现代信号处理
专业学位硕士研究生“现代信号处理”课程教学改革探讨
专业学位硕士研究生“现代信号处理”课程教学改革探讨一、引言信号处理是现代通信、电子、医学、生物工程等领域的重要基础学科，其应用广泛，对于提高信息处理的效率、准确性以及对信息处理质量的保证具有重要意义。
而专业学位硕士研究生“现代信号处理”课程作为培养学生掌握信号处理理论和方法，具备从事信号处理工程技术研究与开发的能力的重要课程之一，其教学改革的探讨也因此显得尤为重要。
二、课程教学改革的背景和意义传统的“现代信号处理”课程教学虽然在一定程度上能够满足学生对于基础知识的学习需求，但随着信息化技术的飞速发展和人才培养的新需求，传统的教学模式和内容已经不能很好地适应现代社会的发展。
通过对“现代信号处理”课程教学改革的探讨，可以更好地引导学生掌握新的知识和技能，更好地适应未来的社会需求。
教学改革的最终目的是为了帮助学生更好地学习和掌握知识，增强学生的创新能力和实际应用能力，提高学生的综合素质，使其能够更好地适应未来的社会发展。
通过对“现代信号处理”课程教学的改革探讨，有利于培养学生的实际动手能力和创新意识，使其能够更好地应对未来的职业挑战。
三、改革方向和内容1. 教学内容的更新和拓展随着信息化技术的迅速发展，信号处理方面的新理论、新技术和新方法层出不穷，传统的教学内容已经不能满足学生对于知识的学习需求。
需要对教学内容进行更新和拓展，引入和融入一些新的理论和方法，让学生能够更好地了解和掌握现代信号处理的发展动态和重要方向。
2. 教学方法的改进和创新传统的“现代信号处理”课程教学主要以理论知识的讲解和实验操作为主，但随着信息化技术的不断发展，新的教学方法和手段已经得到了广泛的应用，通过利用现代的教学技术和手段，可以更好地刺激学生的学习兴趣，提高教学效果。
需要对教学方法进行改进和创新，引入一些现代的教学手段，如多媒体教学、虚拟实验、互动式教学等，来更好地激发学生的学习热情，提高学习效果。
3. 实践环节的增加和加强“现代信号处理”课程的教学内容较为抽象和复杂，学生很难通过简单的理论讲解就能够真正地理解和掌握知识，因此需要通过加强实践环节的设计和安排，让学生能够通过实际操作和练习来加深理解和掌握知识。
现代信号处理
现代信号处理
现代信号处理是对信号进行数字化处理的一种技术，它使用数字信
号处理算法来分析、修复、增强或压缩信号。
现代信号处理技术广
泛应用于通信、音频处理、图像处理、生物医学工程、雷达和声纳
等领域。
现代信号处理的基本步骤包括信号采集（模拟信号转换为数字信号）、滤波、采样、量化和编码。
滤波可以用于去除信号中的噪声
或不需要的成分，采样和量化将连续的信号转换为离散的数据点，
编码则将离散的数据点转换为数字形式，方便存储和传输。
现代信号处理算法包括傅里叶变换、小波变换、自适应滤波、功率
谱估计以及各种滤波器设计方法等。
傅里叶变换可以将信号从时域
转换为频域，从而可以分析信号的频谱特性；小波变换可以将信号
分解成不同的频率分量，实现信号的多分辨率分析；自适应滤波可
以根据信号的特性自动调整滤波器的参数，以适应不同的环境条件。
1
现代信号处理技术在通信领域广泛应用，例如调制解调、信道编码、多址接入等；在音频处理中，可以实现音频降噪、语音识别和语音
