信号采样与恢复过程中得混叠及其滤波
一、实验目得:
(１)理解连续时间信号得采样与恢复过程；
(2)掌握采样序列得频域分析与滤波，信号得恢复,掌握Shａnｎoｎ采样定理；
(3)学会利用MATLＡＢ软件分析信号采样、滤波与恢复得过程。
(4)学会FIR滤波器得简单设计方法
二、实验内容:
给定原始信号如下式所示:
,?
其中,就是信号原始频率（本实验中为自选常数,为低频,为高频）.确定一个采样频率对进行采样,再将采样得到得序列进行DＦT,画出过程中各信号得图形.进行频域高、低频滤波，再反变换得出处理后恢复出来得信号。将实验过程中得到得图形与理论图形进行比较,发现不同点并加以解释。
三、实验过程:
先选定f1=50hｚ、,则原始信号表示为:
??
1、原信号时域截取：
因为在计算机中只能计算离散得点列,若要用MAＴLAB处理图形,只能先对信号进行截取与采样。本实验选定矩形截取窗口得宽度为原信号周期得m倍,m为正整数.所以画出截取后得信号图像为
图1截断后得信号图像
5０与７0得最大公原信号中低频为50Hz，高频为70Hｚ，取采样频率为3倍得，即
。
约数为１0,所以原信号得最小正周期为1/10s,这里取m为3(即取窗口函数得宽度为3/10ｓ）,相应得采样点数,所以窗口函数为
其图像如图2所示，其傅立叶变换图像如图3所示,其公式如下：
,其中
图2 窗函数图3窗函数傅里叶变换（CＴFT）时域截取得过程就就是原函数在时域乘以，而在频域与做卷积运算后再乘以系数,而在实际计算机仿真过程中,只要选好信号横坐标得范围就完成了截取信号得过程,本实验中取信号横坐标为,截取后得CT信号得傅里叶变换图像如图4所示,其图像在频域坐标轴上向正负无穷延展.
图4 截取后得CT信号（）得CTＦＴ
2、截断信号得时域采样
截断后得信号就可以在时域上进行采样,采样函数为,截断后得信号乘以,所以在频域相当于与进行卷积,其得到得图像为周期得，其图像与离散采样信号得ＤTFＴ形式相同。
以上为CＴ信号得分析,对于离散信号,为了适应计算机得处理方式,我们需要采用DFＴ与IDFT进行计算求解.采样后得离散信号图像为下图所示
图5 采样后得信号
对上述有限得离散信号求DTＦＴ,可以得到其在频域得表现形式，对离散角频率取之间得629个样点,计算其ＤＴＦT,并画出图像如下
图6有限采样信号得DTFＴ频谱
如果对上述频谱图进行采样，则相应得,离散采样信号将进行周期延拓,如果在频域进行采样，并保证在一个主周期中,有Ｎ个采样点,则离散采样信号将以N为离散周期进行延拓。如果令，则其相当于原始周期信号得采样。
利用DFＴ,我们可以完成这个过程，ＤFT公式为
其类似于DTＦS公式,特点就是隐含周期性,就得到了离散得频谱,其频谱与连续周期信号得频谱在形式上极为相似，只要保证，频谱赋值在数值上相同.其图像如下:
图7 离散信号得ＤFＴ离散频谱
3、设计离散滤波器并进行滤波。
目前,只进行了低通滤波．
目标：滤除70Ｈz得高频成分,保留直流分量与50Ｈz得低频成分。
方法:采用窗函数法设计FIR滤波器。采用海明窗.
具体步骤:
(1）、取通带截止频率为,取阻带起始频率为,,取阻带衰减不小于-50db．
(２）、求理想滤波器得冲击响应。
(3)、选择窗函数本实验取海明窗
(4）、确定N值。海明窗带宽：，,所以求得N为35
（5)、确定FIR滤波器得
（６)、求经过计算,得到得滤波器得单位冲击响应与滤波器得频谱图如下图所示
图8 滤波器单位冲击响应
图9 数字滤波器得频谱图
下面进行滤波，把离散信号得DFT离散频谱函数与数字滤波器得频谱函数对应相乘，进行了频域滤波。滤波后得离散频谱如下图所示
图１0 滤波后得离散频谱图
利用IＤFT进行反变换得到滤波后得离散信号，其图像如下
图１１IＤFT后得离散信号4、离散信号变为连续信号（插值)
（1）利用理想插值函数进行插值,其插值函数图像如下
图１２理想插值函数插值效果如下图所示
图13 原始信号复原图
但就是,上述插值在物理世界中,无法实现,因为它非因果，且为无穷信号．与此同时,通过观察发现,在复原图像得边缘误差较大,原因就是因为所取得离散信号点为有限个,所以存在误差，当在边界进行插值时,边界另一边没有信号值,所以误差较大,当采样点为无穷个时，理论上可以精确复原原图像，但这在现实生活中，无法实现。
（2）一阶线性插值,其插值函数图像如下
图14 一阶线性插值函数
插值效果如下图所示
图15 原始信号复原图
一阶线性插值插值误差较大，但基本反映出了图像得形态，其在物理上可以实现。
通过观察,上述复原图在边缘出也存在较大误差,原因同上，同时因为插值函数具
有延时效果,所以复原信号在实间上有延迟，最直观就就是比理想复原图向后移动
了一小段距离。
5、参数调整
通过上面得实验,我对信号采样与复原过程有了一定得了解，下面通过参数调整来加深理解．
（1)窗函数为整数倍周期,否则无法复原为原图像
调整截断信号所用窗函数得宽度,使其不等于周期得整数倍。之前取ｍ=3，这里取
m=1、5．得到得结果如下,这就是因为,利用DFT在计算周期延拓离散信号得频谱得时候，在时域延拓后得图像与原图像已经不一样了。
（2）、对于最高频率分量幅值不为零或不趋于零得信号，采样频率要严格大于两倍最大频率
上述实验中采样频率取值为3倍得信号最大频率分量，下面取，实验结果如下
通过观察发现,频谱中没有7０Ｈz对应得成分,这就是因为以2倍得频率来采样这样得谐波,得到得离散点无法反映该信号得全部特征,在这里对该信号得采样,全部在时刻,当时,所有得采样值都
为零,就如上图所示，当取其她值时，将会在频域发生混叠.这里取,改变题干,令
，得到得结果，如下
所以，对于最高频率分量幅值不为零或不趋于零得信号，采样频率要严格大于两倍最大频率。
( 3)采样数对于不同实验得实验结果得影响。
1）通过实验发现,提高窗函数宽度，即在采样频率不变得情况下提高采样点数,对信号复原效果提高不大。
2）通过实验发现,在窗函数宽度不变得情况下，提高采样频率能显著提高信号复原效果,但在信号边缘得误差无法得到显著改善。
(4）欠采样时，高频分量会关于采样频率反折而变为低频分量。例如取时,50Ｈz与70Hz得分量都关与采样频率进行了反折．结果如下
四、实验总结与体会
(一）此次计算机模拟仿真实验，主要就是做了以下一些工作:
1、模拟了连续信号采样与复原得过程。
2、变换了不同得参数,并加以解释,加深了对问题得理解。
3、采用了窗函数法设计了FIR数字滤波器进行了低通滤波处理,画出了滤波效果图．
4、对Mａｔｌab得理解与运用有了进一步得提高.
