现代信号处理思考题(含答案)

第一章 绪论

1、 试举例说明信号与信息这两个概念的区别与联系。

信息反映了一个物理系统的状态或特性，是自然界、人类社会和人类思维活动中普遍存在的物质和事物的属性。

信号是传载信息的物理量是信息的表现形式，如文字、语言、图像等。

如人们常用qq 聊天，即是用文字形式的信号将所要表达的信息传递给别人。

2、 什么是信号的正交分解？如何理解正交分解在机械故障诊断中的重要价值？

P9正交函数的定义

信号的正交分解如傅里叶变换、小波分解等，即将信号分解成多个独立的相互正交的信号的叠加。从而将信号独立的分解到不同空间中去，通常指滤波器频域内正交以便于故障分析和故障特征的提取。

傅里叶变换将信号分解成各个正交的傅里叶级数，将信号从时域转换到频域从而得到信号中的各个信号的频率。正交小波变换能够将任意信号（平稳或非平稳）分解到各自独立的频带中；正交性保证了这些独立频带中状态信息无冗余、无疏漏，排除了干扰，浓缩了了动态分析与监测诊断的信息。

3、 为什么要从内积变换的角度来认识常见的几种信号处理方法？如何选择合适的信号处理方法？ 在信号处理各种运算中内积变换发挥了重要作用。内积变换可视为信号与基函数关系紧密程度或相似性的一种度量。对于平稳信号，是利用傅里叶变换将信号从时域变为频域函数实现的方式是信号函数x （t ）与基函数i t e ω 通过内积运算。匹配出信号x （t ）中圆频率为w 的正弦波.而非平稳信号一般会用快速傅里叶变换、离散小波变换、连续小波变换等这些小波变换的内积变换内积运算旨在探求信号x （t ）中包含与小波基函数最相关或最相似的分量。

“特征波形基函数信号分解”旨在灵活运用小波基函数

去更好地处理信号、提取故障特征。用特定的基函数分解信号是为了获得具有不同物理意义的分类信息。

不同类型的机械故障会在动态信号中反应出不同的特征波形，如旋转机械失衡振动的波形与正弦波形有关，内燃机爆燃振动波形是具有钟形包络的高频波；齿轮轴承等机械零部件出现剥落。裂纹等王府机械活塞连杆、气阀磨损缺陷在运行过程中产生的冲击振动呈现出接近单边震荡衰减波形，等等充分利用基函数的各种性质，根据研究对象的特点和需求，选用针对性强的小波基函数，才能合理地解决工程实际问题，融合表征各种不同类型机械状态特征波形的混合基函数，是现代信号处理进行机械动态分析和检测诊断的一个新的研究方向。

4、 对于基函数的各种性质的物理意义如何理解？

1、 正交性——是小波基函数一个非常优良的性质，他保证信号处理时将信息独立化的提取出来。

2、 正则性——在数学上表现为小波函数的光滑性或可微性。

3、 消失矩——小波基函数的消失矩必须具有足够高的阶数，一个小波消失矩为N ，则它的滤波器长

度不能少于2R 。在信号奇异性检测中要求有足够高的消失矩，但不能过高否则会将奇异的信号平滑掉。表示基函数必行光滑性的程度，R 越大越光滑。

)( ,t b a ψ

4、 紧支性——函数在区间[a ，b]以外恒为零，支撑区间越小，小波局部化能力越强，越有利于信

号点的检测。例如谐波小波，它在频域进制具有完全的盒形频谱。

5、 对称性——具有偶对称或奇对称的尺度函数和小波函数在小波变换信号处理时可得到线性相位

和零相移的分析结果。可进行实时性处理。例如谐波小波，其实属部分为偶对称其负数部分为奇对称，可对信号进行实时性处理。

6、 相似性——这是利用小波分型技术分析信号非平稳性和复杂性的理论基础。

7、 冗余度——表示信号通过某种变换后，由逆变换重建原来信号过程中，基函数所包含重建信息

的过剩量。对信号的重构和图像的恢复有意义。

上述性质应用：

傅里叶基函数：时域无紧支性，但频域有优良的对称性、正交性和紧支性，可得到准确的相位幅值频率。

小波函数：1、haar 小波时间局部化能力强，频率弱。

2、shannon 相反。

3、daubechise 紧支性正交小波，应用广泛但没有解析式，只有离散形式，计算量大。不具备严格的对称性。

4、调频高斯小波：可进行连续小波变换。非正交冗余小波。

5、谐波小波：有解析表达式、频域紧支的正交小波，频域有很好的盒性适合旋转机械的

监测诊断

6、laplace 单边衰减震荡，对齿轮轴承等因缺陷在运行中产生的冲击响应以及旋转机械

碰磨、蒸汽激振等故障特征的提取以及模态分析很有效。

7、hermitian 敏感的识别信号的奇异性。

8、第二代小波：获得与信号更好拼配的期望小波基函数。

第二章 信号的时域分析

1、解释理想滤波器的特点。

信号滤波处理是消除或减弱干扰噪声，保留有用信号的过程。理想的滤波器具有以下四个特点

（1） 理想低通滤波器能使信号中低于频率wc 的各频率分量以同样的放大倍数通过，使高于wc

的频率成分减小为0.高通相反。

（2） 理想的低通滤波器具有矩形幅频特性和线性相位特性。

0() 1 () c p c H j j ωωωδφωτωωω?=

（3） 理想低通滤波器物理上是不可实现的。

（4） Wc 越小时，信号失真大。

2、描述实际滤波器的参数有哪些？其物理含义是什么？

1、截止频率wc ——当滤波器幅值等于

0.707时对应的

频率，也称半功率点。

2、通带边缘频率wp 、阻带边缘频率ws

——划分通

带、过渡带和租代的两个指标。

3、允许的波动量

4、衰减——波动的大小。 3、图示说明采样定理的基本原理。实际测试时如何确定采样频率和数据长度？p29

离散信号的频谱相当于将原信号频谱依次平移ws=2*pi/△t 至各采样脉冲函数对应的频域序列点上然后叠加而成，当△t 太大时ws 过小，移至各采样脉冲函数对应的频域序列点上的频谱会有一部分重叠，导致信号与原信号不一致，称为混叠。因此采样频率ws 必须不小于原信号中的最大频率的2倍。从而t πω

?≤或max 12t f ?≤。实际采样中，一般去ws 为最高频率的2.5~4倍。由于测量信号中高频信号往往是由干扰引起的噪声信号或我们不关注的频谱，因此采样前先需对信号进行低通滤波再定采样频率和时间间隔。

数字信号的分辨率包括时间分辨率和频率分辨率。数字信号的时间分辨率即采样间隔r t ，它反映了数字信号在时域中取值点之间的细密程度。数字信号的频率分辨率为r w =2p / T ，其中T =N r t 为数字信号的时间跨度，N 为数字信号的长度。频率分辨率表示了数字信号的频谱在频域中取值点之间的细密程度。因此，当采样频率或采样间隔确定后，增大采样点数就可增加信号的时间长度和频率分辨率。

