医学信号处理

基于EEMD的表面肌电信号的分解

摘要：本文先介绍了表面肌电信号的产生原理，表面肌电信号的研究意义；然后详尽的阐述了用于表面肌电信号(sEMG)分解的集合经验模板分解(EEMD)，经过集合经验模板分解（EEMD）的处理分解后，运动单元动作单位(MUAP)的形态，发放时间间隔等变的容易辨认，为MUAP的提取提供了必要的条件。最后我们通过编写Matlab程序实现这些方法并通过表面肌电信号的原始数据进行处理验证。关键字：集合经验模板(EEMD)；表面肌电信号(sEMG)；小波分解；MUAP；

0 引言

肌电信号( EMG) 是产生肌肉力的电信号根源, 它是肌肉中许多运动单元动作电位在时间和空间上的叠加, 反映了神经、肌肉的功能状态, 在基础医学研究、临床诊断和康复工程中有广泛的应用。而且表面肌电信号在假肢控制，机械手设计，运动型功能疾病的诊断与康复方面具有相当重要的意义。然而由于表面肌电信号幅度弱，易受噪声和其它信号干扰，如心电信号，其信号滤波和分解困难，计算量大限制了其一定的发展，尤其是在信号分解方面没有相当成熟的算法。本文使用EEMD算法来实现表面肌电信号的分解，得到运动单位动作电位（MUAP）成分。

1 表面肌电信号（sEMG）

1.1表面肌电信号的产生

人体骨骼肌的活动是由中枢神经系统内部分运动神经元复杂的脉冲引起的。

弛伴随肌肉活动产生的电活动即肌电Electromyographic(EMG)。本文研究的对象-动作表面肌电信号Surface Electromyographic(SEMG)则是在人体前臂发生动作时从骨骼肌表面通过电极记录下来的神经肌肉活动发放的生物电信号。肌电信号是一种复杂的生物医学信号具有很强的非平稳性和非线性。

1.2表面肌电信号产生的原理

表面肌电是当肌肉兴奋收缩时所有激活的肌纤维动作电位在皮肤表面电极处综合叠加的结果。骨骼肌在发挥功能时肌纤维就收缩肌肉的收缩在肌纤维内部有一系列的生物化学变化同时也有动作电位的变化。如果用一种实时的肌电电极将这种动作电位变化显示出来就形成一种波形图称为肌电图Electromyography(EMG)。从信号分析的角度讲也可称为肌电信号。它是肌肉中

肌纤维产生的动作电位即为肌电信号。其产生机理如下:当神经系统命令肌肉收缩时运动神经元的细胞体将产生冲动该冲动通过细胞体的轴突传递到肌纤维处然后与肌纤维融合使神经与肌肉的接点释放化学物质乙烯胆碱引起肌膜的去极

化从而产生肌纤维的动作电位而与每个神经元联系着的肌纤维不止一条这些部分合在一起就构成了运动单元。动作电位沿着肌纤维分别向各个方向传播引起了肌纤维内的一系列变化导致构成肌纤维的肌凝蛋白和肌球蛋白相互重叠从而产生了肌纤维的收缩这些肌纤维分别属于不同的运动单元单个运动单元内肌纤维几乎是同步兴奋的而各个不同的运动单元之间的兴奋是相互独立的。因此SEMG 又可被看成是所有产生的运动单元动作电位串Motor Unit Action Motion Trains(MUAPT)的综合叠加。MUAPT就是一系列运动单元动作电位它是SEMG的基础。当脊髓中枢发出收缩指令时会有一系列兴奋信号即神经脉冲序列沿着运动神经元轴突传导至神经肌肉接头处这样就诱导出一个运动单元动作电位序列。不同的收缩力对应的产生运动单位数目不同所有被募集的运动单位的MUAPT叠加后

缩同时传播中的电信号在人体软组织中引起电流场并在检测电极间表现出电位差当检测点位于皮肤表面处检测电极是表面电极时此时检测的信号即为表面肌电信号

图1，表面肌电信号产生的生理结构

1.3肌电信号的特点

尽管肌电信号在不同肌肉有所不同不同人的肌电信号也有很大的个体差异多方面因素对肌电信号参数都会发生影响但仍有一定的规律性。肌电信号一般有以下典型特征:

1)肌电信号是一种交流电压它在幅值上与肌肉产生的力大致成比例。肌肉松弛和紧张度与产生的表面肌电电压幅度之间存在着良好的线性关系;

2)肌电信号是一种微弱的电信号。肌电信号的幅度范围一般在0~5mv肌肉收缩

时为60-300uV;松弛时约为20-30uV而且一般不会超过噪音水平。对于健康人肌电幅度的峰峰值可达1-3mV。对于残肢者其肌电幅值一般小于350uV有的甚至不足1uV约比正常人减小数倍至几十倍;

3)采用表面电极时肌电信号能量主要集中在1000Hz以下频谱分布在20-500Hz 主要集中在500Hz以下300Hz以上显著减弱。其中绝大部分频谱集中在50-150Hz

之间。功率谱最大频率随肌肉而定通常在30-300Hz

4)频域参数比时域参数更能反映肌电特征。因为当力大小稍有变化时其时域波形变化较大而频域特征变化不是很大;

5)同一块肌肉在作不同动作时其幅值谱频率特性曲线形状仍然相似从而说明不同肌肉的肌电发放存在着一定的规律性。

2．集合经验模态算法（EEMD）

经验模态分解( Empirical Mode Decomposition, 简称EMD )是一种新的信号分析方法, 对线性、非线性、平稳、非平稳信号都能进行有效的分析, 因而得到了较为广泛的研究和应用但是, 经验模态分解算法基于固有模态函数

( Intrinsic Mode Function, 简称IMF)进行信号分解, 这种固有模态是验 , 而且IMF分量的迭代求取是依靠极值包络线的平均值来近似局部平均值,因而IMF分量之间的正交性无法得到完全保证。

2.1 经验模态分解算法简介

经验模态分解算法首先通过提取信号在每一个时间局部的振荡模式, 将信号分解为有限个固有模态函数之和。其基本步骤为

1）信号X 提取所有极值点, 对所有的局部极大(小) 值用插值函数形成数据的上(下) 包络线, 用emax ( emin ) 表示；

2) 计算上下包络线的平均值m

m = ( emax + emin ) /2。

3) 将原数据X 减去m，得

h = X - m 。

4) 将h作为信号, 重复以上1) ~ 3) 过程, 直到h满足固有模态函数的两个条件, 此时的h为X的一个有效的IMF；

5) 由X 中减去得到的IMF, 再按照上面的步骤进行下一个IMF的迭代求取, 最终

将信号分解为一组IMF和一个残余信号。模函数和残量信号可以进行谱分析，但是这个谱分析不能从狭隘的角度来看。首先,需要强调一下，即使是谐

振荡，应用上述方法产生的高频和低频也只是局部的，没办法产生一个预设

的频带过滤（例如小波变换）进行辨识。选择的模函数对应了一个自适应（依赖于信号自身的）的时变滤波器。一个这方面的例子：一个信号由3个部分组成（这3个部分是时间频率上都明显叠加的信号），用上述方法成功的分解了。

