MatLab简介
MATLAB是什么？
典型的使用包括：
数学和计算
算术发展模型，
模拟，和原型
数据分析，开发，和可视化
科学和工程图学
应用发展包括图形用户界面设计
MATLAB表示矩阵实验室。
MATLAB系统
MATLAB系统由5主要的部分构成：
1. MATLAB语言。这是高阶的矩阵/数组语言,带控制流动陈述，函数，数据结构，输入/输出，而且面向目标的编程特点。
Ops 操作符和特殊字符。
Lang 程序设计语言作。
strfun 字符串。
iofun 输入/输出。
timefun 时期和标有日期。
datatypes数据类型和结构。
2. MATLAB工作环境。这是你作为MATLAB用户或程序编制员的一套工具和设施。
3. 制图这是MATLAB制图系统。它为2维上，而且三维的数据可视化，图象处理，动画片制作和表示图形包括高阶的指令在内。它也为包括低阶的指令在内,允许你建造完整的图形用户界面（GUIs），MATLAB应用。制图法功能在MATLAB工具箱中被组织成5文件夹：
graph2d 2-的维数上的图表。
graph3d 三维的图表。
specgraph 专业化图表。
graphics 制图法。
uitools 图形用户界面工具。
4. MATLAB的数学的函数库。数学和分析的功能在MATLAB工具箱中被组织成8文件夹。
elmat 初步矩阵，和矩阵操作。
elfun 初步的数学函数。
specfun 专门的数学函数。
matfun 矩阵函数－用数字表示的线性的代数。
datafun 数据分析和傅立叶变换。
polyfun 插入物，并且多项式。
funfun 功能函数。
sparfun 稀少矩阵。
5. MATLAB应用程序接口（API）。这是允许你写C、Fortran语言与MATLAB 交互。
关于 Simulink
Simulink ？ MATLAB为做非线性的动态的系统的模拟实验的交互式的系统。它是允许你通过把方框图拉到屏幕，灵活地窜改它制作系统的模型的用图表示的鼠标驱动的程序。实时工作室？允许你产生来自你的图表块的C代码，使之能用于各种实时系统。
关于工具箱
工具箱是为了解答特别种类的问题扩展MATLAB环境的MATLAB函数的综合的（M-文件）收集
MatLab工作环境
命令窗口
若输入
A = [1 2 3; 4 5 6; 7 8 10]
按下回车键后显示如下
A =
1 2 3
4 5 6
7 8 10
清除命令窗口
clc
这并不清除工作间，只是清除了显示，仍可按上箭头看到以前发出的命令数据格式命令
x = [4/3 1.2345e–6]
format short
1.3333 0.0000
format short e
1.3333e+000 1.2345e–006
format short g
1.3333 1.2345e–006
format long
1.33333333333333 0.00000123450000
format long e
1.333333333333333e+000 1.234500000000000e–006
format long g
1.33333333333333 1.2345e–006
format bank
1.33 0.00
format +
++
format rat
4/3 1/810045
format hex
3ff5555555555555 3eb4b6231abfd271
若最大的元素大于1000或小于0.001,则显示short或long格式时时会加上一个比例
还有两个格式:
format compact
format loose
禁止结果的显示
在命令后加上分号,则屏幕上不会立即显示出结果,这在运算大的数据量时十分有用,如下命令产生100*100的幻方:
A = magic(100);
长命令行
如想另起一行输入命令,在末尾加上"..."即可,如:
s = 1 – 1/2 + 1/3 – 1/4 + 1/5 – 1/6 + 1/7 ... – 1/8 + 1/9 – 1/10 + 1/11 – 1/12;
MatLab工作间
你可用who或whos来察看当前工作间中有哪些变量,如: whos
Name Size Bytes Class
A 4x4 128 double array
D 3x5 120 double array
M 10x1 40 cell array
S 1x3 628 struct array
h 1x11 22 char array
n 1x1 8 double array
s 1x5 10 char array
v 1x14 28 char array
Grand total is 93 elements using 984 bytes
若要从工作间中删除所有的变量,用
clear
保存、重载工作间
你可以将工作间保存为一个二进制的M文件，以后还可以恢复回来：save june10
也可只保存工作间中的部分变量值
save june10 x y z
重载时只需输入
load june10
文件名保存在字符串中
这样可以像调用函数一样调用工作间
save(’myfile’,’VAR1’,’VAR2’)
A = ’myfile’;
load(A)
与下面的命令相同
save myfile VAR1 VAR2
load myfile
下面的命令把1至10的平方值分别存放在data1至data10中：
file = ’data’;
for i = 1:10 j = i.^2;
save([file int2str(i)],’j’);
end
查找路径
当你输入“yourpig"时发生了什么呢?
1:察看是否是变量;
2:察看是否是内建函数;
3:察看当前目录下是否有文件:yourpig.m;
4:察看查找目录下是否有文件:yourpig.m;
对于查找路径中的文件,what显示当前目录下的文件,加上路径后可显示输入的路径下所有的MatLab文件.如:
what matlab/elfun
以下二命令分别显示、编辑m文件
type rank
edit rank
图像窗口
下面的命令产生一个与命令窗口隔离的图形窗口,
figure
plot函数则会在新的窗口中绘制图形,如
t = 0:pi/100:2*pi;
y = sin(t);
plot(t,y)
则有如下图形:
寻求帮助
下面的函数在寻求帮助时十分有用:
help 列出你所寻求帮助的函数的功能描述；
lookfor 列出所有函数的功能描述中含有你所输入的内容的函数的简介
如:
help inverse
显示
inverse.m not found.