合成；在图像处理中，可以实现图像去噪、边缘检测和数字图像压缩；在生物医学工程中，可以实现生物信号的特征提取、滤波和分析；在雷达和声纳中，可以实现目标检测、目标跟踪和图像重建。
总之，现代信号处理技术为信号分析和处理提供了一种高效、准确
和灵活的方法，为我们获取有用的信息、改善信号质量和实现更复
杂的信号处理任务提供了重要的工具。
2。
现代信号处理盲
SCA利用信号的稀疏性进行盲信号处理，通过寻找观测信号中的稀疏 成分来恢复源信号。
非负矩阵分解（NMF）
NMF是一种基于非负性约束的矩阵分解方法，可用于盲信号处理和特 征提取。
深度学习
近年来，深度学习在盲信号处理领域取得了显著进展，通过训练深度 神经网络模型来实现盲信号处理和源信号分离。
01
信号处理基础
信号定义与分类
信号定义
信号是传递信息的物理量，可以 是电信号、光信号、声信号等。 在信号处理中，主要研究电信号 的处理。
信号分类
根据信号的性质和特征，信号可 分为模拟信号和数字信号、连续 时间信号和离散时间信号、确定 性信号和随机信号等。
线性时不变系统
线性系统
线性时不变系统的性质
线性系统是指系统的输出与输入之间满 足线性叠加原理，即输出的总响应等于 各输入单独作用时产生的响应之和。
线性时不变系统具有稳定性、因果性、 可逆性、可交换性等性质，这些性质 在信号处理中具有重要意义。
时不变系统
时不变系统是指系统特性不随时间变 化，即输入信号的时移不会导致输出 信号的时移。
频域分析与变换
REPORT
THANKS
感谢观看
CATALOG
DATE
ANALYSIS
SUMMAR Y
信号失真比（SDR） 反映输出信号相对于原始信号的失真程度，值越 高表示分离效果越佳。
3
源信号与估计信号的相关系数
通过计算源信号与估计信号之间的相关系数，评 估分离算法对源信号的恢复程度。
计算复杂度评估
算法运算量
统计算法在执行过程中所需的乘法、加法等基本运算次数，以评 估其计算复杂度。
算法执行时间
现代信号处理_完美版PPT
•
测量信号v(n)是均值为零，方差为
2 v
的高斯白噪声；
且v(n)与信号x(n)统计无关，即v(n)不影响信号的谱形状
故有
S y ( y ) S x (x ) v 2 u 2 H () 2 v 2 R u ( m y ) E [ u ( n ) y ( n m ) ] u 2 h ( m )
2
高阶谱估计
➢ 研究的必要性 ➢ 高阶统计量 ➢ 高阶谱 ➢ 高阶累积量和多谱的性质 ➢ 三阶相关和双谱及其性质 ➢ 基于高阶谱的相位谱估计 ➢ 基于高阶谱的模型参数估计 ➢ 多谱的应用
参考:《现代数字信号处理》(184-199；204-205)
3
研究高阶谱的必要性
❖ 关于模型参数估计问题
• 所谓模型参数估计，就是根据有限长的数据序列(如模 型输出端所观测到的信号y(n)来估计图中随机信号模型 的参数，)
i1
i1
即不同ARMA过程具有相同形状的功率谱。这一特性 称为相关函数的多重性或模型的多重性。
9
随机信号的高阶特征（续）
两个具有零均值和相同方差的高斯白色噪声和 指数分布白色噪声显然是不同的随机过程，但它 们的功率谱相同。
用这样两个白色噪声激励同一个ARMA模型，产生的 两个ARMA过程显然是不同的随机过程，但它们的
• 与前面所述不同之处在于：这里考虑了观测过程所引 入的噪声v(n).
