现代数字信号处理-第七章-7.17 仿真题
数字信号处理第七章作业

数字信号处理第七章作业7.1给定一理想低通FIR 滤波器的频率特性()1,40,4j d H e ωπωπωπ⎧≤⎪⎪=⎨⎪<<⎪⎩现希望用窗函数法设计该滤波器,要求具有线性相位。
假定滤波器系数的长度为29点,即M/2=14。
试计算并打印滤波器的系数、幅频响应及相频响应。
滤波器系数的计算先用手算,然后再调用有关的MATLAB 文件来计算。
解:线性相位理想低通滤波器的频率特性:(),40,4jw j d e H e αωπωπωπ-⎧≤⎪⎪=⎨⎪<<⎪⎩()()()()()()()()()444411221122sin 14,142j n j j nd jn jn j n h n eed ed ee e j n n jn N n ππωαωαωππππααπωαπωωπππαπαπααπα---------=⋅=-==⋅--⎡⎤-⎢⎥-⎣⎦===-⎰⎰(1) 矩形窗:()1,028:0,r n w n ≤≤⎧=⎨⎩窗函数其它 ()()()()()1sin 144,028140,d r n n h n h n w n n nππ⎧⎡⎤-⎪⎢⎥⎣⎦⎪≤≤=⋅=⎨-⎪⎪⎩其它系数算法一:clc clearfor n=0:1:28x=sin(0.25*pi*(n-14))/(pi*(n-14)) n=n+1 end系数算法二: clc clear n=0:1:28b=sin(0.25*pi*(n-14))./(pi*(n-14))求得滤波器系数为:h(0)——h(28)=-0.0227 -0.0173 0.0000 0.0205 0.0318 0.0250 -0.0000 -0.0322 -0.0531 -0.0450 0.0000 0.0750 0.1592 0.2251 0.2500 0.2251 0.1592 0.0750 0.0000 -0.0450 -0.0531 -0.0322 -0.0000 0.0250 0.0318 0.0205 0.0000 -0.0173 -0.0227 (2) 汉明(Hamming )窗:()20.540.46cos ,0,1,,28:0,h n n w n N n π⎧⎛⎫-=⋅⋅⋅⎪ ⎪=⎝⎭⎨⎪⎩窗函数其它()()()()()2sin 14240.540.46cos ,028140,d h n n n h n h n w n n N nπππ⎧⎡⎤-⎪⎢⎥⎡⎤⎛⎫⎣⎦⎪⋅-≤≤=⋅= ⎪⎢⎥⎨-⎝⎭⎣⎦⎪⎪⎩其它Matlab 程序:clc clear n=0:1:28b=sin(0.25*pi*(n-14))./(pi*(n-14)).*(0.54-0.46*cos(2*pi*n/29))求得滤波器系数为:h(0)——h(28)=-0.0018 -0.0016 0.0000 0.0036 0.0077 0.0081 -0.0000 -0.0166 -0.0326 -0.0320 0.0000 0.0656 0.1487 0.2197 0.2493 0.2245 0.1553 0.0701 0.0000 -0.0359 -0.0377 -0.0198 -0.0000 0.0104 0.0103 0.0050 0.0000 -0.0021 -0.0021 (3) 布莱克曼(Blackman )窗:()240.420.5cos 0.08cos ,0,1,,28:0,b n n n w n N N n ππ⎧⎛⎫⎛⎫-+=⋅⋅⋅⎪ ⎪ ⎪=⎝⎭⎝⎭⎨⎪⎩窗函数其它()()()()()3sin 142440.420.5cos 0.08cos ,028140,d b h n h n w n n n n n n N N nππππ=⋅⎧⎡⎤-⎪⎢⎥⎡⎤⎛⎫⎛⎫⎣⎦⎪⋅-+≤≤= ⎪ ⎪⎢⎥⎨-⎝⎭⎝⎭⎣⎦⎪⎪⎩其它Matlab 程序:clc clear n=0:1:28b=sin(0.25*pi*(n-14))./(pi*(n-14)).*(0.42-0.5*cos(2*pi*n/29)+0.08*cos(4*pi*n/29))求得滤波器系数为:h(0)——h(28)=0.0000 -0.0001 0.0000 0.0009 0.0027 0.0035 -0.0000 -0.0101 -0.0226 -0.0246 0.0000 0.0591 0.1410 0.2155 0.2488 0.2240 0.1524 0.0665 0.0000 -0.0302 -0.0290 -0.0137 -0.0000 0.0054 0.0045 0.0017 0.0000 -0.0003 -0.0001 (4) Matlab 代码及运行结果:clc; clear; N=28;br=0.25*sinc((-14:1:14)/4);%计算滤波器系数bb1=fir1(N,0.25,boxcar(N+1));%用fir1计算滤波器系数 [H1,wr]=freqz(br,1,100,2);%频域变换 [Hb1,wr]=freqz(bb1,1,100,2); subplot(331);plot(wr,abs(Hb1),'-r',wr,abs(H1),'-b');grid;%画出幅频特性 title('29点矩形窗') subplot(334);plot(wr,unwrap(angle(Hb1)),'-r',wr,unwrap(angle(H1)),'-b');grid;%画出相频特性 subplot(337);plot(wr,20*log10(abs(Hb1)/sum(Hb1)),'-r',wr,20*log10(abs(H1)/sum(H1)),'-b');grid;title('对数幅频特性')bh=br.