信号处理系统设计报告
数字信号处理课程设计报告
数字信号处理课程设计实验报告一、课程设计内容要求1、课程设计题目设计并实现一个流程如图所示的信号处理演示系统，该系统包含信号发生器、频谱分析、滤波器设计、数字滤波和输出信号分析5个主要模块，各模块的具体功能要求如下：1)信号发生器根据信号类型不同可分为两大类：（1）静态型：直接输入测试信号系列。
（2）动态型：输入如下式所示的由多个不同频率正弦信号叠加组合而成的模拟信号公式，指定采样频率和采样点数，动态生成该信号的采样序列，作为测试信号。
100sin（2pif1t）+100sin(2pif2t)+…+100sin(2pifnt)2)频谱分析是用FFT对产生的测试信号进行频域变换，展示其幅频、相频特性，指定需要滤出或保留的频带，通过选择滤波器类型（IIR或FIR），确定对应的滤波器技术指标（低通、高通、带通、带阻）。
3)滤波器设计根据IIR/FIR数字滤波器技术指标设计滤波器，生成相应的滤波器系数，并展示对应的滤波器幅频、相频特性。
(1)IIR DF设计：使用双线性变换法，可选择滤波器类型（巴特沃斯/切比雪夫型）；(2)FIR DF 设计：使用窗口法，可选择窗口类型。
4)数字滤波根据设计的滤波器系数，对测试信号进行滤波，得到滤波后信号。
（1） IIR DF：要求通过差分方程迭代实现滤波，未知初值置0处理；（2） FIR DF：要求通过快速卷积实现滤波，可以选择使用重叠相加或重叠保留法进行卷积运算，并动态展示卷积运算的详细过程。
5)输出信号分析展示滤波后信号的幅频和相频特性，分析是否满足滤波要求。
对同一滤波要求，根据输出信号频谱，对比分析各类滤波器的差异。
2、设计题目要求使用MATLAB编程实现上述信号处理演示系统，具体要求如下：（1）系统应使用图形用户界面（GUI）；（2）系统功能至少包括非语音信号的低通和高通滤波；（3）滤波器设计模块应避免使用MATLAB工具箱函数；（4）IIR DF设计必须可选基于巴特沃斯或切比雪夫1型；（5）FIR DF设计必须可选择各类窗口，且FIR滤波可选长序列卷积方法。
语音信号处理课程设计报告python
语音信号处理课程设计报告python一、引言语音信号处理是数字信号处理中的一个重要分支，它主要涉及到语音信号的获取、预处理、特征提取、分类识别等方面。
在本次课程设计中，我们将使用Python语言对语音信号进行处理，并实现一个简单的语音识别系统。
二、问题描述本次课程设计的主要任务是实现一个基于MFCC特征提取和GMM-HMM模型的语音识别系统。
具体来说，我们需要完成以下任务：1. 对输入的语音信号进行预处理，包括去噪、分帧、加窗等；2. 提取MFCC特征；3. 使用GMM-HMM模型对不同的语音进行分类识别。
三、方法实现1. 语音信号预处理在对语音信号进行MFCC特征提取之前，需要对其进行预处理。
我们需要去除信号中的噪声。
常见的去噪方法包括基于阈值的方法和基于滤波器的方法。
在本次课程设计中，我们将使用基于阈值的方法对信号进行去噪。
我们需要将原始信号分帧，并对每一帧应用窗函数以减少频谱泄漏效应。
常见的窗函数包括汉明窗、海宁窗等。
2. MFCC特征提取MFCC是一种常用的语音特征提取方法，它可以将语音信号转换为一组包含语音信息的系数。
MFCC特征提取包括以下几个步骤：1. 对预处理后的语音信号进行快速傅里叶变换（FFT）；2. 将频谱图转换为梅尔频率倒谱系数（MFCC）；3. 对MFCC系数进行离散余弦变换（DCT）。
3. GMM-HMM模型GMM-HMM模型是一种常见的语音识别模型，它将每个单词表示为一个由高斯混合模型（GMM）和隐马尔可夫模型（HMM）组成的序列。
在本次课程设计中，我们将使用GMM-HMM模型对不同的语音进行分类识别。
四、程序实现1. 语音信号预处理我们使用Python中的librosa库对语音信号进行预处理。
具体来说，我们使用librosa.load()函数加载.wav格式的文件，并使用librosa.effects.trim()函数去除静默段。
我们对剩余部分进行分帧和加窗操作，并使用librosa.feature.mfcc()函数提取MFCC特征。
数字信号处理课程设计报告-基于MATLAB的语音信号的特技处理