2.2性能分析

自从EMD本质上定义为一种算法，但是并没有作为一种分析方法所承认，它的性能估计是困难的，并且需要大量的模拟实验。我们将从两方面报告他的

原理，一方面是从先前将应用到实数信号所表现出的非凡性，另一方面是从对分解的理解。EMD依据信号本身的时间尺度特征分解信号, 与傅立叶及小波等依据先验函数基的分解方法相比, 是自适应的、高效的。

3. 独立分量分析

3.1 ICA基本理论

独立分量分析Independent Component Analysis简称ICA的含义是把信号分解成若干个互相独立的成分它是为了解决盲源信号分离的问题而发展起来的。如果信号本来就是由若干独立信源混合而成的ICA就能恰好把这些信源分解开来。故在一般的文献中通常把ICA等同于BSS。ICA不同于主分量分析把目光投

研究信号间的独立关系。

3.2 ICA算法定义

独立分量分析的模型如下图所示它是从线性混合信号里恢复出一些基本的源信号的方法。假定第i个观测信号x 是由n个相互独立的未知信号s线性混

Xi=ai1s1+ai2s2+…+ainsn i=1,2…m 3.2.1

假定每个观测变量xi和未知源变量都是随机变量矢量表示观测变量

[x1,x2…xn]矢量s 表示源变量[s1,s2,s3…sn](m>n)A 表示混合矩阵aij

上式可

X=As

3.2.2

3.3快速ICA 算法(FastICA)

该算法是基于定点递推算法得到的。它对任何类型的数据都适用同时它的存在对运用ICA 分析高维的数据成为可能目前我们正用该算法对fMRI 数据进行分析。对已经存在的ICA 算法来说FastICA 有许多优良的特性。在ICA 数据模型的假设下FastICA 收敛速度是3次的(或至少是2次的)。而普通的ICA 算法收敛速度仅仅是线性的。

FastICA FastICA

线性函

数g 才相应地进行非线性的选择。FastICA 算法的性能能通过一个合适的非线性函数g 而使其达到最优。别是能得到具有鲁棒的或最小方差的算法。独立成分能一个

一个的

它可极大地减少计算量。FastICA 算法具有很多神经算法里的优点并行的分布的计算简单要求内存小。而随机梯度法却只有在环境改变很快时才显出其优越性。

4.实验过程

4.1实验流程

首先先将采集到的原始肌电信号通过150Hz 低通滤波器后进行小波滤波，将小波滤波后的信号进行EEMD 分解，并剔除第一行的噪音信号，接着将信号进行FastICA 分解并降维。

图2 实验流程 4．2实验步骤

1) 首先从文件中提取肌电信号，由于数据量太多，我们截取一段共20000个点进行分析。它们是m1_20文件中从5s 开始的第11列信号，如图3滤波EEMD 分解

ICA 分解

所示：

图3，原始信号

2）使用小波变换进行去噪

sEMG信号在产生和引导过程中常常受到各种噪声的干扰和影响，使得sEMG 信号的质量变差以至影响到后续的分析工作。因此，如何有效去除噪声信号是sEMG信号分析和特征提取的关键步骤之一。由于小波变换具有多分辨分析这一特性，使得在合适的尺度因子下分析时，sEMG信号和噪声会显现出不同的特性，利用这一特点可进行信噪分离，消除干扰噪声。

对肌电信号的研究工作证实，有用信号通常表现为低频信号或是一些比较平稳的信号，噪声信号则通常表现为高频信号。小波消噪的基本思想是将混有噪声的信号进行小波分解后将各分解尺度高频分量上由噪声产生的小波谱分量去掉，这样保留下来的小波谱基本上就是原信号的小波谱，再利用小波变换的重构算法重新构造原信号，即可得去噪后的信号。sEMG小波消噪算法流程，分为以下步骤进行：

①．选择一个合适的小波基和小波分解的层次Ⅳ，然后对一维含噪sEMG信号进行N层离散尺度小波分解；

②．对高频系数进行软阈值量化，对于从1到J7v的每一层，选择一个合适的阈值，并对这一层的高频系数进行软阈值量化处理H。1以减小消噪后的信号在奇异点附近将产生的Gibbs振荡现象；

③．小波逆变换。根据小波分解的第J7、r层的低频系数和经过修改的从第1层到第Ⅳ层的各层高频系数，来计算一维sEMG信号的小波逆变换。

经过小波变换得到的肌电数据如图4所示；

图4 小波分解

（3），采用固定阈值法对原始信号去噪，并将结果保存为DenoiseData。如图5和图6所示，去噪后的信号如图。

图5，小波去噪

图6，去噪后的信号

（4) 采用EEMD 处理产生阶IMF 分量。剔去第一阶分量。该EEMD 函数来自台湾中央大学源程序。实现100次平均，加入0.3倍的白噪声。处理结果如图7所示

图7 处理结果

5.结果分析

经过小波去噪和EEMD 分解后得到动作电位单位如下图所示：

图8，分解后的ABCD四种MUAP

图9，局部放大的一个信号

通过EEMD和ICA处理以后，我们可以发现相对原始信号其中的MUAP单元容易识别。如图8所示，我们找到了ABCD四类MUAP单元，其中具有两个阶跃变化的信号比较多，单阶跃信号比较少。但由于去噪没有做好，导致很多有用的信息被滤掉。所以任然存在很多噪声信号。

参考文献

[1] 曹玉珍,等. 基于独立成份分析的肌电信号消噪方法研究 [J].信号处理,

2003, 8(19): 4.

[2] 宗孔德, 胡广书.数字信号处理 [M]. 北京: 清华大学出版社, 1988.

[3] 陈胤, 刘加海. 表面肌电信号去噪研究 [J]. Computer Era,2008- 6.

[4] 时世晨, 单佩韦，基于EEMD的信号处理方法分析和实现[J]，2011.1

[5] 周旋, 周树道, 黄峰, 等. 基于小波变换的图像增强新算法[J] .计算

机应用, 2005, 25( 3) : 606-608.

[6] 王嘉梅. 基于 M atlab 的数字信号处理与实践 [M].西安: 西安电子

科技大学出版社, 2007.