但如输入
lookfor inverse
则显示
INVHILB Inverse Hilbert matrix
ACOSH Inverse hyperbolic cosine
ERFINV Inverse of the error function
INV Matrix inverse
PINV Pseudoinverse
IFFT Inverse discrete Fourier transform
IFFT2 Two–dimensional inverse discrete Fourier transform ICCEPS Inverse complex cepstrum
IDCT Inverse discrete cosine transform
数据分析和统计
面向列的数据集
这年头似乎十分风行”面向”这个词，这儿故也套用，其英文为"Column-Oriented Data Sets",可理解为MatLab按列的存储方式来分析数据,下面是一个例子:
Time Location 1 Location 2 Location 3
01h00 11 11 9
02h00 7 13 11
03h00 14 17 20
04h00 11 13 9
05h00 43 51 69
06h00 38 46 76 07h00 61 132 186 08h00 75 135 180 09h00 38 88 115 10h00 28 36 55 11h00 12 12 14 12h00 18 27 30 13h00 18 19 29 14h00 17 15 18 15h00 19 36 48 16h00 32 47 10 17h00 42 65 92 18h00 57 66 151 19h00 44 55 90 20h00 114 145 257 21h00 35 58 68 22h00 11 12 15 23h00 13 9 15 24h00 10 9 7 以上数据被保存在一个称为count.dat的文件中．
7 13 11
14 17 20
11 13 9
43 51 69
38 46 76
61 132 186 75 135 180 38 88 115 28 36 55
12 12 14
18 27 30
18 19 29
17 15 18
19 36 48
32 47 10
42 65 92
57 66 151 44 55 90 114 145 257 35 58 68
11 12 15
10 9 7
下面，我们调入此文件，并看看文件的一些参数
load count.dat
[n,p] = size(count)
n =
24
p =
3
创建一个时间轴后，我们可以把图画出来：
t = 1:n;
set(0,'defaultaxeslinestyleorder’,’-|--|-.’)
set(0,'defaultaxescolororder’,[0 0 0])
plot(t,count), legend('Location 1','Location 2','Location 3',0) xlabel('Time'), ylabel('Vehicle Count'), grid on
足以证明，以上是对３个对象的２４次观测．
基本数据分析函数
（一定注意是面向列的）
继续用上面的数据，其每列最大值．均值．及偏差分别为：
mx = max(count)
mu = mean(count)
sigma = std(count)
mx =
114 145 257
mu =
32.0000 46.5417 65.5833 sigma =
25.3703 41.4057 68.0281
重载函数，还可以定位出最大．最小值的位置[mx,indx] = min(count)
mx =
7 9 7
indx =
2 2
3 24
试试看，你能看懂下面的命令是干什么的吗？[n,p] = size(count)
e = ones(n,1)
x = count – e*mu
点这看看答案！
下面这句命令则找出了整个矩阵的最小值:
min(count(:))
ans =
7
协方差及相关系数
下面,我们来看看第一列的方差:
cov(count(:,1))
ans =
643.6522
cov()函数作用于矩阵,则会计算其协方差矩阵. corrcoef()用于计算相关系数,如:
corrcoef(count)
ans =
1.0000 0.9331 0.9599
0.9331 1.0000 0.9553
0.9599 0.9553 1.0000
数据的预处理
未知数据
NaN(Not a Number--不是一个数)被定义为未经定义的算式的结果,如 0/0.在处理数据中,NaN常用来表示未知数据或未能获得的数据.所有与NaN有关的运算其结果都是NaN.
a = magic(3);
a(2,2) = NaN
a =
8 1 6
3 NaN 7
4 9 2
sum(a)
ans =
15 NaN 15
在做统计时，常需要将NaN转化为可计算的数字或去掉,以下是几种方法: 注:判断一个值是否为NaN,只能用 isnan(),而不可用 x==NaN;
用此法可以从数据中去掉不相关的数据,看看下面的命令是干什么用的:
mu = mean(count);
sigma = std(count);
[n,p] = size(count)
outliers = abs(count —mu(ones(n, 1),:)) > 3*sigma(ones(n, 1),:); nout = sum(outliers)
nout =
1 0 0
count(any(outliers'),:) = [];
点这看看答案
回归与曲线拟合
我们经常需要把观测到的数据表达为函数，假如有如下的对时间的观测：
t = [0 .3 .8 1.1 1.6 2.3]’;
y = [0.5 0.82 1.14 1.25 1.35 1.40]’;
plot(t,y,’o’),
grid on
多项式回归
由图可以看出应该可以用多项式来表达：y=a0+a1*t+a2*t^2
系数a0,a1,a2可以由最小平方拟合来确定，这一步可由反除号＂＼＂来完成
解下面的三元方程组可得：
X = [ones(size(t)) t t.^2]
X =
1.0000 0 0
1.0000 0.3000 0.0900
1.0000 0.8000 0.6400
1.0000 1.1000 1.2100
1.0000 1.6000
2.5600
1.0000
2.3000 5.2900
a = X\y
a =
0.5318 0.9191 –0.2387
a即为待求的系数，画图比较可得
T = (0:0.1:2.5)’;
Y = [ones(size(T)) T T.^2]*a;
plot(T,Y,'–',t,y,'o',), grid on
结果令人失望，但我们可以增加阶数来提高精确度，但更明智的选择是用别的方法．
线性参数回归
形如：y=a0+a1*exp(-t)+a2*t*exp(-t)
计算方法同上：
X = [ones(size(t)) exp(– t) t.*exp(– t)];
a = X\y
a =
1.3974 – 0.8988 0.4097
T = (0:0.1:2.5)';
Y = [ones(size(T)) exp(– T) T.exp(– T)]*a;
plot(T,Y,'–',t,y,'o'), grid on
看起来是不是好多了！
例子研究：曲线拟合
下面我们以美国人口普查的数据来研究一下有关曲线拟合的问题（MatLab是别人的,教学文档是别人的,例子也是别人的，我只是一个翻译而已．．．）
load census
这样我们得到了两个变量，cdate是1790至1990年的时间列向量(10年一次),pop是相应人口数列向量.
上一小节所讲的多项式拟合可以用函数polyfit()来完成,数字指明了阶数
p = polyfit(cdate,pop,4)
Warning: Matrix is close to singular or badly scaled.