数字信号处理课程设计报告-基于MATLAB的语音信号的特技处理xxxx数字信号处理课程设计报告题目:基于MATLAB 的语音信号的特技处理系 (院): 计算机工程学院专业: 通信工程班级: 通信xx班学号: xxxxxxxx姓名: xxx指导教师: xxx学年学期: 2009 ~ 2010 学年第 1 学期2009年12月 18 日设计任务书课题基于MATLAB 的语音信号的特技处理名称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;设计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; 目的3. 学习资料的收集与整理，学会撰写课程设计报告。
1. 微型电子计算机(PC); 实验环境 2. 安装Windows 2000以上操作系统，MATLAB等开发工具。
1. 选择一个语音信号作为分析的对象，或录制一段各人自己的语音信号，并对其进行频谱分析; 然后在时域用数字信号处理方法将信号加入延时和混响，再分析其频谱，并与原始信号频谱进行比较;最后设计一个信号处理系统界面。
2. 利用课余时间去图书馆或上网查阅课题相关资料，深入理解课题含义及设计要求，任务注意材料收集与整理; 要求3. 在第15周末之前完成预设计，并请指导教师审查，通过后方可进行下一步工作;4. 结束后，及时提交设计报告(含纸质稿、电子稿)，要求格式规范、内容完整、结论正确，正文字数不少于3000字(不含代码)。
工作进度计划序号起止日期工作内容2009.12.14~2009.12.14 在预设计的基础上，进一步查阅资料，完善设计方案。
12009.12.14~2009.12.17 设计总体方案，构建、绘制流程框图，编写代码，上机调试。
22009.12.17~2009.12.18 测试程序，完善功能，撰写设计报告。
32009.12.18 参加答辩，根据教师反馈意见，修改、完善设计报告。
4指导教师(签字):年月日摘要语音是人们交流思想和进行社会活动的最基本手段,我们要对语音信号进行测定并将其转变为另一种形式，以提高我们的通信能力。
现代信号处理课设报告
现代信号处理课设报告中南大学本科生课程设计报告课程名称现代信号处理指导教师赵亚湘学院信息科学与工程学院专业班级通信工程班姓名学号题目一语音信号去噪处理一、设计要求1)在windows系统下的录音机录制一段1s左右的语音信号作为原声信号，在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；2)画出语音信号的时域波形，对采样后的语音进行fft变换，得到信号的频谱特性；对语音信号分别加入正弦噪声和白噪声，画出加噪信号的时域波形和频谱图；3)根据对加噪语音信号谱分析结果，确定滤除噪声滤波器的技术指标，设计合适的数字滤波器，并画出滤波器的频域响应；4)用所设计的滤波器对加噪的信号进行滤波，在同一个窗口画出滤波前后信号的时域图和频谱图，对滤波前后的信号进行对比，分析信号变化；5)利用sound(x)回放语音信号，验证设计效果。
二、设计思想和系统功能分析1、设计原理对语音信号加正弦/对比分析加噪声前后设计滤波，与原2、本课题的研究基本步骤如下：①确定已知声音信号的存储路径。
②在MATLAB平台上读入语音信号。
③绘制频谱图并回放原始语音信号。
④利用MATLAB编程加入一段正弦波噪音，设计滤波器去噪。
⑤利用MATLAB编程加入一段随机噪音信号，设计FIR和IIR滤波器去噪，并分别绘制频谱图、回放语音信号。
⑥通过仿真后的图像以及对语音信号的回放，对比两种去噪方式的优缺点。
三、设计中关键部分的理论分析与计算，关键模块的设计思路1、语言的录入及处理在MATLAB软件平台下，利用函数wavread（）对语音信号采集，并记录采样频率和采样点数。
将语音信号转换成计算机能够运算的有限长序列。
用FFT(傅里叶变换)对其作谱分析。
对信号添加噪声，然后通过窗函数法设计滤波器滤掉该语音信号的噪声，对比滤波前后的语音波形和频谱。
2、时域信号的FFT分析FFT即为快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。
信号处理综合设计报告
设计一 DFT在信号频谱分析中的应用一、设计目的1. 熟悉DFT的性质。
2. 加深理解信号频谱的概念及性质。
3. 了解高密度谱与高分辨率频谱的区别。
二、设计任务与要求1.学习用DFT和补零DFT的方法来计算信号的频谱。
2.用MA TLAB语言编程来实现，在做课程设计前，必须充分预习课本DTFT、DFT及零DFT的有关概念，熟悉MA TLAB语言，独立编写程序。
