簡(jiǎn)介這份資源是南京郵電大學(xué)「信號(hào)分析與處理實(shí)驗(yàn)」課程的完整實(shí)驗(yàn)報(bào)告面向正在修讀數(shù)字信號(hào)處理、信號(hào)與系統(tǒng)相關(guān)課程的高校學(xué)生以及需要借助 MATLAB 完成信號(hào)處理實(shí)驗(yàn)與課程設(shè)計(jì)的自學(xué)者。報(bào)告圍繞信號(hào)的產(chǎn)生和運(yùn)算、連續(xù)時(shí)間信號(hào)的頻域分析、信號(hào)的時(shí)域采樣和重建、離散傅里葉變換與應(yīng)用等核心實(shí)驗(yàn)展開(kāi)并延伸至連續(xù)時(shí)間系統(tǒng)的頻域與復(fù)頻域分析、數(shù)字濾波器設(shè)計(jì)及信號(hào)處理綜合應(yīng)用配有可運(yùn)行的 MATLAB 程序示例與圖形結(jié)果便于對(duì)照理解時(shí)域與頻域特性。資源包共 1 個(gè) docx 文件約 1.02MB內(nèi)容涵蓋實(shí)驗(yàn)?zāi)康?、?shí)驗(yàn)內(nèi)容、程序代碼與結(jié)果分析結(jié)構(gòu)完整、條理清晰。目前已有 952 人學(xué)習(xí)下載適合作為實(shí)驗(yàn)預(yù)習(xí)、報(bào)告撰寫(xiě)參考與 DSP 入門(mén)練習(xí)的實(shí)用材料。1. 信號(hào)分析與處理實(shí)驗(yàn)從Matlab波形到頻域分析的完整實(shí)操記錄很多同學(xué)學(xué)完《信號(hào)與系統(tǒng)》理論課面對(duì)傅里葉級(jí)數(shù)、采樣定理、DFT這些概念還是一頭霧水公式推得再熟一到實(shí)際信號(hào)上就不知道從哪下手。這份實(shí)驗(yàn)報(bào)告記錄的就是把抽象公式變成Matlab波形的過(guò)程——從最基礎(chǔ)的階躍序列、復(fù)指數(shù)序列生成到周期矩形脈沖的頻譜分析再到時(shí)域采樣與信號(hào)重建最后落到數(shù)字濾波器設(shè)計(jì)。四個(gè)實(shí)驗(yàn)層層遞進(jìn)每個(gè)都配有可直接運(yùn)行的Matlab代碼和結(jié)果分析。如果你正在學(xué)數(shù)字信號(hào)處理DSP這門(mén)課或者需要一份能照著跑通的實(shí)驗(yàn)參考這份材料能幫你把理論和代碼之間的那層窗戶紙捅破。2. 實(shí)驗(yàn)環(huán)境與項(xiàng)目結(jié)構(gòu)先搞清楚手里有什么2.1 運(yùn)行環(huán)境與依賴(lài)這套實(shí)驗(yàn)全部基于Matlab完成不依賴(lài)任何額外工具箱。我實(shí)測(cè)在Matlab R2018b及以上版本都能直接跑低版本理論上也沒(méi)問(wèn)題因?yàn)橛玫降亩际腔A(chǔ)函數(shù)stem、plot、subplot、conv、fft、sinc、filter這些。不需要Simulink不需要DSP System Toolbox純腳本就能搞定。如果你用的是Octave大部分代碼也能跑但freqz和butter這類(lèi)濾波器設(shè)計(jì)函數(shù)可能需要安裝signal包。我一般建議直接用Matlab省得折騰兼容性問(wèn)題。2.2 實(shí)驗(yàn)?zāi)K劃分整份報(bào)告按實(shí)驗(yàn)序號(hào)組織每個(gè)實(shí)驗(yàn)對(duì)應(yīng)一個(gè)獨(dú)立文件夾里面包含腳本文件和結(jié)果圖。目錄結(jié)構(gòu)大致如下信號(hào)分析與處理實(shí)驗(yàn)/ ├── 實(shí)驗(yàn)一_信號(hào)的產(chǎn)生和運(yùn)算/ │ ├── P1_1.m % 單位階躍序列 │ ├── P1_2.m % 復(fù)指數(shù)序列 │ ├── P1_3.m % 實(shí)指數(shù)序列 │ ├── P1_4.m % 正弦序列 │ ├── P1_5.m % 序列加乘運(yùn)算 │ ├── P1_6.m % 奇偶分量分解 │ └── P1_7.m % 線性卷積 ├── 實(shí)驗(yàn)二_連續(xù)時(shí)間信號(hào)頻域分析/ │ ├── P2_1.m % 周期矩形脈沖傅里葉級(jí)數(shù) │ ├── P2_2.m % 諧波疊加 │ └── P2_4.m % 吉布斯現(xiàn)象過(guò)沖計(jì)算 ├── 實(shí)驗(yàn)三_時(shí)域采樣與重建/ │ ├── P3_1.m % 采樣與頻譜分析 │ └── P3_2.m % 信號(hào)重建 └── 實(shí)驗(yàn)四_離散傅里葉變換與應(yīng)用/ ├── P4_1.m % DFT實(shí)現(xiàn) └── P4_2.m % 濾波器設(shè)計(jì)每個(gè)腳本都是獨(dú)立可運(yùn)行的變量命名清晰沒(méi)有跨文件依賴(lài)。這種組織方式對(duì)新手很友好——你不需要理解整個(gè)工程打開(kāi)哪個(gè)文件就跑哪個(gè)。2.3 實(shí)驗(yàn)報(bào)告的核心產(chǎn)出每個(gè)實(shí)驗(yàn)最終要交付三樣?xùn)|西一是可運(yùn)行的Matlab代碼二是波形圖或頻譜圖三是對(duì)結(jié)果的分析說(shuō)明。報(bào)告里對(duì)每個(gè)問(wèn)題的分析都寫(xiě)得比較具體比如采樣定理那部分不僅畫(huà)出了混疊前后的頻譜對(duì)比還解釋了為什么Ts2時(shí)會(huì)發(fā)生混疊而Tspi/2時(shí)不會(huì)。這種“代碼圖解釋”的結(jié)構(gòu)拿來(lái)當(dāng)實(shí)驗(yàn)?zāi)０寤蛘咦詫W(xué)材料都合適。3. 核心實(shí)驗(yàn)拆解從信號(hào)生成到頻域分析的代碼實(shí)現(xiàn)3.1 離散序列的生成與基本運(yùn)算實(shí)驗(yàn)一的核心是讓你熟悉Matlab里怎么表示離散時(shí)間信號(hào)。離散序列和連續(xù)信號(hào)最大的區(qū)別在于你得同時(shí)定義時(shí)間軸向量和幅度向量。比如要畫(huà)單位階躍序列u[n]代碼是這樣的% 產(chǎn)生單位階躍序列 u[n] 和 u[n7] clear; close all; n -10:20; % 時(shí)間軸范圍 x [zeros(1,10) 1 ones(1,20)]; % u[n]: n0時(shí)為0, n0時(shí)為1 subplot(1,2,1); stem(n, x); xlabel(n); ylabel(u[n]); title(單位階躍序列 u[n]); M 7; % 移位量 xd [zeros(1,10M) 1 ones(1,20-M)]; % u[n7]: 左移7位 subplot(1,2,2); stem(n, xd); xlabel(n); ylabel(u[n7]); title(移位后的階躍序列 u[n7]);這里的關(guān)鍵點(diǎn)在于zeros和ones的拼接方式。n-10:20一共31個(gè)點(diǎn)zeros(1,10)對(duì)應(yīng)n-10到n-11對(duì)應(yīng)n0ones(1,20)對(duì)應(yīng)n1到n20。移位操作u[n7]本質(zhì)上是把序列左移7位所以前面補(bǔ)7個(gè)零后面少7個(gè)一。這個(gè)邏輯搞清楚了后面所有序列的移位操作都是一個(gè)套路。復(fù)指數(shù)序列稍微繞一點(diǎn)因?yàn)樯婕皬?fù)數(shù)運(yùn)算% 復(fù)指數(shù)序列 x[n] 1.5 * exp((0.2 j3)n), 0 n 15 clear; close all; c 0.2 3*1i; % 復(fù)數(shù)指數(shù)系數(shù) K 1.5; % 幅度系數(shù) n 0:15; x K * exp(c * n); % 生成復(fù)指數(shù)序列 subplot(1,2,1); stem(n, real(x)); % 取實(shí)部 xlabel(n); ylabel(幅度); title(實(shí)部); subplot(1,2,2); stem(n, imag(x)); % 取虛部 xlabel(n); ylabel(幅度); title(虛部);real(x)和imag(x)分別提取實(shí)部和虛部。復(fù)指數(shù)序列在DSP里非常重要因?yàn)樗荄FT的基函數(shù)。