*(0.54-0.46*cos(2*pi*(0:1:28)/29)); bb2=fir1(N,0.25,hamming(N+1)); [H2,wh]=freqz(bh,1,100,2); [Hb2,wh]=freqz(bb2,1,100,2); subplot(332);plot(wh,abs(Hb2),'-r',wh,abs(H2),'-b');grid; title('29点汉明窗')subplot(335);plot(wh,unwrap(angle(Hb2)),'-r',wh,unwrap(angle(H2)),'-b');grid;subplot(338);plot(wh,20*log10(abs(Hb2)/sum(Hb2)),'-r',wh,20*log10(abs(H2)/sum(H2)),'-b') ;grid;title('对数幅频特性')bb=br.*(0.42-0.5*cos(2*pi*(0:1:28)/29)+0.08*cos(4*pi*(0:1:28)/29));[H3,wb]=freqz(bb,1,100,2);subplot(333);plot(wb,abs(Hb2),'-r',wb,abs(H3),'-b');grid;title('29点布莱克曼窗')subplot(336);plot(wb,unwrap(angle(Hb2)),'-r',wb,unwrap(angle(H3)),'-b');grid;subplot(339);plot(wh,20*log10(abs(Hb2)/sum(Hb2)),'-r',wb,20*log10(abs(H3)/sum(H3)),'-b') ;grid;title('对数幅频特性')29点矩形窗00.20.40.60.81对数幅频特性29点汉明窗00.20.40.60.81对数幅频特性29点布莱克曼窗00.20.40.60.81对数幅频特性—Matlab自动设计—窗函数设计图1 长度为29点时滤波器的频率特性分析:由图可知,矩形窗设计的滤波器,幅频接近Matlab自动设计的滤波器的幅频特性,相频特性曲线和对数幅频特性曲线几乎与之重合。
数字信号处理第七章习题解答

————第七章———— FIR 数字滤波器设计7.1 学 习 要 点7.1.1 线性相位FIR 数字滤波器特点归纳1. 线性相位概念设()()[]n h FT eH j =ω为FIR 滤波器的频响特性函数。
()ωj e H 可表示为()()()ωθωωj g j e H e H =()ωg H 称为幅度函数,为ω的实函数。
应注意()ωg H 与幅频特性函数()ωj e H 的区别,()ωj e H 为ω的正实函数,而()ωg H 可取负值。
()ωθ称为相位特性函数,当()ωτωθ-=时,称为第一类(A 类)线性相位特性;当()ωτθωθ-=0时,称为第二类(B 类)线性相位特性。
2. 具有线性相位的FIR 滤波器的特点(()n h长度为N )1)时域特点A 类:()()()()⎪⎪⎩⎪⎪⎨⎧--=-=--=2121,1N N n n h n N h n h ωωθ偶对称关于 (7.1)B 类:()()()()⎪⎪⎩⎪⎪⎨⎧---=-=---=21221,1N N n n h n N h n h ωπωθ奇对称关于 (7.2)群延时:()21-==-N d d τωωθ为常数,所以将A 类和B 类线性相位特性统称为恒定群时延特性。
2)频域特点A 类:N 为奇数(情况1):()ωg H 关于ππω2,,0=三点偶对称。
N 为偶数(情况2):()ωg H 关于πω=奇对称(()0=πg H )。
B 类:N 为奇数(情况3):()ωg H 关于ππω2,,0=三点奇对称。
N 为偶数(情况4):()ωg H 关于πω2,0=奇对称,关于πω=偶对称。
3. 要点(1)情况1:可以实现所有滤波特性(低通、高通、带通、带阻和点阻等)。
(2)情况2:()0=πg H ,不能实现高通、带通和点阻滤波器。
(3)情况3:只能实现带通滤波器。
(4)情况4:不能实现低通、带阻和点阻滤波器。