三、设计原理所谓信号的频谱分析就是计算信号的傅里叶变换。
连续信号与系统的傅里叶分析显然不便于直接用计算机进行计算，使其应用受到限制，而DFT是一种时域和频域均离散化的变换，适合数值运算，成为分析离散信号和系统的有力工具。
工程实际中，经常遇到的连续信号Xa(t),其频谱函数Xa(jW)也是连续函数。
数字计算机难于处理，因而我们采用DFT来对连续时间信号的傅里叶变换进行逼近，进而分析连续时间信号的频谱。
四、设计内容1. 用MA TLAB语言编写计算序列x(n)的N点DFT的m函数文件dft.m。
并与MA TLAB中的内部函数文件fft.m作比较。
解：x (n) 的N点DFT的m函数文件dft.mfunction[Xk]=dft(xn,N)n=[0:1:N-1];k=n;WN=exp(-j*2*pi/N);nk=n'*k;WNnk=WN.^nk;Xk=xn*WNnkMatlab中的内部函数文件fft.m文件function [varargout] = fft(varargin)if nargout == 0builtin('fft', varargin{:});else[varargout{1:nargout}] = builtin('fft', varargin{:});end用Matlab程序比较DFT和FFT的运算时间N=2048;M=11;x=[1:M,zeros(1,N-M)];t=cputime;y1=fft(x,N);Time_fft=cputime-tt1=cputime;y2=dft(x,N);Time_dft=cputime-t1t2=cputime;运行结果：Time_fft = 0.0469Time_dft =15.2031由此可见FFT 算法比直接计算DFT 速度快得多。
数字信号处理课程设计报告
数字信号处理课程设计报告班级：电子信息工程1004班学号：1007050409姓名：徐辉三、程序清单1-1：N=16n=0:N-1;x=cos(0.48*pi*n)+cos(0.52*pi*n);subplot(3,1,1),stem(n,x), xlabel('n');ylabel('x1(n)'); %绘制序列的波形title('时域序列');X=abs(fft(x,N)); %求余弦序列的N点FFTsubplot(3,1,2)k=0:N-1;stem(k,X) %绘制序列的幅频特性曲线xlabel('k');ylabel('X(k)');string=[num2str(N),'点FFT幅频曲线'];title(string);1-2n = 0:14; xn=cos(0.48*pi*n)+cos(0.52*pi*n);n1 = 0:19; xn1 = [xn, zeros(1,5)];n2= 0:64; xn2 = [xn, zeros(1,50)];Xk1 = fft(xn1, 20);Xk2 = fft(xn2, 65);subplot(3,1,1); stem(n, xn); grid;subplot(3,1,2); stem(n1, abs(Xk1)); grid;subplot(3,1,3); stem(n2, abs(Xk2)); grid;1-3n = 0:14; xn=cos(0.48*pi*n)+cos(0.52*pi*n);n1 = 0:149; xn3 = [xn, zeros(1,135)];Xk3 = fft(xn3, 150);plot(n1, abs(Xk3)); grid;2T=1/(32*10^3);t=(0:15);xn=cos(2*pi*6.5*10^3*t*T)+cos(2*pi*7*10^3*t*T)+cos(2*pi*9*10^3*t*T);Xk=fft(xn,16);subplot(2,1,1);stem(t,xn);grid;subplot(2,1,2);stem(t,abs(Xk));grid;T=1/(32*10^3);t=(0:15);xn=cos(2*pi*6.5*10^3*t*T)+cos(2*pi*7*10^3*t*T)+cos(2*pi*9*10^3*t*T);n1=0:45; xn1=[xn,zeros(1,30)];Xk1=fft(xn1,46);subplot(2,1,1);stem(n1,xn1);grid;subplot(2,1,2);plot(n1,abs(Xk1));grid;T=1/(32*10^3);t=[0:45];xn=cos(2*pi*6.5*10^3*t*T)+cos(2*pi*7*10^3*t*T)+cos(2*pi*9*10^3*t*T); Xk2=fft(xn,46);subplot(2,1,1);stem(t,xn);grid;subplot(2,1,2);plot(t,abs(Xk2));grid;四、设计结果1-11-21-32三、程序清单clear