应用Matlab对图像信号进行频谱分析及滤波
matlab滤波函数详解
matlab滤波函数详解Matlab作为一种广泛应用于数值计算和数据处理的软件，提供了许多用于信号处理和图像处理的函数。
其中，滤波函数是其中非常重要的一部分，它们在许多应用中都起着关键的作用。
本文将详细介绍Matlab中常见的滤波函数，包括它们的用途、参数设置、使用方法和示例。
一、滤波函数概述滤波函数主要用于对信号进行滤波处理，以消除噪声、突出信号特征或实现其他特定的处理目标。
在Matlab中，常见的滤波函数包括低通、高通、带通、带阻等类型，它们可以根据不同的应用需求选择。
滤波器通常由一组数学函数组成，用于对输入信号进行加权和叠加，以达到滤波的目的。
二、低通滤波函数低通滤波函数用于消除高频噪声，保持低频信号的完整性。
在Matlab中，常用的低通滤波函数包括lfilter和filter等。
lfilter函数适用于线性滤波器，而filter函数适用于任意滤波器设计。
低通滤波函数的参数包括滤波器系数、输入信号和采样率等。
通过调整滤波器系数，可以实现不同的滤波效果。
三、高通滤波函数高通滤波函数用于消除低频噪声，突出高频信号特征。
在Matlab 中，常用的高通滤波函数包括hilbert和highpass等。
hilbert函数适用于频谱分析和高频信号提取，而highpass函数则适用于消除低频噪声。
高通滤波函数的参数包括滤波器系数、采样率和信号类型等。
通过调整滤波器系数，可以实现不同的高通效果。
四、带通滤波函数带通滤波函数用于选择特定频率范围内的信号进行过滤。
在Matlab中，常用的带通滤波函数包括bandpass和butter等。
bandpass函数适用于设计带通滤波器，而butter函数则适用于连续时间滤波器设计。
带通滤波函数的参数包括带外抑制值、带宽和采样率等。
通过调整带宽参数，可以实现不同的带通效果。
五、其他滤波函数除了以上三种常见的滤波函数外，Matlab还提供了其他一些滤波函数，如带阻、限幅、防混叠等类型。
实验2利用MATLAB分析信号频谱及系统的频率特性
实验2利用MATLAB分析信号频谱及系统的频率特性引言：在信号处理和通信领域中，频谱分析是一项非常重要的技术。
频谱分析可以帮助我们了解信号的频率特性，包括频率成分和幅度。
MATLAB是一款功能强大的数学软件，提供了多种工具和函数用于信号处理和频谱分析。
本实验旨在通过MATLAB分析信号频谱及系统的频率特性，深入理解信号处理和频域分析的原理和应用。
实验步骤：1.生成一个信号并绘制其时域波形。
首先，我们可以使用MATLAB提供的函数生成一个信号。
例如，我们可以生成一个用正弦函数表示的周期信号。
```matlabt=0:0.001:1;%时间范围为0到1秒，采样率为1000Hzf=10;%信号频率为10Hzx = sin(2*pi*f*t); % 生成正弦信号plot(t,x) % 绘制信号的时域波形图title('Time domain waveform') % 添加标题```2.计算信号的频谱并绘制频谱图。
使用MATLAB中的FFT函数可以计算信号的频谱。
FFT函数将信号从时域转换为频域。
```matlabFs=1000;%采样率为1000HzL = length(x); % 信号长度NFFT = 2^nextpow2(L); % FFT长度X = fft(x,NFFT)/L; % 计算X(k)f = Fs/2*linspace(0,1,NFFT/2+1); % 计算频率轴plot(f,2*abs(X(1:NFFT/2+1))) % 绘制频谱图title('Frequency spectrum') % 添加标题```3.使用MATLAB分析系统的频率特性。
MATLAB提供了Signal Processing Toolbox，其中包含了分析系统频率特性的函数和工具。