7.1.2 FIR 数字滤波器设计方法 FIR 滤波器设计方法: (1)窗函数法 (2)频率采样法 (3)切比雪夫逼近法1. 窗函数法的设计步骤与要点设()()[]n h FT eH d j d =ω为希望逼近的频响特性函数,()()[]n h FT e H j d =ω为用窗函数法设计的实际滤波器的频响函数。
《数字信号处理》(2-7章)习题解答

第二章习题解答1、求下列序列的z 变换()X z ,并标明收敛域,绘出()X z 的零极点图。
(1) 1()()2nu n (2) 1()()4nu n - (3) (0.5)(1)nu n --- (4) (1)n δ+(5) 1()[()(10)]2nu n u n -- (6) ,01na a <<解:(1) 00.5()0.50.5nn n n zZ u n z z ∞-=⎡⎤==⎣⎦-∑,收敛域为0.5z >,零极点图如题1解图(1)。
(2) ()()014()1414n nn n z Z u n z z ∞-=⎡⎤-=-=⎣⎦+∑,收敛域为14z >,零极点图如题1解图(2)。
(3) ()1(0.5)(1)0.50.5nnn n zZ u n z z --=-∞-⎡⎤---=-=⎣⎦+∑,收敛域为0.5z <,零极点图如题1解图(3)。
(4) [](1Z n z δ+=,收敛域为z <∞,零极点图如题1解图(4)。
(5) 由题可知,101010910109(0.5)[()(10)](0.5)()(0.5)(10)0.50.50.50.50.50.5(0.5)n n nZ u n u n Z u n Z u n z z z z z z z z z z z --⎡⎤⎡⎤⎡⎤--=--⎣⎦⎣⎦⎣⎦⋅=-----==--收敛域为0z >,零极点图如题1解图(5)。
(6) 由于()(1)nn n a a u n a u n -=+--那么,111()(1)()()()nn n Z a Z a u n Z a u n z z z a z a z a a z a z a ----⎡⎤⎡⎤⎡⎤=---⎣⎦⎣⎦⎣⎦=----=-- 收敛域为1a z a <<,零极点图如题1解图(6)。
(1) (2) (3)(4) (5) (6)题1解图2、求下列)(z X 的反变换。
现代数字信号处理仿真作业

现代数字信号处理仿真作业1.仿真题仿真结果及图形:图 1 基于FFT的自相关函数计算图 2图 3 周期图法和BT法估计信号的功率谱图 4 利用LD迭代对16阶AR模型的功率谱估计16阶AR模型的系数为:a1=--;a2=;a3=3i;a4=7;a5=68i;a6=76i;a7=92i;a8=20ia9=20i;a10=23i;a11=710i;a13=83i ;a14=24i;a15=21i;a16=3i.仿真程序(3_17):clear allclc%% 产生噪声序列N=32; %基于FFT的样本长度%N=256; %周期图法,BT法,AR模型功率谱估计的长度vn=(randn(1,N)+1i*randn(1,N))/sqrt(2);%%产生复正弦信号f=[ ]; %归一化频率SNR=[30 30 27]; %信噪比A=10.^(SNR./20); %幅度signal=[A(1)*exp(1i*2*pi*f(1)*(0:N-1)); %复正弦信号 A(2)*exp(1i*2*pi*f(2)*(0:N-1));A(3)*exp(1i*2*pi*f(3)*(0:N-1))];%% 产生观察样本un=sum(signal)+vn;%% 利用的FFT估计Uk=fft(un,2*N);Sk=(1/N)*abs(Uk).^2;r0=ifft(Sk);r1=[r0(N+2:2*N),r0(1:N)];%%r2=xcorr(un,N-1,'biased');% 画图k=-N+1:N-1;figure(1)subplot(1,2,1)stem(k,real(r1))xlabel('m');ylabel('实部');subplot(1,2,2)stem(k,imag(r1))xlabel('m');ylabel('虚部');figure(2)subplot(1,2,1)stem(k,real(r2))xlabel('m');ylabel('实部');subplot(1,2,2)stem(k,imag(r2))xlabel('m');ylabel('虚部');NF=1024;Spr=fftshift((1/NF)*abs(fft(un,NF)).^2);kk=+(0:NF-1)*(1/(NF-1));Spr_norm=10*log10(abs(Spr)/max(abs(Spr)));%% BT法M=64;r3=xcorr(un,M,'biased');BT=fftshift(fft(r3,NF));BT_norm=10*log10(abs(BT)/max(abs(BT)));figure(3)subplot(1,2,1)plot(kk,Spr_norm)xlabel('w/2pi');ylabel('归一化功率谱/DB');title('周期图法')subplot(1,2,2)plot(kk,BT_norm)xlabel('w/2pi');ylabel('归一化功率谱/DB');title('BT法')%% LD迭代算法p=16;r0=xcorr(un,p,'biased');r4=r0(p+1:2*p+1); %计算自相关函数a(1,1)=-r4(2)/r4(1);sigma(1)=r4(1)-(abs(r4(2))^2)/r4(1);for m=2:p %LD迭代算法k(m)=-(r4(m+1)+sum(a(m-1,1:m-1).