all;fn=10000; fp=300; fs=320; Rp=0.1; Rs=60;N=800; %信号长度N为800T=1/fn;Tp=N*T; %采样频率Fs=10kHz，Tp为采样时间t=0:T:(N-1)*T;k=0:N-1;f=k/Tp;Wp=fp/(fn/2);%计算归一化角频率Ws=fs/(fn/2);[n,Wn]=ellipord(Wp,Ws,Rp,Rs);[b,a]=ellip(n,Rp,Rs,Wp);[H,F]=freqz(b,a,800,10000);%计算H(z)的幅频响应,freqz(b,a,计算点数,采样速率) figure(2)subplot(2,1,1)plot(F,abs(H));xlabel('Frequency(Hz)');ylabel('Magnitude(dB)');title('低通滤波器');axis([0 1500 0 10]);grid onsubplot(2,1,2)pha=angle(H)*180/pi;plot(F,pha);grid on%滤波器对信号处理st=mstgy=filter(b,a,st);Y=fft(y);figure(3)subplot(2,1,1)plot(y);title('滤波后的波形');grid onsubplot(2,1,2)stem(f,abs(Y)/max(abs(Y)),'.');xlabel('Frequency(Hz)');ylabel('Magnitude(dB)');title('滤波后的频谱');axis([0 1500 0 1]);gridonfn=10000; fp=[400,600]; fs=[350,650]; Rp=0.1; Rs=60;N=800; %信号长度N为800T=1/fn;Tp=N*T; %采样频率Fs=10kHz，Tp为采样时间t=0:T:(N-1)*T;k=0:N-1;f=k/Tp;Wp=fp/(fn/2);%计算归一化角频率Ws=fs/(fn/2);[n,Wn]=ellipord(Wp,Ws,Rp,Rs);[b,a]=ellip(n,Rp,Rs,Wp);[H,F]=freqz(b,a,800,10000);%计算H(z)的幅频响应,freqz(b,a,计算点数,采样速率) figure(2)subplot(2,1,1)plot(F,abs(H));xlabel('Frequency(Hz)');ylabel('Magnitude(dB)');title('带通滤波器');axis([0 1500 0 10]);grid onsubplot(2,1,2)pha=angle(H)*180/pi;plot(F,pha);grid on%滤波器对信号处理st=mstgy=filter(b,a,st);Y=fft(y);figure(3)subplot(2,1,1)plot(y);title('滤波后的波形');grid onsubplot(2,1,2)stem(f,abs(Y)/max(abs(Y)),'.');xlabel('Frequency(Hz)');ylabel('Magnitude(dB)');title('滤波后的频谱');axis([0 1500 0 1]);grid onfn=10000; fp=800; fs=750; Rp=0.1; Rs=60;N=800; %信号长度N为800T=1/fn;Tp=N*T; %采样频率Fs=10kHz，Tp为采样时间t=0:T:(N-1)*T;k=0:N-1;f=k/Tp;Wp=fp/(fn/2);%计算归一化角频率Ws=fs/(fn/2);[n,Wn]=ellipord(Wp,Ws,Rp,Rs);[b,a]=ellip(n,Rp,Rs,Wp,'high');[H,F]=freqz(b,a,800,10000);%计算H(z)的幅频响应,freqz(b,a,计算点数,采样速率) figure(2)subplot(2,1,1)plot(F,abs(H));xlabel('Frequency(Hz)');ylabel('Magnitude(dB)');title('高通滤波器');axis([0 