v(n)
u(n)
H(z)
x(n) ∑
y(n)
(h(n))
4
研究高阶谱的必要性
❖ 基于二阶统计量的模型参数估计方法的缺陷
• 前述模型参数估计方法中，估计得到的模型参数仅与 信号的自相关函数或功率谱包络相匹配；其功率谱不 含信号的相位特性，亦称盲相。即
现代信号处理
主讲教师：高华 电子与信息工程学院 2013.09
概
述
信号处理是信息论的一个分支学科，它的基本概念 与分析方法还在不断的发展，其应用范围也在不断的扩 大。该学科水平的高低反映一个国家的整体科技水平。 要理解近代信号处理理论，需要具备以下一些基础 知识：数理统计与概率论、信号估计理论、泛函等。 整体上，可将信号处理技术分为两大部分：
120
IMF 1; 2 1 0 -1 -2 10 20 30 40 50
iterat ion 0
60
70
80
90
100
110
120
IMF 1; 2 1 0 -1 -2 10 20 30 40 50
iterat ion 0
60
70
80
90
100
110
120
IMF 1; 2 1 0 -1 -2 10 20 30 40 50
EMD （ Empirical Mode Decomposition ）
EMD可以将一个复杂信号分解为若干个IMF之和。 1）确定信号所有极值点，用三次样条插值得到上、下包络线； 2）取对上、下包络线的平均值m1： h1＝x（t）－m1
3）如果h1是一个IMF，则h1是x（t）的第1个IMF，否则将h1作 为原始数据，重复上述过程； 4)将IMF从原始数据中分离： r1＝x（t）－h1
5）重复上述步骤，直到分解出所有的IMF。
EMD方法的特点
• 自适应性
1）基函数的自动产生
2）自适应的滤波特性 3）自适应的多分辨率
• 正交性
EMD将得到一系列从高到低的不同频率成分、而且可以是 不等带宽的IMF分量，其频率成分和带宽是随信号的变化 而变化的。
清华大学《现代信号处理》课件
现代信号处理（离散随机信号处理）电子工程系本课程要讨论的主要问题：（1）对信号特性的了解随机信号（随机过程，时间序列––随机过程的一个实现）信号模型→参数估计→现代谱估计：参数化谱估计讨论信号模型及模型参数的估计问题，比较参数谱估计方法和周期图方法的优劣。
（2）对统计意义下最优滤波器设计的研究平稳条件下：Wiener滤波器理论非平稳条件下：Kalman滤波理论上的目标，实际算法可达到的最佳结果（3）对环境的自适应，具备“学习能力”的滤波算法自适应均衡、波束形成、线性自适应滤波器（4）更多信息的利用，挖掘（针对非高斯问题）线性系统、功率谱：二阶矩，高斯过程的完全刻划非线性、多谱：高阶量，循环平稳（5）对时间（空间）–––频率关系的适应性：全局特性与局域特性，小波变换，时频分析信号处理算法设计面向的几个主要因素n信噪比n先验知识n雷达n通信系统n电子对抗n对先验知识的利用：统计基础上的假设、学习过程n算法复杂性与性能要求的匹配性一些进展中的课题盲自适应信号处理序列贝叶斯估计、粒子滤波阵列信号处理等等与信号处理紧密关联的学科人工神经网络统计学习理论模式识别等等教材n张旭东，陆明泉：离散随机信号处理，2005年10月，清华大学出版社主要参考书①S. Haykin, Adaptive Filter theory, Third Edition, Prentice-Hall, 1996，//Fouth Edition 2001 (电子工业出版社均有影印本)①S.M. Kay, Modern Spectral Estimation: Theory & Application,Prentice-Hall, 1988①S.M. Kay, Fundamentals of Statistical Signal Processing: Estimation Theory, Prentice Hall PTR, 1993.①S. Mallat, A Wavelet Tour of Signal Processing, Academic press, 1998，Second Edition 1999①扬福生, 小波变换的工程分析与应用, 科学出版社, 2000.① D. G. Manolakis, et,al. Statistical and Adaptive Signal Processing, Mcgraw-Hall, 2000.①J. G. Proakis, et al. Algorithms for Statistical Signal Processing, Prentice hall, 2002①张贤达现代信号处理第2版清华大学出版社课程成绩n平时作业10％n2个Matlab作业40％（布置后2周内提交）n期末开卷考试50％1.1随机信号基础被噪声干扰的初相位是随机值的正弦波信号本质上均是随机的，但将信号作为随机信号处理，还是做为确定信号处理，与我们的应用目标和我们的先验知识有关，一般地，我们总是选择对应用有利的处理方式。
