基于MATLAB的数字信号处理实例分析
使用Matlab进行数字信号处理的方法与案例
使用Matlab进行数字信号处理的方法与案例1. 引言数字信号处理是一项广泛应用于通信、音频、图像以及其他相关领域的技术。
Matlab作为一种功能强大的数学计算软件，提供了丰富的工具和函数，使得数字信号处理变得更加简单和高效。
本文将会介绍使用Matlab进行数字信号处理的方法和一些实际应用案例。
2. Matlab数字信号处理工具箱Matlab提供了专门的工具箱来支持数字信号处理。
其中最常用的是信号处理工具箱（Signal Processing Toolbox）和图像处理工具箱（Image Processing Toolbox）。
这些工具箱提供了一系列的函数和算法，用于处理和分析数字信号。
3. 数字信号处理基础知识在开始使用Matlab进行数字信号处理之前，有一些基础知识是必须掌握的。
数字信号处理涉及到信号的采样、离散化、滤波、频谱分析等概念。
了解这些基础知识将有助于我们更好地理解和处理信号。
4. 信号生成与操作在Matlab中，可以使用函数生成各种类型的信号。
例如，使用sawtooth函数可以生成锯齿波信号，使用square函数可以生成方波信号。
此外，Matlab还提供了丰富的信号操作函数，例如加法、乘法、卷积等，方便对信号进行进一步处理。
5. 时域和频域分析时域分析用于分析信号在时间上的变化情况，而频域分析则用于分析信号在频率上的分布。
在Matlab中，可以使用fft函数进行快速傅里叶变换，将信号从时域转换到频域。
通过对频域信号进行分析，可以获得信号的频谱分布，进而得到信号的频率特性。
6. 滤波器设计与应用滤波是数字信号处理中常用的技术，用于去除噪声、增强信号等。
Matlab提供了一系列的滤波器设计函数，例如fir1、butter等，可以根据需要设计各种类型的数字滤波器。
使用这些函数可以实现低通滤波、高通滤波、带通滤波等操作。
7. 音频处理案例音频处理是数字信号处理的一个重要应用领域。
在Matlab中，可以使用audioread函数读取音频文件，使用audiowrite函数写入音频文件。
数字信号处理Matlab_实现实例 (1)
数字信号处理Matlab 实现实例第１章离散时间信号与系统例1-1 用MATLAB计算序列{-2 0 1 –1 3}和序列{1 2 0 -1}的离散卷积。
解 MATLAB程序如下：a=[-2 0 1 -1 3];b=[1 2 0 -1];c=conv(a,b);M=length(c)-1;n=0:1:M;stem(n,c);xlabel('n'); ylabel('幅度');图1.1给出了卷积结果的图形，求得的结果存放在数组c中为：{-2 -4 1 3 1 5 1 -3}。
例1-2 用MATLAB计算差分方程当输入序列为时的输出结果。
解 MATLAB程序如下：N=41;a=[0.8 -0.44 0.36 0.22];b=[1 0.7 -0.45 -0.6];x=[1 zeros(1,N-1)];k=0:1:N-1;y=filter(a,b,x);stem(k,y)xlabel('n');ylabel('幅度')图 1.2 给出了该差分方程的前41个样点的输出，即该系统的单位脉冲响应。
例1-3 用MATLAB 计算例1-2差分方程所对应的系统函数的DTFT 。
解 例1-2差分方程所对应的系统函数为：1231230.80.440.360.02()10.70.450.6z z z H z z z z -------++=+--其DTFT 为 23230.80.440.360.02()10.70.450.6j j j j j j j e e e H ee e e ωωωωωωω--------++=+-- 用MATLAB 计算的程序如下：k=256;num=[0.8 -0.44 0.36 0.02];den=[1 0.7 -0.45 -0.6];w=0:pi/k:pi;h=freqz(num,den,w);subplot(2,2,1);plot(w/pi,real(h));gridtitle('实部')xlabel('\omega/\pi');ylabel('幅度')subplot(2,2,2);plot(w/pi,imag(h));gridtitle('虚部')xlabel('\omega/\pi');ylabel('Amplitude') subplot(2,2,3);plot(w/pi,abs(h));gridtitle('幅度谱')xlabel('\omega/\pi');ylabel('幅值') subplot(2,2,4);plot(w/pi,angle(h));gridtitle('相位谱')xlabel('\omega/\pi');ylabel('弧度')第２章离散傅里叶变换及其快速算法例2-1对连续的单一频率周期信号按采样频率采样，截取长度N分别选N =20和N =16，观察其DFT结果的幅度谱。
