西南交大现代信号处理作业

现代信号处理第一章作业学院：信息与通信工程学院学号：2015140016序号：姓名：王宁1.2 设()()5cos 0.25π0,1,,15x n n n ==⋯，，为有限长序列。

(1)计算16点DFT ，并画出幅度谱序列。

(2)在该序列后面补16个零后，计算32点DFT ，并画出DFT 幅度谱序列。

(3)把DFT 的点数扩大为64，然后重复(2)。

(4)依据DTFT 与DFT 之间的关系，解释补零操作对DFT 的影响。

解（1）15216[]5cos(0.25)k j n n X k n eππ-==∑（2）152320[]5cos(0.25)k j n n X k n eππ-==∑X (k )X (k )（3）15264[]5cos(0.25)k j n n X k n eππ-==∑（4）DFT 是对DTFT 进行采样，并且只取一个周期。

对信号进行DTFT 计算的时候，要把信号看成无数个点组成的，只是这些点中，大量数据都为零。

所以补零并不影响DTFT 的结果。

而补零后DFT 在一个周期内采样点增加，所以更能表现DTFT 的包络。

X (k )64点DFT1.5 (1)设0j 110()1e H z r z ω--=-为单零点系统的传递函数，求其幅度响应j 1|(e )|H ω的解析式。

令000.95,0.25πr ω==，画出幅度响应的草图。

解：()()()00110011j j j j j z eH e H z r e e r eωωωωωω-+--===-=-若000.95,0.25πr ω==，则幅度响应为()()0.25110.95j j H e eωπω-+=-幅度响应图形为(2)设02j 101()1e H z r zω--=-为单极点系统的传递函数，求其幅度响应j 2(e )H ω的解析式。

令000.95,0.25πr ω==，画出幅度响应的草图。

解：()()022011j j j j z e H eH z r eωωωω--===-， 令000.95,0.25πr ω==，则幅频响应为()()20.25110.95j j H e e ωωπ-+=-幅度响应图形为0.511.522.533.54Normalized frequency (ω/pi)M a g n i t u d e(3)在程序1_5_1中修改1122,,,,r r K ωω的值，然后观察零极点位置的变化，以及幅度响应曲线的变化情况，观察有何规律。

《现代信号处理》大作业姓名：王成志学号：1140349078一. L D 迭代算法的matlab 实现1.1 Levinson-Durbin 算法介绍功率谱估计大致可以分为经典谱估计和现代功率谱估计，经典谱估计方法存在着以下三点缺陷：（1）数据加窗或自相关加窗，都隐含着假定在窗外未观测到的数据或自相关系数为零，该假设不切实际。

（2）要性能好往往需要较长的数据，但实际数据长度有限（3）窗函数容易造成谱的模糊。

采用AR 模型的现代谱估计方法可以克服这些不足。

其中LD 递推算法可以在计算机上方便实现。

LD 递推算法具体计算步骤如下：（1） Yule-Walker 方程的矩阵形式(1)所示：⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎣⎡--+-----001)0()2()1()()1()1()0()1()()2()1()0(2,1,σk k k xx xx xx xx x xx xx xx xx xx xx xx a a r k r k r k r k r r r r k r r r r 系数矩阵xx Hxx R R =,为Hermitian 矩阵，对角线上元素相同，即为Topliez 矩阵。

（2） P-1阶Yule-Walker 方程为：21111(0)(1)(1),1(1)(0)(2)0,1(1)(2)(0)0x x x p p x x x p x x x R R R p a R R R p a p R p R p R σ-----⎡⎤⎡⎤⎡⎤⎢⎥⎢⎥⎢⎥-⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥---⎢⎥⎣⎦⎣⎦⎣⎦ 其中，2211{()}p p E e l σ--=为误差功率。