```matlabHd = designfilt('lowpassfir', 'FilterOrder', 6,'CutoffFrequency', 0.3, 'SampleRate', Fs); % 设计一个低通滤波器fvtool(Hd) % 显示滤波器的频率响应``````matlab[W,F] = freqz(Hd); % 计算滤波器的频率响应plot(F,abs(W)) % 绘制滤波器的振幅响应title('Frequency response of lowpass filter') % 添加标题```实验结果：运行上述代码后，我们可以得到如下结果：1.时域波形图2.频谱图3.滤波器频率响应讨论与结论：本实验通过MATLAB分析信号频谱及系统的频率特性，深入理解了信号处理和频域分析的原理和应用。
利用Matlab进行频谱分析的方法
利用Matlab进行频谱分析的方法引言频谱分析是信号处理和电子工程领域中一项重要的技术，用于分析信号在频率域上的特征和频率成分。
在实际应用中，频谱分析广泛应用于音频处理、图像处理、通信系统等领域。
Matlab是一种强大的工具，可以提供许多功能用于频谱分析。
本文将介绍利用Matlab进行频谱分析的方法和一些常用的工具。
一、Matlab中的FFT函数Matlab中的FFT（快速傅里叶变换）函数是一种常用的频谱分析工具。
通过使用FFT函数，我们可以将时域信号转换为频域信号，并得到信号的频谱特征。
FFT 函数的使用方法如下：```Y = fft(X);```其中，X是输入信号，Y是输出的频域信号。
通过该函数，我们可以得到输入信号的幅度谱和相位谱。
二、频谱图的绘制在进行频谱分析时，频谱图是一种直观和易于理解的展示形式。
Matlab中可以使用plot函数绘制频谱图。
首先，我们需要获取频域信号的幅度谱。
然后，使用plot函数将频率与幅度谱进行绘制。
下面是一个示例：```X = 1:1000; % 时间序列Y = sin(2*pi*10*X) + sin(2*pi*50*X); % 输入信号Fs = 1000; % 采样率N = length(Y); % 信号长度Y_FFT = abs(fft(Y)); % 计算频域信号的幅度谱f = (0:N-1)*(Fs/N); % 频率坐标plot(f, Y_FFT);```通过上述代码，我们可以得到输入信号在频谱上的特征，并将其可视化为频谱图。
三、频谱分析的应用举例频谱分析可以应用于许多实际问题中。
下面将介绍两个常见的应用举例：语音信号分析和图像处理。
1. 语音信号分析语音信号分析是频谱分析的一个重要应用领域。
通过对语音信号进行频谱分析，我们可以探索声波的频率特性和信号的频率成分。
在Matlab中，可以使用wavread 函数读取音频文件，并进行频谱分析。
下面是一个示例：```[waveform, Fs] = wavread('speech.wav'); % 读取音频文件N = length(waveform); % 信号长度waveform_FFT = abs(fft(waveform)); % 计算频域信号的幅度谱f = (0:N-1)*(Fs/N); % 频率坐标plot(f, waveform_FFT);```通过上述代码，我们可以获取语音信号的频谱特征，并将其可视化为频谱图。
应用Matlab对图像信号进行频谱分析及滤波
应用Matlab对图像信号进行频谱分析及滤波选取一张彩色图片，建议把像素设置成200*200，提取图像的灰度值，并显示出灰度图像；在图像中增加正弦噪声信号(自己设置几个频率的正弦信号)，画出加入噪声信号后的灰度图像；给定滤波器的性能指标，采用窗函数法或者双线性变换设计数字低通滤波器，并画出滤波器的频率响应；然后用自己设计的滤波器对含噪声图像信号进行滤波，画出滤波后图像信号的灰度图像。
利用频谱分析对原始灰度图像、加入噪声信号的灰度图像、和滤波后的灰度图像进行频谱分析和对比，分析信号的变化。