*r4(m:-1:2)))/sigma(m-1);a(m,m)=k(m);for i=1:m-1a(m,i)=a(m-1,i)+k(m)*conj(a(m-1,m-i));endsigma(m)=sigma(m-1)*(1-abs(k(m))^2);endPar=sigma(p)./fftshift(abs(fft([1,a(p,:)],NF)).^2); %p阶AR模型的功率谱Par_norm=10*log10(abs(Par)/max(abs(Par)));figure(4)plot(kk,Par_norm)xlabel('w/2pi');ylabel('归一化功率谱/DB');title('16阶AR模型')2.仿真题仿真结果及图形:单次Root-MUSIC算法中最接近单位圆的两个根为:对应的归一化频率为:相同信号的MUSIC谱估计结果如下图 5 对信号进行MUSIC谱估计的结果仿真程序(3_20):clear allclc%% 信号样本和高斯白噪声的产生N=1000;vn=(randn(1,N)+1i*randn(1,N))/sqrt(2);signal=[exp(1i**pi*(0:N-1)+1i*2*pi*rand); %复正弦信号exp(-1i**pi*(0:N-1)+1i*2*pi*rand)];un=sum(signal)+vn;%% 计算自相关矩阵M=8;for k=1:N-Mxs(:,k)=un(k+M-1:-1:k).';endR=xs*xs'/(N-M);%% 自相关矩阵的特征值分解[U,E]=svd(R);%% Root-MUSIC算法的实现G=U(:,3:M);Gr=G*G';co=zeros(2*M-1,1);for m=1:Mco(m:m+M-1)=co(m:m+M-1)+Gr(M:-1:1,m);endz=roots(co);ph=angle(z)/(2*pi);err=abs(abs(z)-1);%% 计算MUSIC谱En=U(:,2+1:M);NF=2048;for n=1:NFAq=exp(-1i*2*pi*+(n-1)/(NF-1))*(0:M-1)');Pmusic(n)=1/(Aq'*En*En'*Aq);endkk=+(0:NF-1)*(1/(NF-1));Pmusic_norm=10*log10(abs(Pmusic)/max(abs(Pmusic)));plot(kk,Pmusic_norm)xlabel('w/2*pi');ylabel('归一化功率谱/dB')3.仿真题仿真结果及图形:单次ESPRIT算法中最接近单位元的两个特征值为:对应的归一化频率为:仿真程序(3_21):clear allclc%% 信号样本和高斯白噪声的产生N=1000;vn=(randn(1,N)+1i*randn(1,N))/sqrt(2);signal=[exp(1i**pi*(0:N-1)+1i*2*pi*rand); %复正弦信号exp(-1i**pi*(0:N-1)+1i*2*pi*rand)];un=sum(signal)+vn;%% 自相关矩阵的计算M=8;for k=1:N-Mxs(:,k)=un(k+M-1:-1:k).';endRxx=xs(:,1:end-1)*xs(:,1:end-1)'/(N-M-1);Rxy=xs(:,1:end-1)*xs(:,2:end)'/(N-M-1);%% 特征值分解[U,E]=svd(Rxx);ev=diag(E);emin=ev(end);Z=[zeros(M-1,1),eye(M-1);0,zeros(1,M-1)];Cxx=Rxx-emin*eye(M);Cxy=Rxy-emin*Z;%% 广义特征值分解[U,E]=eig(Cxx,Cxy);z=diag(E);ph=angle(z)/(2*pi);err=abs(abs(z)-1);4.仿真题仿真结果及图形:步长为时失调参数为m1=;步长为时失调参数为m2=。
数字信号处理第七章习题答案

8 要求其最小阻带减为-45dB,过渡带宽为 π 51 求出 h( n)并画出 20lg H e jω 曲线(设ωc = 0.5π )
( )
解:根据低通滤波器的最小阻减为-45dB,查表, 应选择海明窗:
2π n w( n) = 0.54 − 0.46cos RN ( n) N −1
h (2) h1 ( n) , 2 ( n)各构成一个低通滤波器,试问它 们是否是线性相位的?延时是多少?