现代信号处理_12
ˆ (n) w ]s(n i) [ w
(8)
(9)
y(n) s(n) v(n)
v(n)称为卷积噪声, 即使用近似逆滤波器带来的残余码间干扰 18
接收信号 r(t)
横向滤波 ˆ i (n) 器 w
y(n)
无记忆非线性 估计器 g ( . )
ˆ( n) s
LMS自适 应算法
∑
+
e(n)
6
基本思想
反卷积的基本考虑
不能观测的信息 序列 { x(n) }
假设:图1所示的未知时不变系统或信道h, 其输入为{x(n)}, 它
由概率分布已知,但本身不能直接被观测的信息(符号)序列组成
线性时不变 系统 h
图1
可测的输出数据 序列 { y(n) }
问题:给定系统输出端的观测序列{y(n)},我们要恢复输入的信息 序列{x(n)}, 或等价地辨识系统h的逆系统h-1, 通常称为反卷积。 可行性 如果系统或信道h是最小相位的(即信道传递函数的所有零极 点均位于z平面单位圆内), 则不仅信道h是稳定的, 而且逆信道 h-1也是稳定的。这时,逆信道h-1恰好是一白化滤波器。很容 易用已有的知识(二阶统计量)得到解决(如用线性预测方法)。 如果系统或信道h是非最小相位系统(如电话信道和无线衰落 信道), 将是一个很难解决的问题。 7
~ x (n) u(n) * y(n) u(n) * h(n) * x(n)
盲反卷积的目的是使
为了实现上式, 要求
~ x (n) x(n D)e j
(1)
u(n) * h(n) (n D)e j
取上式的傅立叶变换, 则有
U () H () e j ( D )
现代信号处理基础ppt
（ 白 随 机 C ov ( k - n ) 0）
2 E ( m N E [ m N ])
1 N
2
N 1
E { x ( n ) m }
2
1 N
2
n0
n0
N 1
2
2
N
N
2 lim E ( m N E [ m N ]) 0
N
n0
N|m | N
R x ( m ) (1
（有偏、渐进无偏估计） 自相关函数估计的方差
2 D [ R x ( m )] E [ R x ( m ) E { R x ( m )} ]
2
2 E [ R x ( m )] E { R x ( m )}
N 1 2
N 1 N 1 1 2 E x ( n ) m 2 E x ( n ) m x ( k ) m 2 N n0 n0 k 0 n k
N 1
第二章 现代信号处理基础
随机矢量及其统计特性
随机信号的估计评价及估计方法
随机信号通过LTI系统
相关抵消与正交分解
谱分解定理
信号模型参数与功率谱
随机矢量及其统计特性
以3个习题为例： 例1 N维高斯分布随机矢量 x 的均值矢量为 m x ，协方差矩阵 为 。现对 x 作线性变换 B x ，其中B是 N N 阶常数矩 阵，试证明 是高斯分布的。
1
M 2
1 T 1 ex p ( y y ) y 2
现代信号处理的几个边沿问题
3. 信号分析方法只限于二阶矩特性和傅氏频谱。
4. 傅里叶变换的困境
○ 在信号分析和故障诊断技术等领域中，以前最为普遍
○ 是利用快速傅里叶变换 (FFT) 的频域分析法，这种方法
MATLAB 仿真见图1 。
图1 正弦波与回 声信号叠加的波 形和时谱形状
衬底1
Signal in time domain 1
0.5
0
-0.5
-1
0
0.5
1
1.5
Time/s
Cepstrum of signal 1
0.5
0
-0.5
-1
0
0.5
1
1.5
Time/s
(2) 功率频谱(不是功率时谱)
短时: 小时间 区间。
衬底1
应用举例: 开关电源 传导干扰信号的短时 分形维数模糊控制滤 波