[7]韩春明,郭华东,王长林等.基于EMD方法的多尺度边缘提取.高技术通讯2

仪)3网:13-17

语音信号处理实验指导书

语音信号处理实验指导书实验一语音信号采集与简单处理一、实验目的、要求（1）掌握语音信号采集的方法（2）掌握一种语音信号基音周期提取方法（3）掌握短时过零率计算方法（4）了解Matlab 的编程方法二、实验原理基本概念：（a ）短时过零率：短时内，信号跨越横轴的情况，对于连续信号，观察语音时域波形通过横轴的情况；对于离散信号，相邻的采样值具有不同的代数符号，也就是样点改变符号的次数。对于语音信号，是宽带非平稳信号，应考察其短时平均过零率。其中sgn[.]为符号函数 ?? ?? ?<=>=0 x(n)-1sgn(x(n))0 x(n)1sgn(x(n)) 短时平均过零的作用 1.区分清/浊音：浊音平均过零率低，集中在低频端；清音平均过零率高，集中在高频端。 2.从背景噪声中找出是否有语音，以及语音的起点。（b ）基音周期基音是发浊音时声带震动所引起的周期性，而基音周期是指声带震动频率的倒数。基音周期是语音信号的重要的参数之一，它描述语音激励源的一个重要特征，基音周期信息在多个领域有着广泛的应用，如语音识别、说话人识别、语音分析与综合以及低码率语音编码，发音系统疾病诊断、听觉残障者的语音指导等。因为汉语是一种有调语言，基音的变化模式称为声调，它携带着非常重要的具有辨意作用的信息，有区别意义的功能，所以，基音的提取和估计对汉语更是一个十分重要的问题。 ∑--= -=1 )]1(sgn[)](sgn[21N m n n n m x m x Z

由于人的声道的易变性及其声道持征的因人而异，而基音周期的范围又很宽，而同—个人在不同情态下发音的基音周期也不同，加之基音周期还受到单词发音音调的影响，因而基音周期的精确检测实际上是一件比较困难的事情。基音提取的主要困难反映在：①声门激励信号并不是一个完全周期的序列，在语音的头、尾部并不具有声带振动那样的周期性，有些清音和浊音的过渡帧是很难准确地判断是周期性还是非周期性的。②声道共振峰有时会严重影响激励信号的谐波结构，所以，从语音信号中直接取出仅和声带振动有关的激励信号的信息并不容易。③语音信号本身是准周期性的(即音调是有变化的)，而且其波形的峰值点或过零点受共振峰的结构、噪声等的影响。④基音周期变化范围大，从老年男性的50Hz 到儿童和女性的450Hz ，接近三个倍频程，给基音检测带来了一定的困难。由于这些困难，所以迄今为止尚未找到一个完善的方法可以对于各类人群(包括男、女、儿童及不向语种)、各类应用领域和各种环境条件情况下都能获得满意的检测结果。尽管基音检测有许多困难，但因为它的重要性，基音的检测提取一直是一个研究的课题，为此提出了各种各样的基音检测算法，如自相关函数(ACF)法、峰值提取算法(PPA)、平均幅度差函数(AMDF)法、并行处理技术、倒谱法、SIFT 、谱图法、小波法等等。三、使用仪器、材料微机（带声卡）、耳机，话筒。四、实验步骤（1）语音信号的采集利用Windows 语音采集工具采集语音信号，将数据保存wav 格式。采集一组浊音信号和一组清音信号，信号的长度大于3s 。（2）采用短时相关函数计算语音信号浊音基音周期，考虑窗长度对基音周期计算的影响。采用倒谱法求语音信号基音周期。（3）计算短时过零率，清音和浊音的短时过零率有何区别。五、实验过程原始记录（数据，图表，计算）短时过零率短时相关函数 P j j n s n s j R N j n n n n ,,1) ()()(1 =-=∑-= ∑--=-=10 )]1(sgn[)](sgn[21N m n n n m x m x Z

信号处理实验指导

目录绪论 (1) 1离散时间信号和系统分析 1.1 离散时间信号产生与运算 (2) 1.2 离散时间系统的时域分析 (9) 1.3 离散时间系统的频域分析 (13) 1.4 离散时间系统频响的零极点确定 (14) 2快速傅立叶变换的应用 2.1 FFT的计算 (17) 2.2 利用FFT进行谱分析 (18) 2.3利用FFT实现快速卷积 (19) 3数字滤波器的设计 3.1数字滤波器的结构 (23) 3.2无限冲激响应(IIR)数字滤波器的设计 (25) 3.3有限冲激响应(FIR)数字滤波器的设计 (27) 4综合应用举例 4.1 语音信号处理 (32) 4.2 电话拨号音的合成与识别 (32)

绪论数字信号处理主要研究如何对信号进行分析、变换、综合、估计与识别等加工处理的基本理论和方法。随着计算机技术和大规模集成电路技术的发展,数字信号处理以其方便、灵活等特点引起人们越来越多的重视。在40多年的发展过程中,这门学科基本形成了一套完整的理论体系，其中也包括各种快速、优良的算法,而且数字信号处理的理论和技术也在不断、快速地丰富和完善，新理论和新技术也层出不穷。学习这门课程的过程中，容易使人感到数字信号处理的概念抽象难懂，其中的分析方法与基本理论不容易很好地理解与掌握。因此，如何理解与掌握课程中的基本概念、基本原理、基本分析方法以及综合应用所学知识解决实际问题的能力，是本课程学习中所要解决的关键问题。 Matlab是一种面向科学和工程的高级语言，现已成为国际上公认的优秀的科技界应用软件，在世界范围内广为流行和使用。在欧美高等院校里,Matlab已成为大专院校学生、教师的必要基本技能，广泛应用于科学研究、工程计算、教学等。上世纪90年代末和本世纪初Matlab在我国也被越来越多地应用于科研和教学工作中。Matlab是一套功能强大的工程计算及数据处理软件，在工业，电子，医疗和建筑等众多领域均被广泛运用。它是一种面向对象的，交互式程序设计语言，其结构完整又具有优良的可移植性。它在矩阵运算，数字信号处理方面有强大的功能。另外，Matlab提供了方便的绘图功能，便于用户直观地输出处理结果。本文通过Matlab系列仿真，旨在掌握基本的数字信号处理的理论和方法，提高综合运用所学知识，提高Matlab计算机编程的能力。进一步加强独立分析问题、解决问题的能力、综合设计及创新能力的培养，同时注意培养实事求是、严肃认真的科学作风和良好的实验习惯。

数字信号处理在生物医学的应用

数字信号处理在生物医学领域的应用作者：张春强安徽农业大学工学院车辆工程 13720482 摘要:在生物医学研究中有各种各样待提取和处理的信号，信号处理立即成为解决这些问题的有效方法之一。主要讨论数字信号处理技术中小波分析、人工神经网络、维格纳分布在生物医学工程中的应用,并对数字信号处理技术在生物医学工程中的应用前景进行了展望。关键词:数字信号处理;小波分析;人工神经网络;维格纳分布 1 引言自20世纪60年代以来,随着计算机和信息学科的飞速发展,大量的模拟信息被转化为数字信息来处理。于是就逐步产生了一门近代新兴学科———数字信号处理(Digital Signal Processing,简称DSP)技术。经过几十年的发展,数字信号处理技术现已形成了一门以快速傅里叶变换和数字滤波器为核心,以逻辑电路为基础,以大规模集成电路为手段,利用软硬件来实现各种模拟信号的数字处理,其中包括信号检测、信号变换、信号的调制和解调、信号的运算、信号的传输和信号的交换等各种功能作用的独立的学科体系。而生物医学工程就是应用物理学和工程学的技术去解决生物系统中所存在的问题,特别是人类疾病的诊断、治疗和预防的科学。它包括工程学、医学和生命科学中的许多学科。本文主要讨论数字信号处理技术中小波分析、人工神经网络、维格纳分布在生物医学工程中的应用。 2 数字信号处理在生物医学工程中的应用 2.1 信号处理在DNA 序列中的应用生物序列数据在数学上以字符串表示，每个字符对应于字母表中的一个字母。如 DNA 序列中，用 A,T,C,G 四个字母代表组成 DNA 序列的四种碱基。对数值化后的DNA 序列进行频谱分析发现基因序列蛋白质编码区存在周期 3行为，即其功率谱在1/3频率处有一谱峰。用傅利叶变换来分析基因序列的功率谱可以发现其蛋白质编码区，可以预测基因位置和真核细胞基因中独特的外显子。 1.1 DFT 求 DNA 序列功率谱在对基因组序列进行计算分析之前，先将其转化为数值序列。设字母表Λ = {A ，C ，G ，T } ,取长度为N 的DNA 序列x[n]，对于Λ中每个不同的字母都形成一个指示器序列[]n x α(0≤n ≤N-1，α∈Λ),在序列[]n x α中的某一个位置i 有: []其他)(01i n x ααα=???=(位置i 处的碱基为α) 该指示器的DFT 变换为 [][]n jw N n DFT k e n x k X --=∑=1 0αα，)10(-≤≤N k （1）于是可以求得DNA 序列的功率谱：