1500 0 10]);grid onsubplot(2,1,2)pha=angle(H)*180/pi;plot(F,pha);grid on%滤波器对信号处理st=mstgy=filter(b,a,st);Y=fft(y);figure(3)subplot(2,1,1)plot(y);title('滤波后的波形');grid onsubplot(2,1,2)stem(f,abs(Y)/max(abs(Y)),'.');xlabel('Frequency(Hz)');ylabel('Magnitude(dB)');title('滤波后的频谱');axis([0 1500 0 1]);grid on四、设计结果三、程序清单clear all;[y,fs]=wavread('e:\sound.wav');num=length(y);y=y(:,1);%转为单声道subplot(2,3,1);plot(y);title('原信号波形');subplot(2,3,2);plot(abs(fft(y)));title('原信号频谱');n1=0:num-1;n1=n1';noise=0.001*sin(2*pi*20000/fs*n1)+0.005*cos(2*pi*30000/fs*n1);%加入噪声信号y=y+noise;Y=fft(y);subplot(2,3,3);plot(y); %绘制原信号波形xlabel('t');ylabel('幅度y(t)');title('加噪声后声音波形');subplot(2,3,4);plot(abs(Y)); %绘制原波形频谱xlabel('Hz');ylabel('幅度|f|');title('加噪声后声音频谱');%FIR低通滤波器的设计fp=10000;wp=2*fp/fs; %通带截止频率B=fir1(49,wp,hamming(50)); %FIR滤波器，汉明窗100阶y1t=filter(B,1,y); %滤波器软件实现y1=fft(y1t);subplot(2,3,5);plot(y1t); %绘制滤波后的波形xlabel('t');ylabel('y(t)');title('滤波后声音波形');subplot(2,3,6);plot(abs(y1)); %绘制滤波后的频谱xlabel('Hz');ylabel('幅度|f|');title('滤波后声音频谱');四、设计结果。
实验一 数字信号处理 实验报告
1.已知系统的差分方程如下式：y1(n)=0.9y1(n-1)+x(n)程序编写如下：(1)输入信号x(n)=R10 (n)，初始条件y1(-1)=1，试用递推法求解输出y1(n)；a=0.9; ys=1; %设差分方程系数a=0.9,初始状态: y(-1)=1xn=ones(1,10); %矩型序列R10(n)=u(n)-u(n-10)，定义其宽度为0~9n=1:35; %设差分方程系数a=0.9,初始状态: y(-1)=1xn=sign(sign(10-n)+1);B=1;A=[1,-a]; %差分方程系数xi=filtic(B,A,ys); %由初始条件计算等效初始条件输入序列xiyn=filter(B,A,xn,xi); %调用filter解差分方程,求系统输出y(n)n=0:length(yn)-1;subplot(2,1,1);stem(n,yn,'linewidth',2); axis([-5,15,0,8]); grid ontitle('图(a) y1(n)=0.9y1(n-1)+x(n) 初始条件y1(-1)=1 ');xlabel('n');ylabel('y(n)')(2) 输入信号x(n)=R10 (n)，初始条件y1(-1)=0，试用递推法求解输出y1(n)。
a=0.9; ys=0; %设差分方程系数a=0.9,初始状态: y(-1)=1xn=ones(1,10); %矩型序列R10(n)=u(n)-u(n-10)B=1;A=[1,-a]; %差分方程系数xi=filtic(B,A,ys); %由初始条件计算等效初始条件输入序列xiyn=filter(B,A,xn,xi); %调用filter解差分方程,求系统输出y(n)n=0:length(yn)-1;subplot(2,1,2);stem(n,yn, 'linewidth',2); axis([-5,15,0,8]); grid ontitle('图(b) y1(n)=0.9y1(n-1)+x(n) 初始条件y1(-1)=0 ');xlabel('n');ylabel('y(n)') 图形输出如下：-505101502468图(a) y1(n)=0.9y1(n-1)+x(n) 初始条件y1(-1)=1ny (n )-55101502468图(b) y1(n)=0.9y1(n-1)+x(n) 初始条件y1(-1)=0ny (n )2. 已知系统差分方程为： y 1(n )=0.9y 1(n -1)+x (n ) 用递推法求解系统的单位脉冲响应h (n )，要求写出h (n )的封闭公式，并打印h (n )~n 曲线。