Results may be inaccurate. RCOND = 5.429790e–20
p =
1.0e+05 *
0.0000 –0.0000 0.0000 –0.0126 6.0020
产生警告的原因是计算中的cdata值太大，在计算中的Vandermonde行列式使变换产生了问题，解决的方法之一是使数据标准化．
预处理：标准化数据
数据的标准化是对数据进行缩放，以使以后的计算能更加精确，一种方法是使之成为0均值：
sdate = (cdate – mean(cdate))./std(cdate)
现在再进行曲线拟合就没事了！
p = polyfit(sdate,pop,4)
p =
读取音乐信号并将信号转换为单声道的，并输出信号的波形图和频谱图，播放音乐信号，注意不同抽样率下的音调变化。 1. 源程序 [w,fs,bit]=wavread('天路.wav');//获取音乐信号 wav=(w(:,1))';//获取单声道信号 sound(w,fs)//播放音乐信号 figure;//画音乐信号波形 subplot(2,1,1);plot(wav); fwav=fft(wav);%对音乐信号做傅里叶变换 lwav=round(length(fwav)/2);%信号长度去一半 nwav=[0:lwav-1]; wwav=nwav/(lwav);f=wwav/2*fs; subplot(2,1,2);%画频谱图 plot(wwav,abs(fwav(1:lwav))); 3,输出波形 2 4 6 8 10 12x 10 4 -0.4 -0.200.2 0.40 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 050010001500 2000
音乐信号的滤波去噪 1，实验内容 读取音乐信号，输出原始信号的波形和频谱，将三余弦的混合噪声加在音乐信号上，用巴特沃斯IIR滤波器进行滤波，观察滤波后的音乐信号；再将白噪声加在原始的音乐信号上，用矩形窗进行滤波，观察滤波后的音乐信号。 2，源程序 [w,fs,bit]=wavread('天路.wav'); wav=(w(:,1))'; sound(w,fs) figure; subplot(2,1,1);plot(wav); fwav=fft(wav); lwav=round(length(fwav)/2); nwav=[0:lwav-1]; wwav=nwav/(lwav);f=wwav/2*fs; subplot(2,1,2); plot(wwav,abs(fwav(1:lwav))); sf1=3000;l=length(wav);T=1/fs; t=0:T:(l-1)*T; s1=0.05*cos(2*pi*sf1*t); wav_s1=wav+s1; sound(wav_s1,fs) fwav_s1=fft(wav_s1);f_s1=fft(s1); figure;title('余弦噪声') subplot(2,1,1);plot(s1); subplot(2,1,2);plot(wwav,abs(f_s1(1:lwav))); figure;title('加噪信号') subplot(2,1,1);plot(wav_s1); subplot(2,1,2);plot(wwav,abs(fwav_s1(1:lwav))); T=1; Wp=2/T*tan(0.2*pi/2);Ws=2/T*tan(0.3*pi/2); Rp=1;Rs=60; [N,Wc]=buttord(Wp,Ws,Rp,Rs,'s'); [B,A]=butter(N,Wc,'s'); [C,D]=bilinear(B,A,1/T); W=0:0.001*pi:0.5*pi; H=freqs(B,A,W); Hd=freqz(C,D,W); figure; subplot(3,1,1);plot(W/pi,abs(H)); title('模拟巴特沃斯滤波器'); xlabel('Frequency/Hz');
Matlab处理声音文件 摘要：《信号与系统》这门课是大多数工程类课表中的一个重要组成部分，在学 习《信号与系统》这门课时，我们需要熟练地应用Matlab来采集和处理音频信号，图像信号等并绘出它们的波形和频谱。利用Matlab我们可以灵活方便地分析和处理声音文件。本文介绍了用Matlab处理声音文件的基本流程，并绘制了音频信号的相关波形和频谱。 关键词：Matlab 音量标准化声道分离数字滤波数据转换 引言：MA TLAB是美国Math Works公司推出的一种面向工程和科学计算的交互 式计算软件。它以矩阵运算为基础，把计算、可视化、程序设计融合在一个简单易用的交互式工作环境中，是一款数据分析和处理功能都非常强大的工程实用软件。本文主要介绍Matlab在处理简单声音文件方面的使用。 正文： 1.设计要求：（1）了解语音信号的特点； （2）掌握数字滤波器的参数选择及设计方法； （3）掌握数字滤波器的应用方法及应用效果； （4）提高Matlab下的程序设计能力及综合应用能力。 2.系统的组成及工作原理 分析和处理声音文件，首先要对声音信号进行采集，MATLAB 的数据采集工具箱提供了一整套命令和函数,通过调用这些函数和命令,可直接控制声卡进行数据采集。Windows自带的录音机程序也可驱动声卡来采集语音信号，并能保存为W A V格式文件，供MATLAB相关函数直接读取、写入或播放。本文以W A V格式语音信号作为分析处理的输入数据，用MA TLAB处理声音文件的基本流程是：先将W A V格式语音信号经wavread 函数转换成MA TLAB列数组变量；再用MA TLAB强大的运算能力进行数据分析和处理，如时域分析、频域分析、数字滤波、信号合成、信号变换、识别和增强等等；处理后的数据如是音频数据，则可用wavwrite转换成W A V格式文件或用sound、wavplay等函数直接回放。 3.实验内容，调试及测试结果 （1）音量标准化 在实际录制语音信号的过程中常有音轻问题，因此在录制声音过程中需要对声音电平进行量化处理，使音量实现标准化。利用Matlab很容易实现音量标准化，即最大电平对应最高量化比特。基本步骤是：1.利用wavread函数将W A V文件转换成列数组变量：2.求出数组变量的极值并对所有元素作归一化处理；3.用wavwrite函数还原成音量标准化的WA V文件。 以微软自带的“Windows 拨出电话声.wav”语音信号为例，先将其复制另存到文件名为XPexit.wav的Matlab当前目录中，再通过音量标准化后保存为XPquit.wav文件。以下为其实现程序： clear; close all; clc; [Y,FS,NBITS]=wavread('XPexit.W A V');% 将WA V文件转换成变量 FS,NBITS,% 显示采样频率和量化比特