生物医学信号处理历年精彩试题_电子科大_饶妮妮

生物医学信号处理试卷集试卷一答案和评分标准：一、假设有两个离散平稳随机过程)(),(n y n x ，m x m R 6 .0)(=， m y m R 8 .0)(=，它们统计独立，求这两个随机过程的乘积的自相关函数和功率谱密度。（14分）解：设z=xy ， m y x z m R m R m n y n y E m n x n x E m n y m n x n y n x E m n z n z E m R 48 .0)()()]()([)]()([)]()()()([)]()([)(==++=++=+=（6分） ∑==+∞ -∞ =-m m j m z j z e m R DTFT e P ωω48.0)]([)(（4分） =ωcos 96.02304.17696 .0-（4分）二、设线性系统如图所示，已知 n n n s ,相互独立，且ωω2 sin )(=j s e S ， 21 )(= ωj n e S 。要求设计一个滤波器ωω2 sin )(c e H j =，试确定c 使得滤波后的输出n s ?与真实信号n s 的均方误差最小，即 ])?[(2n n s s E -最小。（14分）解答：设误差为n n n s ? s e -=其自相关为： )m (R )m (R )m (R )m (R )]s ?s )(s ?s [(E )e e (E )m (R s ?s s ?s ?s s m n m n n n m n n e +--=--==+++（2分）做傅立叶变化： )()()()()(???ω ωωωωj s j s s j s s j s j e e S e S e S e S e S +--=（4分） ω ωωωωωωω4262j n j s 2j j x 2j ?sin 21 sin ])(e S )(e S [)e (H )(e S )e (H )(c c e S j s +=+== （2分） ωωωωωω4i s i i sx i ?sin )e (S )e (H )e (S )e (H )(c e S j s s === ωωωωωω4i s i i xs i s ?sin )e (S )e (H )e (S )e (H )(c e S j s ===** （2分） 2 2 14321 c c +-=ξ （3分）

数字信号处理-实验报告

学生实验报告（理工类）课程名称：数字信号处理专业班级：通信（4）班学生学号：学生姓名：所属院部：网络与通信工程学院指导教师： 20 16 ——20 17 学年第一学期金陵科技学院教务处制

实验报告书写要求实验报告原则上要求学生手写，要求书写工整。若因课程特点需打印的，要遵照以下字体、字号、间距等的具体要求。纸张一律采用A4的纸张。实验报告书写说明实验报告中一至四项内容为必填项，包括实验目的和要求；实验仪器和设备；实验内容与过程；实验结果与分析。各院部可根据学科特点和实验具体要求增加项目。填写注意事项（1）细致观察，及时、准确、如实记录。（2）准确说明，层次清晰。（3）尽量采用专用术语来说明事物。（4）外文、符号、公式要准确，应使用统一规定的名词和符号。（5）应独立完成实验报告的书写，严禁抄袭、复印，一经发现，以零分论处。实验报告批改说明实验报告的批改要及时、认真、仔细，一律用红色笔批改。实验报告的批改成绩采用百分制，具体评分标准由各院部自行制定。实验报告装订要求实验批改完毕后，任课老师将每门课程的每个实验项目的实验报告以自然班为单位、按学号升序排列，装订成册，并附上一份该门课程的实验大纲。

实验项目名称：MATLAB语言工作环境和基本操作实验学时：同组学生姓名：实验地点：工科楼A205 实验日期：实验成绩：批改教师：批改时间：一、实验目的和要求目的： 1．初步了解MATLAB开发环境和常用菜单的使用方法； 2．熟悉MATLAB常用窗口，包括命令窗口、历史窗口、当前工作窗口、工作空间浏览器窗口、数组编辑器窗口和M文件编辑/调试窗口等； 3．了解MATLAB的命令格式； 4．熟悉MATLAB的帮助系统。要求： 1. 简述实验原理及目的。 2. 记录调试运行情况及所遇问题的解决方法。 3. 简要回答思考题。二、实验仪器和设备微型计算机、Matlab6.5以上版本的编程环境。三、实验过程命令窗口(Command Window)： (1) 用于执行MATLAB命令，正常情况下提示符为“>>”，表示MATLAB进入工作状态。 (2) 在提示符后输入运算指令和函数调用等命令（不带“；”），MATLAB将迅速显示出结果并再次进入准备工作状态。 (3) 若命令后带有“；”，MATLAB执行命令后不显示结果。 (4) 在准备工作状态下，如果按上下键，MATLAB会按顺序依次显示以前输入的命令，若要执行它，则直接回车即可。工作空间(Workspace)： (1) 显示计算机内存中现有变量的名称、类型、结构及其占用子节数等。 (2) 如果直接双击某变量，则弹出Array Editor窗口供用户查看及修改变量内容。 (3) 该窗口上有工具条支持用户将某变量存储到文件中或者从文件中载入某变量。命令历史记录(Command History)： (1) 保存并显示用户在命令窗口中输入过的命令，以及每次启动MATLAB的时间等信息 (2) 若双击某条命令记录，则MATLAB会再次执行该命令。当前路径窗口(Current Directory)：

医学信号处理实验报告

医学信号处理实验报告医学信号处理实验报告班级：生医1201 姓名：葛然学号：12282002 实验一：基本函数图形 1 2 第一题 3 第二题第一小题源代码：n=-10::10; x1=n.*n.*([n>=-5]-[n>=6]); subplot(2,2,1); stem(n,x1); title(‘n*n*[u(n+5￡?-u(n-6)]’); xlabel(‘n’); ylabel(‘x(n)’); x2=10.*[n==0]; subplot(2,2,2); stem(n,x2); title(‘10*[n==0]’); xlabel(‘n’); ylabel(‘x(n)’); x3=20.*