写成联立方程：2111,0,0()0,1,,1p pp k xk m a R m k m p σ---=⎧=-=⎨=-⎩∑ 取共轭得：21**11,0,0()0,1,,1p pp kxk m aR m k m p σ---=⎧=-=⎨=-⎩∑变量替换，并利用*()()x x R l R l =得：21*11,10,1()0,0,,2p pp p kx k m p aR m k m p σ-----=⎧=--=⎨=-⎩∑ 表示成矩阵：*1*1210(0)(1)(1),10(1)(0)(2),2(1)(2)(0)1x x x p x x x p p x x x R R R p a p R R R p a p R p R p R σ-----⎡⎤⎡⎤⎡⎤-⎢⎥⎢⎥⎢⎥--⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥⎢⎥--⎢⎥⎣⎦⎣⎦⎣⎦ 求解得：*.1,1,,0,,p k p k p p p k a a K a k p ---=+=22*1p p p p K σσ-=+∆ 2210p p p K σ-=∆+,p p p K a =222*22111[][1]p p p p p p p K K K σσσσ---=+-=-（3） 当k=1时，即一阶递推为：⎥⎦⎤⎢⎣⎡=⎥⎦⎤⎢⎣⎡⎥⎦⎤⎢⎣⎡-01)0()1()1()0(211,1σa R R R R x x x x求解可得：)1()0()0()1( ,11,1211,10,1x x x x R a R R R a a +=-==σ（4） 对于2≥p 时，递推为:10,≡p a , *,1,1,k p p p k p k p aK a a ---+=, ]1[2212p p p K -=-σσ 21,-∆-==p pp p p a K σ∑-=--+=∆11,1)()(p k x kp x p k p R ap R矩阵R x 已知，可得到各阶AR 模型系数为：)0())1(1( ,)0()1()1(2111xx xx xx r a r r a -=-=ρ11111)()()()(--=--∑-+-=∆-=k k l xx k xx k kk l k r l a k r k a ρρ1,,2,1)()()()(*11-=-+=--k i i k a k a i a i a k k k k12))(1(--=k k k k a ρρ1.2实验结果(1) 输入p=3，rr = [70,60,50,40] 时，求得AR 模型估计参数为:a =1.0000 -0.8571 0 0 1.0000 -0.5275 -0.3846 0 1.0000 -0.7572 -0.6996 0.5972 各阶求得的方差为：sigma = 18.5714 15.8242 10.18013阶时，a 3 (1)= -0.7572 a 3 (2)= -0.6996 a 3 (3)= -0.5972(2) 输入p=5，rr = [30,45,26,33,47,43]时，AR 模型估计参数为：a =1.0000 -1.5000 0 0 0 0 1.0000 0.2800 -1.1867 0 0 0 1.0000 0.8227 -1.3147 -0.4573 0 0 1.0000 1.9708 1.9858 -2.5226 -2.5105 0 1.0000 1.0869 1.0977 -1.8235 -1.8166 0.3521 各阶求得的方差为： sigma =37.5000 15.3067 12.1054 64.1881 56.23165阶时， a 5 (1)= 1.0869 a 5(2)= 1.0977 a 5(3)= -1.8235 a 5(4)= -1.8166 a 5(5)= 0.3521二． 一维平稳信号由两个高斯信号叠加而成12241122()()[exp(())exp(())]22z t t t j t t t j t αααωωπ=--++--+，其中12,t t >12ωω>，分别求出()z t 的WV 分布及其模糊函数，画出二者的波形图，指出并分析其信号项和交叉项。

欢迎共阅1、考虑两个谐波信号()x t 和()y t ，其中()cos()c x t A w t φ=+,()cos()c y t B w t =式中A 和c w 为正的常数,φ为均匀分布的随机变量，其概率密度函数为1,02()20,f φπφπ⎧≤≤⎪=⎨⎪⎩其他, 而B 是一个具有零均值和单位方差的标准高斯随机变量，即其分布函数为 （1）求()x t 的均值()x u t 、方差2()x t σ、自相关函数()x R τ和自协方差函数()x c τ。

根据三角公式分解得到如下式子： 由此，可以得到如下公式所以相位的最大似然估计如下：3.离散时间的二阶AR 过程由差分方程12()(1)(2)()x n a x n a x n w n =-+-+ 描述，式中()w n 是一零均值、方差为2w σ 的白噪声。

证明()x n 的功率谱为证明：由AR 过程的功率谱公式知 其中将其带入第一个公式可得：4、信号的函数表达式为：()()()()sin(2100) 1.5sin(2300)sin(2200)x t t t A t t dn t n t πππ=++++，其中，()A t 为一随时间变化的随机过程，()dn t 为经过390-410Hz 带通滤波器后的高斯白噪声，()n t 为高斯白噪声，采样频率为1kHz ，采样时间为2.048s 。