基于短时分形维数的模糊控制滤波方法， 对开关电源传导干扰信号中的噪声进行滤 波。该方法提出了网络分形维数和短时分 形维数的新算法，并讨论了模糊控制滤波 方法中的模糊控制参数的选取算法。基于 虚拟仪器(VI) LabVIEW 6.i平台上对开关 电源传导干扰信号进行实时检测。经过信 号处理，该系统还具有信噪分离、测量传 导干扰功率谱等功能。结果表明，该方法 滤波效果良好。
Tga,t0a 1 f(t)g t at0 dt
1 g t t0 a a
其中小波 是将具有局部特性的小 波函数g(t)通过平移和尺度变换（放大倍数为1/a）而构成的。参
数a具有时间的量纲，也称 为小波尺度;f(t)为被处理的信号。 小波函数g(t)称为小波母函数,有多种,以便 适应各种非平稳信号的检测。当对信号进行小波 变换时，其局部化特性与所选取小波函数有关， 因此，要根据信号的特征选择适当的小波母函数 才能获得满意的检测效果。
最新现代信号处理第1章ppt课件
信号处理的本质是信息的变换和提取。
信息的提取就要借助各种信号获取方法以及信号处理 技术。
信号测量系统和信号处理的工作内容的成本已达到装 备系统总成本的50%-70%。
1.1 现代信号处理的内容和意义
信号处理技术的应用领域：
电子通讯； 机械振动信号的分析与处理； 自动测量与控制工程领域； 语音分析、图像处理与声纳探测； 生物医学工程。
(1.4.4)
R x(y ) x ( t)y ( t)d t x ( t)y ( ,t)
(1.4.5)
内积可视为 x (t与) “基函数”关系紧密度或相似性的一种度量。
1.4 信号处理的内积与基函数
信号的内积与基函数
傅里叶变换是应用最为广泛的信号处理方法，函数 x (t ) 的傅里叶变换为
cn
1 T
T/2 x(t)eintdt
T/ 2
(1.3.6)
1.3 非平稳信号处理和信号的正交分解
1.3.2 信号的正交分解
傅里叶级数具有两个独特的性质：
1、函数 x (t ) 可分解为无限多个互相正交的分量 gn(t):cneint 的和，其中正交是指 g m 与 g n 的内积对所有 mn成立， 即
gm,gn:T 1 T T //2 2gm (t)gn(t)d t0
mn
2、正交分量 或 可用一个简单的基函数
的整数m
或n的膨胀g生m 成，g 线n 性累加逼近任何函数 g1(。t)
x(t) 小波变换中，通过母小波的伸缩和平移生成小波族。
1.3 非平稳信号处理和信号的正交分解
1.3.2 信号的正交分解
第一章 绪论
1.1 现代信号处理的内容和意义 1.2 信号的分类 1.3 非平稳信号处理和信号的正交分解 1.4 信号处理的内积与基函数 1.5 现代信号处理的应用现状与进展
- 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)。
现代信号处理课程设计实验报告实验课题：现代信号处理专业班级：学生姓名：学生学号：指导老师：完成时间：目录一．前言-------------------------------------------------2二．课程设计内容要求及题目-------------------------3 三．设计思想和系统功能结构及功能说明-----------4四．关键部分的详细描述和介绍，流程图描述关键模块和设计思想--------------------------------------------------7五．问题分析及心得体会--------------------------20 六．参考文献------------------------------------------21 七．附录：程序源代码清单------------------------21一、前言数字滤波在通信、图像编码、语音编码、雷达等许多领域中有着十分广泛的应用。
目前，数字信号滤波器的设计在图像处理、数据压缩等方面的应用取得了令人瞩目的进展和成就。
它是数字信号处理理论的一部分。
数字信号处理主要是研究用数字或符号的序列来表示信号波形，并用数字的方式去处理这些序列，以便估计信号的特征参量，或削弱信号中的多余分量和增强信号中的有用分量。
具体来说，凡是用数字方式对信号进行滤波、变换、调制、解调、均衡、增强、压缩、固定、识别、产生等加工处理，都可纳入数字信号处理领域。
数字信号处理学科的一项重大进展是关于数字滤波器设计方法的研究。