這里c 0.2 3i實(shí)部0.2控制包絡(luò)的衰減或增長(zhǎng)虛部3控制振蕩頻率。你可以試著改一下c的值觀察波形怎么變——比如把虛部改成0.5振蕩會(huì)明顯變慢。3.2 序列的卷積與奇偶分解卷積是信號(hào)處理里最核心的運(yùn)算之一。實(shí)驗(yàn)一里用conv函數(shù)計(jì)算了兩個(gè)有限長(zhǎng)序列的線性卷積% 計(jì)算 x[n] 和 h[n] 的線性卷積 clear; close all; nx 0:14; x (-1).^nx; % x[n] (-1)^n, 0n14 nh 0:7; w 0.25 * pi; h cos(w * nh); % h[n] cos(0.25*pi*n), 0n7 y conv(x, h); % 線性卷積 n 0:21; % 卷積結(jié)果長(zhǎng)度 15 8 - 1 22 subplot(3,1,1); stem(nx, x); title(x[n]); subplot(3,1,2); stem(nh, h); title(h[n]); subplot(3,1,3); stem(n, y); title(y[n] x[n] * h[n]);conv函數(shù)的輸出長(zhǎng)度是length(x) length(h) - 1這里是158-122個(gè)點(diǎn)。注意時(shí)間軸n要重新定義不能直接用nx或nh。這個(gè)細(xì)節(jié)很容易翻車(chē)——我見(jiàn)過(guò)不少同學(xué)畫(huà)卷積結(jié)果時(shí)時(shí)間軸對(duì)不上波形整體偏移了。奇偶分解的代碼也值得看一下% 序列的奇偶分量分解 clear; close all; n -2:2; x [1 2 4 -5 -2]; y fliplr(x); % 時(shí)間反轉(zhuǎn) xe 0.5 * (x y); % 偶部 xo 0.5 * (x - y); % 奇部 subplot(3,1,1); stem(n, x); title(x[n]); subplot(3,1,2); stem(n, xe); title(偶部 x_e[n]); subplot(3,1,3); stem(n, xo); title(奇部 x_o[n]);fliplr是左右翻轉(zhuǎn)對(duì)應(yīng)時(shí)間反轉(zhuǎn)x[-n]。偶部是(x[n]x[-n])/2奇部是(x[n]-x[-n])/2。這個(gè)分解在分析系統(tǒng)對(duì)稱(chēng)性時(shí)很有用比如實(shí)偶信號(hào)的傅里葉變換也是實(shí)偶函數(shù)。3.3 周期矩形脈沖的傅里葉級(jí)數(shù)與吉布斯現(xiàn)象實(shí)驗(yàn)二的重頭戲是周期矩形脈沖的頻譜分析。指數(shù)形式的傅里葉級(jí)數(shù)系數(shù)公式是$$c_k \frac{A\tau}{T} \cdot \text{sinc}\left(\frac{k\Omega_0\tau}{2\pi}\right)$$代碼實(shí)現(xiàn)時(shí)用sinc函數(shù)直接算% 周期矩形脈沖的傅里葉級(jí)數(shù)系數(shù) A 1; tau 0.1; T 0.5; Omega0 2*pi/T; k -20:20; ck A*tau/T * sinc(k*Omega0*tau/(2*pi)); subplot(2,1,1); stem(k, abs(ck)); title(雙邊幅度譜); subplot(2,1,2); stem(k, angle(ck)); title(相位譜);這里k取-20到20覆蓋了主要諧波分量。sinc函數(shù)在Matlab里定義為sin(pi*x)/(pi*x)和信號(hào)處理里的歸一化sinc一致。如果你把T從0.5改成1或2會(huì)發(fā)現(xiàn)譜線間隔變密、幅度降低——這正是報(bào)告里問(wèn)題2.2要你觀察的現(xiàn)象。