分别利用周期图谱、ARMA 、Burg 最大熵方法估计信号功率谱，其中ARMA 方法需要讨论定阶的问题。

解：由题意知采样点数一共为：1000×2.048=2048个数据点。

()A t 为一随时间变化的随机过程，由于随机过程有很多类型，如维纳过程、正态随机过程，本文采用了均值为0，方差为1的正态随机过程来作为演示，来代替()A t ，高斯白1k k =1k k =0k =为了保证H(z)是稳定的最小相位系统，A(z)和B(z)的零点都应该在单位圆内。

假定u(n)是一个方差为2σ的白噪声序列，由随机信号通过线性系统的理论可知，输出序列X(n)的功率谱为：ARMA 阶数确定：本题目采用AIC准则确定ARMA的阶数。

现代信号处理作业现代信号处理课程作业1.做⼀个⽹络检索,简述现代信号处理技术的主要特征和技术特点,并阐述信号处理在实际⼯程中的应⽤情况代信号处理技术的主要特征和技术特点:1)精度⾼:在模拟系统的电路中,元器件精度要达到10-3以上已经不容易了,⽽数字系统17位字长可以达到10-5的精度,这是很平常的?例如,基于离散傅⾥叶变换的数字式频谱分析仪,其幅值精度和频率分辨率均远远⾼于模拟频谱分析仪?2) 灵活性强:数字信号处理采⽤了专⽤或通⽤的数字系统,其性能取决于运算程序和乘法器的各系数,这些均存储在数字系统中,只要改变运算程序或系数,即可改变系统的特性参数,⽐改变模拟系统⽅便得多?3) 可以实现模拟系统很难达到的指标或特性:例如:有限长单位脉冲响应数字滤波器可以实现严格的线性相位;在数字信号处理中可以将信号存储起来,⽤延迟的⽅法实现⾮因果系统,从⽽提⾼了系统的性能指标;数据压缩⽅法可以⼤⼤地减少信息传输中的信道容量?4)可以实现多维信号处理:利⽤庞⼤的存储单元,可以存储⼆维的图像信号或多维的阵列信号,实现⼆维或多维的滤波及谱分析等?信号处理在实际⼯程中的应⽤情况:数字信号处理是利⽤计算机或专⽤计算机或专⽤处理设备,以数据形式对信号进⾏采集,变换,滤波,估值,增强,压缩,识别等处理,以得到符合⼈们需要的信号形式?数字信号处理是以众多科学为理论基础的,他所涉及的范围及其⼴泛?DSP 技术应⽤到我们的⽣活的每⼀个⾓落,从军⽤到民⽤,从航空航天到⽣产⽣活,都越来越多地使⽤DSP. DSP技术在航空⽅⾯,主要⽤于雷达和声纳信号处理;在通信⽅⾯,主要⽤于移动电话,IP电话,ADSL和HFC的信号传输;在控制⽅⾯,主要⽤于电机控制,光驱和硬盘驱动器;在测试/测量⽅⾯,主要⽤于虚拟仪器,⾃动测试系统,医疗诊断等;在电⼦娱乐⽅⾯,主要⽤于⾼清晰度电视,机顶盒,家庭影院,DVD 等应⽤;还有数字相机,⽹络相机等等都应⽤了SP技术?同时,SOC芯⽚系统,⽆线应⽤,嵌⼊式DSP都是未来DSP的发展⽅向和趋势?可以说,没有DSP就没有对互联⽹的访问,也不会有多媒体,也没有⽆线通信?因此DSP仍将是整个半导体⼯业的技术驱动⼒?现在,DSP应⽤领域不断拓宽,其涵盖⾯包括宽带Internet接⼊业务,下⼀代⽆线通信系统的发展,数字消费电⼦市场,汽车电⼦市场的发展等诸多多⽅⾯?现代数字信号处理器是执⾏⾼速数字信号系统的IC电路,它恰好适合多媒体信息化社会需求,迅速发展壮⼤?如今,世界电⼦器件市场上,各种各样的DSP器件已相当丰富?⼤⼤⼩⼩封装形式的DSP器件,已⼴泛⽤于各种产品的⽣产领域,⽽且DSP的应⽤领域仍在不断的扩⼤,发展速度异常?2?简述信号的频率分析技术及其应⽤,阐述实现精细频率分析的实现⽅法?考虑到数字信号分析中,虽然提⾼信号的采样频率可以改善信号分析的频率分辨率,但是提⾼信号的采样频率通常需要付出额外的硬件代价,往往受制于可实现性与成本问题⽽难以实现?因此,就需要使⽤频谱细化技术在尽可能低的采样频率下提⾼数字信号分析的频率分辨率的措施?