4、 窗函数为什么会导致频谱泄露？试讨论检测两个频率相近幅度不同的信号 ，选择哪种窗函数比

较合适？p30图

理论上任何信号的长度都是无限的，但任何观测信号的长度都是在有限的时间段内进行的。因此，信号采样过程必须使用窗函数，将无限长信号截断成为有限长度的信号。从理论上看，截断过程是在时域将无限长信号乘以有限时间宽度的窗函数。由卷积定理知在频域内则为信号的频谱与窗函数频谱的卷积。由于窗函数的幅频曲线是一个无线带宽的函数，所以即使原信号为有限带宽信号，截断后信号的频谱也必然是无线带宽的。这就说明信号的能量截断后被扩展了。由此可见信号截断必然会带来一定的误差。泄露取决于窗函数的旁瓣，旁瓣越小，相应的泄露越少。

窗函数选择：1、仅要求获得主瓣的频率——矩形窗。

1、 要求幅值精度高，泄露量小——汉宁窗。

这里由于两个信号频率相近但幅值不同，因此在检测过程中要求幅度进度高，应选择汉宁窗。

5、有量纲指标与无量纲指标各有什么优缺点？试举例说明。

有量纲参数指标：平均幅值、方根幅值、均方幅值、峰值四种。

优缺点：不但与机器的状态有关，且与机器的运动参数如转速、载荷等有关。

无量纲参数指标：波形指标、峰值指标、脉冲指标、裕度指标、偏斜度指标、峭度指标。

优缺点：具有对信号幅值和变化率均不敏感的特点，它们与机械的运动条件无关，只依赖

于概率密度函数的形状，是一种较好的机械状态监测诊断参数。

例如，偏斜度指标表示信号概率密度函数的中心偏离正态分布的程度，反应信号的幅值分布和相对其均值的不对称性。峭度指标，表示信号概率密度函数封顶的陡峭程度，反应信号波形中冲击分量的大小。

6.结合你自己的研究方向，谈谈如何应用自相关函数与互相关函数。自己设计一个并解释。 相关是指变量之间的线性联系或相互依赖关系。通过反应信号之间的内积或投影大小来刻画。 自相关函数反应了信号自身取值随自变量时间前后变化的相似性。——可从被噪声干扰的信号中找出周期成分。正常机械噪声是由大量无序、大小近似相等的随机成分叠加的结果，因此正常机器噪声具有较宽而均匀的频谱。当机械状态异常时，随机噪声中将出现有规则、周期性的信号，其幅值要大得多。特别对于早期故障，周期信号不明显是尤为重要。Eg 车床变速箱运行状态识别。 互相关函数完整的描述了两信号之间的相关情况或取值依赖关系。P43例子。

第三章 信号的频域分析

1. 谈谈你对信号频谱的物理本质是如何理解的？结合傅里叶变换的性质，试举例说明其重要作用。 在整个时间轴上的非周期信号()x t 是由频率为ω的谐波()d jwt

X e ωω沿频率从-∞到+∞，通过积分叠加得到的。由于对不同的ω，d ω是一样的，所以只需()X ω就能真实地反映不同高频率谐波的振幅和位移变化。

频谱是信号在频域上的重要特征，反映了信号的频率成分以及分布情况。

7个性质（线性叠加（可分离）、时移性质、频移性质、时间伸缩性、时间微分、时间积分性、卷积定理）。

2. 解释机械信号在离散化过程中产生频率混叠现象及其原因？在工程实践中如何避免频率混叠现象？

机械信号离散化过程中，若采样间隔t ?太大，使得平移距离2t π?过小。移至各采样脉冲函数对应频域序列点上的频谱()X ω就会有一部分重叠，由此造成离散信号的频谱与原信号的频谱不一致，这就导致频率混叠现象。

如果信号中的最高频率（截止频率）为max ω，则在选择采样间隔t ?时应保证max t πω?≤，或max 12t f ?≤，其中max f 是信号中的最高频率（Hz ）。在工程实际中选取采样频率时往往留有余地，一般选取采样频率

s ω为处理信号最高频率的2.5~4倍。

3. 在进行信号频谱分析时，为何要加窗函数？如果要求频谱分析结果的幅值精度高，泄漏量小，应该选择什么窗函数？为什么？

理论上信号的长度是无限的，但是任何观测信号都是在有限时间段内进行观测的。因此，信号采样过程中须使用窗函数，将无限长信号截断为有线长度的信号。

如果要求幅值精度高，泄漏量小，应选择汉宁窗函数。因为，汉宁窗函数的旁瓣小，因而相应的泄漏量也较小，采样过程中导致的能量泄露小，能获得较高幅值精度。

要求精确获得主瓣的频率则应选择矩形窗函数。

4. 什么是倒频谱？倒频谱的量纲单位是什么？你如何利用倒频谱原理将时域中两个卷积信号转换为倒频域中相应的两个线性相加的倒频谱？

倒频谱就是对功率谱()x S f 的对数值进行傅里叶逆变换。()()()1log p x

C q F S f -= 其中，q 是倒频率，具有与时间自相关函数()x R τ中的自变量τ相同的时间量纲。q 值大者为高倒频率，表示频谱上的低速波动，q 值小者为低倒频谱，表示频谱上的快速波动。

()()()()()()()()

()()()

()()()()()()()()()

0111d log log log log log log y x h y x h y x h y x h y t x t h t x h t S f S f S f S f S f S f F S f F S f F S f

C q C q C q τττ∞

---=*=-?=??=+?=+?=+? 工程应用：

（1） 机械中齿轮、滚动轴承等出现故障时信号的频谱上会出现难以识别的多簇调制边频带。采

用到频谱分析可以分解和识别故障频率、原因和部位。

（2） 语音和回声分析及解卷积。有利于问题本质的研究

5. 请说明旋转机械故障诊断中二维全息谱的原理。工频全息谱椭圆较扁说明转子系统存在什么状态现象？

全息谱：将机组的振动信号在完成频域转换后，进一步讲频谱上的谱线加以集成而形成的谱图或轴心轨迹。

将转子测量截面上水平和垂直两方向的振动信号作傅里叶变换，从中提取各主要频率分量的频率、幅值和相位。然后按照各主要频率分量分别进行合成，并将合成结果按频率顺序排列在一张谱图上，就得到了二维全息谱。