Matlab中的数字信号处理方法与实例
Matlab中的数字信号处理方法与实例数字信号处理是一门研究数字信号在数字域中分析、处理和改变的学科。
Matlab是一种强大的数值计算工具，被广泛应用于信号处理领域。
本文将介绍一些在Matlab中常用的数字信号处理方法与实例，并通过实例来展示它们的应用。
1. 信号的采样与重构信号采样是指将连续时间信号转化为离散时间信号的过程。
在Matlab中，我们可以使用“sample”函数对信号进行采样，并使用“hold”函数对采样后的信号进行重构。
下面是一个示例：```matlabfs = 100; % 采样频率t = 0:1/fs:1; % 时间序列x = sin(2*pi*5*t); % 原始信号subplot(2,1,1);plot(t,x);title('原始信号');xlabel('时间');ylabel('幅值');subplot(2,1,2);stem(t,x);title('采样和重构后的信号');xlabel('时间');ylabel('幅值');```在这个例子中，我们生成了一个频率为5Hz的正弦信号，然后对该信号进行采样和重构。
从结果可以看出，原始信号和重构后的信号基本上是一致的。
2. 信号的频谱分析频谱分析是指将信号从时域转换到频域的过程，可以用来分析信号的频率成分。
在Matlab中，我们可以使用“fft”函数对信号进行傅里叶变换，并使用“abs”函数获取信号的幅度谱。
下面是一个示例，演示如何对信号进行频谱分析：```matlabfs = 100; % 采样频率t = 0:1/fs:1; % 时间序列x = sin(2*pi*5*t); % 原始信号N = length(x); % 信号长度X = fft(x); % 傅里叶变换f = (0:N-1)*(fs/N); % 频率坐标plot(f,abs(X));title('信号的频谱');xlabel('频率');ylabel('幅度');```在这个示例中，我们同样生成了一个频率为5Hz的正弦信号，然后对该信号进行傅里叶变换，并绘制出信号的频谱图。
数字信号处理实验报告 (基于MATLAB)
课程名称：数字信号处理实验实验地点：综合楼C407专业班级：2014级生物医学工程姓名：leifeng学号：指导老师：第一次实验第一章 离散时间信号的时域分析Q1.1运行程序P1.1，以产生单位样本序列u[n]并显示它clf; n=-10:20;u=[zeros(1,10) 1 zeros(1,20)]; stem(n,u);xlabel('时间序号');ylabel('振幅'); title('单位样本序列'); axis([-10 20 0 1.2]);时间序号振幅单位样本序列Q1.2 命令clf ，axis ，title ，xlabel 和ylabel 的作用是什么clf ：清除图形窗口内容； axis:规定横纵坐标的范围；title ：使图像面板上方显示相应的题目名称； xlable ：定义横坐标的名字； ylable ：定义纵坐标的名字。
Q1.3修改程序P1.1以产生带有延时11个样本的延迟单位样本序列ud[n]，运行修改的程序并且显示产生的序列。
clf; n=0:30;u=[zeros(1,11) 1 zeros(1,19)]; stem(n,u);xlabel('时间序号');ylabel('振幅'); title('单位样本序列'); axis([0 30 0 1.2]);时间序号振幅单位样本序列Q1.5 修改程序P1.1，以产生带有超前7个样本的延时单位阶跃序列sd[n]。
运行修改后的程序并显示产生的序列。
clf; n=-10:20;sd=[zeros(1,3) 1 ones(1,27) ]; stem(n,sd);xlabel('时间序号');ylabel('振幅'); title('单位样本序列'); axis([-10 20 0 1.2]);时间序号振幅单位样本序列Q1.6运行程序P1.2，以产生复数值的指数序列。
matlab数字信号处理85个实用案例精讲
matlab数字信号处理85个实用案例精讲MATLAB数字信号处理85个实用案例精讲MATLAB是一种强大的数学软件，广泛应用于数字信号处理领域。