5、只有真正得动手实践,才有可能真正得理解学到得知识,否则只就是肤浅得背诵。
（二)实验过程主要存在得一些问题：
1、只进行了低通滤波器设计，没有进行高通与带通设计。
数字图像处理实验三中值滤波和均值滤波实验报告
数字图像处理实验三 均值滤波、中值滤波的计算机实现12281166 崔雪莹计科1202班 一、实验目的： 1）熟悉均值滤波、中值滤波处理的理论基础； 2）掌握均值滤波、中值滤波的计算机实现方法； 3）学习VC++ 6。0 的编程方法； 4）验证均值滤波、中值滤波处理理论； 5）观察均值滤波、中值滤波处理的结果。 二、实验的软、硬件平台： 硬件：微型图像处理系统，包括：主机， PC机；摄像机； 软件：操作系统：WINDOWS2000或WINDOWSXP应用软件：VC++ 6.0 三、实验内容： 1）握高级语言编程技术； 2）编制均值滤波、中值滤波处理程序的方法； 3）编译并生成可执行文件； 4）考察处理结果。 四、实验要求： 1）学习VC++确6。0 编程的步骤及流程； 2）编写均值滤波、中值滤波的程序；
3）编译并改错； 4）把该程序嵌入试验二给出的界面中（作适当修改）； 5）提交程序及文档； 6）写出本次实验的体会。 五、实验结果截图 实验均值滤波采用的是3X3的方块，取周围的像素点取得其均值代替原像素点。边缘像素的处理方法是复制边缘的像素点，增加一个边框，计算里面的像素值得均值滤波。
六、实验体会 本次实验在前一次的实验基础上增加均值滤波和中值滤波，对于椒盐噪声的处理，发现中值滤波的效果更为好一点，而均值滤波是的整个图像变得模糊了一点，效果差异较大。本次实验更加增加了对数字图像处理的了解与学习。 七、实验程序代码注释及分析 // HistDemoADlg.h : 头文件 // #include "ImageWnd.h" #pragma once // CHistDemoADlg 对话框 class CHistDemoADlg : public CDialogEx { // 构造
卡尔曼滤波计算举例 ?计算举例 ?卡尔曼滤波器特性
假设有一个标量系统，信号与观测模型为 [1][][]x k ax k n k +=+[][][] z k x k w k =+其中a 为常数，n [k ]和w [k ]是不相关的零均值白噪声，方差分别为和。 系统的起始变量x [0]为随机变量，其均值为零，方差为。2n σ2 σ[0]x P （1）求估计x [k ]的卡尔曼滤波算法；（2）当时的卡尔曼滤波增益和滤波误差方差。 22 0.9,1,10,[0]10 n x a P =σ=σ==1. 计算举例
根据卡尔曼算法，预测方程为: ??[/1][1/1]x k k ax k k -=--预测误差方差为: 2 2 [/1][1/1]x x n P k k a P k k -=--+σ 卡尔曼增益为: () 1 22 22 22 [][/1][/1][1/1][1/1]x x x n x n K k P k k P k k a P k k a P k k -=--+σ --+σ=--+σ+σ ???[/][/1][]([][/1])??[1/1][]([][1/1])?(1[])[1/1][][]x k k x k k K k z k x k k ax k k K k z k ax k k a K k x k k K k z k =-+--=--+---=---+滤波方程:
()() 2 2222222 222 22 [/](1[])[/1] [1/1]1[1/1][1/1][1/1][1/1]x x x n x n x n x n x n P k k K k P k k a P k k a P k k a P k k a P k k a P k k =--??--+σ=---+σ ?--+σ+σ??σ--+σ = --+σ+σ 滤波误差方差 起始：?[0/0]0x =[0/0][0] x x P P =
（科信学院） 信息与电气工程学院 电子电路仿真及设计CDIO三级项目 设计说明书 （2012/2013学年第二学期） 题目： ____低通滤波器设计____ _____ _____ _ 专业班级：通信工程 学生姓名： 学号： 指导教师： 设计周数：2周 2013年7月5日 题目： ____低通滤波器设计____ _____ _____ _ (1)
第一章、电源的设计 (2) 1.1实验原理： (2) 1.1.1设计原理连接图： (2) 1. 2电路图 (5) 第二章、振荡器的设计 (7) 2.1 实验原理 (7) 2.1.1 (7) 2.1.2定性分析 (7) 2.1.3定量分析 (8) 2.2电路参数确定 (10) 2.2.1确定R、C值 (10) 2.2.2 电路图 (10) 第三章、低通滤波器的设计 (12) 3.1芯片介绍 (12) 3.2巴特沃斯滤波器简介 (13) 3.2.1滤波器简介 (13) 3.2.2巴特沃斯滤波器的产生 (13) 3.2.3常用滤波器的性能指标 (14) 3.2.4实际滤波器的频率特性 (15) 3.3设计方案 (17) 3.3.1系统方案框图 (17) 3.3.2元件参数选择 (18) 3.4结果分析 (20) 3.5误差分析 (23) 第四章、课设总结 (24) 第一章、电源的设计 1.1实验原理： 1.1.1设计原理连接图：
整体电路由以下四部分构成： 电源变压器：将交流电网电压U1变为合适的交流电压U2。 整流电路：将交流电压U2变为脉动的直流电压U3。 滤波电路：将脉动直流电压U3转变为平滑的直流电压U4。 稳压电路：当电网电压波动及负载变化时,保持输出电压Uo的稳定。 1）变压器变压 220V交流电端子连一个降压变压器，把220V家用电压值降到9V左右。 2）整流电路 桥式整流电路巧妙的利用了二极管的单向导电性，将四个二极管分为两组，根据变压器次级电压的极性分别导通。见变压器次级电压的正极性端与负载电阻的上端相连，负极性端与负载的电阻的下端相连，使负载上始终可以得到一个单方向的脉动电压。单项桥式整流电路，具有输出电压高，变压器利用率高，脉动系数小。