工频椭圆扁：支承刚度不对称或受力不均；

椭圆较大、较园则说明转子存在不平衡、轴瓦间隙大或转子永久弯曲等。

工频的二倍频圆比较大、较扁，且工频的四倍频椭圆扁，说明转子存在对中不良、受力不均、基础变形等。

数字信号处理实验作业

实验6 数字滤波器的网络结构 一、实验目的： 1、加深对数字滤波器分类与结构的了解。 2、明确数字滤波器的基本结构及其相互间的转换方法。 3、掌握用MA TLAB 语言进行数字滤波器结构间相互转换的子函数及程序编写方法。 二、实验原理： 1、数字滤波器的分类 离散LSI 系统对信号的响应过程实际上就是对信号进行滤波的过程。因此，离散LSI 系统又称为数字滤波器。 数字滤波器从滤波功能上可以分为低通、高通、带通、带阻以及全通滤波器；根据单位脉冲响应的特性，又可以分为有限长单位脉冲响应滤波器（FIR ）和无限长单位脉冲响应滤波器（IIR ）。 一个离散LSI 系统可以用系统函数来表示： M -m -1-2-m m m=0 012m N -1-2-k -k 12k k k=1 b z b +b z +b z ++b z Y(z)b(z)H(z)=== =X(z)a(z) 1+a z +a z ++a z 1+a z ∑∑ 也可以用差分方程来表示： N M k m k=1 m=0 y(n)+a y(n-k)=b x(n-m)∑∑ 以上两个公式中，当a k 至少有一个不为0时，则在有限Z 平面上存在极点，表达的是以一个IIR 数字滤波器；当a k 全都为0时，系统不存在极点，表达的是一个FIR 数字滤波器。FIR 数字滤波器可以看成是IIR 数字滤波器的a k 全都为0时的一个特例。 IIR 数字滤波器的基本结构分为直接Ⅰ型、直接Ⅱ型、直接Ⅲ型、级联型和并联型。 FIR 数字滤波器的基本结构分为横截型（又称直接型或卷积型）、级联型、线性相位型及频率采样型等。本实验对线性相位型及频率采样型不做讨论，见实验10、12。 另外，滤波器的一种新型结构——格型结构也逐步投入应用，有全零点FIR 系统格型结构、全极点IIR 系统格型结构以及全零极点IIR 系统格型结构。 2、IIR 数字滤波器的基本结构与实现 （1）直接型与级联型、并联型的转换 例6-1 已知一个系统的传递函数为 -1-2-3 -1-2-3 8-4z +11z -2z H(z)=1-1.25z +0.75z -0.125z 将其从直接型（其信号流图如图6-1所示）转换为级联型和并联型。

现代数字信号处理仿真作业

现代数字信号处理仿真作业 1.仿真题3.17 仿真结果及图形： 图 1 基于FFT的自相关函数计算

图 3 周期图法和BT 法估计信号的功率谱 图 2 基于式3.1.2的自相关函数的计算

图 4 利用LD迭代对16阶AR模型的功率谱估计16阶AR模型的系数为： a1=-0.402637623107952-0.919787323662670i; a2=-0.013530139693503+0.024214641171318i; a3=-0.074241889634714-0.088834852915013i; a4=0.027881022353997-0.040734794506749i; a5=0.042128517350786+0.068932699075038i; a6=-0.0042799971761507 + 0.028686095385146i; a7=-0.048427890183189 - 0.019713457742372i; a8=0.0028768633718672 - 0.047990801912420i a9=0.023971346213842+ 0.046436389191530i; a10=0.026025963987732 + 0.046882756497113i; a11= -0.033929397784767 - 0.0053437929619510i; a12=0.0082735406293574 - 0.016133618316269i; a13=0.031893903622978 - 0.013709547028453i ; a14=0.0099274520678052 + 0.022233240051564i; a15=-0.0064643069578642 + 0.014130696335881i; a16=-0.061704614407581- 0.077423818476583i. 仿真程序（3_17）: clear all clc %% 产生噪声序列 N=32; %基于FFT的样本长度

数字信号处理作业答案

数字信号处理作业

DFT 习题 1. 如果)(~n x 是一个周期为N 的周期序列，那么它也是周期为N 2的周期序列。把)(~ n x 看作周期为N 的周期序列，令)(~1k X 表示)(~n x 的离散傅里叶级数之系数，再把)(~ n x 看作周期为N 2的周期序列，再令)(~2k X 表示)(~n x 的离散傅里叶级数之系数。当然，)(~1k X 是周期性的，周期为N ，而)(~2k X 也是周期性的，周期为N 2。试利用)(~1k X 确定)(~2k X 。（76-4）

2. 研究两个周期序列)(~n x 和)(~n y 。)(~n x 具有周期N ,而)(~ n y 具有周期M 。序列)(~n w 定义为)()()(~ ~~n y n x n w +=。 a. 证明)(~n w 是周期性的，周期为MN 。 b. 由于)(~n x 的周期为N ，其离散傅里叶级数之系数)(~k X 的周期也是N 。类似地， 由于)(~n y 的周期为M ，其离散傅里叶级数之系数)(~k Y 的周期也是M 。)(~n w 的离散傅里叶级数之系数)(~k W 的周期为MN 。试利用)(~k X 和)(~k Y 求)(~k W 。（76-5）

3. 计算下列各有限长度序列DFT （假设长度为N ）: a. )()(n n x δ= b ．N n n n n x <<-=000) ()(δ c ．10)(-≤≤=N n a n x n （78-7） 4. 欲作频谱分析的模拟数据以10千赫速率被取样，且计算了1024个取样的离散傅里叶变换。试求频谱取样之间的频率间隔，并证明你的回答。（79 -10）

现代数字信号处理复习题

现代数字信号处理复习题 一、填空题 1、平稳随机信号是指：概率分布不随时间推移而变化的随机信号，也就是说，平稳随机信号的统计特性与起始 时间无关，只与时间间隔有关。 判断随机信号是否广义平稳的三个条件是： （1）x(t)的均值为与时间无关的常数：C t m x =)( （C 为常数） ； （2）x(t)的自相关函数与起始时间无关，即：)(),(),(ττx i i x j i x R t t R t t R =+=； （3）信号的瞬时功率有限，即：∞<=)0(x x R D 。 高斯白噪声信号是指：噪声的概率密度函数满足正态分布统计特性，同时其功率谱密度函数是常数的一类噪 声信号。 信号的遍历性是指：从随机过程中得到的任一样本函数,好象经历了随机过程的所有可能状态,因此,用一个 样本函数的时间平均就可以代替它的集合平均 。 广义遍历信号x(n)的时间均值的定义为： ，其时间自相关函数的定义为： 。 2、连续随机信号f(t)在区间上的能量E 定义为： 其功率P 定义为： 离散随机信号f(n)在区间 上的能量E 定义为： 其功率P 定义为： 注意:(1)如果信号的能量0