解:(1)根据题意可知
h2 ( ( n) )8 = h1 ( ( n − 4) )8
则
i =n−4
H2 ( k ) = ∑h1 ( ( n − 4) )8W R8 ( n)
n=0 nk 8
7
=
i=− i =−4
% h ( i ) 8kiW 4k ∑1 W 8
3
% = W 4k ∑h ( i ) 8ki W 8 1
i= i =0
7
= H1 ( k )W
由上式可以看出
4k 8
教材125页表3-3:序 号2性质
H2 ( k ) = H1 ( k )
2π θ2 ( k ) = θ1 ( k ) − ⋅ 4k = θ1 ( k ) − kπ 8
20lg H ( e jω ) 曲线。
e− jωα Hd (e jω ) = 0
其单位抽样响应:
解:线性相位理想低通滤波器
−ωc ≤ ω ≤ ωc −π ≤ ω ≤ −ωc ,ωc ≤ ω ≤ π
1 π hd ( n) = Hd ( e jω ) e jωndω 2π ∫−π
ωc sin ωc ( n −α ) 1 ωc − jωα jωn = = ∫−ωc e e dω π ωc ( n −α ) 2π
数字信号处理习题库选择题附加答案选择填空2

第1章选择题1.信号通常是时间的函数,数字信号的主要特征是:信号幅度取 ;时间取 B 。
A.离散值;连续值B.离散值;离散值C.连续值;离散值D.连续值;连续值2.数字信号的特征是( B )A .时间离散、幅值连续B .时间离散、幅值量化C .时间连续、幅值量化D .时间连续、幅值连续3.下列序列中属周期序列的为( D )A .x(n) = δ(n)B .x(n) = u(n)C .x(n) = R 4(n)D .x(n) = 14.序列x(n)=sin ⎪⎭⎫ ⎝⎛n 311的周期为( D ) A .3 B .6 C .11 D .∞5. 离散时间序列x (n )=cos(n 73π-8π)的周期是 ( C ) A. 7 B. 14/3 C. 14 D. 非周期6.以下序列中( D )的周期为5。
A .)853cos()(ππ+=n n x B. )853sin()(ππ+=n n x C. )852()(π+=n j e n x D. )852()(ππ+=n j en x 7.下列四个离散信号中,是周期信号的是( C )。
A .sin100n B. n j e 2C. n n ππ30sin cos +D. n j n j e e5431π- 8.以下序列中 D 的周期为5。
A.)853cos()(π+=n n x B.)853sin()(π+=n n x C.)852()(π+=n j e n x D.)852()(ππ+=n j e n x 9.离散时间序列x (n )=cos ⎪⎭⎫ ⎝⎛+353ππn 的周期是( C ) A.5 B.10/3C.10D.非周期10.离散时间序列x(n)=sin (5n 31π+)的周期是( D ) A.3 B.6C.6πD.非周期11.序列x (n )=cos ⎪⎭⎫ ⎝⎛n 5π3的周期为( C ) A.3B.5C.10D.∞ 12.下列关系正确的为( C )A .u(n)=∑=n k 0δ (n) B .u(n)=∑∞=0k δ (n) C .u(n)=∑-∞=nk δ (n)D .u(n)=∑∞-∞=k δ (n)13.设系统的单位抽样响应为h(n),则系统因果的充要条件为( C )A .当n>0时,h(n)=0B .当n>0时,h(n)≠0C .当n<0时,h(n)=0D .当n<0时,h(n)≠014.下列系统(其中y(n)是输出序列,x(n)是输入序列)中______属于线性系统。