频谱细化的基本思路是对信号频谱中的某⼀频段进⾏局部放⼤,也即在某⼀频率附近局部增加谱线密度,实现选带频段分析?频谱细化技术在⽣产实践和科学研究中获得了⽇益⼴泛的应⽤?例如,齿轮箱的故障诊断要求准确分辨齿轮各阶啮合振动的主频和边频等,其频谱图上的频率间隔很细,但频率分布⼜较宽,为了识别谱图的细微结构,就必须对信号进⾏细化分析;直升机?坦克?巡航导弹的声⾳具有显著的⾮平稳性,为了得到准确的时延量,信号的取样不能太长,⽽FFT计算的频谱存在栅栏效应?因此必须采⽤有效的⽅法对频谱进⾏细化,这样才能保证⾜够的相关计算精度;在⽆线电通信信号和其他的实际⼯程信号的分析中,为了获取更⾼的测量精度和实时检测能⼒,需要对信号频谱进⾏细化分析,以提供有⽤信息?因此对频谱细化技术的研究受到普遍重视,也是当前信号处理技术研究中的⼀个⼗分活跃的课题?常见的经典⽅法有:复调制细化法?Chirp-Z变换?FFT+FT细化法?DFT补零法等很多⽅法?复调制细化法:⼜称为选带频率细化选带频谱分析,是20世纪70年代发展起来的?其传统的分析步骤为:移频(复调制)低通滤波器重抽样--FFT及谱分析频率成分调整,因其物理概念⾮常明确,所以⼀直沿⽤⾄今?FFT+FT细化法:该⽅法的原理本质是将连续傅⾥叶变换经过将积分化成求和?时域离散化和时域截断为有限长三个步骤变换得到时间离散?频率连续的特殊傅⾥叶变换形式?FFT+FT连续细化分析傅⾥叶变换法先⽤FFT做全景谱,再对指定的⼀个频率区间进⾏细化计算:先确定频率分辨率,再确定计算频率序列,最后⽤FT连续谱分析⽅法进⾏实部和虚部计算,合成幅值谱和相位谱? Chirp-Z变换:最早提出于1969年,CZT是⼀种在Z平⾯上沿着螺旋线轨道计算有限时宽的Z变换⽅法?基本原理是在折叠频率范围内任意选择起始频率和频率分辨率在这有限带宽⾥对样本信号进⾏Z变换这与频谱校正⽅法中的FFT + FT 连续细化分析傅⾥叶变换法的基本原理是⼀样的?3、通过⽹络检索,对弱信号检测技术进⾏调研,分析⼀下现代弱信号检测的⽅法微弱信号检测(WeakSignalDetection)是⼀门新兴的技术学科,应⽤范围遍及光?电?磁?声?热?⽣物?⼒学?地质?环保?医学?激光?材料等领域?其仪器已成为现代科学研究中不可缺少的设备?微弱信号检测技术是采⽤电⼦学?信息论?计算机及物理学的⽅法,分析噪声产⽣的原因和规律,研究被测信号的特点与相关性,检测被噪声淹没的微弱有⽤信号?微弱信号检测的⽬的是从强噪声中提取有⽤信号,或⽤⼀些新技术和新⽅法来提⾼检测系统输出信号的信躁⽐?信号处理系统的信躁⽐改善等于输⼊(⽩)躁声带宽与系统的躁声等效带宽之⽐?因此,减少系统的躁声等效宽度便可以提⾼系统的输出信躁⽐?对于信躁⽐⼩于1的被躁声淹没的信号,只要信号处理系统的躁声等效带宽做得很⼩,就可以将信号(或信号携带的信息)从躁声中提取出来,这就是通常的微弱信号检测的指导思想之⼀?现代弱信号检测的⽅法和原理窄带滤波法: 使⽤窄带滤波器,滤掉宽带躁声只让窄带宽信号通过(仅有极少量窄带躁声通过)?窄带滤波法能减少躁声对有⽤信号的影响?滤除掉通频带以外躁声,提⾼信号的信躁⽐?但是,由于⼀般滤波器的中⼼频率不稳定,不能满⾜更⾼的滤除躁声的要求?双路消躁声法:由于信号与躁声性能完全不同,信号⼀般为⼀些变化规律已知的量,⽽躁声是⼀些随机量满⾜统计规律?当随机性的躁声从两路到达加法器时,极性正好相反,经过加法器相加后把躁声消掉?只有少数强躁声才通过阀值电路⽽产⽣本底计数,根据统计规律?本底计数时间较长时为恒定值?故可以先测出它,然后从总计数中把它减得到信号计数?这种⽅法只能检测到微弱的正弦信号是否存在,⽽不能复现信号波形?同步累积法:利⽤信号的重复性,躁声的随机性,对信号进⾏重复累积(⼏次),使SNIR提⾼,但需耗费时间?