吉布斯現(xiàn)象的計(jì)算用了一個(gè)循環(huán)來(lái)累加諧波function p2_4(N) t -2:1e-4:2; A 1; tau 1; T 2; Omega0 2*pi/T; c0 A*tau/T; f_N c0 * ones(1, length(t)); for k 1:N f_N f_N 2*A*tau/T * sinc(k*Omega0*tau/(2*pi)) * cos(k*Omega0*t); end overshoot max(f_N); fprintf(The maximum overshoot is %.4f\n, overshoot); end當(dāng)N增大時(shí)過(guò)沖峰值趨近于一個(gè)常數(shù)大約在跳變幅度的9%左右。這個(gè)函數(shù)直接返回過(guò)沖最大值方便你驗(yàn)證不同N下的收斂情況。3.4 采樣定理驗(yàn)證與信號(hào)重建實(shí)驗(yàn)三用升余弦脈沖信號(hào)來(lái)驗(yàn)證采樣定理。核心邏輯是先定義連續(xù)信號(hào)的頻譜然后以不同采樣間隔Ts采樣觀察頻譜是否混疊。% 采樣與頻譜分析 Ts pi/2; % 采樣間隔 t -10:Ts:10; % 升余弦脈沖信號(hào)生成 x ...; % 具體表達(dá)式見(jiàn)報(bào)告 % 計(jì)算并繪制頻譜 X fftshift(fft(x)); f (-length(x)/2:length(x)/2-1) / (length(x)*Ts); plot(f, abs(X));當(dāng)Ts pi/2時(shí)采樣頻率滿足奈奎斯特條件頻譜沒(méi)有混疊當(dāng)Ts 2時(shí)采樣頻率低于兩倍截止頻率頻譜出現(xiàn)混疊。報(bào)告里對(duì)這兩個(gè)情況的對(duì)比圖和分析都很清楚。信號(hào)重建部分用低通濾波器從采樣信號(hào)中恢復(fù)原信號(hào)% 信號(hào)重建 Wc 2; % 低通濾波器截止頻率 % 設(shè)計(jì)理想低通濾波器 h Wc/pi * sinc(Wc/pi * (n - delay)); % 卷積實(shí)現(xiàn)重建 xr conv(xs, h);重建誤差的大小直接反映了采樣定理是否被滿足。Ts2時(shí)誤差明顯增大因?yàn)榛殳B導(dǎo)致高頻分量無(wú)法恢復(fù)。4. 避坑與常見(jiàn)問(wèn)題跑代碼時(shí)容易翻車(chē)的幾個(gè)地方4.1 時(shí)間軸對(duì)不上導(dǎo)致波形偏移現(xiàn)象畫(huà)卷積結(jié)果或移位序列時(shí)波形整體左移或右移和理論位置對(duì)不上。原因stem或plot的橫軸向量和信號(hào)向量長(zhǎng)度不一致或者移位操作后沒(méi)有重新定義時(shí)間軸。解決每次生成新序列后先確認(rèn)length(n) length(x)。卷積后用n 0:length(y)-1重新定義時(shí)間軸。移位操作時(shí)時(shí)間軸不變只改幅度向量的補(bǔ)零位置。4.2 復(fù)數(shù)序列取實(shí)部虛部時(shí)忘記用real/imag現(xiàn)象stem畫(huà)復(fù)指數(shù)序列時(shí)報(bào)錯(cuò)或畫(huà)出奇怪的結(jié)果。原因Matlab的stem不能直接畫(huà)復(fù)數(shù)必須顯式取實(shí)部或虛部。解決用real(x)和imag(x)分別提取。如果想畫(huà)幅度和相位用abs(x)和angle(x)。4.3 采樣頻率設(shè)置不當(dāng)導(dǎo)致頻譜混疊現(xiàn)象頻譜圖上出現(xiàn)明顯的頻率折疊高頻分量跑到低頻區(qū)域。原因采樣間隔Ts大于奈奎斯特間隔不滿足采樣定理。解決先計(jì)算信號(hào)的最高頻率fm然后確保Ts 1/(2*fm)。報(bào)告里升余弦脈沖的截止頻率是Wm2所以奈奎斯特間隔是pi/2。如果你不確定信號(hào)的帶寬先把Ts設(shè)小一點(diǎn)逐步增大觀察頻譜變化。4.4 fft后的頻率軸計(jì)算錯(cuò)誤現(xiàn)象頻譜圖的橫軸頻率值不對(duì)峰值位置和理論值偏差很大。原因fft輸出的頻率分辨率是fs/N其中fs1/TsN是采樣點(diǎn)數(shù)。頻率軸應(yīng)該從-fs/2到fs/2。解決用f (-N/2:N/2-1) * (fs/N)計(jì)算頻率軸配合fftshift使用。如果只畫(huà)正頻率部分取前N/21個(gè)點(diǎn)頻率軸從0到fs/2。