一、设计目的 通过运用MATLAB对函数进行Z域分析和单边带信号的调制与解调，使我们进一步加深对MATLAB的认识和运用，以实现以下目的： 1.本次试验进一步熟悉了MATLAB软件的使用方法及相关的操作。 2.对Z变换及其反变换函数在MATLAB中的调用有了掌握。 3.理论与实际的仿真相结合，更直观的看到结果。 4.观察了单边带信号调制与解调后的图像，加深认识。 二、设计原理 MATLAB是The MathWorks公司在1984年推出的一种商品化软件，它提供了大量丰富的应用函数，并且具有扩充的开放性结构。目前，该软件包涵盖了控制系统应用、数字信号处理、数字图像处理、通讯、神经网络、小波理论分析、优化与统计、偏微分方程、动态系统实时仿真等多学科专业领域。 其中单边带调制信号是将双边带信号中的一个边带滤掉而形成的。根据方法的不同，产生单边带调制信号的方法有：滤波和相移法。 由于滤波法在技术上比较难实现所以在此我们将用相移法对单边带调制与解调系统进行讨论与设计。 三、设计内容和MATLAB图像
1、数字系统的响应 源代码如下： b=[0 1 2 1 0]; a=[1 -0.5 0 0.3 -0.005]; subplot(421);zplane(b,a); title('系统的零极点图'); subplot(422);impz(b,a,21); title('单位脉冲响应'); subplot(423);stepz(b,a,21); title('单位阶跃响应');
N=21;n=0:N-1; x=exp(-n); x0=zeros(1,N); y0=[1,-1]; xi=filtic(b,a,y0); y1=filter(b,a,x0,xi); xi0=filtic(b,a,0); y2=filter(b,a,x,xi0); y3=filter(b,a,x,xi); [h w]=freqz(b,a,21); subplot(424);stem(n,y1); title('零输入响应');grid on; subplot(425);stem(n,y2); title('零状态响应');grid on; subplot(426);stem(n,y3); title('系统的全响应');grid on; subplot(427);plot(w,abs(h)); title('幅频特性曲线');grid on; subplot(428);plot(w,angle(h)); title('相频特性曲线');grid on;
音频信号的处理 一、问题的提出：数字语音是信号的一种，我们处理数字语音信号，也就是对一种信号的处理，那信号是什么呢？信号是传递信息的函数。 一、问题的提出： 数字语音是信号的一种，我们处理数字语音信号，也就是对一种信号的处理，那信号是什么呢？ 信号是传递信息的函数。离散时间信号%26mdash;%26mdash;序 列%26mdash;%26mdash;可以用图形来表示。 按信号特点的不同，信号可表示成一个或几个独立变量的函数。例如，图像信号就是空间位置（二元变量）的亮度函数。一维变量可以是时间，也可以是其他参量，习惯上将其看成时间。信号有以下几种： （1）连续时间信号：在连续时间范围内定义的信号，但信号的幅值可以是连续数值，也可以是离散数值。当幅值为连续这一特点情况下又常称为模拟信号。实际上连续时间信号与模拟信号常常通用，用以说明同一信号。 （2）离时间信号：时间为离散变量的信号，即独立变量时间被量化了。而幅度仍是连续变化的。 （3）数字信号：时间离散而幅度量化的信号。 语音信号是基于时间轴上的一维数字信号，在这里主要是对语音信号进行频域上的分析。在信号分析中，频域往往包含了更多的信息。对于频域来说，大概有8种波形可以让我们分析：矩形方波，锯齿波，梯形波，临界阻尼指数脉冲波形，三角波，余旋波，余旋平方波，高斯波。对于各种波形，我们都可以用一种方法来分析，就是傅立叶变换：将时域的波形转化到频域来分析。 于是，本课题就从频域的角度对信号进行分析，并通过分析频谱来设计出合适的滤波
器。当然，这些过程的实现都是在MATLAB软件上进行的，MATLAB软件在数字信号处理上发挥了相当大的优势。 二、设计方案： 利用MATLAB中的wavread命令来读入（采集）语音信号，将它赋值给某一向量。再将该向量看作一个普通的信号，对其进行FFT变换实现频谱分析，再依据实际情况对它进行滤波。对于波形图与频谱图（包括滤波前后的对比图）都可以用MATLAB画出。我们还可以通过sound命令来对语音信号进行回放，以便在听觉上来感受声音的变化。 选择设计此方案，是对数字信号处理的一次实践。在数字信号处理的课程学习过程中，我们过多的是理论学习，几乎没有进行实践方面的运用。这个课题正好是对数字语音处理的一次有利实践，而且语音处理也可以说是信号处理在实际应用中很大众化的一方面。 这个方案用到的软件也是在数字信号处理中非常通用的一个软 件%26mdash;%26mdash;MATLAB软件。所以这个课题的设计过程也是一次数字信号处理在MATLAB中应用的学习过程。课题用到了较多的MATLAB语句，而由于课题研究范围所限，真正与数字信号有关的命令函数却并不多。 三、主体部分： （一）、语音的录入与打开： [y,fs,bits]=wavread('Blip',[N1 N2]);用于读取语音，采样值放在向量y中，fs表示采样频率(Hz)，bits表示采样位数。[N1 N2]表示读取从N1点到N2点的值（若只有一个N的点则表示读取前N点的采样值）。 sound(x,fs,bits); 用于对声音的回放。向量y则就代表了一个信号（也即一个复杂的%26ldquo;函数表达式%26rdquo;）也就是说可以像处理一个信号表达式一样处理这个声音信号。 FFT的MATLAB实现 在MATLAB的信号处理工具箱中函数FFT和IFFT用于快速傅立叶变换和逆变换。下
MATLAB汉化指南 作者：junziyang Email：simwer@https://www.doczj.com/doc/4516966899.html, 一、汉化原理简介 MATLAB的界面是用JA V A语言实现的（从6.5版以后），其源文件位于MATLAB安装目录下的java\jar 文件夹中的.jar包中。为了便于MATLAB的本地化（Localization），MATLAB中的一些字符信息（例如，菜单、提示信息等等）没有直接写到JA V A代码中，而是被分离了出来，保存在一种扩展名为.properties 的文件中。在.properties文件中，每条信息被赋予了一个键值，通过在JA V A程序中调用这些键值，就可以使用键值对应的字符信息。因此，如果把键值对应的字符信息翻译成不同的语言，不用修改JA V A代码，就可以改变程序中显示的字符的语言。 JA V A程序运行时会根据计算机的“区域和语言选项”中的设置，来自动选择本地语言。感兴趣的朋友可以试着在“区域和语言选项”中，将语言和位置分别设置为“日语”和“日本”然后启动MATLAB 看看会有什么变化。设置方法：“开始”-“控制面板”-“日期、时间、语言和区域设置”-“区域和语言设置”-在区域设置选项卡中，上面的下拉框中选“日语”，下面的选“日本”。如果不出意外，你会发现你的MATLAB变成日文版的了。现在可能会有人问了，为什么选“中文”和“中国”时MATLAB不是中文版的呢？原因是.jar包中没有中文对应的.properties文件。