.*([n>=4]-[n>=10]); subplot(2,2,3); 4 stem(n,x3); title(‘20.*

.*([n>=4]-[n>=10])’); xlabel(‘n’); ylabel(‘x(n)’); x4=n.*n.*([n>=-5]-[n>=6])+10.*[n==0]+2 0.*

.*([n>=4]-[n>=10]); subplot(2,2,4); stem(n,x4); title(‘x1+x2+x3’); xlabel(‘n’); ylabel(‘x(n)’); 运行结果：5 第二题第二小题源代码：n=-20::20; x1=cos(*pi.*n); x2=cos(*pi.*n); subplot(3,1,1); stem(n,x1); title(‘cos(*pi.*n)’);xlabel(‘n’); ylabel(‘x1(n)’); grid on; subplot(3,1,2); stem(n,x2); title(‘cos(*pi.*n)’);xlabel(‘n’); ylabel(‘x2(n)’); grid on; n=-40::40; x1=cos(*pi.*n); subplot(3,1,3); stem(n,x1); title(‘cos(*pi.*n)’);xlabel(‘n’); ylabel(‘x1(n)’); grid on; 6 运行结果：A小问：cos()(-20答：上图可以看出cos(*pi*n)是周期序列，基本的周期是20.序列cos(*pi*n)是周期为5的周期序列。对比两者可得N实际上是基波的周期，基波的频率为2*pi/N而K是一个任意的正整数与N互为素数。B小问：cos()(-40答：此序列是非周期的，对

数字信号处理实验五

实验五：FIR数字滤波器设计与软件实现信息学院 10电本2班王楚炘 2010304224 10.5.1 实验指导 1．实验目的（1）掌握用窗函数法设计FIR数字滤波器的原理和方法。（2）掌握用等波纹最佳逼近法设计FIR数字滤波器的原理和方法。（3）掌握FIR滤波器的快速卷积实现原理。（4）学会调用MATLAB函数设计与实现FIR滤波器。 2．实验内容及步骤（1）认真复习第七章中用窗函数法和等波纹最佳逼近法设计FIR数字滤波器的原理；（2）调用信号产生函数xtg产生具有加性噪声的信号xt，并自动显示xt及其频谱，如图10.5.1所示；图10.5.1 具有加性噪声的信号x(t)及其频谱如图（3）请设计低通滤波器，从高频噪声中提取xt中的单频调幅信号，要求信号幅频失真小于0.1dB，将噪声频谱衰减60dB。先观察xt的频谱，确定滤波器指标参数。（4）根据滤波器指标选择合适的窗函数，计算窗函数的长度N，

调用MATLAB函数fir1设计一个FIR低通滤波器。并编写程序，调用MATLAB快速卷积函数fftfilt实现对xt的滤波。绘图显示滤波器的频响特性曲线、滤波器输出信号的幅频特性图和时域波形图。（4）重复（3），滤波器指标不变，但改用等波纹最佳逼近法，调用MATLAB函数remezord和remez设计FIR数字滤波器。并比较两种设计方法设计的滤波器阶数。提示：MATLAB函数fir1和fftfilt的功能及其调用格式请查阅本书第7章和第？章；采样频率Fs=1000Hz，采样周期T=1/Fs；根据图10.6.1(b)和实验要求，可选择滤波器指标参数：通带截止频率fp=120Hz，阻带截至频率fs=150Hz，换算成数字频率，通带截止频率，通带最大衰为0.1dB，阻带截至频率，阻带最小衰为60dB。]实验程序框图如图10.5.2所示，供读者参考。 Fs=1000，T=1/Fs xt=xtg 产生信号xt, 并显示xt及其频谱用窗函数法或等波纹最佳逼近法设计FIR滤波器hn 对信号xt滤波：yt=fftfilt(hn,xt) 1、计算并绘图显示滤波器损耗函数 2、绘图显示滤波器输出信号yt End 图10.5.2 实验程序框图 4.思考题 (1)如果给定通带截止频率和阻带截止频率以及阻带最小衰减,如何用窗函数法设计线性相位低通滤波器?请写出设计步骤. 答：用窗函数法设计线性相位低通滤波器的设计步骤: a.根据对阻带衰减及过渡带的指标要求，选择窗函数的类型，并估计窗口的长度N； b.构造希望逼近的频率响应函数； c.计算h d(n)； d.加窗得到设计结果h(n)=h d(n)w(n)。 (2)如果要求用窗函数法设计带通滤波器,且给定通带上、下截止频率为和，阻带上、下截止频率为和，试求理想带通滤波器的截止频率。答：希望逼近的理想带通滤波器的截止频率分别为：

视频信号处理实验报告

中南大学实验报告（实验一）实验名称 JM代码编译与编解码参数配置课程名称视频信号处理姓名：杨慧成绩:__________________ 班级：电子信息工程1301班学号： 0903130117 日期： 2016.6.10 地点：综合实验楼备注：

1.实验目的 1）掌握常用的编解码器参数及其用法，实现测试序列的编解码 2）初步了解H.264视频编解码的基本原理、熟开发工具的使用 3）学会使用相关的开发工具修改、调试参考软件,掌握使用相应软件实现视频编解码的经验与技巧，锻炼提高分析问题和解决问题的能力 4）调试、编译好相应的实验程序，正确配置测试参数，能预计可能出现的结果2.实验环境（软件、硬件及条件） Windows 7 3.实验方法 1）JM工作目录与文件设置 ①下载并解压JM源代码。 ②在源代码根目录下的bin文件夹中新建backup文件夹，将bin文件夹中所有文件移入该文件夹做备份。 ③在源代码根目录下新建encodtest文件夹，作为编码使用。将编码过程所需要的文件，例如：编码配置文件（encoder_baseline.cfg）、待编码视频序列文件（foreman_part_qcif.yuv,对应为编码配置文件中InputFile参数的值）复制到该文件夹中。 ④在源代码根目录下新建decodtest文件夹，作为解码使用。将解码过程所需要的文件，例如：解码配置文件（decoder.cfg）复制到该文件夹中。 ⑤检查实验用机安装的MS Visual C++版本，根据表3，本实验打开jm_vc10.sln 解决方案。