本文将介绍85个实用案例，涵盖了数字信号处理的各个方面，包括信号生成、滤波、频谱分析、时频分析、数字滤波器设计等。
1. 信号生成案例：生成正弦信号在MATLAB中，可以使用sin函数生成正弦信号。
例如，生成频率为100Hz，幅度为1的正弦信号，代码如下：t = 0:0.001:1;f = 100;x = sin(2*pi*f*t);2. 滤波案例：低通滤波低通滤波器可以滤除高频信号，保留低频信号。
在MATLAB中，可以使用fir1函数设计低通滤波器。
例如，设计截止频率为100Hz的低通滤波器，代码如下：fs = 1000;fc = 100;N = 100;b = fir1(N, fc/(fs/2), 'low');3. 频谱分析案例：计算功率谱密度功率谱密度是信号在频域上的能量分布。
在MATLAB中，可以使用pwelch函数计算功率谱密度。
例如，计算频率为100Hz的正弦信号的功率谱密度，代码如下：t = 0:0.001:1;f = 100;x = sin(2*pi*f*t);[Pxx, f] = pwelch(x, [], [], [], 1000);4. 时频分析案例：计算短时傅里叶变换短时傅里叶变换可以分析信号在时间和频率上的变化。
在MATLAB中，可以使用spectrogram函数计算短时傅里叶变换。
例如，计算频率为100Hz的正弦信号的短时傅里叶变换，代码如下：t = 0:0.001:1;f = 100;x = sin(2*pi*f*t);spectrogram(x, [], [], [], 1000, 'yaxis');5. 数字滤波器设计案例：设计巴特沃斯滤波器巴特沃斯滤波器是一种常用的数字滤波器，可以实现平滑滤波和带通滤波。
《基于MATLAB的数字信号处理》实验报告
0.60007.0000-5.4000所以，X=[错误!未找到引用源。
]=[ 0.6000, 7.0000, -5.4000]’实验结果2：K=1.732051实验结果3：三曲线的对比图如下所示：图1.1 三曲线的对比实验二基于MATLAB信号处理实验xlabel('频率/Hz');ylabel('振幅/dB');title('布莱克窗的幅频特性');grid on;subplot(2,1,2);plot(f4,180/pi*unwrap(angle(H4)));xlabel('频率/Hz');ylabel('相位');title('布莱克窗的相频特性');grid on;六、实验结果实验结果2.1：图2-1 x(n)与y(n)的互相关序列图由实验结果可知，x(n)与y(n)的互相关只在区间[-4,8]上有能力，刚好是区间[-3,3]与右移后的区间[-1,5]两端点之和，与结论一致。
且互相关在2处达到最大。
实验结果2.2.1：其表示的差分方程为：y(n)-0.8145y(n-4)=x(n)+x(n-4)实验结果2.2.2：滤波器的幅频和相频图如下所示：图2-2 滤波器的幅频与相频图实验结果2.2.3：由下图实验结果可知，输出信号相对于输入信号有一小小的延迟，基本上x(n)的频点都通过了，滤波器是个梳状filter，正好在想通过的点附近相位为0，也就是附加延迟为0图2-3 滤波器的幅度和相位变化图2-4 两信号波形实验结果2.3：四种带通滤波器的窗函数的频率响应如下所示：图2-5 矩形窗的频率特性图2-6 汉宁窗的频率特性图2-7 海明窗的频率特性图2-8 布莱克曼窗的频率特性图3-1 加噪前、后图像对比图3-2 加椒盐噪声的图像均值滤波前、后的图像对比图3-3 加椒盐噪声的图像中值滤波前、后的图像对比图3-4加高斯噪声的图像均值滤波前、后的图像对比图3-5 加高斯噪声的图像中值滤波前、后的图像对比实验结果3.2：图3-6 原图及重构图像图3-7 程序运行结果由实验结果可知，当DCT变换的系数置0个数小于5时，重构图像与原图像的峰值信噪比为2.768259，重构图像置为0的变换系数的个数个数为：43.708737；当DCT变换的系数置0个数小于10时，重构图像与原图像的峰值信噪比15.922448，重构图像置为0的变换系数的个数个数为：36.110705；当DCT变换的系数置0个数小于5时，重构图像与原图像的峰值信噪比为2.768259，重构图像置为0的变换系数的个数个数为：30.366348；可以发现，在抛弃部分DCT系数后，重构图像时不会带来其画面质量的显著下降，采用这种方法来实现压缩算法时，可以通过修改mask变量中的DCT系数来更好地比较仿真结果。
利用Matlab进行数字信号处理与分析