关于数字滤波器，早在上世纪40年代末期就有人讨论设计它的可能性问题，在50年代也有人讨论过数字滤波器，但直到60年代中期，才开始形成关于数字滤波器的一整套完整的正规理论。
在这一时期，提出了各种各样的数字滤波器结构，有的以运算误差最小为特点，有的则以运算速度高见长，而有的则二者兼而有之。
出现了数字滤波器的各种实现方法，对递归和非递归两类滤波器作了全面的比较，统一了数字滤波器的基本概念和理论。
数字滤波器与模拟滤波器相比，具有精度高、稳定、体积小、重量轻、灵活、不要求阻抗匹配以及能实现模拟滤波器无法进行的特殊滤波等优点。
上学期学习了《数字信号处理》这门课，这学期的课程设计使我更加形象具体的掌握这门课程，并且可以熟练的运用MATLAB进行编程，经过此次课程设计达到了其设计内容的基本要求，实现了基本功能，并对程序进行了优化，以达到最佳效果。
在设计前制定一个设计方案，明确设计目标，方法和过程，参阅相关文献，咨询老师和同学，严格按照方案进行课程设计，最终解决问题，完成任务要求。
二、课程设计内容要求及题目1、信号发生器用户根据测试需要，可任选以下两种方式之一生成测试信号：（1）直接输入（或从文件读取）测试序列；（2）输入由多个不同频率正弦信号叠加组合而成的模拟信号公式（如式所示）、采样频率（Hz）、采样点数，动态生成该信号的采样序列，作为测试信号。
x=100*sin(2*pi*15*t)+100*sin(2*pi*20*t)+100*sin(2*pi*30*t) 2、频谱分析使用FFT对产生的测试信号进行频谱分析并展示其幅频特性与相频特性，指定需要滤除的频带，通过选择滤波器类型（IIR/FIR），确定对应的滤波器（低通、高通）技术指标。
3、滤波器设计根据以上技术指标（通带截止频率、通带最大衰减、阻带截止频率、阻带最小衰减），设计数字滤波器，生成相应的滤波器系数，并画出对应的滤波器幅频特性与相频特性。
（1）IIR DF设计：可选择滤波器基型（巴特沃斯或切比雪夫型）；（2）FIR DF设计：使用窗口法（可选择窗口类型，并比较分析基于不同窗口、不同阶数所设计数字滤波器的特点）。
4、数字滤波根据设计的滤波器系数，对测试信号进行数字滤波，展示滤波后信号的幅频特性与相频特性，分析是否满足滤波要求（对同一滤波要求，对比分析各类滤波器的差异）。
（1）IIRDF：要求通过差分方程迭代实现滤波（未知初值置零处理）；（2）FIRDF：要求通过快速卷积实现滤波（对于长序列，可以选择使用重叠相加或重叠保留法进行卷积运算）。
5、选做内容将一段语音作为测试信号，通过频谱展示和语音播放，对比分析滤波前后语音信号的变化，进一步加深对数字信号处理的理解。
三、设计思想和系统功能结构及功能说明1、设计思想首先设定由多个不同频率正弦信号叠加组合而成的模拟信号函数、决定采样频率（Hz）和采样点数，然后使用FFT对产生的测试信号进行频谱分析并展示其幅频特性与相频特性，指定需要滤除的频带，接下来使用汉宁窗低通滤波器与巴特沃斯高通滤波器进行滤波，分析滤波后的信号的幅频特性以及相频特性，最后设计语音滤波，检查是否满足滤波要求。
2、系统结构功能说明（1）信号发生器定义一个由4个不同频率叠加的正弦函数，输出该函数，观察其相频以及幅频特性。
（2）频谱分析使用FFT对产生的测试信号进行频谱分析并展示其幅频特性与相频特性，指定需要滤除的频带，通过选择滤波器类型汉宁窗和巴特沃斯滤波器，确定对应的滤波器（低通、高通）技术指标Fp、Fc、Rp、Rs。
然后对其滤波后信号进行频谱分析。
（3）数字滤波器设计1、FIR 数字滤波器设计原理FIR 数字滤波器可以用下面的差分方程来描述[∑-== -=1)(*)()()()(Nmnhnxmnxmhny其中x（n）是输入序列，y（n）是输出序列，h（n）是系统的单位脉冲响应。
由于其采用卷积的方法得到输出，故可以采用快速算法FFT进行卷积计算，提高信号处理速度。
FIR 数字滤波器满足线性相位的条件是其乘法器的系数关于中点对称，又因为其结构无反馈的回路，所以是无条件的稳定系统。
2、窗函数法设计及MATLAB 实现FIR 滤波器目前常用的设计方法有窗函数法和频率采样法，窗函数法是从时域进行设计，而频率采样法是从频域进行设计。
窗函数法由于简单、物理意义清晰，因而得到了较为广泛的应用。
窗函数法设计的基本思想是：首先根据技术指标要求，选取合适的阶数N和窗函数的类型)(nω，使其幅频特性逼近理想滤波器幅频特性。