2）配置、编译、测试编码项目——lencod ①选中lencod项目，打开主菜单“项目——属性”，将所有配置（Debug、Release）和所有平台（Win32、x64）“常规”选项中的“输出目录”设置为 “.\bin\$(Configuration)_$(Platform)\”;将“调试”选项中“工作目录”设置为“.\encodtest”,在“命令参数”中设置要使用的解码配置文件，例如：“-d encoder_baseline.cfg”，然后确定修改。 ②选中lencod工程，选择鼠标右键菜单“设为启动项目”。 ③打开主菜单“生成--批生成”，勾选所有的lencod项目，点击生成后，将会在主目录bin文件夹的Debug_Win32/x64文件夹及Release_Win32/x64文件夹下生成Win32/x64平台的调试版（运行速度慢）和发行版（运行速度快）编码器程序lencod.exe。打开主菜单“生成--配置管理器”，将活动解决方案配置和平台分别设置为Release何Win32，执行调试完成编码。此时会在源代码根目录下的encodtest文件夹中生成几个新文件，其中test.264（对应编码配置文件中OutputFile参数的值）即为压缩码流文件。 3）配置、编译、测试解码项目--ldecod ①选中ldecod项目，打开主菜单“项目——属性”，将所有配置（Debug、Release）和所有平台（Win32、x64）“常规”选项中的“输出目录”设置为 “.\bin\$(Configuration)_$(Platform)\”;将“调试”选项中“工作目录”设置为“.\decodtest”,在“命令参数”中设置要使用的解码配置文件，例如：“ decoder.cfg”，然后确定修改。 ②将编码生成的压缩码流文件test.24复制到decodtest文件夹中。 ③选中lencod工程，选择鼠标右键菜单“设为启动项目”。 ④打开主菜单“生成--批生成”，勾选所有的ldecod项目，点击生成后，将会在主目录bin文件夹的Debug_Win32/x64文件夹及Release_Win32/x64文件夹下生成Win32/x64平台的调试版（运行速度慢）和发行版（运行速度快）编码器程序ldecod.exe。打开主菜单“生成--配置管理器”，将活动解决方案配置和平台分别设置为Release何Win32，执行调试完成编码。此时会在源代码根目录下的decodtest文件夹中生成几个新文件，其中test_dec.yuv（对应解码配置文

数字信号处理实验指导手册

数字信号处理实验指导手册西安文理学院机械电子工程系

目录实验一离散时间信号 (2) 实验二时域采样定理 (7) 实验三离散时间系统 (10) 实验四线性卷积与圆周卷积 (13) 实验五用FFT作谱分析 (16) 实验六用双线性变换法设计IIR数字滤波器 (18) 实验七 FIR滤波器设计 (20)

实验一离散时间信号【实验目的】用MATLAB 实现离散时间信号的表示和运算，掌握MATLAB 的基本命令和编程方法，为后续实验打基础。【实验原理】在数字信号处理中，所有的信号都是离散时间信号，因此应首先解决在MATLAB 中如何表示离散信号。设一模拟信号经A/D 变换后，得到序列信号 }),1(),0(),1(,{)}({)( x x x n x n x -== 由于MATLAB 对下标的约定为从1开始递增，因此要表示)(n x ，一般应采用两个矢量，如： ]5,4,3,2,1,0,1,2,3[---=n ]1,2,5,4,0,2,3,1,1[-=y 这表示了一个含9个采样点的矢量： )}5(,),1(),2(),3({)(x x x x n y ---= 【实验内容】熟悉下面序列（信号）的产生方法及相关运算 1、单位采样序列 2、单位阶跃序列 3、信号翻转 4、信号相加 5、信号折叠 6、信号移位【参考程序】单位采样序列 1、impluse1.m （图1-1） n=10; x=zeros(1,n); x(1)=1;

plot(x,'*'); 2、 impluse2.m （图1-2） n=-5:5; x=[n==0]; stem(x,'*'); 3、impluse3.m （图1-3） n=1:10; n0=3; x=[(n-n0)==1]; plot(x,'*'); 单位阶跃序列 1、steps1.m （图1-4） n=10; x=ones(1,n); plot(x,'*'); 2、steps2.m （图1-5） n=10; x=ones(1,n); x(1)=0; x(2)=0; 图1-1 单位采样序列1 图1-2 单位采样序列2 图1-3 单位采样序列3

信号检测论有无法实验报告剖析

------------------------------------------------------------------------------- 实验报告信息栏系别心理系年级 13级2班姓名魏晓芹同组成员杨思琪、张彤、韩永超实验日期 2016年4月学号 120105510215 教师评定 ------------------------------------------------------------------------------- 信号检测论有无法实验报告摘要本次实验采用信号检测论中的有无法，测定被试在不同先定概率下对呈现信号和刺激的击中率与虚报率，计算其辨别力d′和判定标准β，并绘制出ROC 曲线；检验信号呈现的先定概率发生变化时，被试的击中率、虚报率、辨别力d′和判定标准β是否会受到影响。结果显示：（1）被试在先定概率为0.2、0.5、0.8的条件下，击中率分别为0.8、0.92、0.8625，虚报率分别为0.5125、0.56、0.75，辨别力d′分别为0.592、1.254、0.406，判定标准β分别为0.70、0.38、0.71。关键词信号检测论；有无法；先定概率；辨别力d′；判定标准β 1引言传统心理物理学对阈限的理解是有限的，不能将个体客观的感受性和主观的动机、反应偏好等加以区分，从而使研究者渐渐陷入到了由阈限概念本身所引发的僵局之中。而在1954年，坦纳和斯韦茨等人首次应用的信号检测论，正好解决了这个问题。信号检测论的研究对象是信息传播系统中信号的接收问题。在心理学中，它是借助于数学的形式描述“接收者”在某一观察时间内将掺有噪音的信号从噪音中辨别出来。信号检测论应用于心理学中的基本原理是：将人的感官、中枢分析综合过程看作是一个信息处理系统，应用信号检测论中的一些概念、原理对它进行分析。信号检测论在心理学中具体应用时，常把刺激变量当作信号，把对刺激变量起干扰作用的因素当作噪音，这样就可以把人接收外界刺激时的分辨问题等效于一个在噪音中检测信号的问题，从而便可以应用信号检测论来处理心理学中的实验结果。信号检测论的理论基础是统计决策。信号检测论本身就是一个以统计判定为根据的理论。它的基本原理是：根据某一观察到的事件，从两个可选择的方面选

医学信号处理第二次实验报告

电子科技大学生命科学与技术学院标准实验报告（实验）课程名称生物医学信号处理 2018-2019-第2学期电子科技大学教务处制表

一、实验室名称：品学楼B302 二、实验名称：随机信号多角度认知和脑电信号特征的认知三、实验学时：四、实验原理： (一) 1、均值公式为: 方差公式为: 2、一个平稳随机信号中两个时间点上的自相关和自协方差公式为： 3、随机信号的功率谱密度函数定义为自相关函数的傅里叶变换：（二） 1、傅里叶变换对：频域上与窗函数卷积使得频率谱更加平滑 2、脑电波是一些自发的有节律的神经电活动，其频率变动范围在每秒1－30次之间的，可划分为四个波段：

δ（1－3Hz）：为人的深度睡眠阶段的脑电波。 θ（4－7Hz）：为人的睡眠的初期阶段。 α（8－13Hz）：大脑处于完全放松的精神状态下，或是在心神专注的时候出现的脑电波。 β（14－30Hz）这种脑电波反映的是人类在一种通常的、日常的清醒状态下的脑电波情况。五、实验目的： 1、了解randn和rand产生序列的特征和区别，能够计算各种样本数字特征及理解一阶统计量与二阶统计量间的区别。 2、利用周期图法估计信号功率谱，知道相关函数结果与功率谱的 DFT关系。 3、探讨不同窗函数对周期图法信号处理结果的影响。通过数据差别分析信号区别。六、实验内容：（一）随机信号的时域和频域认识 1、在波形产生函数中选randn和rand两种波形发生器，各产生一段随机信号，请观察它们是什么样的信号，描述它们的时域特征。 2、编制一个程序，计算这两个随机信号的样本数字特征，包括均值、方差、相关函数（xcorr）、协方差函数（xcov），比较并描述这两个信号一阶和二阶统计量的区别。 3、对以上信号样本计算频数直方图（hist）并估计这两个随机信号的概率密度函数(ksdensity)及估计他们的概率分布函数