JA V A通过.properties文件名中的语言和国家代码来选择合适的.properties文件，例如：*_ja_JP.properties 对应日文版，*_zh_CN.properties对应中文版，没有语言和国家代码的默认为英文版。当找不到本地版本时，默认会调用英文版的.properties文件。由于.jar 包中有日文版的.properties文件，所以上面修改区域和语言设置后MATLAB会变为日文版。MATLAB官方发布的版本目前没有中文版的.properties文件。因此只有我们制作出*_zh_CN.properties文件，并把它放入.jar包中，就可以把MATLAB变为中文版。 制作*_zh_CN.properties文件需要两个步骤：（1）把英文版的xxx.properties文件中各个键值后面的字符信息翻译成中文；（2）把翻译后的文件编码，保存为xxx_zh_CN.properties，并将其放入相应的.jar包中。详细说明如下： 二、所需的工具软件 制作中文版properties文件过程中可能需要用到的工具软件有WinRAR、JDK、UEStudio、BatchRename 等，这些工具并非必需，但它们会给我们的翻译和编码工作带来不少方便。 三、资源文件的提取 1.打开WinRAR并切换到jar包所在的目录，如图1所示
第一章课程设计内容及要求 1. 直流电动机的机械特性仿真； 2. 直流电动机的直接起动仿真； 3. 直流电动机电枢串联电阻启动仿真； 4. 直流电动机能耗制动仿真； 5．直流电动机反接制动仿真； 6. 直流电动机改变电枢电压调速仿真； 7. 直流电动机改变励磁电流调速仿真。 要求：编写M文件，在Simulink环境画仿真模型原理图，用二维画图命令画仿真结果图或用示波器观察仿真结果，并加以分析
第二章直流电动机的电力拖动仿真绘制 1）直流电动机的机械特性仿真 clear; U_N=220;P_N=22;I_N=115; n_N=1500;R_a=;R_f=628; Ia_N=I_N-U_N/R_f; C_EPhi_N=(U_N-R_a*Ia_N)/n_N; C_TPhi_N=*C_EPhi_N; Ia=0;Ia_N; n=U_N/C_EPhi_N-R_a/(C_EPhi_N)*Ia; Te=C_TPhi_N*Ia; P1=U_N*Ia+U_N*U_N/R_f; T2_N=9550*P_N/n_N; figure(1); plot(Te,n,'.-'); xlabel('电磁转矩Te/'); ylabel('转矩n/rpm'); ylim([0,1800]); figure(2); plot(Te,n,'rs'); xlabel('电磁转矩Te/'); ylabel('转矩n/rpm');
hold on; R_c=0; for coef=1:;; U=U_N*coef; n=U/C_EPhi_N-(R_a+R_c)/(C_EPhi_N*C_TPhi_N)*Te; plot(Te,n,'k-'); str=strcat('U=',num2str(U),'V'); s_y=1650*coef; text(50,s_y,str); end figure(3); n=U_N/C_EPhi_N-(R_a+R_c)/(C_EPhi_N*C_TPhi_N)*Te; plot(Te,n,'rs'); xlabel('电磁转矩Te/'); ylabel('转矩n/rpm'); hold on; U=U_N;R_c=; for R_c=0::; n=U/C_EPhi_N-(R_a+R_c)/(C_EPhi_N*C_TPhi_N)*Te; plot(Te,n,'k-'); str=strcat('R=',num2str(R_c+R_a),'\Omega'); s_y=400*(4-R_c*; text(120,s_y,str);
1.1 矩阵的表示 1.2 矩阵运算 1.2.14 特殊运算 1．矩阵对角线元素的抽取 函数diag 格式X = diag(v,k) %以向量v的元素作为矩阵X的第k条对角线元素，当k=0时，v为X的主对角线；当k>0时，v为上方第k条对角线；当k<0时，v为下方第k条对角线。 X = diag(v) %以v为主对角线元素，其余元素为0构成X。 v = diag(X,k) %抽取X的第k条对角线元素构成向量v。k=0：抽取主对角线元素；k>0：抽取上方第k条对角线元素；k<0抽取下方第k条对角线元素。 v = diag(X) %抽取主对角线元素构成向量v。 2．上三角阵和下三角阵的抽取 函数tril %取下三角部分 格式L = tril(X) %抽取X的主对角线的下三角部分构成矩阵L L = tril(X,k) %抽取X的第k条对角线的下三角部分；k=0为主对角线；k>0为主对角线以上；k<0为主对角线以下。函数triu %取上三角部分 格式U = triu(X) %抽取X的主对角线的上三角部分构成矩阵U U = triu(X,k) %抽取X的第k条对角线的上三角部分；k=0为主对角线；k>0为主对角线以上；k<0为主对角线以下。3．矩阵的变维 矩阵的变维有两种方法，即用“：”和函数“reshape”，前者主要针对2个已知维数矩阵之间的变维操作；而后者是对于一个矩阵的操作。 （1）“：”变维 （2）Reshape函数变维 格式 B = reshape(A,m,n) %返回以矩阵A的元素构成的m×n矩阵B B = reshape(A,m,n,p,…) %将矩阵A变维为m×n×p×… B = reshape(A,[m n p…]) %同上 B = reshape(A,siz) %由siz决定变维的大小，元素个数与A中元素个数 相同。 （5）复制和平铺矩阵 函数repmat 格式 B = repmat(A,m,n) %将矩阵A复制m×n块，即B由m×n块A平铺而成。 B = repmat(A,[m n]) %与上面一致 B = repmat(A,[m n p…]) %B由m×n×p×…个A块平铺而成 repmat(A,m,n) %当A是一个数a时，该命令产生一个全由a组成的m×n矩阵。 1.3 矩阵分解 1.3.1 Cholesky分解 函数chol 格式R = chol(X) %如果X为n阶对称正定矩阵，则存在一个实的非奇异上三角阵R，满足R'*R = X；若X非正定，则产生错误信息。 [R,p] = chol(X) %不产生任何错误信息，若X为正定阵，则p=0，R与上相同；若X非正定，则p为正整数，R是有序的上三角阵。 1.3.2 LU分解
系（院）物理与电子工程学院专业电子信息工程题目语音信号的处理与分析 学生姓名 指导教师 班级 学号 完成日期：2013 年5 月 目录 1 绪论 (3) 1.1课题背景及意义 (3) 1.2国内外研究现状 (3) 1.3本课题的研究内容和方法 (4) 1.3.1 研究内容 (4) 1.3.2 开发环境 (4) 2 语音信号处理的总体方案 (4) 2.1 系统基本概述 (4) 2.2 系统基本要求与目的 (4) 2.3 系统框架及实现 (5) 2.3.1 语音信号的采样 (5) 2.3.2 语音信号的频谱分析 (5) 2.3.3 音乐信号的抽取 (5) 2.3.4 音乐信号的AM调制 (5) 2.3.5 AM调制音乐信号的同步解调 (5) 2.4系统设计流程图 (6) 3 语音信号处理基本知识 (6) 3.1语音的录入与打开 (6)