数字图像处理作业 ——空间域滤波器 摘要 在图像处理的过程中,消除图像的噪声干扰是一个非常重要的问题。本文利用matlab软件,采用空域滤波的方式,对图像进行平滑和锐化处理。平滑空间滤波器用于模糊处理和减小噪声，经常在图像的预处理中使用；锐化空间滤波器主要用于突出图像中的细节或者增强被模糊了的细节。本文使用的平滑滤波器有中值滤波器和高斯低通滤波器，其中，中值滤波器对去除椒盐噪声特别有效，高斯低通滤波器对去除高斯噪声效果比较好。使用的锐化滤波器有反锐化掩膜滤波、Sobel边缘检测、Laplacian边缘检测以及Canny算子边缘检测滤波器。不同的滤波方式，在特定的图像处理应用中有着不同的效果和各自的优势。
1、分别用高斯滤波器和中值滤波器去平滑测试图像test1和2，模板大小分别 是3x3 ， 5x5 ，7x7；利用固定方差 sigma=1.5产生高斯滤波器. 附件有产生高斯滤波器的方法。 实验原理分析： 空域滤波是直接对图像的数据做空间变换达到滤波的目的。它是一种邻域运算，其机理就是在待处理的图像中逐点地移动模板，滤波器在该点地响应通过事先定义的滤波器系数与滤波模板扫过区域的相应像素值的关系来计算。如果输出像素是输入像素邻域像素的线性组合则称为线性滤波（例如最常见的均值滤波和高斯滤波），否则为非线性滤波（中值滤波、边缘保持滤波等）。 空域滤波器从处理效果上可以平滑空间滤波器和锐化空间滤波器：平滑空间滤波器用于模糊处理和减小噪声，经常在图像的预处理中使用；锐化空间滤波器主要用于突出图像中的细节或者增强被模糊了的细节。 模板在源图像中移动的过程中，当模板的一条边与图像轮廓重合后，模板中心继续向图像边缘靠近，那么模板的某一行或列就会处于图像平面之外，此时最简单的方法就是将模板中心点的移动范围限制在距离图像边缘不小于（n－1）/2个像素处，单处理后的图像比原始图像稍小。如果要处理整幅图像，可以在图像轮廓边缘时用全部包含于图像中的模板部分来滤波所有图像，或者在图像边缘以外再补上一行和一列灰度为零的像素点（或者将边缘复制补在图像之外）。 ①中值滤波器的设计： 中值滤波器是一种非线性统计滤波器，它的响应基于图像滤波器包围的图像区域中像素的排序，然后由统计排序的中间值代替中心像素的值。它比小尺寸的线性平滑滤波器的模糊程度明显要低，对处理脉冲噪声（椒盐噪声）非常有效。中值滤波器的主要功能是使拥有不同灰度的点看起来更接近于它的邻近值，去除那些相对于其邻域像素更亮或更暗，并且其区域小于滤波器区域一半的孤立像素集。 在一维的情况下，中值滤波器是一个含有奇数个像素的窗口。在处理之后，位于窗口正中的像素的灰度值，用窗口内各像素灰度值的中值代替。例如若窗口长度为5，窗口中像素的灰度值为80、90、200、110、120，则中值为110，因为按小到大（或大到小）排序后，第三位的值是110。于是原理的窗口正中的灰度值200就由110取代。如果200是一个噪声的尖峰，则将被滤除。然而，如果它是一个信号，则滤波后就被消除，降低了分辨率。因此中值滤波在某些情况下抑制噪声，而在另一些情况下却会抑制信号。 将中值滤波推广到二维的情况。二维窗口的形式可以是正方形、近似圆形的或十字形等。本次作业使用正方形模板进行滤波，它的中心一般位于被处理点上。窗口的大小对滤波效果影响较大。 根据上述算法利用MATLAB软件编程，对源图像test1和test2进行滤波处理，结果如下图：
卡尔曼滤波实验报告 捷联惯导静基座初始对准实验 一、实验目的 ①掌握捷联惯导的构成和基本工作原理； ②掌握捷联惯导静基座对准的基本工作原理； ③了解捷联惯导静基座对准时的每个系统状态的可观测性； ④了解双位置对准时系统状态的可观测性的变化。 二、实验原理 选取状态变量为：[]T E N E N U x y x y z X V V δδεεε=ψψψ??，其
中导航坐标系选为东北天坐标系，E V δ为东向速度误差，N V δ为北向速度误差，E ψ为东向姿态误差角，N ψ为北向姿态误差角，U ψ为天向姿态误差角，x ?为东向加速度偏置，y ?为北向加速度偏置，x ε为东向陀螺漂移，y ε为北向陀螺漂移，z ε为天向陀螺漂移。则系统的状态模型为： X AX W =+ (1) 其中， 1112212211 12 1321222331323302sin 000002sin 000000000sin cos 0000sin 000000cos 0000000000000000000000000000000000000000000000000000 0L g C C L g C C L L C C C L C C C L C C C A Ω-? ? ??-Ω????Ω-Ω? ?-Ω????Ω=? ?????? ?????????? ? [00000]E N E N U T V V W W W W W W δδψψψ=，E D V W W δψ 为零均值高斯 白噪声，分别为加速度计误差和陀螺漂移的噪声成分，Ω为地球自转角速度，ij C 为姿态矩 阵n b C 中的元素，L 为当地纬度。 量测量选取两个水平速度误差：[ ]T E N Z V V δδ=，则量测方程为： 10000000000100000000E E N N V X V δηδη???? ??=+???????????? (2) 即Z HX η=+ 其中，H 为量测矩阵，[]T E N ηηη=为量测方程的随机噪声状态矢量，为零均值高 斯白噪声。 要利用基本卡尔曼滤波方程进行状态估计，需要将状态方程和量测方程进行离散化。 系统转移矩阵为： 2323/1111102!3!! n n k k k k k k n T T T I TA A A A n ∞ -----=Φ=++++=∑ (3)