1生物医学信号概述

第一章生物医学信号概述第一节学习生物医学信号处理的理由生物医学工程是一个应用性的研究领域，生物医学信号处理自然应该成为该专业的主干课程之一，使学生掌握处理信号和系统的方法。信号处理的含义比纯粹的数学运算更深更广。生物医学信号处理以严谨的组织行为方式为分析和概念化物理行为提供了一个基础框架，不管这种行为是一个电子控制系统的输出还是一次种植与周围组织的反应。对信号/系统进行计算能够获得较精确的分析结果，但对分析过程的理解（定性的）也十分重要。例如，一名学生建议用小波来检测心电图信号中的异常，则他/她必须理解小波变换的数学概念。另一名具有神经生理学兴趣的学生希望研究全身振动对视觉功能的影响，则他/她需要理解共振的概念（即使他/她已经忘记了量化这种现象的二阶差分方程）。类似地，一名要研究心率的神经中枢控制的学生，不管他/她用哪种方法来描述心率，都需要理解记忆或相关的概念以及在能量记录中瞬时变化的原因。简言之，作为一名生物医学工程师应该掌握信号处理的定性描述并具备应用定量分析方法解决生物医学问题的技能。通过学习《生物医学信号处理》课程，学生可以达到上述要求。更具体地说，生物医学信号处理将教给学生两种主要技能：（1）为了提取原始的生物医学信息，获取和处理生物医学信号的技能；（2）解释处理结果性质的技能。为此，《生物医学信号处理》课程应该包含以下四个重要内容：（1）测量生物医学信号，即量化和校正测量仪器对待测信号的影响。（2）操作（即滤波）生物医学信号，即识别和分离信号中的有用成份和无用成份。（3）定量描述生物医学信号，即揭示产生生物医学信号的本质，根据第二步得出的结果预测信号未来的行为。（4）探测生物医学信号源，即描述一个生物医学物理系统的输入与输出信号之间内在联系。大多数信号处理教材都很强调计算和算法。对于生物医学工程专业的学生来说，如果在生物医学信号处理课程中仍选用大量信号处理的内容，则可能是熟悉知识的枯糙重复。本教材的宗旨是通过许多具体生物医学信号处理实例，将真实世界与理论研究联系起来，并指导学生如何应用一项理论去解决一个具体的生物医学问题。第二节信号及其类型信息是一个过程产生的能量的测量，而信号则是信息的一种表达形式。来自于真实世界的信号各不相同，但大致可分为四种类型：（1）确定性信号；（2）随机信号；（3）分形信号；（4）混沌信号，如图1-1（a）、（b）、（c）和（d）分别是四种类型信号的一个例子。确定性信号在教材中常作为例子给出，是学生最熟悉的一类信号，但这类信号在真实世界中则较少出现。所谓确定性信号是指在已知足够过去值的条件下，能够准确预测该信号未来值的一类信号。例如，正弦波信号A Sinωt。换句话说，只要能够用数学封闭表达式来表达的一类信号就是确定的信号。既使信号的全部过去值已知，也不能准确预测其未来值的一类信号称为随机信号。随机信号

信号处理实验报告、

第一题如何用计算机模拟一个随机事件，并估计随机事件发生的概率以计算圆周率π。解：（一）蒙特卡洛方法可用于近似计算圆周率：让计算机每次随机生成两个0到1之间的数，看以这两个实数为横纵坐标的点是否在单位圆内。生成一系列随机点，统计单位圆内的点数与总点数，（圆面积和外切正方形面积之比为π：4），当随机点取得越多时，其结果越接近于圆周率。代码： N=100000000; x=rand(N,1); y=rand(N,1); count=0; for i=1:N if (x(i)^2+y(i)^2<=1) count=count+1; end end PI=vpa(4*count/N,10) PI = 3.1420384

蒙特卡洛法实验结果与试验次数相关，试验次数增加，结果更接近理论值（二）18世纪，法国数学家布丰和勒可莱尔提出的“投针问题”，记载于布丰1777年出版的著作中：“在平面上画有一组间距为d的平行线，将一根长度为l （l

matlab数字信号处理实验指导

电工电子实验中心实验指导书数字信号处理实验教程二○○九年三月

高等学校电工电子实验系列数字信号处理实验教程主编石海霞周玉荣攀枝花学院电气信息工程学院电工电子实验中心

内容简介数字信号处理是一门理论与实践紧密联系的课程，适当的上机实验有助于深入理解和巩固验证基本理论知识，了解并体会数字信号处理的CAD手段和方法，锻炼初学者用计算机和MATLAB语言及其工具箱函数解决数字信号处理算法的仿真和滤波器设计问题的能力。本实验指导书结合数字信号处理的基本理论和基本内容设计了八个上机实验，每个实验对应一个主题内容，包括常见离散信号的MATLAB产生和图形显示、离散时间系统的时域分析、离散时间信号的DTFT、离散时间信号的Z变换、离散傅立叶变换DFT、快速傅立叶变换FFT及其应用、基于MATLAB的IIR和FIR数字滤波器设计等。此外，在附录中，还简单介绍了MATLAB的基本用法。每个实验中，均给出了实验方法和步骤，还有部分的MATLAB程序，通过实验可以使学生掌握数字信号处理的基本原理和方法。

目录绪论 (1) 实验一常见离散信号的MATLAB产生和图形显示 (2) 实验二离散时间系统的时域分析 (6) 实验三离散时间信号的DTFT (9) 实验四离散时间信号的Z变换 (14) 实验五离散傅立叶变换DFT (18) 实验六快速傅立叶变换FFT及其应用 (24) 实验七基于MATLAB的IIR数字滤波器设计 (30) 实验八基于MATLAB的FIR数字滤波器设计 (33) 附录 (37) 参考文献 (40)

绪论绪论随着电子技术迅速地向数字化发展，《数字信号处理》越来越成为广大理工科，特别是IT领域的学生和技术人员的必修内容。数字信号处理是把信号用数字或符号表示成序列，通过计算机或通用（专用）信号处理设备，用数值计算方法进行各种处理，达到提取有用信息便于应用的目的。数字信号处理的理论和技术一出现就受到人们的极大关注，发展非常迅速。而且随着各种电子技术及计算机技术的飞速发展，数字信号处理的理论和技术还在不断丰富和完善，新的理论和技术层出不穷。目前数字信号处理已广泛地应用在语音、雷达、声纳、地震、图象、通信、控制、生物医学、遥感遥测、地质勘探、航空航天、故障检测、自动化仪表等领域。数字信号处理是一门理论和实践、原理和应用结合紧密的课程，由于信号处理涉及大量的运算，可以说离开了计算机及相应的软件，就不可能解决任何稍微复杂的实际应用问题。Matlab是1984年美国Math Works公司的产品，MATLAB 语言具备高效、可视化及推理能力强等特点，它的推出得到了各个领域专家学者的广泛关注，其强大的扩展功能为各个领域的应用提供了基础，是目前工程界流行最广的科学计算语言。早在20世纪90年代中期，MATLAB就己成为国际公认的信号处理的标准软件和开发平台。从1996年后，美国新出版的信号处理教材就没有一本是不用MATLAB的。本实验指导书结合数字信号处理的基本理论和基本内容，用科学计算语言MATLAB实现数字信号处理的方法和实践，通过实验用所学理论来分析解释程序的运行结果，进一步验证、理解和巩固学到的理论知识，从而达到掌握数字信号处理的基本原理和方法的目的。