4.5 濾波器設(shè)計(jì)時(shí)階數(shù)選擇不當(dāng)現(xiàn)象重建信號(hào)要么過(guò)渡帶太寬要么通帶紋波太大。原因?yàn)V波器階數(shù)太低導(dǎo)致過(guò)渡帶不夠陡峭階數(shù)太高又可能引入數(shù)值不穩(wěn)定。解決先用buttord或cheb1ord估算所需階數(shù)再用butter或cheby1設(shè)計(jì)。對(duì)于理想低通重建直接用sinc函數(shù)生成沖激響應(yīng)但要注意截?cái)嚅L(zhǎng)度——截?cái)嗵虝?huì)導(dǎo)致吉布斯現(xiàn)象太長(zhǎng)會(huì)增加計(jì)算量。5. 二次開(kāi)發(fā)與擴(kuò)展把這套代碼改成自己的工具5.1 封裝成可復(fù)用的函數(shù)原始代碼都是腳本形式變量直接暴露在工作區(qū)。如果你想反復(fù)使用某個(gè)功能比如生成任意參數(shù)的復(fù)指數(shù)序列可以把它封裝成函數(shù)function [n, x] gen_complex_exp(K, sigma, omega, n_start, n_end) % 生成復(fù)指數(shù)序列 x[n] K * exp((sigma j*omega)n) % 輸入 % K - 幅度系數(shù) % sigma - 實(shí)部衰減/增長(zhǎng)因子 % omega - 虛部角頻率 % n_start - 起始索引 % n_end - 結(jié)束索引 % 輸出 % n - 時(shí)間軸向量 % x - 復(fù)指數(shù)序列 n n_start:n_end; x K * exp((sigma 1i*omega) * n); end調(diào)用時(shí)只需要一行[n, x] gen_complex_exp(1.5, 0.2, 3, 0, 15);。這樣你就不用每次改參數(shù)都去翻腳本了。5.2 用App Designer做個(gè)交互界面如果你想讓不懂Matlab的人也能玩這些實(shí)驗(yàn)可以用App Designer搭個(gè)簡(jiǎn)單界面。拖幾個(gè)滑塊控制幅度、頻率、采樣間隔實(shí)時(shí)刷新波形圖。核心邏輯還是調(diào)用上面那些函數(shù)只是把輸入從命令行改成GUI控件。我一般會(huì)保留一個(gè)“導(dǎo)出數(shù)據(jù)”按鈕把當(dāng)前生成的信號(hào)和頻譜存成.mat文件方便后續(xù)分析。這個(gè)功能在寫(xiě)論文或做項(xiàng)目時(shí)特別實(shí)用——你不需要重新跑一遍代碼直接加載數(shù)據(jù)就行。5.3 擴(kuò)展到實(shí)際信號(hào)處理這套實(shí)驗(yàn)用的是理想信號(hào)實(shí)際工程中你面對(duì)的是帶噪聲的音頻、傳感器數(shù)據(jù)或者通信信號(hào)。把實(shí)驗(yàn)里的采樣、頻譜分析、濾波這套流程套上去基本框架不用大改只需要注意幾點(diǎn)實(shí)際信號(hào)的頻率范圍未知先做頻譜預(yù)覽再定采樣率噪聲會(huì)讓頻譜變得毛糙需要加窗函數(shù)如hamming、blackman抑制泄漏濾波器設(shè)計(jì)要考慮實(shí)時(shí)性IIR濾波器階數(shù)低但相位非線性FIR濾波器線性相位但階數(shù)高5.4 驗(yàn)證方法改完代碼后怎么確認(rèn)沒(méi)跑偏我的習(xí)慣是拿一個(gè)已知答案的簡(jiǎn)單信號(hào)做回歸測(cè)試。比如生成一個(gè)x[n] cos(0.1*pi*n)的序列理論上它的DFT應(yīng)該在k0.1*N處有一個(gè)峰值。跑一遍代碼看峰值位置對(duì)不對(duì)。如果對(duì)得上說(shuō)明整個(gè)流程沒(méi)問(wèn)題如果對(duì)不上就從采樣、加窗、FFT逐段排查。從那以后我每次改完信號(hào)處理代碼都強(qiáng)制走一遍這個(gè)“已知信號(hào)驗(yàn)證”流程?？雌饋?lái)多花了幾分鐘但省下了后面調(diào)試玄學(xué)問(wèn)題的大把時(shí)間。希望這份實(shí)驗(yàn)記錄能幫你少走點(diǎn)彎路順利把信號(hào)分析與處理的實(shí)驗(yàn)跑通。本文還有配套的精品資源點(diǎn)擊獲取