x=imread('D:\1.jpg');x1=rgb2gray(x);[M,N]=size(x1);x2=im2double(x1);figure(1);subplot(1,3,1)imshow(x2);x3=zeros(1,M*N);for i=1:Mfor j=1:N;x3(M*(i-1)+j)= x2(i,j);endendL=M*N;fs=40000;dt=1/fs;n=0:L-1;x7=(sin(2*pi*15000*n*dt)/10+sin(2*pi*18000*n*dt)/6)x4=x3+x7;for i=1:Mfor j=1:N;x5(i,j) = x4(M*(i-1)+j);endendfigure(1)subplot(132);imshow(x5)wp=0.5*pi;ws=0.75*pi;rp=3;rs=50;[n,wn]=buttord(wp/pi,ws/pi,rp,rs,'s'); [Bz,Az]=butter(n,wp/pi);%[z,p,k]=buttap(n);%[Bap,Aap]=zp2tf(z,p,k);%[B,A]=lp2lp(Bap,Aap,wn);%[Bz,Az]=bilinear(B,A,F);[h,w]=freqz(Bz,Az,L,fs);figure(3)subplot(121);plot(w,abs(h));x6=zeros(1,L);for i=1:Mfor j=1:N;x6(M*(i-1)+j)= x5(i,j);endendx8=zeros(1,L);x8=filter(Bz,Az,x6);x3k=fft(x3,L)figure(2)subplot(131)plot(w*2,abs(x3k))x4k=fft(x4,L)figure(2)subplot(132)plot(w*2,abs(x4k))x7k=fft(x7,L)figure(3)subplot(122)plot(w*2,abs(x7k))x8k=fft(x8,L)figure(2)subplot(133)plot(w*2,abs(x8k))for i=1:Mfor j=1:N;x9(i,j) = x8(M*(i-1)+j);endendfigure(1)subplot(133);imshow(x9);。
使用MATLAB进行信号处理与滤波
使用MATLAB进行信号处理与滤波信号处理与滤波是数字信号处理领域中的重要技术，而MATLAB是一种广泛应用于信号处理的工具。
本文将介绍如何使用MATLAB进行信号处理与滤波，包括信号采样、信号重构、频谱分析以及常用的滤波器设计和应用。
首先，我们先了解一下信号处理的基本概念。
信号处理是对信号进行采样、重构、滤波、增强、压缩等操作的过程。
信号可以是连续的或离散的，常常通过采样将连续信号转换为离散信号进行处理。
在MATLAB中，可以使用`plot`函数来绘制信号的波形图。
假设有一个正弦信号，我们可以通过以下代码绘制其波形图：```matlabfs = 1000; % 采样率为1000Hzt = 0:1/fs:1; % 时间向量，从0到1sf = 10; % 正弦信号的频率为10Hzx = sin(2*pi*f*t); % 构造正弦信号plot(t, x); % 绘制波形图xlabel('Time (s)'); % x轴标签ylabel('Amplitude'); % y轴标签title('Sinusoidal Signal'); % 图片标题```这段代码中，首先定义了采样率`fs`、时间向量`t`和信号频率`f`，然后使用`sin`函数构造了正弦信号`x`，最后通过`plot`函数绘制出信号的波形图。
在进行信号处理时，经常需要进行频谱分析来研究信号的频率特性。
MATLAB 提供了多种函数来计算信号的频谱，其中最常用的是`fft`函数。