数字信号处理实验报告

实验一：信号的表示 1.实现单位采样序列、单位阶跃序列、矩形序列程序及绘图1.1代码部分 subplot(3,1,1); n1=-5:10; y1=[zeros(1,5),1,zeros(1,10)]; stem(n1,y1) axis([-5,10,0,2]); title(' 单位采样序列 ') subplot(3,1,2); n2=-5:10; y2=[zeros(1,5),ones(1,5),zeros(1 ,6)]; stem(n2,y2) axis([-5,10,0,2]) title(' 矩形序列 ') subplot(3,1,3); n3=-5:10; y3=[zeros(1,5),ones(1,11)]; stem(n3,y3,'r') axis([-5,10,0,2]) title(' 单位阶跃序列 ') 1.2仿真结果 2.实现三角波、方波、锯齿波、sinc函数及绘图2.1代码部分 %三角波 subplot(4,1,1); x=0:0.001:0.05; y1=sawtooth(2*pi*50*x,0.5);

plot(x,y1) %锯齿波 subplot(4,1,2); x=0:0.001:0.05; y2=sawtooth(2*pi*50*x); plot(x,y2) %方波 subplot(4,1,3); x=0:0.001:0.05; y3=square(2*pi*50*x,50); plot(x,y3) %sinc函数 subplot(4,1,4); t=-5:0.1:5; y=sinc(t); plot(t,y); xlabel('时间t');ylabel('幅值A'); title('Sa函数') 2.2仿真结果实验二：FFT频谱分析及应用 1.用FFT函数分析某信号的频率成分和功率谱密度并绘图1.1代码部分 t=0:0.001:0.8; x=sin(2*pi*50*t)+cos(2*pi*120*t) ; y=x+1.5*randn(1,length(t)); subplot(3,1,1); plot(t,x); subplot(3,1,2); plot(t,y); Y=fft(y,512); P=Y.*conj(Y)/512;

新语音信号处理实验指导2015年秋

《语音信号处理》实验指导书哈尔滨理工大学自动化学院电子信息科学与技术系 2014.10

语音信号处理是研究用数字信号处理技术和语音学知识对语音信号进行处理的新兴的学科，是目前发展最为迅速的信息科学研究领域的核心技术之一。通过语音传递信息是人类最重要、最有效、最常用和最方便的交换信息形式。同时，语言也是人与机器之间进行通信的重要工具，它是一种理想的人机通信方式，因而可为信息处理系统建立良好的人机交互环境，进一步推动计算机和其他智能机器的应用，提高社会的信息化程度。语音信号处理是一门新兴的学科，同时又是综合性的多学科领域和涉及面很广的交叉学科。虽然从事这一领域研究的人员主要来自信号与信息处理及计算机应用等学科，但是它与语音学、语言学、声学、认知科学、生理学、心理学等许多学科也有非常密切的联系。 20世纪60年代中期形成的一系列数字信号处理的理论和算法，如数字滤波器、快速傅立叶变换（FFT）等是语音信号数字处理的理论和技术基础。随着信息科学技术的飞速发展，语音信号处理取得了重大的进展：进入70年代之后，提出了用于语音信号的信息压缩和特征提取的线性预测技术（LPC），并已成为语音信号处理最强有力的工具，广泛应用于语音信号的分析、合成及各个应用领域，以及用于输入语音与参考样本之间时间匹配的动态规划方法；80年代初一种新的基于聚类分析的高效数据压缩技术—矢量量化（VQ）应用于语音信号处理中；而用隐马尔可夫模型（HMM）描述语音信号过程的产生是80年代语音信号处理技术的重大发展，目前HMM已构成了现代语音识别研究的重要基石。近年来人工神经网络(ANN)的研究取得了迅速发展，语音信号处理的各项课题是促进其发展的重要动力之一，同时，它的许多成果也体现在有关语音信号处理的各项技术之中。为了深入理解语音信号数字处理的基础理论、算法原理、研究方法和难点，根据数字语音信号处理教学大纲，结合课程建设的需求，我们编写了本实验指导书。

数字信号处理实验报告

南京信息工程大学数字信号处理实验报告学院：电子与信息工程学院班级：11通信1班学号：20111334020 姓名：杨丹指导教师：乔杰 2013/12/6

目录实验一Matlab基本知识和信号处理工具箱 (3) 实验二离散信号的产生及分析 (5) 实验三离散傅立叶变换及分析 (8) 实验四IIR数字滤波器的分析与设计 (12) 实验五FIR数字滤波器的分析与设计 (14)

实验一 Matlab 基本知识和信号处理工具箱一、实验目的 1、了解Matlab 的基本操作 2、了解Matlab 工具箱的函数 3、正确使用Matlab 进行试验仿真二、实验内容（一）画出振荡曲线和它的包络程序如下： t=0:pi/20:4*pi; yy=exp(-t/3); y=exp(-t/3).*sin(3*t); plot(t,y,'-r'); hold on plot(t,yy,':b',t,-yy,':b'); grid on shg 实验结果：（二）sawtooth 产生锯齿波或三角波在Matlab 命令窗口中输入以下命令，也可以用脚本文件来实现。程序如下： t=-10:0.1:10; x=sawtooth(t); )3sin(3/t e y t -=3/t e yy -=

plot(t,x) grid on Shg 实验结果：三、实验小结在本次实验中，了解了Matlab的基本操作，基本了解了信号处理工具箱的使用方法，能够进行简单的波形绘制。对波形代码参量有了基本的识别能力。

实验二离散信号的产生及分析一、实验目的利用函数、脚本文件或在主命令窗口中编写离散信号命令二、实验内容（一）生成离散信号并画出复序列x(n)的实部，虚部，幅值和相位图。程序如下： figure(1);clf n=-15:24;alpha=-0.3+j*0.5; x=exp(alpha.*n); subplot(221);stem(n,real(x));title('real part');xlabel('n'); subplot(222);stem(n,imag(x));title('imaginary part');xlabel('n'); subplot(223);stem(n,abs(x));title('magnitude part');xlabel('n'); subplot(224);stem(n,angle(x)*180/pi);title('phase part');xlabel('n'); 实验结果：（二）请给出离散系统的单位抽样响应和单位阶跃响应 2415,)()5.03.0(<≤-=+-n e n x n j )2(2)()2(7.0)1(3.0)(-+=-+--n x n x n y n y n y