锁定接收法(频域分析法) :锁定检测法是利⽤互相关原理,使输⼊待测的周期信号与频率相同的参考相关器中实现互相关,从⽽将深埋在躁声中的周期信号携带的信息检测出来?相关检测法: 相关检测技术是应⽤信号周期性和噪声随机性的特点,通过⾃相关或互相关运算,达到去除躁声检测出信号的⼀种技术?由于信号和躁声是相互独⽴的过程,根据相关函数和互相关函数的定义,信号只与信号本⾝相关与躁声不相关??取样积分法:取样积分(或信号平均)法是将待测的重复信号逐点多次取样并进⾏同步积累,从⽽达到从噪声中恢复信号波形的⽅法?取样积分也采⽤同步相关检测的原理和⽅法,实现从噪声中提取信号,但它的参考信号只在窗⼝持续期间与被测信相关,每周相关时间很短,此外它的相移也是在很慢的变化?取样积分由单点取样积分与多点取样积分两种?4.利⽤MATLAB产⽣出⼀个线性调频信号(chirp信号),采样频率=8000Hz,持续时间1s,起始频率=500Hz,终⽌频率=1300Hz,给出其时域波形图,请利⽤短时FFT分析函数对数据进⾏时间-频率分析,观测频率随时间的变化情况分析结果:00.10.20.30.40.50.60.70.80.91-1-0.50.51时间t/s幅度线性调频信号Time F r e q u e n c y 线性调频信号的STFT 频谱图50010001500200025003000350015. 研究⼀下利⽤⾃相关实现含噪声的正弦信号检测⽅法,并利⽤MATLAB 进⾏验证:答:相关函数的应⽤很⼴,例如,噪声中信号的检测?信号中隐含周期性信号的检测,信号相关性的检测等?设信号)(n f 由正弦信号) (n x 加均值为零的⽩噪声)(n s 所组成,即)()()(n s n x n f +=;那么)(n f 的⾃相关为∑∞=++++=0)]()()][()([1)(n m n s m n x n s n x N m R=)()()()(m R m R m R m R ss sx xs xx +++其中)(m R xs 和)(m R sx 分别是正弦信号)(n x 和⽩噪声)(n s 的互相关?⽩噪声是随机的,和信号)(n x 应⽆相关性,所以)(m R xs 和)(m R sx 应趋近于零?⽩噪声)(n s 的⾃相关函数)(m R ss 主要在n=0处有值,当0||>n 时,衰减很快?由于)(n x 是周期函数,那么)(m R xx 将呈周期变化,从⽽揭⽰出隐含在)(m R xx 中的周期性?由于)(n x 总为有限长,所以这些峰值将是逐渐衰减的,且)(m R xx 的最⼤延迟应⼩于数据长度?01002003004005006007008009001000-4-224含噪声时域正弦信号01002003004005006007008009001000-0.500.5⾃相关检测出的正弦信号6. 简述⼩波滤波的原理,并利⽤MATLAB 中的⼩波⼯具进⾏⼀个⼩波滤波练习,给出计算结果,并进⾏分析答 :信号去噪是信号处理领域的⼀个经典问题,传统的去噪⽅法主要是线性滤波和⾮线性滤波,例如中值滤波和Wiener 滤波等?⼩波变换具有下列良好特性:①低熵性②多分辨率特性③去相关性④选基灵活性?⼩波在信号去噪领域已经取得越来越⼴泛的应⽤?阈值去噪的⽅法是⼀种较好的⼩波去噪法?阈值去噪⽅法的思想就是对⼩波分解后的个层系数中模⼤于和⼩于某阈值的系数进⾏处理,然后对处理完的⼩波系数再进⾏反变换,重构出经过去噪的信号?01002003004005006007008009001000-11原始信号01002003004005006007008009001000-22含噪信号01002003004005006007008009001000-202去噪后的信号。