数字信号处理六七章练习题(含答案)

数字信号处理第四次作业(第6、7章)一、判断1.数字滤波器中低通滤波器的通频带中心位于2ℼ的整数倍处,而高通滤波器的通频带中心位于ℼ的奇数倍处。
(√)α越大,通带波纹越大,通带逼近误差越大;阻带允许的最2.通带内允许的最大衰减pα值越大,阻带波纹越小,阻带逼近误差越小。
(√)小衰减s3.S平面的左半平面中的极点映射到Z平面的单位圆内。
(√)4.FIR数字滤波器的最大优点是绝对稳定和线性相位。
(X )线性相位FIR才有5.h(n)序列为FIR第二类线性相位并且长度为奇数时,它只能实现带通滤波器。
(√)6.窗函数法设计FIR滤波器,会引起吉布斯效应,即引起过渡带加宽以及通带和阻带内的波动。
(√)7.增加窗函数的长度,可以减少吉布斯效应的影响。
(X )二、填空1.五种模拟低通滤波器(巴特沃斯、切比雪夫I型、切比雪夫II型、椭圆、贝塞尔),当阶数相同时,有相同的通带最大衰减和阻带允许的最小衰减情况下,巴特沃斯的过渡带最宽;满足相同的滤波器幅频响应指标下,前四种滤波器中椭圆的阶数最低。
2.从模拟滤波器转换到数字滤波器常用的2种方法是脉冲响应不变法和双线性变换法。
3. 脉冲响应不变法的缺点是有频谱混叠;优点是模拟角频率和数字角频率成线性关系ω=ΩT 。
4. 双线性变换法的优点是消除了频谱混叠,缺点是模拟角频率和数字角频率成非线性关系。
5. 要改变窗函数法设计FIR滤波器时引起的带内波动,需选择主瓣和旁瓣衰减比例大(或主瓣能量大,旁瓣幅度小)的窗函数。
三、简答1. 数字滤波器的设计步骤(间接法)答:(1)将给定的数字滤波器的技术指标,按某一变换规则转换成相应的模拟滤波器的性能指标。
(2)如要设计的不是数字低通滤波器,则需将步骤(1)中变换得到的相应(高通、带通、带阻)模拟滤波器性能指标转换为低通性能指标。
(3)设计一个过渡模拟低通滤波器。
(4)将模拟低通滤波器转换成相应类型的过渡模拟滤波器。
(5)再按照转换规则将模拟滤波器转换成数字滤波器。
数字信号处理课后答案+第7章(高西全丁美玉第三版)

别为h(n)和H(ejω), 另一个滤波器的单位脉冲响应为h1(n),
它与h(n)的关系是h1(n)=(-1)nh(n)。 试证明滤波器h1(n)是一 个高通滤波器。
(2) 设低通滤波器的单位脉冲响应与频率响应函数分
别为h(n)和H(ejω), 截止频率为ωc, 另一个滤波器的单位脉冲 响应为h2(n), 它与h(n)的关系是h2(n)=2h(n)cosω0n, 且 ωc<ω0<(π-ωc)。 试证明滤波器h2(n)是一个带通滤波器。 解: (1) 由题意可知
H (e j( 0 ) ) H (e j( 0 ) ) j H 2 (e ) 2
因为低通滤波器H(ejω)通带中心位于ω=2kπ, 且H2(ejω)为 H(ejω)左右平移ω0, 所以H2(ejω)的通带中心位于ω=2kπ±ω0处, 所以h2(n)具有带通特性。 这一结论又为我们提供了一种设计 带通滤波器的方法。 8. 题8图中h1(n)和h2(n)是偶对称序列, N=8, 设 H1(k)=DFT[h1(n)] k=0, 1, …, N-1 H2(k)=DFT[h2(n)] k=0, 1, …, N -1 (1) 试确定H1(k)与 H2(k)的具体关系式。 | H1(k)|=| H2(k)| 是否成立?为什么? (2) 用h1(n)和h2(n)分别构成的低通滤波器是否具有线性 相位?群延时为多少?