利用Matlab进行数字信号处理与分析数字信号处理是现代通信、控制系统、生物医学工程等领域中不可或缺的重要技术之一。
Matlab作为一种功能强大的科学计算软件，被广泛应用于数字信号处理与分析领域。
本文将介绍如何利用Matlab进行数字信号处理与分析，包括基本概念、常用工具和实际案例分析。
1. 数字信号处理基础在开始介绍如何利用Matlab进行数字信号处理与分析之前，我们首先需要了解一些基础概念。
数字信号是一种离散的信号，可以通过采样和量化得到。
常见的数字信号包括音频信号、图像信号等。
数字信号处理就是对这些数字信号进行处理和分析的过程，包括滤波、频谱分析、时域分析等内容。
2. Matlab在数字信号处理中的应用Matlab提供了丰富的工具箱和函数，可以方便地进行数字信号处理与分析。
其中，Signal Processing Toolbox是Matlab中专门用于信号处理的工具箱，提供了各种滤波器设计、频谱分析、时域分析等功能。
除此之外，Matlab还提供了FFT函数用于快速傅里叶变换，可以高效地计算信号的频谱信息。
3. 数字信号处理实例分析接下来，我们通过一个实际案例来演示如何利用Matlab进行数字信号处理与分析。
假设我们有一个包含噪声的音频文件，我们希望去除噪声并提取出其中的有效信息。
首先，我们可以使用Matlab读取音频文件，并对其进行可视化：示例代码star：编程语言：matlab[y, Fs] = audioread('noisy_audio.wav');t = (0:length(y)-1)/Fs;plot(t, y);xlabel('Time (s)');ylabel('Amplitude');title('Noisy Audio Signal');示例代码end接下来，我们可以利用滤波器对音频信号进行去噪处理：示例代码star：编程语言：matlabDesign a lowpass filterorder = 8;fc = 4000;[b, a] = butter(order, fc/(Fs/2), 'low');Apply the filter to the noisy audio signaly_filtered = filtfilt(b, a, y);Plot the filtered audio signalplot(t, y_filtered);xlabel('Time (s)');ylabel('Amplitude');title('Filtered Audio Signal');示例代码end通过以上代码，我们成功对音频信号进行了去噪处理，并得到了滤波后的音频信号。
数字信号处理第三版用MATLAB上机实验
实验二：时域采样与频域采样一、时域采样1.用MATLAB编程如下:%1时域采样序列分析fs=1000A=444.128; a=222.144; w=222.144; ts=64*10^(-3); fs=1000;T=1/fs;n=0:ts/T-1; xn=A*exp((-a)*n/fs).*sin(w*n/fs); Xk=fft(xn);subplot(3,2,1);stem(n,xn);xlabel('n,fs=1000Hz');ylabel('xn');title('xn');subplot(3,2,2);plot(n,abs(Xk));xlabel('k,fs=1000Hz'); title('|X(k)|');%1时域采样序列分析fs=200A=444.128; a=222.144; w=222.144; ts=64*10^(-3); fs=200;T=1/fs;n=0:ts/T-1; xn=A*exp((-a)*n/fs).*sin(w*n/fs);Xk=fft(xn);subplot(3,2,3);stem(n,xn);xlabel('n,fs=200Hz'); ylabel('xn');title('xn');subplot(3,2,4);plot(n,abs(Xk));xlabel('k,fs=200Hz'); title('|X(k)|');%1时域采样序列分析fs=500A=444.128; a=222.144; w=222.144; ts=64*10^(-3); fs=500;T=1/fs;n=0:ts/T-1; xn=A*exp((-a)*n/fs).*sin(w*n/fs); Xk=fft(xn);subplot(3,2,5);stem(n,xn);xlabel('n,fs=500Hz');ylabel('xn');title('xn');subplot(3,2,6);plot(n,abs(Xk));xlabel('k,fs=500Hz'); title('|X(k)|');2.