现代信号处理作业

信号时频分析技术及matlab仿真 电路与系统王冠军 201128013926153 摘要:本文介绍了时频分析的一些基础理论,对短时傅里叶变换Wigner-Ville分布做了简单介绍，运用MATLAB语言实现了旨在构造一种时间和频率的密度函数,以揭示信号中所包含的频率分量及其演化特性的wigner-ville分布。并对时频分析方法的优缺点进行了分析。 关键词:时频分析短时傅里叶变换wigner-ville分布 1 引言 基于Fourier变换的传统信号处理技术从信号频域表示及能量的频域分布的角度揭示了信号在频域的特征。但Fourier变换是一种整体变换，只能为人们提供信号在时域或频域的全局特性而无法了解信号频谱随时间变化的情况。因此，需要使用一种时间和频率的联合函数来表示信号，这种表示简称为信号，也就是信号的时频分析。 2 时频分析方法 信号时频分析主要研究非平稳信号或时变信号的频谱含量是怎样随时间变化的。时频分析是当今信号处理领域的一个主要研究热点，目前常用时频分析方法主要有短时傅里叶变换、Gabor展开、小波变换、Wigner-Ville分布。本文主要介绍了短时傅里叶变换和Wigner-Ville分布两种分析方法。 2．1 短时傅立叶变换STFT 从历史上看,信号的时频分析用的最多的是短时傅立叶变换,这种变换的基本思想是用一个窗函数乘时间信号,该窗函数的时宽足够窄,使取出的信号可以被看成是平稳的,然后进行的傅立叶变换可以反映该时宽中的频谱变化规律,如果让窗随时间轴移动,可以得到信号频谱随时间变化的规律。对于时变信号,了解不同时刻附近的频域特征是至关重要的。因此,人们采用时间—频率描述时变信号,将一维的时域信号映射到一个二维的时域平面,全面反映观测信号的时频联合特征。短时傅立叶变换反映了这一思想,对于时变信号,采用某一滑动窗函数截取信号,并认为这些信号是准平稳的,然后,再分别对其进行傅立叶变换,构成时变信号的时变谱。短时傅立叶变换是一种常用的时—频域分析方法,其基本思想

现代信号处理大作业

现代信号处理大作业 姓名：潘晓丹 学号：0140349045 班级：A1403492

作业1 LD 算法实现AR 过程估计 1.1 AR 模型 p 阶AR 模型的差分方程为： )()()(1 n w i n x a n x p i i =-+ ∑=，其中)(n w 是均值为0的白噪声。 AR 过程的线性预测方法为：先求得观测数据的自相关函数，然后利用Yule-Walker 方程递推求得模型参数，再根据公式求得功率谱的估计。 Yule-Walker 方程可写成矩阵形式： ??????? ? ????????= ??????? ? ?? ???? ????????????? ??? ??--+-+--000)()2()1(1) 0() 2()1()()2()0()1()2()1()1()0() 1()() 2()1()0(2 σp a a a r p r p r p r p r r r r p r r r r p r r r r p p p xx xx xx xx xx xx xx xx xx xx xx xx xx xx xx xx 1.2 LD 算法介绍 Levinson-Durbin 算法可求解上述问题，其一般步骤为： 1) 计算观测值各自相关系数p j j r xx ,,1, 0),( =；)0(0xx r =ρ；i=1； 2) 利用以下递推公式运算： ) 1(1,...,2,1),()()()() ()()(2 1111 1 1 1 i i i i i i i i i i i j xx i xx i k i j j i a k j a j a k i a j i r j a i r k -=-=--==-?+ -=-----=-∑ρρρ 3) i=i+1，若i>p ，则算法结束；否则，返回(2)。 1.3 matlab 编程实现 以AR 模型：xn=12xn-1-12xn-2+w(n)为例，Matlab 程序代码如下： clear; clc;

数字信号处理上机作业

数字信号处理上机作业 学院：电子工程学院 班级：021215 组员：

实验一：信号、系统及系统响应 1、实验目的 (1) 熟悉连续信号经理想采样前后的频谱变化关系，加深对时域采样定理的理解。 (2) 熟悉时域离散系统的时域特性。 (3) 利用卷积方法观察分析系统的时域特性。 (4) 掌握序列傅里叶变换的计算机实现方法，利用序列的傅里叶变换对连续信号、离散信号及系统响应进行频域分析。 2、实验原理与方法 (1) 时域采样。 (2) LTI系统的输入输出关系。 3、实验内容及步骤 (1) 认真复习采样理论、离散信号与系统、线性卷积、序列的傅里叶变换及性质等有关内容，阅读本实验原理与方法。 (2) 编制实验用主程序及相应子程序。 ①信号产生子程序，用于产生实验中要用到的下列信号序列： a. xa(t)=A*e^-at *sin(Ω0t)u(t) b. 单位脉冲序列：xb(n)=δ(n) c. 矩形序列： xc(n)=RN(n), N=10 ②系统单位脉冲响应序列产生子程序。本实验要用到两种FIR系统。 a. ha(n)=R10(n); b. hb(n)=δ(n)+2.5δ(n-1)+2.5δ(n-2)+δ(n-3) ③有限长序列线性卷积子程序 用于完成两个给定长度的序列的卷积。可以直接调用MATLAB语言中的卷积函数conv。 conv 用于两个有限长度序列的卷积，它假定两个序列都从n=0 开始。调用格式如下： y=conv (x, h) 4、实验结果分析 ①分析采样序列的特性。 a. 取采样频率fs=1 kHz,，即T=1 ms。 b. 改变采样频率，fs=300 Hz，观察|X(e^jω)|的变化，并做记录(打印曲线)；进一步降低采样频率，fs=200 Hz，观察频谱混叠是否明显存在，说明原因，并记录(打印)这时的|X(e^j ω)|曲线。 程序代码如下： close all;clear all;clc; A=50; a=50*sqrt(2)*pi; m=50*sqrt(2)*pi; fs1=1000; fs2=300; fs3=200; T1=1/fs1; T2=1/fs2; T3=1/fs3; N=100;

数字信号处理作业+答案讲解

数字信号处理作业 哈尔滨工业大学 2006.10

DFT 习题 1. 如果)(~n x 是一个周期为N 的周期序列，那么它也是周期为N 2的周期序列。把)(~ n x 看作周期为N 的周期序列，令)(~ 1k X 表示)(~n x 的离散傅里叶级数之系数，再把)(~ n x 看作周期为N 2的周期序列，再令)(~ 2k X 表示)(~n x 的离散傅里叶级数之系数。当然，)(~ 1k X 是周期性的，周期为N ，而)(~ 2k X 也是周期性的，周期为N 2。试利用)(~ 1k X 确定)(~ 2k X 。（76-4）

2. 研究两个周期序列)(~ n x 和)(~ n y 。)(~ n x 具有周期N ,而)(~ n y 具有周期M 。序列 )(~n w 定义为)()()(~ ~~n y n x n w +=。 a. 证明)(~ n w 是周期性的，周期为MN 。 b. 由于)(~n x 的周期为N ，其离散傅里叶级数之系数)(~ k X 的周期也是N 。类似地， 由于)(~n y 的周期为M ，其离散傅里叶级数之系数)(~k Y 的周期也是M 。)(~ n w 的离散傅里叶级数之系数)(~ k W 的周期为MN 。试利用)(~ k X 和)(~ k Y 求)(~ k W 。（76-5）

