法进行功率谱密度估计
peig
通过Eigenvector方法进行功率谱密度估计
滤波器设计与分析：
滤波器
分析
abs
幅度
angle
相位
filternorm
计算以2或inf为范数的数字滤波器
freqs
Laplace变换频率响应
freqspace
频率响应步长
freqz
z变换频率响应
fvtool
滤波器可视化工具
grpdelay
群延时
impz
离散单位冲激响应
phasez
数字滤波器相频特性
polystab
是多项式具有稳定性
polyscale
在z域内计算多项式的根
residuez
z变换的留数展开
sos2ss
二阶节→状态空间
sos2tf
二阶节→传输函数
sos2zp
二阶节→零极点
ss2sos
状态空间→二阶节
ss2tf
状态空间→传输函数
ss2zp
状态空间→零极点
tf2latc
传输函数→lattice结构
cheby2
ChebyshevⅡ型滤波器设计
ellip
椭圆滤波器设计
模拟
滤波器
变换
lp2bp
低通→带通
lp2bs
低通→带阻
lp2hp
低通→高通
lp2lp
低通→低通
滤波器
离散化
bilinear
双线性变换
impinvar
冲激响应不变法
线性系统特性：
线性系统变换
latc2tf
Lattice梯形结构到传输函数的变换
dpssload
从数据库中装载删除Slepian序列
dpsssave
将删除Slepian序列保存到数据库中
eqtflength
对齐离散时间传输函数的长度
modulate
通信仿真中的调制
seqperiod
寻找向量中长度最小的重复序列
sos2cell
二阶节矩阵→单元数组
specgram
功率谱
stem
绘制离散时间序列
离散时间滤波
dfilt
创建离散时间滤波器对象
FIR
滤波器
设计
cremez
具有非线性相位的等波纹FIR滤波器设计
fir1
基于窗函数的FIR滤波器——标准响应
fir2
基于窗函数的FIR滤波器——任意响应
fircls
构建最小平方滤波器，用于多通道滤波器组
fircls1
构建最小平方滤波器，用于线性相位FIR低通或高通滤波器
upsample
对输入信号过采样
波形产生
chirp
扫频余弦信号
diric
Dirichlet（周期sinc）信号
gauspuls
高斯射频序列产生器
gmonopuls
高斯脉冲序列产生器
pulstran
脉冲序列产生器
rectpuls
非周期矩形采样信号
sawtooth
锯齿波
sinc
sinc函数（辛克函数）
square
digitrevorder
将输入按数字反序排列
fft
快速傅里叶变换
fft2
二维快速傅里叶变换
fftshift
交换向量的上下两部分
goertzel
二阶Goertzel代数
hilbert
离散时间解析信号的Hilbert变换
idct
反离散余弦变换
ifft
反快速傅里叶变换
ifft2
反二维快速傅里叶变换
信号处理与谱分析：
periodogram
通过周期图方法进行功率谱密度估计
pmcov
通过改进的协方差方法进行功率谱密度估计
pmtm
通过Thomson多个正交窗方法进行功率谱密度估计
pmusic
通过MUSIC方法进行功率谱密度估计
psdplot
点功率谱密度
pwelch
通过Welch方法进行功率谱密度估计
pyulear
通过Yule-Walker AR方法进行功率谱密度估计
strips
带状图
udecode
将整数解码得到浮点数
uencode
将浮点数均匀量化并编码以得到整数输出
图形用户接口
fdatool
滤波器设计和分析工具
fvtool
滤波器可视化工具
sptool
信号处理工具
wintool
窗函数设计和分析工具
wvtool