以下代码演示了如何计算信号的频谱，并绘制频谱图：```matlabFs = 1000; % 采样率为1000HzT = 1/Fs; % 采样间隔L = 1000; % 信号长度为1000t = (0:L-1)*T; % 时间向量x = sin(2*pi*50*t) + 0.5*sin(2*pi*120*t); % 构造含有两个频率成分的信号Y = fft(x); % 对信号进行傅里叶变换P2 = abs(Y/L); % 计算双边频谱P1 = P2(1:L/2+1); % 取单边频谱P1(2:end-1) = 2*P1(2:end-1); % 幅度归一化f = Fs*(0:(L/2))/L; % 频率向量plot(f,P1); % 绘制频谱图title('Single-Sided Amplitude Spectrum of x(t)'); % 图片标题xlabel('Frequency (Hz)'); % x轴标签ylabel('Amplitude'); % y轴标签```这段代码中，首先定义了采样率`Fs`、采样间隔`T`、信号长度`L`和时间向量`t`，然后使用两个正弦信号相加的方式构造了含有两个频率成分的信号`x`，接着使用`fft`函数对信号进行傅里叶变换得到频谱`Y`，最后根据频谱进行幅度归一化并绘制频谱图。
基于matlab对图像进行高通、低通、带通滤波
数字图像处理三级项目—高通、低通、带通滤波器摘要在图像处理的过程中,消除图像的噪声干扰是一个非常重要的问题。
利用matlab软件,采用频域滤波的方式,对图像进行低通和高通滤波处理。
低通滤波是要保留图像中的低频分量而除去高频分量，由于图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分，所以低通滤波可以除去或消弱噪声的影响并模糊边缘轮廓；高通滤波是要保留图像中的高频分量而除去低频分量，所以高通滤波可以保留较多的边缘轮廓信息。
低通滤波器有巴特沃斯滤波器和高斯滤波器等等，本次设计使用的低通滤波器为****。
高通滤波器有巴特沃斯滤波器、高斯滤波器、Laplacian高通滤波器以及Unmask高通滤波器等等，本次设计使用巴特沃斯高通滤波器。
1、频域低通滤波器：设计低通滤波器包括 butterworth and Gaussian (选择合适的半径，计算功率谱比),平滑测试图像test1和2。
实验原理分析根据卷积定理，两个空间函数的卷积可以通过计算两个傅立叶变换函数的乘积的逆变换得到，如果f(x, y)和h(x, y)分别代表图像与空间滤波器，F(u, v)和H(u, v)分别为响应的傅立叶变换（H(u, v)又称为传递函数），那么我们可以利用卷积定理来进行频域滤波。
在频域空间，图像的信息表现为不同频率分量的组合。
如果能让某个范围内的分量或某些频率的分量受到抑制，而让其他分量不受影响，就可以改变输出图的频率分布，达到不同的增强目的。
频域空间的增强方法的步骤：（1）将图像从图像空间转换到频域空间；（2）在频域空间对图像进行增强；（3）将增强后的图像再从频域空间转换到图像空间。
低通滤波是要保留图像中的低频分量而除去高频分量。
图像中的边缘和噪声都对应图像傅里叶频谱中的高频部分，所以低通滤波可以除去或消弱噪声的影响并模糊边缘轮廓。
理想低通滤波器具有传递函数：其中D0为制定的非负数，D(u,v)为点(u,v)到滤波器中心的距离。
matlab 信号 频谱分析实验报告
matlab 信号频谱分析实验报告《Matlab 信号频谱分析实验报告》实验目的：通过Matlab软件对信号进行频谱分析，了解信号的频谱特性，并掌握频谱分析的基本方法。
实验原理：信号的频谱分析是指将信号在频域上进行分析，得到信号的频谱特性。
频谱分析可以帮助我们了解信号的频率成分，频率分布情况，以及信号的频谱密度等信息。
在Matlab中，可以使用fft函数对信号进行频谱分析，得到信号的频谱图像。
实验步骤：1. 生成信号：首先在Matlab中生成一个信号，可以是正弦信号、方波信号或者任意复杂的信号。
2. 采样信号：对生成的信号进行采样，得到离散的信号序列。
3. 频谱分析：使用fft函数对采样的信号进行频谱分析，得到信号的频谱特性。
4. 绘制频谱图像：将频谱分析得到的结果绘制成频谱图像，观察信号的频谱分布情况。
实验结果分析：通过频谱分析，我们可以得到信号的频谱图像，从图像中可以清晰地看出信号的频率成分，频率分布情况，以及信号的频谱密度等信息。
通过对信号频谱图像的观察和分析，可以更好地了解信号的频谱特性，为后续的信号处理和分析提供参考。