3. 计算下列各有限长度序列DFT （假设长度为N ）: a. )()(n n x δ= b ．N n n n n x <<-=000)()(δ c ．10)(-≤≤=N n a n x n （78-7） 4. 欲作频谱分析的模拟数据以10千赫速率被取样，且计算了1024个取样的离散傅里叶变换。试求频谱取样之间的频率间隔，并证明你的回答。（79 -10）

现代信号处理大作业题目+答案

研究生“现代信号处理”课程大型作业 （以下四个题目任选三题做） 1. 请用多层感知器（MLP ）神经网络误差反向传播（BP ）算法实现异或问题（输入为[00;01;10;11]X T =，要求可以判别输出为0或1），并画出学习曲线。其中，非线性函数采用S 型Logistic 函数。 2. 试用奇阶互补法设计两带滤波器组(高、低通互补)，进而实现四带滤波器组；并画出其频响。滤波器设计参数为：F p ＝1.7KHz , F r ＝2.3KHz , F s ＝8KHz , A rmin ≥70dB 。 3. 根据《现代数字信号处理》（姚天任等，华中理工大学出版社，2001）第四章附录提供的数据(pp.352-353)，试用如下方法估计其功率谱，并画出不同参数情况下的功率谱曲线： 1） Levinson 算法 2） Burg 算法 3） ARMA 模型法 4） MUSIC 算法 4. 图1为均衡带限信号所引起失真的横向或格型自适应均衡器(其中横向FIR 系统长M =11), 系统输入是取值为±1的随机序列)(n x ，其均值为零；参考信号)7()(-=n x n d ；信道具有脉冲响应： 1 2(2)[1cos( )]1,2,3()20 n n h n W π-?+=?=???其它 式中W 用来控制信道的幅度失真(W = 2～4, 如取W = 2.9,3.1,3.3,3.5等)，且信道受到均 值为零、方差001.02 =v σ(相当于信噪比为30dB)的高斯白噪声)(n v 的干扰。试比较基 于下列几种算法的自适应均衡器在不同信道失真、不同噪声干扰下的收敛情况(对应于每一种情况,在同一坐标下画出其学习曲线): 1） 横向/格-梯型结构LMS 算法 2） 横向/格-梯型结构RLS 算法 并分析其结果。

数字信号处理作业-答案

数字信号处理作业-答案

数字信号处理作业

DFT 习题 1. 如果)(~ n x 是一个周期为N 的周期序列，那么它也是周期为N 2的周期序列。把)(~ n x 看作周期为N 的周期序列，令)(~ 1 k X 表示)(~ n x 的离散傅里叶级数之系数，再把)(~ n x 看作周期为N 2的周期序列，再令)(~2 k X 表示)(~ n x 的离散傅里叶级数之系数。当然，)(~ 1 k X 是周期性的，周期为N ，而)(~ 2 k X 也是周期性的，周期为N 2。试利用)(~ 1k X 确定)(~ 2 k X 。（76-4）

2. 研究两个周期序列)(~ n x 和)(~ n y 。)(~ n x 具有周期N ,而)(~ n y 具有周期M 。序列)(~ n w 定义为)()()(~~ ~ n y n x n w +=。 a. 证明)(~ n w 是周期性的，周期为MN 。 b. 由于)(~ n x 的周期为N ，其离散傅里叶级数之系数)(~k X 的周期也是N 。类似地，由于)(~ n y 的周期为M ，其离散傅里叶级数之系数)(~ k Y 的周期也是M 。)(~n w 的离散傅里叶级数之系数)(~ k W 的周期为MN 。试利用)(~k X 和)(~k Y 求)(~ k W 。（76-5）

3. 计算下列各有限长度序列DFT （假设长度为N ）: a. )()(n n x δ= b ．N n n n n x <<-=0 0)()(δ c ．10)(-≤≤=N n a n x n （78-7） 4. 欲作频谱分析的模拟数据以10千赫速率被取样，且计算了1024个取样的离散傅里叶变换。试求频谱取样之间的频率间隔，并证明你的回答。（79 -10）

现代数字信号处理习题

1.设()u n 是离散时间平稳随机过程，证明其功率谱()w 0S ≥。 证明：将()u n 通过冲激响应为()h n 的LTI 离散时间系统，设其频率响应()w H 为 ()001,w -w w 0, w -w w H w ???? 输出随机过程()y n 的功率谱为()()()2y S w H w S w = 输出随机过程()y n 的平均功率为()()()00201 1r 022w w y y w w S w dw S w dw π π π+?-?= =?? 当频率宽度w 0???→时，上式可表示为()()()01 r 00y S w w π =?≥ 由于频率0w 是任意的，所以有()w 0 S ≥ 3、已知：状态方程 )()1,()1()1,()(1n n n n x n n F n x ν-Γ+--=观测方程 )()()()(2n n x n C n z ν+= )()]()([111n Q n n E H =νν )()]()([222n Q n n E H =νν 滤波初值 )]0([)|0(0x E x =ξ } )]]0([)0()]][0([)0({[)0(H x E x x E x E P --= 请简述在此已知条件下卡尔曼滤波算法的递推步骤。 解：步骤1 状态一步预测，即 1 *11)|1(?)1,()|(N n n C n x n n F n x ∈--=--∧ ξξ 步骤2 由观测信号z(n)计算新息过程，即 1*11)|(?)()()|(?)()(M n n C n x n C n z n z n z n ∈-=-=--ξξα 步骤3 一步预测误差自相关矩阵 N N H H C n n n Q n n n n F n P n n F n n P *1)1,()1()1,() 1,()1()1,()1,(∈-Γ--Γ+---=- 步骤4 新息过程自相关矩阵M M H C n Q n C n n P n C n A *2)()()1,()()(∈+-= 步骤5 卡尔曼增益M N H C n A n C n n P n K *1)()()1,()(∈-=- 或 )()()()(1 2n Q n C n P n K H -= 步骤6 状态估计 1*1)()()|(?)|(?N n n C n n K n x n x ∈+=-αξξ 步骤7 状态估计自相关矩阵 N N C n n P n C n K I n P *)1,()]()([)(∈--= 或 )()()()]()()[1,()]()([)(2n K n Q n K n C n K I n n P n C n K I n P H H +---= 步骤8 重复步骤1-7，进行递推滤波计算 4、经典谱估计方法：

现代信号处理作业

1.总结学过的滤波器设计方法，用matlab 仿真例子分析不同设计方法的滤波器的性能及适应场合。 答： 1.1模拟低通滤波器的设计方法 1.1.1 Butterworth 滤波器设计步骤： ⑴.确定阶次N ① 已知Ωc 、Ωs 和As 求Butterworth DF 阶数N ② 已知Ωc 、Ωs 和Ω=Ωp()的衰减 Ap 求Butterworth DF 阶数N ③ 已知Ωp 、Ωs 和 Ω=Ωp 的衰减Ap 和As 求Butterworth DF 阶数N 3dB p Ω≠-/10 /1022(/)10 1,(/)101p s A A N N p c s c ΩΩ=-ΩΩ=-则：