西南交通大学2014－2015学年第(1)学期考试试卷课程代码 3231600 课程名称 数字信号处理 考试时间 120分钟题号 一二三四五六七八九十 总成绩得分阅卷教师签字： 一、 选择题：（共20分，每空2分）本题共10个小题,每题回答正确得2分,否则得零分.每小题所给出答案中只有一个是正确的。

1.信号通常是时间的函数，数字信号的主要特征是：信号幅度取 ；时间取 。

（ B )A.离散值；连续值B.离散值；离散值C.连续值；离散值D.连续值；连续值 2.实序列的傅里叶变换必是( A )。

A.共轭对称函数B.共轭反对称函数C.奇函数D.偶函数3. 某序列的DFT 表达式为()()nkM N n W n x k X ∑-==10，由此可见，该序列的时域长度为（ A ），变换后数字域上相邻两个频率采样点之间的间隔（ C ） A ． N B. M C. Mπ2 D. Nπ24.对IIR 网络结构中，下面说法正确的是( A ).A ．级联型网络便于调整零极点B ．级联型网络误差最大C ．并联型网络便于调整零点D ．直接型网络便于调整零极点 5. 线性相位FIR 滤波器主要有以下四类(Ⅰ)h(n)偶对称，长度N 为奇数 (Ⅱ)h(n)偶对称，长度N 为偶数 (Ⅲ)h(n)奇对称，长度N 为奇数 (Ⅳ)h(n)奇对称，长度N 为偶数 则其中不能用于设计带阻滤波器的是( C )。

A.Ⅰ、ⅡB.Ⅱ、ⅢC.Ⅱ、Ⅲ、ⅣD.Ⅳ、Ⅰ7.下列结构中不属于FIR 滤波器基本结构的是( C )。

A.横截型B.级联型C.并联型D.频率抽样型 8.对于序列的傅立叶变换而言,其信号的特点是（ D ）A ．时域连续非周期，频域连续非周期B ．时域离散周期，频域连续非周期C ．时域离散非周期，频域连续非周期D ．时域离散非周期，频域连续周期9.在基2 DIT —FFT 运算时，需要对输入序列进行倒序，若进行计算的序列点数N=16，倒序前信号点序号为10，则倒序后该信号点的序号为（ C ）。

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 Wπ-⎧+=⎪=⎨⎪⎩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: 电子工业出版社, 2006[4] S.Haykin, 郑宝玉等译. 自适应滤波器原理(第四版)[M].北京: 电子工业出版社, 2003[5] J. G. Proakis, C. M. Rader, F. Y. Ling, etc. Algorithms for Statistical Signal Processing [M].Beijing: Tsinghua University Press, 2003一、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]，要求可以判别输出为0或1），并画出学习曲线。

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。

答复:1.1模拟低通滤波器的设计方法1.1.1butterworth滤波器设计步骤：⑴.确定阶次n① 已知ωc、ωS和as，求出butterworthdf的阶数n1由：a??10lgh(j?)??10lg2nsas1?(?s/?c)a/10lg(10s?1)求出n：n?2lg(?s/?c)②已知ωc、ωs和ω=ωp(3db)的衰减ap求butterworthdf阶数nPlg(10p?1)n?2lg(?/?)pca/102得到n：③已知ωp、ωs和ω=ωp的衰减ap和as求butterworthdf阶数n1a？？10lgh（j？）？？10lg由Pap1提供？（？P/？C）2n然后：（？P/？C）2n？10ap/102？1，（？s/？c）2n？10as/10？一求出n:lg[(10ap/10?1)(10as/10?1)]n?2lg(?p/?s)⑵.用阶次n确定ha(s)根据公式：|哈（j？）|2s=ha（s）ha（？s）？=J1，分母？0，2n1？（s/j？c）12k？1j[？]22nsk？（？1）12n（j？c）？？ce，k？左半平面上1,2,2nha（s）ha（？s）的极点就是ha（s）的极点，所以hs(s)?n?c?(s?s)kk?1nsk??ce12k?1j[?]?22n，k?1,2,,n1.1.2切比雪夫低通滤波器设计步骤：⑴.确定技术指标?p?p?s?s正常化：？Pp/？P1.ss/？P⑵. 计算过滤器阶数n和？：ch?1(k1?1)100.1??1?1n?其中k1??10.1?ch?s10?1sp0.1?2?1p??10⑶.求出归一化系统函数其中极点由下式求出：圆周率？？嘘？sin[ha（p）-（2k？1）-（2k？1）]？jch？cos[]2n1？？2n？1.（p？p）ii？1便士？s/？pnha（s）？Ha（P）或Ha（P）可以通过直接从N和s中查找表来获得?s?⑷.去归一化：ha(s)?h（ap）=hap?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、阻带截止频率、阻带最小衰减系数？s（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。