实验三滤波器设计 一、实验目的： 1、熟悉Labview的软件操作环境； 2、了解VI设计的方法和步骤，学会简单的虚拟仪器的设计； 3、熟悉创建、调试VI； 4、利用Labview制作一个滤波器，实现低通、高通、带通、带阻等基本滤波功能，并调节截止频率实现滤波效果。 二、实验要求： 1、可正弦实现低通、高通、带通、带阻等基本滤波功能，并图形显示滤波前后波形； 2、可调节每种滤波器的上限截止频率或者下限截止频率； 3、给出每种滤波器的幅频特性； 三、设计原理: 1、利用LABVIEW中的数字IIR、FIR数字滤波器实现数字滤波功能，参数可调；
2、将两路不同频率的信号先叠加，然后通过滤波，将一路信号滤除，而保留有用信号，Hz f Hz f 100,2021==； 3、叠加即将两个信号相加，用到一个数学公式； 4、信号进入case 结构，结构中有两路分支，每路分支均有一个滤波模块，其中一个为IIR 滤波器，另一个为FIR 滤波器，通过按钮可选择IIR 或是FIR.每个滤波模块都可通过外部按钮对其参数进行调整，各个过程的波形都用波形图显示出来； 5、将IIR 、FIR 滤波器的“滤波信息”接线端用控件按名称解除捆绑接入波形图，观察波形的幅度和相位； 6、用一个while 循环实现不重新启动既可以改参数。 四、设计流程： 1、前面板的设计：
2、程序框图的设计： 五、实验结果： 1、低通滤波功能：将100Hz的信号滤除，保留20Hz的信号 用IIR巴特沃斯滤波器，将低截止频率设置为25Hz。
用FIR滤波器，拓扑类型选择Windowed FIR，将最低通带设置为50。 用IIR巴特沃斯滤波器，将低截止频率设置为90Hz。
数字图像处理实验报告 班级： 姓名： 学号： 日期： 邻域平均法和中值滤波处理
一、实验目的 图像变换是数字图像处理中的一种综合变换，如直方图变换、几何变换等。通过本实验，使得学生掌握两种变换的程序实现方法。 二、实验任务 请设计程序，分别用邻域平均法，其模板为：和中值滤波法对testnoise图像进行去噪处理（中值滤波的模板的大小也设为3×3）。 三、实验环境 本实验在Windows平台上进行，对内存及cpu主频无特别要求，使用VC或者MINGW（gcc）编译器均可。 四、设计思路 介绍代码的框架结构、所用的数据结构、各个类的介绍（类的功能、类中方法的功能、类的成员变量的作用）、各方法间的关系写。在此不进行赘述。 五、具体实现 实现设计思路中定义的所有的数据类型，对每个操作给出实际算法。对主程序和其他模块也都需要写出实际算法。 代码： <邻域平均法>(3*3) #include
#include
整流滤波电路实验报告 姓名：XXX 学号：5702112116 座号：11 时间：第六周星期4 一、实验目的 1、研究半波整流电路、全波桥式整流电路。 2、电容滤波电路，观察滤波器在半波和全波整流电路中的滤波效果。 3、整流滤波电路输出脉动电压的峰值。 4、初步掌握示波器显示与测量的技能。 二、实验仪器 示波器、6v交流电源、面包板、电容（10μF*1，470μF*1）、变阻箱、二极管*4、导线若干。 三、实验原理 1、利用二极管的单向导电作用，可将交流电变为直流电。常用的二极管整 流电路有单相半波整流电路和桥式整流电路等。 2、在桥式整流电路输出端与负载电阻RL并联一个较大电容C，构成电容滤 波电路。整流电路接入滤波电容后，不仅使输出电压变得平滑、纹波显著成小，同时输出电压的平均值也增大了。 四、实验步骤 1、连接好示波器，将信号输入线与6V交流电源连接，校准图形基准线。 2、如图，在面包板上连接好半波整流电路，将信号连接线与电阻并联。
3、如图，在面包板上连接好全波整流电路，将信号输入线与电阻连接。
4、在全波整流电路中将电阻换成470μF的电容，将信号接入线与电容并联。 5、如图，选择470μF的电容，连接好整流滤波电路，将信号接入线与电阻并联。 改变电阻大小（200Ω、100Ω、50Ω、25Ω）
200Ω100Ω50Ω
25Ω 6、更换10μF的电容，改变电阻（200Ω、100Ω、50Ω、25Ω）200Ω 100Ω
50Ω 25Ω 五、数据处理 1、当C 不变时，输出电压与电阻的关系。 输出电压与输入交流电压、纹波电压的关系如下： avg)r m V V V （输+= 又有i avg R C V ??=输89.2V )(r 所以当C 一定时，R 越大 就越小 )(r V avg 越大 输V
数字图像处理实验三 均值滤波、中值滤波的计算机实现12281166 崔雪莹计科1202班 一、实验目的： 1）熟悉均值滤波、中值滤波处理的理论基础； 2）掌握均值滤波、中值滤波的计算机实现方法； 3）学习VC++ 6。0 的编程方法； 4）验证均值滤波、中值滤波处理理论； 5）观察均值滤波、中值滤波处理的结果。 二、实验的软、硬件平台： 硬件：微型图像处理系统，包括：主机， PC机；摄像机； 软件：操作系统：WINDOWS2000或WINDOWSXP应用软件：VC++ 6.0 三、实验内容： 1）握高级语言编程技术； 2）编制均值滤波、中值滤波处理程序的方法； 3）编译并生成可执行文件； 4）考察处理结果。 四、实验要求： 1）学习VC++确6。0 编程的步骤及流程； 2）编写均值滤波、中值滤波的程序；
3）编译并改错； 4）把该程序嵌入试验二给出的界面中（作适当修改）； 5）提交程序及文档； 6）写出本次实验的体会。 五、实验结果截图 实验均值滤波采用的是3X3的方块，取周围的像素点取得其均值代替原像素点。边缘像素的处理方法是复制边缘的像素点，增加一个边框，计算里面的像素值得均值滤波。