⑵.用阶次N 确定 根据公式： 在左半平面的极点即为的极点，因而 1.1.2 切比雪夫低通滤波器设计步骤： ⑴.确定技术指标 归一化： ⑵.根据技术指标求出滤波器阶数N 及： ⑶.求出归一化系统函数 其中极点由下式求出： ()a H s 2,2N ()()a a H s H s -()a H s ,2,,N p Ωp αs Ωs α/1p p p λ=ΩΩ=/s s p λ=ΩΩε0.12 10 1δε=-p δα=

或者由和S 直接查表得 2.数字低通滤波器的设计步骤： （1） 确定数字低通滤波器的技术指标：通带截止频率p ω、通带最大衰减系数 p α、 阻带截止频率ω、阻带最小衰减系数s α。 （2）将数字低通滤波器的技术指标转换成模拟低通滤波器的技术指标。 巴特沃斯： 切比雪夫： N ()a H p /s s p λ=ΩΩ0.1210 1δ ε=-p δα=

数字信号处理作业-2012

《数字信号处理Ⅰ》作业 姓名： 学号： 学院： 2012 年春季学期

第一章 时域离散信号和时域离散系统 月 日 一 、判断： 1、数字信号处理和模拟信号处理在方法上是一样的。（ ） 2、如果信号的取值和自变量都离散，则称其为模拟信号。（ ） 3、如果信号的取值和自变量都离散，则称其为数字信号。（ ） 4、时域离散信号就是数字信号。（ ） 5、正弦序列都是周期的。（ ） 6、序列)n (h )n (x 和的长度分别为N 和M 时，则)n (h )n (x *的长度为N+M 。（ ） 7、如果离散系统的单位取样响应绝对可和，则该系统稳定。（ ） 8、若满足采样定理，则理想采样信号的频谱是原模拟信号频谱以s Ω（采样频率）为周期进行周期延拓的结果。（ ） 9、序列)n (h )n (x 和的元素个数分别为21n n 和，则)n (h )n (x *有（1n n 21-+）个元素。（ ） 二、选择 1、R N (n)和u(n)的关系为（ ）： A. R N (n)=u(n)-u(n-N) B. R N (n)=u(n)+u(n-N) C. R N (n)=u(n)-u(n-N-1) D. R N (n)=u(n)-u(n-N+1) 2、若f(n)和h(n)的长度为别为N 、M ，则f(n)*h(n)的长度为 （ ）： A.N+M B.N+M-1 C.N-M D.N-M+1 3、若模拟信号的频率范围为[0，1kHz],对其采样，则奈奎斯特速率为（ ）： A.4kHz B. 3kHz C.2kHz D.1kHz 4、LTIS 的零状态响应等于激励信号和单位序列响应的（ ）： A.相乘 B. 相加 C.相减 D.卷积 5、线性系统需满足的条件是（ ）： A.因果性 B.稳定性 C.齐次性和叠加性 D.时不变性 6、系统y(n)=f(n)+2f(n-1)(初始状态为0)是（ ）： A. 线性时不变系统 B. 非线性时不变系统 C. 线性时变系统 D. 非线性时变系统

2012《现代数字信号处理》课程复习...

“现代数字信号处理”复习思考题 变换 1.给出DFT的定义和主要性质。 2.DTFT与DFT之间有什么关系？ 3.写出FT、DTFT、DFT的数学表达式。 离散时间系统分析 1.说明IIR滤波器的直接型、级联型和并联型结构的主要特点。 2.全通数字滤波器、最小相位滤波器有何特点？ 3.线性相位FIR滤波器的h(n)应满足什么条件？其幅度特性如何？ 4.简述FIR离散时间系统的Lattice结构的特点。 5.简述IIR离散时间系统的Lattice结构的特点。 采样 1．抽取过程为什么要先进行滤波，此滤波器应逼近什么样的指标？ 维纳滤波 1．画出Wiener滤波器结构，写出平稳信号下的滤波方程，导出Wiener-Hopf方程。 2．写出最优滤波器的均方误差表示式。 3．试说明最优滤波器满足正交性原理，即输出误差与输入信号正交。 4．试说明Wiener-Hopf方程和Yule-Walker方程的主要区别。 5．试说明随机信号的自相关阵与白噪声的自相关阵的主要区别。 6．维纳滤波理论对信号和系统作了哪些假设和限制？ 自适应信号处理 1．如何确定LMS算法的μ值，μ值与算法收敛的关系如何？ 2．什么是失调量？它与哪些因素有关？ 3．RLS算法如何实现？它与LMS算法有何区别？ 4．什么是遗忘因子，它在RLS算法中有何作用，取值范围是多少？ 5．怎样理解参考信号d(n)在自适应信号处理处理中的作用？既然他是滤波器的期望响应，一般在滤波前是不知道的，那么在实际应用中d(n)是怎样获得的，试举两个应用例子来加以说明。 功率谱估计 1.为什么偏差为零的估计不一定是正确的估计？ 2.什么叫一致估计？它要满足哪些条件？ 3.什么叫维拉－辛钦(Wiener-Khinteche)定理？ 4.功率谱的两种定义。 5.功率谱有哪些重要性质？ 6.平稳随机信号通过线性系统时输入和输出之间的关系。 7.AR模型的正则方程(Yule-Walker方程)的导出。 8.用有限长数据估计自相关函数的估计质量如何？ 9.周期图法谱估计的缺点是什么？为什么会产生这些缺点？ 10.改进的周期图法谱估计有哪些方法？它们的根据是什么？ 11.既然隐含加窗有不利作用，为什么改进周期图法谱估计是还要引用各种窗？ 12.经典谱估计和现代谱估计的主要差别在哪里？ 13.为什么AR模型谱估计应用比较普遍？ 14.对于高斯随机过程最大熵谱估计可归结为什么样的模型？ 15.为什么Levison-Durbin快速算法的反射系数的模小于１？ 16.什么是前向预测？什么是后向预测？ 17.AR模型谱估计自相关法的主要缺点是什么？ 18.Burg算法与Levison-Durbin算法的区别有哪些？

南邮现代信号处理最后大作业4道题目(含答案)