实验结论：通过本次实验，我们成功使用Matlab对信号进行了频谱分析，得到了信号的频谱特性，并且掌握了频谱分析的基本方法。
频谱分析是信号处理和分析的重要工具，对于理解信号的频率特性和频率分布情况具有重要意义。
希望通过本次实验，能够对信号的频谱分析有更深入的了解，并且能够在实际工程中应用到相关领域。
通过本次实验，我们对Matlab信号频谱分析有了更深入的了解，对信号处理和分析有了更深入的认识，也为我们今后的学习和工作提供了更多的帮助。
希望通过不断地实践和学习，能够更加深入地掌握信号频谱分析的相关知识，为实际工程应用提供更多的帮助。
如何使用Matlab进行信号处理和滤波
如何使用Matlab进行信号处理和滤波信号处理和滤波在工程领域中扮演着重要的角色，它们可以帮助我们从一系列的数据中提取有用的信息，并消除噪声。
Matlab作为一种强大的工具，提供了丰富的函数和工具箱，可以方便地进行信号处理和滤波。
本文将介绍如何使用Matlab进行信号处理和滤波的基本方法，并使用实例进行演示。
一、Matlab的信号处理工具箱Matlab的信号处理工具箱是一个强大的工具集，它包含了许多用于处理各种类型信号的函数和算法。
通过引入信号处理工具箱，我们可以方便地处理音频、图像和视频信号，并进行频域分析、滤波和解调等操作。
在Matlab中，可以使用命令"toolbox"来查看已安装的工具箱，对于信号处理，我们需要确保已经安装了"Signal Processing Toolbox"。
如果没有安装，可以通过访问Matlab官方网站下载并安装。
二、信号处理的基本操作1. 读取和显示信号在进行信号处理之前，首先需要将信号加载进Matlab中。
可以使用函数"audioread"来读取音频信号，例如读取一个.wav格式的音频文件：```[x,Fs] = audioread('audio.wav');```其中，x是音频信号的数据，Fs是信号的采样率。
读取完成后，可以使用函数"soundsc"来播放信号，并使用函数"plot"来绘制信号的波形图：```soundsc(x,Fs);plot(x);```2. 频谱分析频谱分析可以帮助我们了解信号的频率特性。
在Matlab中，可以使用函数"fft"进行快速傅里叶变换（FFT），将信号从时域转换到频域。
例如，对于上文中读取的音频信号x，可以使用以下代码计算其频谱：```X = fft(x);```频谱的结果是一个复数向量，表示信号在不同频率上的幅值和相位。
- 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)。
应用Matlab对图像信号进行频谱分析及滤波实验目的1.巩固所学的数字信号处理理论知识，理解信号的采集、处理、传输、显示和存储过程;2.综合运用专业及基础知识，解决实际工程技术问题的能力;3.学习资料的收集与整理,学会撰写课程设计报告。
实验环境1.微型电子计算机(PC）；2.安装Windows 10操作系统,MATLAB7.0，Formatfactory,绘画板等开发工具。
实验原理在Matlab软件平台下，读取和显示彩色图像数据的相关函数和调用方法如下:实验内容和任务要求1.选取一张彩色图像（注意不能出现雷同，否则记为0分），提取图像的灰度值，并显示出灰度图像.2.在图像中增加正弦噪声信号(自己设置几个频率的正弦信号），显示出加入噪声信号后的灰度图像。
3.给定滤波器的性能指标,分别设计FIR和IIR数字滤波器，并画出滤波器的幅频响应曲线。
4.用自己设计的滤波器对含噪声图像信号进行滤波，显示出滤波后的灰度图像。
5.对原始灰度图像、加入噪声信号的灰度图像和滤波后的灰度图像进行频谱分析和对比，分析信号的变化.实验分析本实验要求用Matlab软件完成对图像信息的处理.对于任务1,这里采用了一张jpg格式的张学友新专辑《醒着做梦》的封面图片,保存在Matlab的work文件夹下。