3.2采样位数和采样频率 (6) 3.3时域信号的FFT分析 (7) 3.4切比雪夫滤波器 (7) 3.5数字滤波器设计原理 (8) 4 语音信号实例处理设计 (8) 4.1语音信号的采集 (8) 4.3.1高频调制与低频调制 (10) 4.3.2切比雪夫滤波 (11) 4.3.3 FIR滤波 (11) 5 总结 (12) 参考文献 (13) 语音信号的处理与分析 【摘要】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。 Matlab语言是一种数据分析和处理功能十分强大的计算机应用软件，它可以将声音文件变换为离散的数据文件，然后利用其强大的矩阵运算能力处理数据，如数字滤波、傅里叶变换、时域和频域分析、声音回放以及各种图的呈现等，它的信号处理与分析工具箱为语音信号分析提供了十分丰富的功能函数，利用这些功能函数可以快捷而又方便地完成语音信号的处理和分析以及信号的可视化，使人机交互更加便捷。信号处理是Matlab重要应用的领域之一。 本设计针对现在大部分语音处理软件内容繁多、操作不便等问题，采用MATLAB7.0综合运用GUI界面设计、各种函数调用等来实现语音信号的变频、变幅、傅里叶变换及滤波，程序界面简练，操作简便，具有一定的实际应用意义。 最后，本文对语音信号处理的进一步发展方向提出了自己的看法。 【关键词】Matlab 语音信号傅里叶变换低通滤波器
MATLAB7.1中文翻译 MATLAB MATLAB 主程序模块 Simulink 动态仿真模块 Aerospace Blockset 航空模块集 Bioinformatics Toolbox 生物信息学工具箱 CDMA Reference Blockset CDMA 参考模块集 Communications Blockset 通信模块集 Communications Toolbox 通信工具箱 Control System Toolbox 控制系统工具箱 Curve Fitting Toolbox 曲线拟合工具箱 DSP Blockset 数字信号模块集 Data Acquisition Toolbox 数据采集工具箱 Database Toolbox 数据库工具箱 Datafeed Toolbox 数据反馈工具箱 Distributed Computing Toolbox 分布式计算工具箱 Dials and Gauges Blockset 刻度标尺模块集 Embedded Target for Motorola MPC 555 摩托罗拉MPC555 嵌入对象 Embedded Target for the TI C2000 DSP TI C2000 DSP嵌入对象 Embedded Target for TI 6000 DSP TI 6000数字信号处理嵌入对象 Embedded Target for Infineon C166 Microcontrollers Infineon C166 微控制器嵌入对象Embedded Target for Motorola? HC12 Motorola? HC12嵌入对象 Embedded Target for OSEK/VDX? OSEK/VDX?嵌入对象 Excel Link Excel 连接 Extended Symbolic Math 扩展符号数学库 Filter Design Toolbox 滤波器设计工具箱 Filter Design HDL Coder 滤波器设计硬件描述语言编码器 Financial Derivatives Toolbox 金融预测工具箱 Financial Time Series Toolbox 金融时间系列工具箱 Financial Toolbox 金融系统工具箱 Fixed-Income Toolbox 定点收益工具箱 Fixed-Point Blockset 定点模块集 Fuzzy Logic Toolbox 模糊逻辑工具箱 GARCH Toolbox GARCH 工具箱 Genetic Algorithm and Direct Search Toolbox 遗传算法和直接搜寻工具箱Gauges Blockset Gauges模块集 Image Processing Toolbox 图像处理工具箱 Image Acquisition Toolbox 图像调节工具箱 Instrument Control Toolbox 设备控制工具箱 LMI Control Toolbox LMI 控制工具箱 MATLAB Com Builder MATLAB COM 文件编辑器 MATLAB Compiler MATLAB 编译器
MATLAB基础与应用简明教程 张明等编著 北京航空航天大学出版社(2001.01) MATLAB软件环境是美国New Mexico大学的Cleve Moler博士首创的，全名为MATrix LABoratory（矩阵实验室）。它建立在20世纪七八十年代流行的LINPACK（线性代数计算）和ESPACK（特征值计算）软件包的基础上。LINPACK和ESPACK软件包是从Fortran语言开始编写的，后来改写为C语言，改造过程中较为复杂，使用不便。MA TLAB是随着Windows环境的发展而迅速发展起来的。它充分利用了Windows环境下的交互性、多任务功能语言，使得矩阵计算、数值运算变得极为简单。MA TLAB语言是一种更为抽象的高级计算机语言，既有与C语言等同的一面，又更为接近人的抽象思维，便于学习和编程。同时，它具有很好的开放性，用户可以根据自己的需求，利用MA TLAB提供的基本工具，灵活地编制和开发自己的程序，开创新的应用。 本书重点介绍了MA TLAB的矩阵运算、符号运算、图形功能、控制系统分析与设计、SimuLink仿真等方面的内容。 Chap1 MATLAB入门与基本运算 本章介绍MATLAB的基本概念，包括工作空间；目录、路径和文件的管理方式；帮助和例题演示功能等。重点介绍矩阵、数组和函数的运算规则、命令形式，并列举了可能得到的结果。由于MA TLAB的符号工具箱是一个重要分支，其强大的运算功能在科技领域有特殊的帮助作用。 1.1 MATLAB环境与文件管理 1.2 工作空间与变量管理 1.2.1 建立数据 x1=[0.2 1.11 3]; y1=[1 2 3;4 5 6]建立一维数组x1和二维矩阵y1。分号“；”表示不显示定义的数据。 MATLAB还提供了一些简洁方式，能有规律地产生数组： xx=1:10 %xx从1到10，间隔为1 xx=-2:0.5:1 %xx从-2到1，间隔为0.5 linespace命令等距离产生数组，logspace在对数空间中等距离产生数组。对于这一类命令，只要给出数组的两端数据和维数就可以了。 xx=linespace(d1,d2,n) %表示xx从d1到d2等距离取n个点 xx=logspace(d1,d2,n) %表明xx从10d1到10d2等距离取n个点 1.2.2 who和whos命令 who: 查看工作空间中有哪些变量名 whos: 了解这些变量的具体细节 1.2.3 exist命令 查询当前的工作空间内是否存在一个变量，可以调用exist()函数来完成。 调用格式：i=exist(…A?); 式中，A为要查询的变量名。返回的值i表示A存在的形式： i=1 表示当前工作空间内存在一个变量名为A的矩阵； i=2 表示存在一个名为A.m的文件； i=3 表示MATLAB的工作路径下存在一个名为A.mex的文件；