南邮研究生“现代信号处理”期末课程大作业 （四个题目任选三题做） 1. 请用多层感知器（MLP ）神经网络误差反向传播（BP ）算法实现异或问题（输入为[00;01;10;11]X T =，要求可以判别输出为0或1），并画出学习曲线。其中，非线性函数采用S 型Logistic 函数。 2. 试用奇阶互补法设计两带滤波器组(高、低通互补)，进而实现四带滤波器组；并画出其频响。滤波器设计参数为：F p ＝1.7KHz , F r ＝2.3KHz , F s ＝8KHz , A rmin ≥70dB 。 3. 根据《现代数字信号处理》（姚天任等，华中理工大学出版社，2001）第四章附录提供的数据(pp.352-353)，试用如下方法估计其功率谱，并画出不同参数情况下的功率谱曲线： 1） Levinson 算法 2） Burg 算法 3） ARMA 模型法 4） MUSIC 算法 4. 图1为均衡带限信号所引起失真的横向或格型自适应均衡器(其中横向FIR 系统长M =11), 系统输入是取值为±1的随机序列)(n x ，其均值为零；参考信号)7()(-=n x n d ；信道具有脉冲响应： 1 2(2)[1cos( )]1,2,3()20 n n h n W π-?+=?=???其它 式中W 用来控制信道的幅度失真(W = 2～4, 如取W = 2.9,3.1,3.3,3.5等)，且信道受到均 值为零、方差001.02 =v σ(相当于信噪比为30dB)的高斯白噪声)(n v 的干扰。试比较基 于下列几种算法的自适应均衡器在不同信道失真、不同噪声干扰下的收敛情况(对应于每一种情况,在同一坐标下画出其学习曲线): 1） 横向/格-梯型结构LMS 算法 2） 横向/格-梯型结构RLS 算法 并分析其结果。

数字信号处理第三章作业.pdf

数字信号处理第三章作业 1．(第三章习题3)在图P3-2中表示了两个周期都为6的周期性序列，确定这个两个序列的周期卷积的结果3()x n ，并画出草图。 2．(第三章习题5)如果()x n 是一个具有周期为N 的周期性序列，它也是具有周期为2N 的周期性序列。令~1()X k 表示当()x n 看做是具有周期为N 的周期性序列的DFS 系数。而~2()X k 表示当()x n 看作是具有周期为2N 的周期性序列的DFS 系数。当然~1()X k 是具有周期为N 的周期性序列，而~2()X k 是具有周期为2N 的周期性序列，试根据~1()X k 确定~2()X k 。 3．(第三章习题6) （a ）试证明下面列出的周期性序列离散傅里叶级数的对称特性。在证明中，可以利用离散傅里叶级数的定义及任何前面的性质，例如在证明性质③时可以利用性质①和②。 序列 离散傅里叶级数 ① *()x n ~*()X k - ②*()x n - ~*()X k ③Re ()x n ???? ~ e ()X k ④Im ()j x n ???? ~()o X k

（b ）根据已在（a ）部分证明的性质，证明对于实数周期序列()x n ，离散傅里叶级数的下列对称性质成立。 ①~~Re ()Re ()X k X k ????=-???????? ②~~Im ()Im ()X k X k ????=--???????? ③~~()()X k X k =- ④~~arg ()arg ()X k X k ????=--???????? 4．(第三章习题7)求下列序列的DFT (a) {}11 1-，，，-1 (b) {}1 j 1j -，，，- (c) ()cn 0n 1x n N =≤≤-， (d) 2n ()sin 0n 1x n N N π??=≤≤- ??? ， 5．(第三章习题8)计算下列各有限长序列的离散傅立叶变换（假设长度为N ） 1 0)()(0) ()()() ()()(00-≤≤=<<-==N n a n x c N n n n n x b n n x a n δδ 6．(第三章习题9)在图P3-4中表示了一有限长序列)(n x ，画出序列)(1n x 和)(2n x 的草图。（注意：)(1n x 是)(n x 圆周移位两个点） )())(()() ())2(()(442441n R n x n x n R n x n x -=-=

现代信号处理大作业题目 答案.

研究生“现代信号处理”课程大型作业 (以下四个题目任选三题做 1. 请用多层感知器(MLP 神经网络误差反向传播(BP 算法实现异或问题(输入为 [00;01;10;11]X T =,要求可以判别输出为0或1 ,并画出学习曲线。其中,非线性函数采用S 型Logistic 函数。 2. 试用奇阶互补法设计两带滤波器组(高、低通互补,进而实现四带滤波器组;并画出其频响。滤波器设计参数为:F p =1.7KHz , F r =2.3KHz , F s =8KHz , A rmin ≥70dB 。 3. 根据《现代数字信号处理》(姚天任等,华中理工大学出版社,2001第四章附录提供的数据(pp.352-353,试用如下方法估计其功率谱,并画出不同参数情况下的功率谱曲线: 1 Levinson 算法 2 Burg 算法 3 ARMA 模型法 4 MUSIC 算法 4. 图1为均衡带限信号所引起失真的横向或格型自适应均衡器(其中横向FIR 系统长M =11, 系统输入是取值为±1的随机序列(n x ,其均值为零;参考信号7((-=n x n d ;信道具有脉冲响应: 12(2[1cos(]1,2,3(20 n n h n W π-?+=?=???其它 式中W 用来控制信道的幅度失真(W = 2~4, 如取W = 2.9,3.1,3.3,3.5等,且信道受到均

值为零、方差001.02=v σ(相当于信噪比为30dB的高斯白噪声(n v 的干扰。试比较基 于下列几种算法的自适应均衡器在不同信道失真、不同噪声干扰下的收敛情况(对应于每一种情况,在同一坐标下画出其学习曲线: 1 横向/格-梯型结构LMS 算法 2 横向/格-梯型结构RLS 算法 并分析其结果。 图1 横向或格-梯型自适应均衡器 参考文献 [1] 姚天任, 孙洪. 现代数字信号处理[M]. 武汉: 华中理工大学出版社, 2001 [2] 杨绿溪. 现代数字信号处理[M]. 北京: 科学出版社, 2007 [3] S. K. Mitra. 孙洪等译. 数字信号处理——基于计算机的方法(第三版[M]. 北京: 电子工

DSP与数字信号处理作业

1、什么是DSP？简述DSPs的特点？简述DSPs与MCU、FPGA、ARM的区别？学习DSP开发需要哪些知识？学习DSP开发需要构建什么开发环境？(15分) 答：（1）DSP是Digital Signal Processing(数字信号处理的理论和方法）的缩写，同时也是Digital Signal Processor（数字信号处理的可编程微处理器）的缩写。通常流过器件的电压、电流信号都是时间上连续的模拟信号，可以通过A/D器件对连续的模拟信号进行采样，转换成时间上离散的脉冲信号，然后对这些脉冲信号量化、编码，转化成由0和1构成的二进制编码，也就是常说的数字信号。DSP能够对这些数字信号进行变换、滤波等处理，还可以进行各种各样复杂的运算，来实现预期的目标。 （2）DSP既然是特别适合于数学信号处理运算的微处理器，那么根据数字信号处理的要求，DSP芯片一般具有下面所述的主要特点：1）程序空间和数据空间分开，CPU可以同时访问指令和数据； 2）在一个指令周期内可以完成一次乘法和一次加法运算； 3）片内具有快速RAM，通常可以通过独立的数据总线在程序空间和数据空间同时访问； 4）具有低开销和无开销循环及跳转的硬件支持； 5）具有快速的中断处理和硬件I/O支持； 6）可以并行执行多个操作； 7）支持流水线操作，使得取址、译码和执行等操作可以重复执行。（3）DSP采用的是哈佛结构，数据空间和存储空间是分开的，通过