数字信号处理实验报告四IIR数字滤波器设计及软件实现
数字信号处理实验报告四IIR数字滤波器设计及软件实现实验目的：本实验的目的是了解IIR数字滤波器的设计原理和实现方法，通过MATLAB软件进行数字滤波器设计和信号处理实验。
一、实验原理IIR数字滤波器是一种使用有限数量的输入样本和前一次输出值的滤波器。
它通常由差分方程和差分方程的系数表示。
IIR滤波器的特点是递归结构，故其频率响应是无限长的，也就是说它的频率响应在整个频率范围内都是存在的，而不像FIR滤波器那样只有在截止频率处才有响应。
根据设计要求选择合适的滤波器类型和滤波器结构，然后通过对滤波器的模型进行参数化，设计出满足滤波要求的IIR滤波器。
常见的IIR滤波器设计方法有模拟滤波器设计方法和数字滤波器设计方法。
在本实验中，我们主要使用数字滤波器设计方法，即离散时间滤波器设计方法。
二、实验内容（一）设计IIR数字滤波器的步骤：1.确定滤波器类型：根据滤波要求选择合适的滤波器类型，如低通滤波器、高通滤波器、带通滤波器、带阻滤波器等。
2.确定滤波器的阶数：根据滤波要求确定滤波器的阶数。
阶数越高，滤波器的频率响应越陡峭，但计算复杂度也越高。
3. 设计滤波器原型：根据滤波要求，设计滤波器的原型。
可以选择Butterworth滤波器、Chebyshev滤波器、Elliptic滤波器等作为原型。
4.选择滤波器结构：根据计算机实现条件和算法复杂度，选择合适的滤波器结构。
常见的滤波器结构有直接形式I、直接形式II、级联形式等。
5.参数化滤波器模型：根据原型滤波器的差分方程，选择合适的参数化方法。
常见的参数化方法有差分方程法、极点/零点法、增益法等。
6.根据参数化的滤波器模型，计算出所有的滤波器系数。
（二）用MATLAB软件实现IIR数字滤波器设计：1.打开MATLAB软件，并创建新的脚本文件。
2. 在脚本文件中，使用MATLAB提供的滤波器设计函数，如butter、cheby1、ellip等，选择合适的滤波器类型进行设计。
- 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)。
石家庄铁道大学实习报告信号处理系统设计报告Signal processing system design report2009级信息科学与技术学院专业信息工程学号20092550学生姓名张鹏飞指导教师刘晨晨完成日期2011年7月11日实习设计任务书一、利用GUIDE建立一个Matlab GUI 软件，实现语音信号的读入，显示，快放，慢放，加噪，并使用基本的去噪算法进行滤波，并使用信噪比参数进行去噪结果的分析。
要求：界面美观，功能齐备，具有各种处理后波形的显示功能。
（使用图形显示控件、按钮、单选框、编辑框等控件）二、利用GUIDE建立一个Matlab GUI 软件，实现图像的读入，显示，使用基本的图像边缘提取算子提取图像的边缘，进行图像的DCT及其分块DCT变换，并使用基本的统计方法进行图像DCT分解的系数统计分析。
（涉及的原理有：图像的边缘提取算法、图像的DCT变换、统计工具箱，使用控件如一所示）要求：撰写报告，说明使用的信号，图像处理理论，及软件设计思路（写作方式参照提供的论文）。
提交源代码，软件使用说明书。
设计完成后要进行演示。
摘要在当今社会，随着科技的发展，信号占据了越来越重要的地位，我们自从进入21世纪以来，我们已经逐渐步入了一个信息化的社会，在国内国际诸多领域上也都开始了一股信息化淂热潮，越来越多的设备安装了信号处理设备，越来越多的工程使用了计算机自动处理信号，信号处理系统在我们的生活中也扮演了愈来愈重要的地位。
信号处理系统主要是基于一些信号录入的硬件设备以及信号处理软件，对外部录入的信号进行基本的处理，再次主要讨论对声音信号和图像信号的处理，对于声音信号，主要包括以下几点：(1)从外部利用媒体输入设备得到声音信号，然后可以绘制其波形。