六、实验体会 本次实验在前一次的实验基础上增加均值滤波和中值滤波，对于椒盐噪声的处理，发现中值滤波的效果更为好一点，而均值滤波是的整个图像变得模糊了一点，效果差异较大。本次实验更加增加了对数字图像处理的了解与学习。 七、实验程序代码注释及分析 // HistDemoADlg.h : 头文件 // #include "ImageWnd.h" #pragma once // CHistDemoADlg 对话框 class CHistDemoADlg : public CDialogEx { // 构造
LMS 自适应滤波实验报告 姓名： 学号： 日期：2015.12.2 实验内容： 利用自适应滤波法研究从宽带信号中提取单频信号的方法。 设()()()()t f B t f A t s t x 212cos 2cos π?π+++=，()t s 是宽带信号，A ，B ，1f ，2f ， ?任选 （1）要求提取两个单频信号； （2）设f f f ?+=12，要求提取单频信号()t f 22cos π，研究f ?的大小对提取单频信号的影响。 1. 自适应滤波器原理 自适应滤波器理论是现代信号处理技术的重要组成部分，它对复杂信号的处理具有独特的功能。自适应滤波器在信号处理中属于随机信号处理的范畴。在一些信号和噪声特性无法预知或他们是随时间变化的情况下，自适应滤波器通过自适应滤波算法调整滤波器系数，使得滤波器的特性随信号和噪声的变化，以达到最优滤波的效果，解决了固定全系数的维纳滤器和卡尔曼滤波器的不足。 （1） 自适应横向滤波器 所谓自适应滤波，就是利用前一时刻已获得的滤波器参数等结果，自动调节现时刻的滤波器参数，以适应信号和噪声未知或随时间变化的统计特性，从而实现最优滤波。自适应滤波器由两个部分组成：滤波器结构和调节滤波器系数的自适应算法。自适应滤波器的特点是自动调节自身的冲激响应，达到最优滤波，此算法适用于平稳和非平稳随机信号，并且不要求知道信号和噪声的统计特性。 一个单输入的横向自适应滤波器的原理框图如图所示：
实际上这种单输入系统就是一个FIR 网络结构，其输出()n y 用滤波器单位脉冲响应表示成下式： ()()()∑-=-=1 N m m n x m w n y 这里()n w 称为滤波器单位脉冲响应，令：()()n i n x x i w w m i i i ,1,1,1+-=-=+=用j 表示，上式可以写成 ∑==N i ij i j x w y 1 这里i w 也称为滤波器加权系数。用上面公式表示其输出，适用于自适应线性组合器，也适用于FIR 滤波器。将上式表示成矩阵形式： X W W X j T T j j y == 式中 [][ ] T Nj j j j T N x x x w w w X W ,...,,, ,...,,2121== 误差信号表示为 X W j T j j j j d y d e -=-= （2） 最小均方（LMS ）算法 Widrow 等人提出的最小均方算法，是用梯度的估计值代替梯度的精确值，这种算法简单易行，因此获得了广泛的应用。 LMS 算法的梯度估计值用一条样本曲线进行计算，公式如下：
卡尔曼，美国数学家和电气工程师。1930年5月 19日生于匈牙利首都布达佩斯。1953年在美国麻省理工学院毕业获理学士学位,1954年获理学硕士学位,1957年在哥伦比亚大学获科学博士学位。1957～1958年在国际商业机器公司(IBM)研究大系统计算机控制的数学问题。1958～1964年在巴尔的摩高级研究院研究控制和数学问题。1964～1971年到斯坦福大学任教授。1971年任佛罗里达大学数学系统理论研究中心主任，并兼任苏黎世的瑞士联邦高等工业学校教授。1960年卡尔曼因提出著名的卡尔曼滤波器而闻名于世。卡尔曼滤波器在随机序列估计、空间技术、工程系统辨识和经济系统建模等方面有许多重要应用。1960年卡尔曼还提出能控性的概念。能控性是控制系统的研究和实现的基本概念，在最优控制理论、稳定性理论和网络理论中起着重要作用。卡尔曼还利用对偶原理导出能观测性概念，并在数学上证明了卡尔曼滤波理论与最优控制理论对偶。为此获电气与电子工程师学会(IEEE)的最高奖──荣誉奖章。卡尔曼著有《数学系统概论》(1968)等书。 什么是卡尔曼滤波 最佳线性滤波理论起源于40年代美国科学家Wiener和前苏联科学家Ｋолмогоров等人的研究工作，后人统称为维纳滤波理论。从理论上说，维纳滤波的最大缺点是必须用到无限过去的数据，不适用于实时处理。为了克服这一缺点，60年代Kalman把状态空间模型引入滤波理论，并导出了一套递推估计算法，后人称之为卡尔曼
滤波理论。卡尔曼滤波是以最小均方误差为估计的最佳准则，来寻求一套递推估计的算法，其基本思想是：采用信号与噪声的状态空间模型，利用前一时刻地估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值。它适合于实时处理和计算机运算。 卡尔曼滤波的实质是由量测值重构系统的状态向量。它以“预测—实测—修正”的顺序递推，根据系统的量测值来消除随机干扰，再现系统的状态，或根据系统的量测值从被污染的系统中恢复系统的本来面目。 释文：卡尔曼滤波器是一种由卡尔曼（Kalman）提出的用于时变线性系统的递归滤波器。这个系统可用包含正交状态变量的微分方程模型来描述，这种滤波器是将过去的测量估计误差合并到新的测量误差中来估计将来的误差。 卡尔曼滤波的应用 斯坦利.施密特(Stanley Schmidt)首次实现了卡尔曼滤波器.卡尔曼在NASA埃姆斯研究中心访问时,发现他的方法对于解决阿波罗计划的轨道预测很有用,后来阿波罗飞船的导航电脑使用了这种滤波器. 关于这种滤波器的论文由Swerling (1958), Kalman (1960)与 Kalman and Bucy (1961)发表.