独立的数据总线在数据空间和程序空间同时访问。而MCU采用的是冯·诺依曼结构，数据空间和存储空间共用一个存储器空间，通过一组总线（地址总线和数据总线）连接到CPU）。很显然，在运算处理能力上，MCU不如DSP；但是MCU价格便宜，在对性能要求不是很高的情况下，还是很具有优势的。 ARM是Advanced RISC（精简指令集）Machines的缩写是面向低运算市场的RISC微处理器。ARM具有比较强的事务管理功能，适合用来跑跑界面、操作系统等，其优势主要体现在控制方面，像手持设备90%左右的市场份额均被其占有。而DSP的优势是其强大的数据处理能力和较高的运算速度，例如加密/解密、调制/解调等。 FPGA是Field Programmable Gate Array（现场可编程门阵列）的缩写，它是在PAL、GAL、PLD等可编程器件的基础上进一步发展的产物，是专用集成电路中集成度最高的一种。FPGA采用了逻辑单元阵列LCA（Logical Cell Array）的概念，内部包括了可配置逻辑模块CLB、输入/输出模块IOB、内部连线三个部分。用户可以对FPGA内部的逻辑模块和I/O模块进行重置配置，已实现用户自己的逻辑。它还具有静态可重复编程和动态在系统重构的特性，使得硬件的功能可以像软件一样通过编程来修改。使用FPGA来开发数字电路，可以大大缩短设计时间，减少PCB面积，提高系统的可靠性；同时FPGA可以用VHDL或Verilog HDL来编程，灵活性强。由于FPGA能够进行编程、除错、再编程和重复操作，因此可以充分地进行设计开发和验证。当电路有少量改动时，更能显示出FPGA的优势，其现场编程能力可

现代数字信号处理实验报告

现代数字信号处理实验报告 1、估计随机信号的样本自相关序列。先以白噪声()x n 为例。 (a) 产生零均值单位方差高斯白噪声的1000个样点。 (b)用公式： 999 1?()()()1000x n r k x n x n k ==-∑ 估计()x n 的前100个自相关序列值。与真实的自相关序列()()x r k k δ=相比较，讨论你的估计的精确性。 (c) 将样本数据分成10段，每段100个样点，将所有子段的样本自相关的平均值作为()x n 自相关的估值，即： 999 00 1?()(100)(100) , 0,1,...,991000x m n r k x n m x n k m k ===+-+=∑∑ 与(b)的结果相比，该估计值有什么变化？它更接近真实自相关序列()()x r k k δ=吗？ (d)再将1000点的白噪声()x n 通过滤波器1 1 ()10.9H z z -= -产生1000点的y (n )，试重复(b)的工作，估计y (n )的前100个自相关序列值，并与真实的自相关序列()y r k 相比较，讨论你的估计的精确性。 仿真结果： (a)

图1.1零均值单位方差高斯白噪声的1000个样本点 分析图1.1：这1000个样本点是均值近似为0，方差为1的高斯白噪声。(b) 图1.2() x n的前100个自相关序列值 分析上图可知：当k=0时取得峰值，且峰值大小比较接近于1，而当k≠0时估计的自相关值在0附近有小幅度的波动，这与真实自相关序列r (k)=δ(k) x 比较接近，k≠0时估计值非常接近0，说明了估计的结果是比较精确的。

现代数字信号处理仿真作业

现代数字信号处理仿真作业

第三章仿真作业3.17 （1）代码 clear; N=32; m=[-N+1:N-1]; noise=(randn(1,N)+j*randn(1,N))/sqrt(2); f1=0.15; f2=0.17; f3=0.26; SNR1=30; SNR2=30; SNR3=27; A1=10^(SNR1/20); A2=10^(SNR2/20); A3=10^(SNR3/20); signal1=A1*exp(j*2*pi*f1*(0:N-1)); signal2=A2*exp(j*2*pi*f2*(0:N-1)); signal3=A3*exp(j*2*pi*f3*(0:N-1)); un=signal1+signal2+signal3+noise; uk=fft(un,2*N); sk=(1/N) *abs(uk).^2; r0=ifft(sk); r1=[r0(N+2:2*N),r0(1:N)]; r=xcorr(un,N-1,'biased'); figure subplot(2,2,1) stem(m,real(r1)); xlabel('m'); ylabel('FFT估计r1实部'); subplot(2,2,2) stem(m,imag(r1)); xlabel('m'); ylabel('FFT估计r1虚部'); subplot(2,2,3) stem(m,real(r)); xlabel('m'); ylabel('平均估计r实部'); subplot(2,2,4) stem(m,imag(r)); xlabel('m'); ylabel('平均估计r虚部'); 仿真结果

现代数字信号处理及应用仿真题答案

仿真作业 姓名：李亮 学号：S130101083

4.17程序 clc; clear; for i=1:500 sigma_v1=0.27; b(1)=-0.8458; b(2)=0.9458; a(1)=-(b(1)+b(2)); a(2)=b(1)*b(2); datlen=500; rand('state',sum(100*clock)); s=sqrt(sigma_v1)*randn(datlen,1); x=filter(1,[1,a],s); %% sigma_v2=0.1; u=x+sqrt(sigma_v2)*randn(datlen,1); d=filter(1,[1,-b(1)],s); %% w0=[1;0]; w=w0; M=length(w0); N=length(u); mu=0.005; for n=M:N ui=u(n:-1:n-M+1); y(n)=w'*ui; e(n)=d(n)-y(n); w=w+mu.*conj(e(n)).*ui; w1(n)=w(1); w2(n)=w(2); ee(:,i)=mean(e.^2,2); end end ep=mean(ee'); plot（ep）; xlabel('迭代次数');ylabel('MSE');title('学习曲线'); plot(w1); hold; plot(w2); 仿真结果：

步长0.015仿真结果 0.10.20.30.4 0.50.60.7迭代次数 M S E 学习曲线

步长0.025仿真结果

步长0.005仿真结果 4.18 程序 data_len = 512; %样本序列的长度 trials = 100; %随机试验的次数 A=zeros(data_len,2);EA=zeros(data_len,1); B=zeros(data_len,2);EB=zeros(data_len,1); for m = 1: trials a1 = -0.975; a2 = 0.95; sigma_v_2 =0.0731; v = sqrt(sigma_v_2) * randn(data_len, 1, trials);%产生v(n) u0 = [0 0]; num = 1; den = [1 a1 a2]; Zi = filtic(num, den, u0); %滤波器的初始条件 u = filter(num, den, v, Zi); %产生样本序列u(n) %（2）用LMS滤波器来估计w1和w2 mu1 = 0.05; mu2 = 0.005; w1 = zeros(2, data_len);