MATLAB 矩阵及其运算函数表 函数名函数功能 abs( ) 绝对值、负数的模、字符串的ASCII码值都可用来求字符串矩阵所 对应的ASCII码数值矩阵double( ) char( ) 可以把ASCII码数值矩阵转换为字符串矩阵 fix( ) 向零方向取整 floor( ) 不大于自变量的最大整数 ceil( ) 不小于自变量的最小整数 round( ) 四舍五入到最邻近的整数 rem(x,y) 求余函数 mod(x,y) % exp( ) 指数函数 [ ] 空操作符 format 格式符设置或改变数据输出格式 (其中格式符决定数据的输出格式) e1:e2:e3 冒号表达式可以产生一个行向量 (其中e1为初始值，e2为步长，e3为终止值) linspace(a,b,n) 产生一个行向量 (其中a和b是生成向量的第一个和最后一个元素，n是元素总数) [注：linspace(a,b,n)与a:(b-a)/(n-1):b等价] A(:,j) 表示取A矩阵的第j列全部元素 A(i,:) 表示A矩阵第i行的全部元素 A(i,j) 表示取A矩阵第i行、第j列的元素 A(i:i+m,:) 表示取A矩阵第i～i+m行的全部元素 A(:,k:k+m) 表示取A矩阵第k～k+m列的全部元素 A(i:i+m,k:k+m) 表示取A矩阵第i～i+m行内，并在第k～k+m列中的所有元素 zeros 产生全0矩阵(零矩阵) ones 产生全1矩阵(幺矩阵) eye 产生单位矩阵 rand 产生0～1间均匀分布的随机矩阵 randn 产生均值为0，方差为1的标准正态分布随机矩阵 zeros(size(A)) 建立一个与矩阵A同样大小的零矩阵 reshape(A,m,n) 在矩阵总元素保持不变的前提下，将矩阵A重新排成m×n的二维矩阵magic(n) 生成一个n阶魔方矩阵（其每行、每列及两条对角线上的元素和都相等） vander(V) 生成以向量V为基础向量的范得蒙矩阵（最后一列全为1，倒数第二列为一个指定的向量，其他各列是其后列与倒数第二列的点乘积） hilb(n) 生成希尔伯特矩阵 invhilb(n) 求n阶的希尔伯特矩阵的逆矩阵 (用一般方法求逆会因原始数据的微小扰动而产生不可靠的计算结果) toeplitz(x,y) 生成一个以x为第1列，y为第1行的托普利兹矩阵（除第1行第1列外，
MATLAB 与音频处理相关内容摘记MATLAB音频相关函数 声音数据输入输出函数： 可以方便地读写au和way文件，并可控制其中的位及频率。 wavread()和wavwriteO。 声音播放： wavplay()：播放wav声音文件。当然，也可以把处理后的 wav文件保存后再用其它工具播放。 wavrecordO：可以对处理后的wav文件进行录音。 PS:在日常生活中,我们听到的声音一般都属于复音,其声音信号由不同的振幅与频率的波合成而得到 MATLAB处理音频信号的流程 分析和处理音频信号首先要对声音信号进行采集MATLAB 的数据采集工具箱提供了一整套命令和函数,通过调用这些函数和命令,可直接控制声卡进行数据采集[1] Windows 自带的录音机程序也可驱动声卡来采集语音信号并能保存 为WAV 格式文件供MATLAB 相关函数直接读取写入或播放本文 以WAV格式音频信号作为分析处理的输入数据用MATLAB 处理音频信号的基本流程是先将WAV 格式音频信号经wavread 函数转换 成MATLAB 列数组变量再用MATLAB 强大的运算能力进行数据分析和处理如时域分析频域分析数字滤波信号合成信号变换识别和增强等等处理后的数据如是音频数据则可用wavwrite 转换成WAV 格式文件或用sound wavplay 等函数直接回放下面分别介绍MATLAB 在音量标准化声道分离合并与组合数字滤波数 据转换等音频信号处理方面的技术实现 音量标准化
录制声音过程中需对声音电平进行量化处理最理想的量化是最大电平对应最高量化比特但实际却很难做到常有音轻问题利用MATLAB 很容易实现音量标准化即最大电平对应最高量化比特基本步骤是先用wavread 函数 将WAV 文件转换成列数组变量再求出数组变量的极值并对所有元素作归一化处理最后用wavwrite 函数还原成音量标准化的WAV 文件 例 1 现以微软自带的Windows XP 关机.wav 音频信号为例先将其复制另存到文件名为XPexit.wav 的MATLAB 当前目录中 再通过音量标准化处理后保存为XPquit.wav 文件实现程序如下 clear; close all; clc; [Y,FS,NBITS]=wavread('XPexit.WAV'); % 将WAV 文件转换成变量 FS,NBITS, % 显示采样频率和量化比特 Ym=max(max(max(Y)),max(abs(min(Y)))), % 找出双声道极值 X=Y/Ym; % 归一化处理 wavwrite(X,FS,NBITS,'XPquit.wav') % 将变量转换成WAV 文件 试听可知标准化处理后音量稍大 声道分离合并与组合 立体声或双声道音频信号有左右两个声道利用MATLAB 实现双声道分离两路声道合并和两个单声道组合成一个双声道等效果实际上是利用 了MATLAB 的矩阵抽取矩阵相加和矩阵重组运算 例 2 现以例 1 生成的XPquit.wav 为例实现分离合并和组合处理的程序如下 clear; close all; clc; [x,FS,NBITS]=wavread('XPquit.WAV'); % 将WAV 文件转换成变量 x1=x(:,1); % 抽取第 1 声道 x2=x(:,2); % 抽取第 2 声道 wavwrite(x1,FS,NBITS,'XPquit1.WAV'); % 实现 1 声道分离 wavwrite(x2,FS,NBITS,'XPquit2.WAV'); % 实现 2 声道分离 %如果合并位置不对前面补0 %声道长度不对后面补0 x12=x1+x2; % 两路单声道列向量矩阵变量合并 x12m=max(max(x12),abs(min(x12))), % 找出极值 y12=x12./x12m; % 归一化处理 wavwrite(y12,FS,NBITS,'XPquit12.WAV'); % 实现两路声道合并 %如果组合位置不对前面补0--声道长度不对后面补0 x3=[x1,x2]; % 两路单声道变量组合 wavwrite(x3,FS,NBITS,'XPquit3.WAV'); % 实现两路声道组合 可以试听声道分离合并与组合的效果也可对各文件大小进行比较 数字滤波 数字滤波是常用的音频处理技术可根据技术指标先利用FDATool 工具设计一个数字滤波器[2] 再用Filter 或Filter2 函数即可实现滤波处理调用 的Filter 函数格式是Y = filte (B,A,X) 其中 B 和 A 是滤波器传输函数的分子和分母系数X 是输入变量Y是实现滤波后的输出变量如果处理立体声音频信号可分开处理但用FIR 滤波器时调用Filter2 函数更方便