解: (1) 由所给h(n)的取值可知,h(n)满足h(n)=h(N-1
-n), 所以FIR滤波器具有A类线性相位特性:
N 1 ( ) 2.5 2
由于N=6为偶数(情况2), 所以幅度特性关于ω=π点奇对称。 (2) 由题中h(n)值可知, h(n)满足h(n)=-h(N-1-n), 所以FIR滤波器具有B类线性相位特性: π N 1 π () 3 2 2 2 由于7为奇数(情况3), 所以幅度特性关于ω=0, π, 2π三点奇对 称。
- 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)。
仿真题7.17
现有一个在二维平面内运动的目标,它从(60000m,40000m )处,以
(-172m/s,246m/s )的速度出发。
在400s 的运动过程中,目标运动速率保持为300m/s ,并在56~105s,182~245s,285~314s 和348~379s 期间分别以1g,-1.5g,3g 和-2.5g(g=9.8m/2s )的转弯速率进行机动,其余时间段则进行匀速运动。
系统在两个方向的观测噪声标准差为m y x 100==σσ。
采用IMM 算法实现对该目标的跟踪,其中的模型集合由具有不同转弯速率的协同转弯模型构成。
定义状态向量由目标在各方向的位置和速度分量构成,即
()()()[]
T y x n v n y n v n x n x )()(= 在协同转弯模型中,状态转移矩阵及状态噪声输入矩阵分别为
()()()⎥⎥⎥⎥⎥⎥⎦
⎤⎢⎢⎢⎢⎢⎢⎣⎡T T T T -T -T T --T =-ωωωωωωωωωωωωωcos 0sin 0)sin(1)
cos(10)sin(0cos 0)cos(10)sin(1)1,(n n F ()⎥⎥⎥⎥⎥⎦
⎤⎢⎢⎢⎢⎢⎣⎡T T T T =-Γ2/00002/1,22n n 其中,ω为转弯速率,T 为采样周期。
模型集合由7个协同转弯模型组成,转弯速率分别为
s s s s s s s /6.5,/74.3,/87.1,/0,/87.1,/74.3,/6.57654321 ====-=-=-=ωωωωωωω。
转速0ω对应模型的系统状态噪声标准差为1.8m/2s ,其余模型的系统状态噪声标准差为2.5m/2s 。
模型初始概率为{0.03,0.03,0.03,0.92,0.03,0.03,0.03},转移概率矩阵为
⎥⎥⎥⎥⎥⎥⎥⎥⎥⎦
⎤⎢⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡=0.90.1000000.10.80.10000
00.10.80.1000000.10.80.1000000.10.80.1000000.10.80.1000000.10.9π
请给出:
(1)目标的真实运动轨迹。
(2)目标在两个方向的跟踪均方根误差曲线。
(3)第4、第5和第7个模型的模型概率变化曲线。
代码如下:
clear all;
clc;
N=3000;
gv=0.0332;
trials=100;
v=randn(N,1,trials)*sqrt(gv);
a1=-2;
a2=1.4;
a3=-0.4;
a4=0.0384;
u1=zeros(N,1,trials);
for m=1:trials
for i=1:N-4
u1(i+4,1,m)=-a1*u1(i+3,1,m)-a2*u1(i+2,1,m)-a3*u1(i+1,1,m)... -a4*u1(i,1,m)+v(i+4,1,m);
end
end
N2=2000;
Jmin=0.005;
W_esti=zeros(4,N2,trials);
W=zeros(4,N2+1);
e=zeros(N2,1);
for m=1:trials
P_esti=eye(4);
for n=5:N2
P_pre=P_esti;
U(:,n,m)=[u1(n-1,1,m);u1(n-2,1,m);u1(n-3,1,m);u1(n-4,1,m)]; A=(U(:,n,m))'*P_pre*U(:,n,m)+Jmin;
K=P_pre*U(:,n,m)/A;
alpha(n,m)=u1(n,1,m)-(U(:,n,m))'*W_esti(:,n,m);
W_esti(:,n+1,m)=W_esti(:,n,m)+K*alpha(n,m);
P_esti=P_pre-K*(U(:,n,m))'*P_pre;
end
W=W+W_esti(:,:,m);
e=e+abs(alpha(:,m)).^2;
end
W=1/trials*W;
e=1/trials*e;
h=1:N2+1;
figure(1);
plot(h,W);
xlabel('迭代次数'); ylabel('权值'); gtext('w1');
gtext('w2');
gtext('w3');
gtext('w4');
figure(2);
plot(1:N2,e); xlabel('迭代次数'); ylabel('MSE');
仿真结果:。