LMS 自适应滤波实验报告 ： 学号： 日期：2015.12.2 实验容： 利用自适应滤波法研究从宽带信号中提取单频信号的方法。 设()()()()t f B t f A t s t x 212cos 2cos π?π+++=，()t s 是宽带信号，A ，B ，1f ，2f ， ?任选 （1）要求提取两个单频信号； （2）设f f f ?+=12，要求提取单频信号()t f 22cos π，研究f ?的大小对提取单频信号的影响。 1. 自适应滤波器原理 自适应滤波器理论是现代信号处理技术的重要组成部分，它对复杂信号的处理具有独特的功能。自适应滤波器在信号处理中属于随机信号处理的畴。在一些信号和噪声特性无法预知或他们是随时间变化的情况下，自适应滤波器通过自适应滤波算法调整滤波器系数，使得滤波器的特性随信号和噪声的变化，以达到最优滤波的效果，解决了固定全系数的维纳滤器和卡尔曼滤波器的不足。 （1） 自适应横向滤波器 所谓自适应滤波，就是利用前一时刻已获得的滤波器参数等结果，自动调节现时刻的滤波器参数，以适应信号和噪声未知或随时间变化的统计特性，从而实现最优滤波。自适应滤波器由两个部分组成：滤波器结构和调节滤波器系数的自适应算法。自适应滤波器的特点是自动调节自身的冲激响应，达到最优滤波，此算法适用于平稳和非平稳随机信号，并且不要求知道信号和噪声的统计特性。
一个单输入的横向自适应滤波器的原理框图如图所示： 实际上这种单输入系统就是一个FIR 网络结构，其输出()n y 用滤波器单位脉冲响应表示成下式： ()()()∑-=-=1 N m m n x m w n y 这里()n w 称为滤波器单位脉冲响应，令： ()()n i n x x i w w m i i i ,1,1,1+-=-=+=用j 表示，上式可以写成 ∑==N i ij i j x w y 1 这里i w 也称为滤波器加权系数。用上面公式表示其输出，适用于自适应线性组合器，也适用于FIR 滤波器。将上式表示成矩阵形式： X W W X j T T j j y == 式中 [][ ] T Nj j j j T N x x x w w w X W ,...,,, ,...,,2121== 误差信号表示为 X W j T j j j j d y d e -=-= （2） 最小均方（LMS ）算法 Widrow 等人提出的最小均方算法，是用梯度的估计值代替梯度的精确值，这种算法简单易行，因此获得了广泛的应用。
有源滤波器实验报告文件编码（008-TTIG-UTITD-GKBTT-PUUTI-WYTUI-8256）
实验七集成运算放大器的基本应用(Ⅱ)—有源滤波器 一、实验目的 1、熟悉用运放、电阻和电容组成有源低通滤波、高通滤波和带通、带阻滤波器。 2、学会测量有源滤波器的幅频特性。 二、实验原理 （a）低通（b）高通 (c) 带通（d）带阻 图7－1 四种滤波电路的幅频特性示意图 由RC元件与运算放大器组成的滤波器称为RC有源滤波器，其功能是让一定频率范围内的信号通过，抑制或急剧衰减此频率范围以外的信号。可用在信息处理、数据传输、抑制干扰等方面，但因受运算放大器频带限制，这类滤波器主要用于低频范围。根据对频率范围的选择不同，可分为低通(LPF)、高通(HPF)、带通(BPF)与带阻(BEF)等四种滤波器，它们的幅频特性如图7－1所示。 具有理想幅频特性的滤波器是很难实现的，只能用实际的幅频特性去逼近理想的。一般来说，滤波器的幅频特性越好，其相频特性越差，反之亦然。滤波器的阶数越高,幅频特性衰减的速率越快，但RC网络的节数越多，元件参数计算越繁琐，电路调试越困难。任何高阶滤波器均可以用较低的二阶RC有滤波器级联实现。 1、低通滤波器（LPF） 低通滤波器是用来通过低频信号衰减或抑制高频信号。
如图7－2（a ）所示，为典型的二阶有源低通滤波器。它由两级RC 滤波环节与同相比例运算电路组成，其中第一级电容C 接至输出端，引入适量的正反馈，以改善幅频特性。图7－2（b ）为二阶低通滤波器幅频特性曲线。 (a)电路图 (b)频率特性 图7－2 二阶低通滤波器 电路性能参数 1 f uP R R 1A + = 二阶低通滤波器的通带增益 RC 2π1 f O = 截止频率，它是二阶低通滤波器通带与阻带的界限频率。 uP A 31 Q -= 品质因数，它的大小影响低通滤波器在截止频率处幅频特性的形状。 2、高通滤波器（HPF ） 与低通滤波器相反，高通滤波器用来通过高频信号，衰减或抑制低频信号。 只要将图7－2低通滤波电路中起滤波作用的电阻、电容互换，即可变成二阶有源高通滤波器，如图7－3(a)所示。高通滤波器性能与低通滤波器相反，其频率响应和低通滤波器是“镜象”关系，仿照LPH 分析方法，不难求得HPF 的幅频特性。
1.灰度变换与空间滤波 一种成熟的医学技术被用于检测电子显微镜生成的某类图像。为简化检测任务，技术决定采用数字图像处理技术。发现了如下问题：（1）明亮且孤立的点是不感兴趣的点；（2）清晰度不够，特别是边缘区域不明显；（3）一些图像的对比度不够；（4）技术人员发现某些关键的信息只在灰度值为I1-I2 的范围，因此，技术人员想保留I1-I2 区间范围的图像，将其余灰度值显示为黑色。（5）将处理后的I1-I2 范围内的图像，线性扩展到0-255 灰度，以适应于液晶显示器的显示。请结合本章的数字图像处理处理，帮助技术人员解决这些问题。 1.1 问题分析及多种方法提出 （1）明亮且孤立的点是不够感兴趣的点 对于明亮且孤立的点，其应为脉冲且灰度值为255（uint8）噪声，即盐噪声，为此，首先对下载的细胞图像增加盐噪声，再选择不同滤波方式进行滤除。 均值滤波：均值滤波是典型的线性滤波算法，它是指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素（以目标像素为中心的周围8 个像素，构成一个滤波模板，即去掉目标像素本身），再用模板中的全体像素的平均值来代替原来像素值。 优点：速度快，实现简单； 缺点：均值滤波本身存在着固有的缺陷，即它不能很好地保护图像细节，在图像去噪的同时也破坏了图像的细节部分，从而使图像变得模糊，不能很好地去除噪声点。 其公式如下： 使用矩阵表示该滤波器则为： 中值滤波：