Matlab R2014a 安装教程 【安装说明】 以下内容是为初次安装Matlab 的新手提供，老手请直接跳过，或者可以参见serial 文件夹中的Readme 文件。另外，请注意，在中文系统中通过以下方法安装的Matlab 的默认界面语言为中文，如果不希望安装中文界面的，请在安装前将系统语言更改为英文（或者也可以按照文后附的方法修改）。 1.将下下来的ISO 文件载入到虚拟光驱（可以使用Daemon Tools 或UltraISO 等，注意，用UltraISO 双击打开是不 行的）或解压，你能看到如下文件： 2.最简单的办法是直接双击SetupSimple ，静待安装完成，Over 。如果该方法不行的话，那么，请按照下面的步骤进行。 3.如果第二步的方法不行，那么，双击Setup ，选择“使用文件安装密钥”； 本教程来源于网络
4.填入序列号（单机安装填：12313-94680-65562-90832，如果你需要Matlab服务器组件的话，那么请填写：23809-31321-26556-08694，一般个人使用的话是不需要这些组件的） 5.选择安装位置，选择安装组件，选择安装的快捷方式
(在上一步中，如果你使用了23809-31321-26556-08694安装密钥，那么会多框出来的这两个组件)
6.然后等待安装完成
第10步。 8.然后我们需要替换破解过的文件，进入serial文件夹（它在ISO文件内，如第1步所示，你把ISO文件解压或载入虚拟光驱就能看到了），选择与你系统版本对应的破解文件（32位系统打开Matlab32，64位系统打开 Matlab64），复制里面的bin文件夹。
S i m u l i n k仿真环境基础学习Simulink是面向框图的仿真软件。 7.1演示一个Simulink的简单程序 【例7.1】创建一个正弦信号的仿真模型。 步骤如下： (1)在MATLAB的命令窗口运行simulink命令，或单击工具栏中的图标，就可以打开Simulink模块库浏览器(SimulinkLibraryBrowser)窗口，如图7.1所示。
图7.1Simulink界面 (2)单击工具栏上的图标或选择菜单“File”——“New”——“Model”，新建一个名为“untitled”的空白模型窗口。 (3)在上图的右侧子模块窗口中，单击“Source”子模块库前的“+”(或双击Source)，或者直接在左侧模块和工具箱栏单击Simulink下的Source子模块库，便可看到各种输入源模块。 (4)用鼠标单击所需要的输入信号源模块“SineWave”(正弦信号)，将其拖放到的空白模型窗口“untitled”，则“SineWave”模块就被添加到untitled窗口；也可以用鼠标选中“SineWave”模块，单击鼠标右键，在快捷菜单中选择“addto'untitled'”命令，就可以将“SineWave”模块添加到untitled窗口，如图7.2所示。
(5) Scope ”模块(示波器)拖放到“untitled ”窗口中。 (6)在“untitled ”窗口中，用鼠标指向“SineWave ”右侧的输出端，当光标变为十字符时，按住鼠标拖向“Scope ”模块的输入端，松开鼠标按键，就完成了两个模块间的信号线连接，一个简单模型已经建成。如图7.3所示。 (7)开始仿真，单击“untitled ”模型窗口中“开始仿真”图标 ，或者选择菜单“Simulink ”——“Start ”，则仿真开始。双击“Scope ” 模块出现示波器显示屏，可以看到黄色的正弦波形。如图7.4所示。 图7.2Simulink 界面
工程设计论文 题目：基于MATLAB的语音信号采集与处理 姓名： 班级： 学号： 指导老师：
一.选题背景 1、实践意义： 语音信号是一种非平稳的时变信号，它携带着各种信息。在语音编码、语音合成、语音识别和语音增强等语音处理中无一例外需要提取语音中包含的各种信息。语音信号分析的目的就在于方便有效地提取并表示语音信号所携带的信息。所以理解并掌握语音信号的时域和频域特性是非常重要的。 通过语音相互传递信息是人类最重要的基本功能之一.语言是人类特有的功能.声音是人类常用工具,是相互传递信息的最重要的手段.虽然,人可以通过多种手段获得外界信息,但最重要,最精细的信息源只有语言,图像和文字三种.与用声音传递信息相比,显然用视觉和文字相互传递信息,其效果要差得多.这是因为语音中除包含实际发音容的话言信息外,还包括发音者是谁及喜怒哀乐等各种信息.所以,语音是人类最重要,最有效,最常用和最方便的交换信息的形式.另一方面,语言和语音与人的智力活动密切相关,与文化和社会的进步紧密相连,它具有最大的信息容量和最高的智能水平。 语音信号处理是研究用数字信号处理技术对语音信号进行处理的一门学科,处理的目的是用于得到某些参数以便高效传输或存储;或者是用于某种应用,如人工合成出语音,辨识出讲话者,识别出讲话容,进行语音增强等. 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,
是一门涉及面很广的交叉学科.虽然从事达一领域研究的人员主要来自信息处理及计算机等学科.但是它与语音学,语言学,声学,认知科学,生理学,心理学及数理统计等许多学科也有非常密切的联系. 语音信号处理是许多信息领域应用的核心技术之一,是目前发展最为迅速的信息科学研究领域中的一个.语音处理是目前极为活跃和热门的研究领域,其研究涉及一系列前沿科研课题,巳处于迅速发展之中;其研究成果具有重要的学术及应用价值. 数字信号处理是利用计算机或专用处理设备，以数值计算的方法对信号进行采集、抽样、变换、综合、估值与识别等加工处理，借以达到提取信息和便于应用的目的。它在语音、雷达、图像、系统控制、通信、航空航天、生物医学等众多领域都获得了极其广泛的应用。具有灵活、精确、抗干扰强、度快等优点。 数字滤波器, 是数字信号处理中及其重要的一部分。随着信息时代和数字技术的发展，受到人们越来越多的重视。数字滤波器可以通过数值运算实现滤波，所以数字滤波器处理精度高、稳定、体积小、重量轻、灵活不存在阻抗匹配问题，可以实现模拟滤波器无法实现的特殊功能。数字滤波器种类很多，根据其实现的网络结构或者其冲激响应函数的时域特性，可分为两种，即有限冲激响应( FIR，Finite Impulse Response)滤波器和无限冲激响应( IIR，Infinite Impulse Response)滤波器。 FIR滤波器结构上主要是非递归结构，没有输出到输入的反馈，系统函数H (z)在处收敛，极点全部在z = 0处（因果系统），因而只能