(2)能够做到对所录入的声音信号进行相应倍数的快放，慢放处理。
(3)能够利用简单的算法对录入的声音信号进行加噪处理，并且绘制加噪波形。
(4)能够利用简单滤波算法对加噪后的信号进行滤波去噪，并且绘制去噪波形。
对于图像信号的处理，主要包括以下几点：(1)能够从本地计算机读取简单的图像文件，并且能够显示出来。
(2)能够对图像进行边缘提取处理。
(3)能够对图像进行DCT变换并且能够应用分块DCT对图片进行压缩。
在2011年暑假期间，我参加了学院组织的小学期实习，有幸在刘晨晨老师指点下一同学习了基本的信号处理系统，在学习工程中，我不断发现错误，并且努力改正错误，积极同老师同学讨论，经过自己的自主学习，成功做成了了一个简单的基本信号处理系统，达到了对一些基本的声音，图像信号的处理。
关键词：信号处理图像处理边缘化加噪滤波单通道AbstractIn today's society, with the development of science and technology, signal occupy anincreasingly important position, since we entered since twenty-first Century we have gradually entered a society of information technology in the domestic and international areas also began an information on upsurge, more and more equipment is provided with a signal processing device, more and more engineering use computer automatic processing of signal, signal processing system in our lives also play a more and more important position.Signal processing system is mainly based on the number of signal input hardware equipment as well as the signal processing software, to the external input signal is the basic processing, again mainly discuss on sound signal and image signal processing for acoustic signals, including the following:(1) from external use media input device obtained acoustic signals, and then can draw their waveforms.(2) can do on the input sound signal corresponding to multiple fast, slow down.(3)can use a simple algorithm of input voice signal noise, and draw the noisewaveform.(4)can use simple filtering algorithm for noised signal denoising, and drawing the de-noising waveform.for image signal processing, including the following:(1)can from a local computer to read simple image file, and can be displayed.(2)can image edge extraction.