采用imread(）函数读取,并利用rgb2gray（)函数将其转化为二维的灰度图像(原始的数据类型是unit8型,需要将其转化为可用于计算的double类型）,并利用imshow（）函数将其显示出来;对于任务2，在加入噪声前,需要先将二维数据利用循环嵌套语句转化为一维数据，然后加入三个高频噪声，再利用循环嵌套语句转化为二维的数据,利用imshow(）函数显示出来；对于任务3，这里分别设计了满足一定指标的IIR低通滤波器（巴特沃斯)和FIR 低通滤波器（哈明窗）并对其相关指标进行了分析。
对于任务4，利用任务3中设计好的两个滤波器分别对加噪后的灰度图像进行滤波（filter()函数），并分别显示滤波后的灰度图像；对于任务5，利用快速傅里叶变换算法(FFT）对各阶段数据分别进行频谱分析，并将它们的频谱绘制在同一张图上作为对比。
Matlab代码clc；close all；clear all;％%图像的读取以及转换x=imread（'hh.jpg'）;%读取jpg图像x1=rgb2gray(x）；％生成M*N的灰度图像矩阵［M，N]=size（x1);％求图像规模％%生成原始序列并求频率响应x2=im2double（x1）；x3=zeros（1,M＊N);％初始化for i=1:Mfor j=1:Nx3（N＊（i-1)+j）=x2（i，j)；endend ％将M*N维矩阵变成1维矩阵fs=1000；％扫描频率1kHzT=1/fs；％扫描时间间隔L=length（x3);%计算序列长度n=0:L—1;Xk3=fft(x3)；％快速傅里叶变换Xf3=fftshift（Xk3);%中心对称变换f=（n/L-1/2）*fs;%横坐标变幻％％生成带有噪声的序列并求频率响应fz1=356；fz2=383；fz3=427；％三个噪声频率xz=0.4*sin（2*pi*fz1*n＊T)+0。
7＊sin(2＊pi＊fz2＊n＊T)+0.5*sin（2*pi＊fz3＊n＊T);％噪声序列x4=x3+xz；％加入噪声的序列x5=zeros（M，N）；for i=1：Mfor j=1:Nx5(i，j）=x4（N*(i—1）+j）；endend ％一维变M＊N矩阵Xk4=fft(x4)；Xf4=fftshift（Xk4)；%%设计IIR滤波器并分析相关指标wp=250＊2/fs;ws=300＊2/fs；Rp=3;Rs=20；%通带截止频率250Hz，阻带截止频率300Hz,通带衰减3dB,阻带衰减20dB[Nm,Wc]=buttord（wp,ws，Rp，Rs）；％计算满足指标的最小阶数以及3dB截止频率［b,a]=butter（Nm,Wc); ％计算滤波器的分子分母系数H=freqz（b,a,f＊2＊pi/fs）；%计算滤波器频率响应mag=abs（H)；pha=angle（H）；%幅度响应和相位响应mag1=20*log((mag+eps）/max（mag)）; %将幅频响应转化为dB的形式%％用IIR滤波器对带噪序列进行滤波并求频率响应x6=filter(b,a,x4)；%用IIR滤波Xk6=fft(x6）;Xf6=fftshift(Xk6）;x7=zeros（M，N);for i=1:Mfor j=1:Nx7(i，j)=x6（N＊（i—1)+j);endend％%设计FIR滤波器并分析相关指标wc=280*2/fs; %6dB截止频率280kHzfx=[0 wc wc 1］；m=［1 1 0 0];%理想频幅响应b1=fir2(40，fx,m，hamming（41））;％计算FIR滤波器多项式系数（不声明窗默认为Hamming窗）H1=freqz（b1,1，f*2*pi/fs）;％计算滤波器频率响应mag2=abs(H1）；pha1=angle（H1）;％幅度响应和相位响应mag3=20＊log（(mag2+eps)/max（mag2）)；％将幅频响应转化为dB的形式％%用FIR滤波器对带噪序列进行滤波并求频率响应x8=filter（b1,1，x4）;％用FIR进行滤波grd=grpdelay（b1,1,f＊2＊pi/fs）；％计算群延时K=round（grd(1））；％修正因子（冒号操作做索引时，需要整型数操作)x8=[x8(（K+1):L)，x8（1：K）］；%对群延迟进行修正Xk8=fft（x8);Xf8=fftshift（Xk8)；x9=zeros（M,N）;for