其次，因为理想滤波器的)(nhd 是无限长的，所以需要对)(nhd进行截断，数学上称这种方法为窗函数法[1]。
)()(1jw d d e H FT n h -=)()()(n n h n h d ω=其中)(n h d 是希望逼近的滤波器的单位脉冲响应，)(ωj d e H 是希望逼近的滤波器的幅频特性，)(n h 是所设计的滤波器的单位脉冲响应，)(n ω是窗函数。
在截断的过程中要保证FIR 滤波器的稳定性与线性相位的特性。
由于截断效应使所设计滤波器的幅频特性存在误差，称之为吉布斯效应。
最后，验证所设计的滤波器是否满足要求，若不满足，重新设计。
常用的窗函数有矩形窗、三角窗、汉宁窗和凯塞窗等。
窗函数的选择一般要满足以下三个条件[：（1）具有较低的旁瓣幅度，尤其是第一旁瓣幅度。
（2）旁瓣幅度下降速度要快，以利于增加阻带衰减。
（3）主瓣宽度要窄，以获得较陡的过渡带。
FIR 滤波器的设计任务是选择有限长度的 h(n), 使函数H(ej ω)满足技术要求。
我选择的是汉宁窗低通滤波。
3、 IIR 数字滤波器的设计IIR 数字滤波器冲激响应无限宽，与模拟滤波器相匹配。
因此可采取在模拟滤波器设计的基础上进一步变换的方法设计IIR 滤波器，即通过已知的模拟滤波器系统的系统函数H(s)来设计数字滤波器的系统函数H(z )，主要是通过脉冲响应不变法或双线性变换法完成s 平面到Z 平面的变换。
通过典型的模拟滤波器（如巴特沃斯滤波器、切比雪夫滤波器等）可实现一定参数要求的数字滤波器。
IIR 数字滤波器的设计具体步骤：<1> 按照既定规则将数字滤波器技术指标转为模拟低通滤波器技术指标。
<2> 以转换后的技术指标为依据设计模拟低通滤波器H(s)（传递函数) 。
<3> 再按照一定规则将H(s)转换成H(z)（数字滤波器的传递函数）。
若设计的是高通、带通或带阻滤波器，还需进行以下步骤：将高通、带通或带阻数字滤波器的技术指标转换为低通模拟滤波器的技术指标, 然后设计出低通H(s), 再将H(s)转换为H(z)。
我选择的是巴特沃斯高通滤波器。
（4）语音滤波1、语音信号的采集MATLAB软件平台下，利用函数wavread对语音信号进行采样，记住采样频率和采样点数。
通过wavread函数的使用，我们很快理解了采样频率、采样位数等概念。
这里我直接采用了一段现成的wav格式的语音信号。
2、语音信号的频谱分析首先画出语音信号的时域波形；然后对语音号进行快速傅里叶变换，得到信号的频谱特性。
四、关键部分的详细描述和介绍，流程图描述关键模块和设计思想1、信号发生器（1）输入信号程序如下：N=512;T=0.01;Fs=1/T;t=0:pi/256:2*pi;f1=7;f2=37;f3=39;f4=43;x=100*sin(2*pi*f1*t)+100*sin(2*pi*f2*t)+100*sin(2 *pi*f3*t)+100*sin(2*pi*f4*t);plot(t,x,'g');grid;title('原始输入信号');xlabel('时间/t');ylabel('振幅');X=fft(x,N);plot(X);grid;title('输入信号频谱');设计输入信号并对其进行傅里叶变换。
输入信号如下图（2）输入信号频谱分析幅频特性Fs=100;len=512;f=Fs*(0:len/2-1)/len;plot(f,abs(X(1:len/2)));grid title('原始信号幅频特性曲线');相频特性Fs=100;len=512;f=Fs*(0:len/2-1)/len;plot(f,angle(X(1:len/2)));grid; title('相频特性曲线');幅频特性相频特性2、巴特沃斯高通滤波器高通滤波器采用Butterworth滤波器, 因为它具有较平坦的幅频特性, 而且其元件值比较合乎实际、对精度要求稍宽。
用[N,Wn]=buttord(Wp,Ws,Rp,Rs,'s')语句实现Butterworth滤波器阶数和边缘频率的确定；[b,a]=butter(N,Wn,'s')语句来实现Butterworth滤波器的设计。
其中Wp为通带截止频率；Rp为通带截止频率处的衰减；Ws为阻带截止频率；Rs为阻带截止频率处的衰减；[ b,a]是滤波器传递函数多项式的系数；n为滤波器的阶数；Wn为截止频率。