经调试结果如下图:20406080-200200n,fs=1000Hzxnxn2040608005001000k,fs=1000Hz|X (k)|51015-2000200n,fs=200Hzx nxn510150100200k,fs=200Hz |X(k)|10203040-2000200n,fs=500Hzx nxn102030400500k,fs=500Hz|X (k)|实验结果说明:对时域信号采样频率必须大于等于模拟信号频率的两倍以上,才 能使采样信号的频谱不产生混叠.fs=200Hz 时，采样信号的频谱产生了混叠，fs=500Hz 和fs=1000Hz 时，大于模拟信号频率的两倍以上，采样信号的频谱不产生混叠。
- 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)。
湖北文理学院理工学院
学生结业论文
课程名称：MATLAB教程
结业论文名称：基于MATLAB的数字信号处理
实例分析
专业名称：通信工程
班级：1011
学号： 10387123
学生姓名：赵彦彦
教师姓名：李敏
2013年1月6日
基于MATLAB的数字信号处理实例分析
摘要
随着信息科学和计算技术的迅速发展，在人们的日常生活中，对信号的处理显得尤为重要，而计算机不能直接对模拟信号进行处理，使得人们对数字信号处理理论的认知与了解要求更为深入。
由于计算机解决复杂的数字信号系统有一定的困难，而MATLAB的出现，解决了这一难题。
MATLAB提供了用于数值运算和信号处理的数学计算软件包，同时可以实现系统级的通信系统设计与仿真。
随着版本的不断升级，不同应用领域的专用库函数和模块汇集起来作为工具箱添加到软件包中，其功能越来越强大。
本文是基于MATLAB的数字信号处理实例分析，主要介绍了用MATLAB对系统函数零点、极点分布图以及模拟周期信号的频谱分析（模拟信号x(t)等间隔T采样后x(nT)的N点DFT）。
关键字：MATLAB 数字信号系统函数频谱
1.系统函数零点、极点分布图
通过学习信号与系统、数字信号处理，掌握了传输函数和系统函数等，本文仅对系统函数X(z)零点和极点分布进行分析。
（1）利用下面的程序段，观察系统函数X(z)零点和极点分布的特点 )16.06.0()(22-+=z z z
z X
程序段如下：n=[1 0 0];m=[1 0.6 -0.16];
>> zplane(n,m);
执行结果如图：
（2）改变系统函数X(z)，观察与上图的差异
)32()(23++-=
z z z z
z X 程序段如下：
n=[0 1 0 0];m=[1 -1 2 3];
>> zplane(n,m);
执行结果如下图：
程序及系统函数X(z)零点极点分布分析：通过以上两个程序，了解到该程序主要是对zplane(n,m)绘制出系统函数H(z)的零极点图指令的认知和实现。
启动MA TLAB,在Command Window 窗口，输入程序段。
首先设置n,m的取值区间，通过程序构造系统函数X(z)，执行zplane(n,m)指令，绘制出系统函数H(z)的零极点图。
该指令虽然没有讲到，但是在数字信号处理中，由于传输函数和系统函数的重要性，该指令的应用中也是十分频繁得，是一条很简单的指令，很好掌握。
2.模拟周期信号谱分析
对于形形色色的信号，我们无用去全部分析，而对于周期信号，它的分析与了解，却对我们有很大的意义。
下面主要介绍，对模拟周期信号x(t)时域采样，使得x(t)=xnT，用DFT（FFT）对模拟周期信号xnT=sin(2*pi*n*T)+cos(2*pi*n*T)+tan(2*pi*n*T)进行频谱分析，观察模拟周期信号进行N=16，N=32和N=64等间隔T采样时的频谱，利用MATLAB工具画出频谱图，同时了解它们各自的频谱特点。
解：启动MATLAB，在Command Window 窗口，编辑edit，在跳出的M文件中，编辑所要执行的指令，MATLAB程序如下：
Fs=64;T=1/Fs;
N=16;n=0:N-1; %FFT的变换区间N=16
xnT=sin(2*pi*n*T)+cos(2*pi*n*T)+tan(2*pi*n*T); %对x(t)16点采样
Xk16=fft(xnT); %计算xnT的16点DFT
Xk16=fftshift(Xk16); %将零频率移到频谱中心
Tp=N*T;F=1/Tp; %频率分辨率F