滤除盐噪声首选的方法应为中值滤波，中值滤波法是一种非线性平滑技术，它将每一像素点的灰度值设置为该点某邻域窗口内的所有像素点灰度值的中值。 其过程为： a、存储像素1，像素2 ....... 像素9 的值； b、对像素值进行排序操作； c、像素5 的值即为数组排序后的中值。优点：由于中值滤波本身为一种利用统计排序方法进行的非线性滤波方法，故可以滤除在排列矩阵两边分布的脉冲噪声，并较好的保留图像的细节信息。 缺点：当噪声密度较大时，使用中值滤波后，仍然会有较多的噪声点出现。自适应中值滤波： 自适应的中值滤波器也需要一个矩形的窗口S xy ，和常规中值滤波器不同的是这个窗口的大小会在滤波处理的过程中进行改变(增大)。需要注意的是，滤波器的输出是一个像素值，该值用来替换点(x, y)处的像素值，点(x, y)是滤波窗口的中心位置。 其涉及到以下几个参数： 其计算过程如下：
卡尔曼滤波实验报告
2014 年 4 月 GPS 静/动态滤波实验 一、实验要求 1、分别建立GPS 静态及动态卡尔曼滤波模型，编写程序对静态和动态GPS 数据进行Kalman 滤波。 2、对比滤波前后导航轨迹图。 3、画出滤波过程中估计均方差(P 阵对角线元素开根号)的变化趋势。 4、思考：① 简述动态模型与静态模型的区别与联系；② R 阵、Q 阵，P0阵的选取对滤波精度及收敛速度有何影响，取值时应注意什么；③ 本滤波问题是否可以用最小二乘方法解决，如果可以，请阐述最小二乘方法与Kalman 滤波方法的优劣对比。 二、实验原理 2.1 GPS 静态滤波 选取系统的状态变量为[ ]T L h λ=X ,其中L 为纬度(deg),λ为经度(deg)，h 为高度 (m)。设()w t 为零均值高斯白噪声，则系统的状态方程为： 310()w t ?=+X (1) 所以离散化的状态模型为： ,111k k k k k W ---=+X X Φ (2) 式中，,1k k -Φ为33?单位阵，k W 为系统噪声序列。 测量数据包括：纬度静态量测值、经度静态量测值和高度构成31?矩阵Z ，量测方程
可以表示为： k k k Z HX V =+ (3) 式中，H 为33?单位阵，k V 为量测噪声序列。 系统的状态模型是十分准确的，所以系统模型噪声方差阵可以取得十分小，取Q 阵零矩阵。 系统测量噪声方差阵R 由测量确定，由于位置量测精度为5m ，采用克拉索夫斯基地球椭球模型，长半径e R 为6378245m ，短半径p R 为6356863m 。所以R 阵为： 2 2 25180()0 05180 ( )0cos()00 5p e R R L ππ ??? ?? ? ??= ??? ? ? ?? ? R (4) 2.2 GPS 动态滤波 动态滤波基于当前统计模型，在地球坐标系下解算。选取系统的状态变量为 T x x x y y y z z z X x v a y v a z v a εεε??=??,其中,,,x x x x v a ε依次为地球坐标系下x 轴上的位置、速度、加速度和位置误差分量，,y z 轴同理。系统的状态模型可以表示为： ()()()()t t t t =++X AX U W (5) 式中，位置误差视为有色噪声，为一阶马尔科夫过程，可表示为： x x x x y y y y z z z z w w w εετεετεετ?=-+????=-+????=-+?? 1 11 (6) 其中，i τ(,,i x y z =)为对应马尔科夫过程的相关时间常数，(,,)i w i x y z =为零均值高斯白噪声。
实验报告 课程名称：数字信号处理 实验项目：FIR滤波器设计 专业班级： 姓名：学号： 实验室号：实验组号： 实验时间：批阅时间： 指导教师：成绩：
实验报告 专业班级： 学号： 姓名： 一、实验目的： 1、熟悉线性相位FIR 数字低通滤波器特性。 2、熟悉用窗函数法设计FIR 数字低通滤波器的原理和方法。 3、了解各种窗函数对滤波特性的影响。 要求认真复习FIR 数字滤波器有关内容实验内容。 二、实验原理 如果所希望的滤波器理想频率响应函数为)(e H j ωd ，则其对应的单位样值响应为 ωπ= ωππ -?d e j ωn j d d e )(H 21(n)h 窗函数法设计法的基本原理是用有限长单位样值响应h(n)逼近(n)h d 。由于(n)h d 往往是无限长序列，且是非因果的，所以用窗函数(n)w 将(n)h d 截断，并进行加权处理，得 到：(n)(n)h h(n)d w ?=。h(n)就作为实际设计的FIR 滤波器单位样值响应序列，其频率函数)H(e j ω 为∑-=ω= 1 n n j -j ω h(n)e )H(e N 。式中N 为所选窗函数(n)w 的长度。 用窗函数法设计的FIR 滤波器性能取决于窗函数类型及窗口长度N 的取值。设计过程中要根据阻带衰减和过渡带宽度的要求选择合适的窗函数类型和窗口长度N 。各类窗函数所能达到的阻带最小衰减和过渡带宽度见P342表7-3。 选定窗函数类型和长度N 以后，求出单位样值响应(n)(n)h h(n)d w ?=。验算 )()()]([)(ω?ωω==j g j e H n h DTFT e H 是否满足要求，如不满足要求，则重新选定窗函 数类型和长度N ，直至满足要求。 如要求线性相位特性，h(n)还必须满足n)-1-h(N h(n)±=。根据上式中的正、负号和长度N 的奇偶性又将线性相位FIR 滤波器分成4类（见P330表7-1及下表），根据要设计的滤波器特性正确选择其中一类。例如要设计低通特性，可选择情况1、2，不能选择情况3、4。