(3)Able to image DCT transform and application of block DCT of image compression.in 2011 during the summer vacation, I attended college organized small semester, had the privilege of teacher under the guidance of Liu Chenchen to learn the basic signal processing system in learning project, I continue to find errors, and try to correct the mistake, and actively with the teacher students, through their own independent study, made a success a simple signal processing system, up to some of the basic sound, image signalprocessing.Key words :signal processing image processing edge noise filtering of single channel目录第1章绪论 (1)第2章系统开发工具介绍 (2)2.1 MATLAB基本介绍 (4)2.2 MATLAB7.0简介 (4)2.3 MATLAB中GUI的基本介绍 (6)2.3.1 图形用户界面概述 (6)2.3.2 GUI按钮基本介绍 (7)2.3.3 GUI常见的参数传递 (8)第3章系统总体介绍 (9)第4章声音信号处理系统 (11)4.1 系统基本介绍及设计思想 (11)4.2 系统功能介绍 (12)4.3 系统基本操作演示 (12)第5章图像信号处理系统 (17)5.1 系统基本介绍及设计思想 (17)5.2 系统功能介绍 (18)5.3 系统基本操作演示 (18)第6章总结 (24)第1章绪论随着科技的发展，社会的进步，我们逐渐步入了信息化社会，在我们的生活工作学习中，也出现了越来越多的信号处理方面的问题，信号处理系统也在工程项目，日常生活中扮演起越来越重要的地位，而作为信息工程专业的学生，就更加要求掌握基本的信号处理系统的构成，设计以及应用。
2011年6月27日至7月11日，为了进一步强化对信号处理系统的认识，我有幸参加了学校组织的小学期实习，在刘晨晨老师的带领下学习了信号处理系统方面的知识，并最终基于MATLAB设计出了一个简单的，可以对声音，图像信号进行基本处理的信号处理系统。
学习到了很多关于信号处理方面的知识，可谓受益匪浅。
第2章系统开发工具基本介绍2.1 MATLAB基本介绍该系统是基于MATLAB7.0产生的的一个基本信号处理系统，MATLAB是一种高效的工程计算语言，它将计算、可视化和编程等功能集于一个易于使用的环境。
在MATLAB环境描述问题及编制求解问题的程序是，用户可以按照符合人们科学思维方式和数学表达习惯的语言形式来书写程序。
其典型应用主要包括以下几个方面：(1)数学计算；(2)算法开发；(3)数据采集；(4)系统建模和仿真；(5)数据分析和可视化；(6)科学和工程绘图；(7)应用软件开发（包括用户界面）。
MATLAB是一个交互式系统（写程序和执行命令同步），其基本的数据元素是没有维数限制的阵列。
这使得用户可以解决许多工程技术上的问题，特别是包含了矩阵和响亮的公式的计算。
采用MATLAB编制解决上述问题的程序比只采用支持标量和非交互式的变成语言（如C语言和Fortan语言）更加方便。
MATLAB这个词代表“矩阵实验室”（matrix laboratory），它是一线性代数软件包LINPACK和特征值计算包EISPACK中的子程序为基础开发起来的一种开放型程序设计语言。
20世纪80年代初期，Cleve和John Little采用C语言改写了MATLAB 内核，不久他们便成立了Mathwrks软件开发公司，并将MATLAB正式推向市场。
历经十几年的发展和竞争，MATLAB成为国际认可的最优化科技应用软件。
在大学里，它是用于初等和高等数学、自然科学和工程学的标准教学工具；在工业界，它是一个高效的眼睛、开发和分析的工具。
随着科技的发展，许多优秀的工程师不断对MATLAB进行了完善，使其从一个简单的矩阵分析软件逐渐发展成为一个具有极高通用性，并带有众多实用工具的运算操作平台。
MATLAB版本的发展：(1)992年，支持Windows 3.x的MATLAB 4.0版本推出，增加了Simulink，Control，Neural Network，Signal Processing等专用工具箱。