k=-N/2:N/2-1;fk=k*F; %产生16点DFT对应的采样点频率（以零频率为中心）subplot(3,1,1);stem(fk,abs(Xk16),'.');box on%绘制8点DFT的幅频特性图title('(a) 16点|DFT[x(nT)]|');xlabel('f(Hz)');ylabel('幅度');
axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(Xk16))])
N=32;n=0:N-1; %FFT的变换区间N=16
xnT=sin(2*pi*n*T)+cos(2*pi*n*T)+tan(2*pi*n*T); %对x(t)32点采样
Xk32=fft(xnT); %计算xnT的32点DFT
Xk32=fftshift(Xk32); %将零频率移到频谱中心
Tp=N*T;F=1/Tp; %频率分辨率F
k=-N/2:N/2-1;fk=k*F; %产生16点DFT对应的采样点频率（以零频率为中心）subplot(3,1,2);stem(fk,abs(Xk32),'.');box on%绘制8点DFT的幅频特性图title('(b) 32点|DFT[x(nT)]|');xlabel('f(Hz)');ylabel('幅度');
axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(Xk32))])
N=64;n=0:N-1; %FFT的变换区间N=16
xnT=sin(2*pi*n*T)+cos(2*pi*n*T)+tan(2*pi*n*T); %对x(t)8点采样
Xk64=fft(xnT); %计算xnT的8点DFT
Xk64=fftshift(Xk64); %将零频率移到频谱中心
Tp=N*T;F=1/Tp; %频率分辨率F
k=-N/2:N/2-1;fk=k*F; %产生16点DFT对应的采样点频率（以零频率为中心）subplot(3,1,3);stem(fk,abs(Xk64),'.'); box on%绘制8点DFT的幅频特性图title('(a) 8点|DFT[x(nT)]|');xlabel('f(Hz)');ylabel('幅度');
axis([-N*F/2-1,N*F/2-1,0,1.2*max(abs(Xk64))])
完成后保存为exp.m，然后回到Command Window 窗口，编辑exp，即调用M文件，观察频谱图如下图所示：
程序分析：本程序直接画出采样序列N点DFT的模值，绘图只是为了验证了用DFT 对中期序列谱分析的理论。
通过观察，可以发现，改程序主要是掌握对fft 离散Fourier变换指令的使用。
程序首先确定了模拟周期函数x(t)的采样间隔T,然后确定了FFT 的变换区间N，接着对x(t)进行N点采样，用指令fft计算xnT的N点DFT，为了更好的观察频谱，接着运用fftshift 直流分量对中的谱指令，将零频率移动到频谱中心，然后就是一些频谱特性的设置，如频率分辨率F，接着就是产生N点DFT对应的以零频率为中心的采
样点的频率，最后用subplot（m,n,k）创建（m×n）幅子图，k是子图的编号，用
stem(fk,abs(Xk16),'.');box on 绘制8点封闭的DFT幅频谱特性图，同时用titlt 在图形中展现其标题，用axis(V)(其中V=【x1,x2,y1,y2,z1,z2】)人工设定坐标范围，该程序中设定的是二维。
总体来看，程序还是比较简单的，除了fft、fftshift 指令在上课中没有学习，其他都是很常用且讲过的简单指令（subplot、;xlabel、ylabel、box on、axis等）。
3、结束语
基于MA TLAB的数字信号处理的实例分析，很好的利用计算机解决了大量复杂的函数计算和频谱分析以及仿真等。
我们只需要通过分析，将学习过的MA TLAB的语言正确无误的输入到Command Window窗口，MA TLAB利用其强大的功能就可以给我们解决复杂的问题。
同时，处在快节奏生活方式中的我们，迫于各方面的压力，提高工作效率是每一个人都旨在要求，也是迫切需要的。
而MA TLAB的出现，正是给我们提供了一个快捷高效的方式。
其版本的日益更新，功能的逐步完善，对于解决复杂的仿真和频谱等，越来越方便，只要人们能够正确认知其语言，计算器就可以自动的生成我们所需要的结果，为我们设计系统，仿真带来了极大的方便，同时也极大地提高了工作效率。
.
参考文献
【1】张志涌杨祖樱.MATLAB教程.北京航空航天大学出版社
【2】高西全丁玉美.数字信号处理.西安电子科技大学出版社
【3】郑君里.信号与系统.高等教育出版社
【4】MATLAB参考书.指令大全。