卡尔曼滤波实验报告 2014 年 4 月 GPS静/动态滤波实验 一、实验要求 1、分别建立GPS静态及动态卡尔曼滤波模型，编写程序对静态和动态GPS数据进行Kalman滤波。 2、对比滤波前后导航轨迹图。
3、画出滤波过程中估计均方差(P 阵对角线元素开根号)的变化趋势。 4、思考：① 简述动态模型与静态模型的区别与联系；② R 阵、Q 阵，P0阵的选取对滤波精度及收敛速度有何影响，取值时应注意什么；③ 本滤波问题是否可以用最小二乘方法解决，如果可以，请阐述最小二乘方法与Kalman 滤波方法的优劣对比。 二、实验原理 2.1 GPS 静态滤波 (deg) 度(m) (1) 所以离散化的状态模型为： (2) 可以表示为： (3) 矩阵。 5m ，采用克拉索夫斯基地球 6378245m 6356863m (4) 2.2 GPS 动态滤波 动态滤波基于当前 统计模型，在地球坐标系下解算。选取系统的状态变量为 (5)
式中，位置误差视为有色噪声，为一阶马尔科夫过程，可表示为： ε τεετεετ-=- =-1 1 (6) 白噪声。 (7) (8) 系统噪声为： (9) 量测量为纬度动态量测值、经度动态量测值、高度和三向速度量测值。由于滤波在地球 坐标系下进行，为了简便首先将纬度、经度和高度转化为三轴位置坐标值，转化方式如下： (10) 量测方程为： (11)
综上，离散化的Kalman滤波方程为： (12) 离散化的系统噪声协方差阵为： 2 [ π ?] ? k x = +<0 “当前”加速度 (13) 离散化量测噪声协方差阵为：diag = R 三、实验结果 3.1 GPS静态滤波
卡尔曼滤波与组合导航》课程实验报告 实验 捷联惯导 /GPS 组合导航系统静态导航实验 实验序号 3 姓名 陈星宇 系院专业 17 班级 ZY11172 学号 ZY1117212 日期 2012-5-15 指导教师 宫晓琳 成绩 、实验目的 ① 掌握捷联惯导 /GPS 组合导航系统的构成和基本工作原理； ②掌握采用卡尔曼滤波方法进行捷联惯导 /GPS 组合的基本原理； ③掌握捷联惯导 /GPS 组合导航系统静态性能； ④了解捷联惯导 /GPS 组合导航静态时的系统状态可观测性； 、实验原理 （ 1）系统方程 X FX GW 系统噪声矢量由陀螺仪和加速度计的随机误差组成，表达式为： 2）量测方程 和 H 分别为捷联解算与 GPS 的东向速度、北向速度、天向速度、纬度、经度和高度之 差；量测矩阵 H H V H P T ，H P 03 6 diag R M H, （R N H ）cos L, 036 ， H V 033 diag 1, 1, 1 039 ，v v V E v V N v V U v L v v H 为量测噪声。 量测噪声 v E v N T v U L h x y z x y z 其中， E 、 N 、 U 为数学平台失准角； v E 、 v N 、 v U 分别为载体的东向、北向和天向速度误差； L 、 、 h 分别为纬度误差、经度误差和高度误差； x 、 y 、 z 、 x 、 y 、 z 分别为陀螺随 机常值漂移和加速度计随机常值零偏。（下 标 系统的噪声转移矩阵 G 为： E 、N 、 U 分别代表东、北、天） C b n 3 3 0 9 3 3 3 C n C b 9 3 15 6 系统的状态转移矩阵 w w w w F 组成内容为： w z F 06N 9 F S F M ，其中 F N 中非零元素为可由惯导误差模型获得。 F S C b n 3 3 0 3 3 3 3 C b n 3 3 96 量测变量 z V E V N V U L H ， ， V E 、 V N 、 V U 、 L 、 X U
实验七 集成运算放大器的基本应用(n )—有源滤波器 一、 实验目的 i 熟悉用运放、电阻和电容组成有源低通滤波、高通滤波和带通、带阻滤波器。 2、学会测量有源滤波器的幅频特性。 二、 实验原理 (a )低通 (b )高通 (c)带通 (d )带阻 图7—1四种滤波电路的幅频特性示意图 由RC 元件与运算放大器组成的滤波器称为 RC 有源滤波器，其功能是让一定频率范围内的信号通过， 抑制或急剧衰减此频率范围以外的信号。 可用在信息处理、数据传输、 抑制干扰等方面，但因受运算放 大器频带限制，这类滤波器主要用于低频范围。根据对频率范围的选择不同，可分为低通 (LPF)、高通 (HPF)、带通(BPF)与带阻(BEF)等四种滤波器，它们的幅频特性如图 7— 1所示。 具有理想幅频特性的滤波器是很难实现的， 只能用实际的幅频特性去逼近理想的。 一般来说，滤波 器的幅频特性越好，其相频特性越差，反之亦然。滤波器的阶数越高 ，幅频特性衰减的速率越快，但 RC 网络的节数越多，元件参数计算越繁琐，电路调试越困难。任何高阶滤波器均可以用较低的二阶 RC 有 滤波器级联实现。 1、低通滤波器(LPF ) 低通滤波器是用来通过低频信号衰减或抑制高频信号 如图7— 2 (a )所示，为典型的二阶有源低通滤波器。它由两级 RC 滤波环节与同相比例运算电路 组成，其中第一级电容 C 接至输出端，弓I 入适量的正反馈，以改善幅频特性。图 7—2 (b )为二阶低 通滤波器幅频特性曲线。 (a) 电路图 图7—2二阶低通滤波器 电路性能参数 ―1奈二阶低通滤波器的通带增益 截止频率，它是二阶低通滤波器通带与阻带的界限频率。 (b)频率特性 1 2 T RC