i=1:Mfor j=1:Nx9(i,j)=x8(N*（i-1)+j）；endend%％绘制图像figure（1）；subplot(2,2，1）;imshow(x2)；title（’原始灰度图像’）;subplot（2,2,2)；imshow（x5)；title('加入噪声后灰度图像')；subplot（2,2，3）;imshow（x7）;title('IIR滤波器滤波后灰度图像’)；subplot（2，2,4）;imshow(x9)；title(’FIR滤波器滤波后灰度图像'）;figure（2）；subplot(4，1,1）；plot(f，abs（Xf3)＊2/L，’r—’）;title（’原始灰度图像幅度谱'); subplot(4,1，2)，plot(f,abs（Xf4)*2/L,'r—’);title（'加入噪声后灰度图像幅度谱'）；subplot（4,1,3）;plot（f,abs(Xf6）＊2/L，'r—')；title（’IIR滤波器滤波后灰度图像幅度谱'）;subplot(4，1，4）；plot（f,abs（Xf8)＊2/L，'r-'）;title('FIR滤波器滤波后灰度图像幅度谱')；figure（3）；subplot（3，2,1);plot（f，mag)；grid；title(’IIR滤波器幅度响应’）;xlabel（'f/Hz'）;ylabel(’幅度');subplot(3,2,2）；plot(f，mag2）；grid;title（’FIR滤波器幅度响应'）;xlabel('f/Hz’）;ylabel('幅度’);subplot（3，2,3);plot(f,pha)；grid；title(’IIR滤波器相位响应')；xlabel(’f/Hz’）;ylabel(’相位’）；subplot（3，2,4）；plot(f,pha1);grid;title('FIR滤波器相位响应'）；xlabel(’f/Hz')；ylabel （'相位')；subplot(3，2,5);plot(f，mag1)；grid;title(’IIR滤波器幅度响应（dB）’);xlabel('f/Hz’);ylabel(’幅度/dB'）;subplot（3，2,6）；plot（f,mag3)；grid;title（'FIR滤波器幅度响应(dB)'）；xlabel(’f/Hz')；ylabel(’幅度/dB’）；实验结果及分析从实验结果来看，滤波效果还是相当不错的。
在满足相同的指标情况下FIR滤波器所需要的阶数远高于IIR滤波器，但是FIR滤波器的相位响应是线性的，滤波器通带群延时是常数，而IIR滤波器是非线性的，滤波器通带群延时非常数。
FIR 滤波器产生的群延迟样本数可以计算出来，并进行调整.IIR滤波器则不可以。
调整代码为：grd=grpdelay（b1，1，f＊2*pi/fs）；％计算群延时K=round(grd（1));％修正因子(冒号操作做索引时，需要整型数操作)x8=［x8(（K+1）:L）,x8(1:K）]；%对群延迟进行修正FIR滤波器滤波后图像群延迟调整前后对比：将两种滤波器滤波后的图片放大后对比：对比可发现IIR滤波器滤波后使图片产生了重影,而FIR滤波器没有明显失真。
对于语音系统，対相位要求不是主要的,因此，选用IIR滤波器较为合适，可以充分发挥其经济和高效的特点；图像信号和数据传输等以波形携带信息的系统对线性相位要求较高，因此采用FIR滤波器较好.实验总结通过本次实验，加深了我们对信号频谱分析和数字滤波器设计的知识的理解，并对滤波器有了更进一步的认识，掌握了利用滤波器处理图片的方法，理解了设计指标的工程概念，认识到了不同类型滤波器的特性和适用范围.实验中，我们对Matlab 中一些函数的用法还不清楚，后面经过查资料以及尝试后均得到了解决。
总的来说，本次实验基本上达到了预期的实验效果，是一次比较成功的实验。