数字信号处理MATLAB上机实验第三章3-23已知序列x(n)={1, 2, 3, 3, 2, 1}1）求出x(n)的傅里叶变换X(ejω)，画出幅频特性和相频特性曲线(提示：用1024点FFT近似X(ejω))；2）计算x(n)的N（N≥6）点离散傅里叶变换X(k)，画出幅频特性和相频特性曲线；3）将X(ejω)和X(k)的幅频特性和相频特性曲线分别画在同一幅图中，验证X(k)是X(ejω)的等间隔采样，采样间隔为2π/N；4）计算X(k)的N点IDFT，验证DFT和IDFT的惟一性。

实验分析（1）题用1024点DFT近似x(n)的傅里叶变换。

（2）题用36点DFT。

（4）题求傅里叶反变换验证IDFT的惟一性。

实验代码及截图1到3问xn=[1 2 3 3 2 1];Xen=fft(xn,1024);n1=0:length(Xen)-1;amp = abs(Xen);phi = angle(Xen);Xkn=fft(xn,36);n2=0:length(Xkn)-1;amp2 = abs(Xkn);phi2 = angle(Xkn);subplot(221);plot(n1,amp)title('Xejw幅频特性');xlabel('n');ylabel('Amp') subplot(222);plot(n1,phi)title('Xejw相频特性');xlabel('n');ylabel('Phi') subplot(223);stem(n2,amp2,'.')title('Xk幅频特性');xlabel('n');ylabel('Amp') subplot(224);stem(n2,phi2,'.')title('Xk相频特性');xlabel('n');ylabel('Phi')截图如下第4问xn=[1 2 3 3 2 1];Xkn2=fft(xn,6);x6n=ifft(Xkn2);n2=0:length(x6n)-1;subplot(2,1,2);stem(n2,x6n,'.');title('X6k傅里叶逆变换');xlabel('n');ylabel('x6n'); Xkn1=fft(xn,16);x16n=ifft(Xkn1);n1=0:length(x16n)-1;subplot(2,1,1);stem(n1,x16n,'.');title('X16k傅里叶逆变换');xlabel('n');ylabel('x16n') 截图为3-25已知序列h(n)=R6(n), x(n)=nR8(n)。

题1：(1) 错误!未找到引用源。

是随错误!未找到引用源。

变化的随机信号，因此错误!未找到引用源。

=错误!未找到引用源。

.所以谐波信号)(tx的均值为错误!未找到引用源。

=错误!未找到引用源。

由于谐波信号)(tx的均值等于零，故其方差等于二阶矩，既有错误!未找到引用源。

错误!未找到引用源。

所以x(t)的方差为错误!未找到引用源。

谐波信号)(tx的自相关函数错误!未找到引用源。

又错误!未找到引用源。

所以错误!未找到引用源。

由于x(t)的均值为0，故所以错误!未找到引用源。

(2) y(t)是随B变化的随机信号，因此错误!未找到引用源。

B是标准高斯随机变量，所以错误!未找到引用源。

，所以错误!未找到引用源。

. 由于错误!未找到引用源。

统计独立，故有错误!未找到引用源。

而x(t)和y(t)的均值均为0，所以错误!未找到引用源。

题2：令错误!未找到引用源。

，由于错误!未找到引用源。

是零均值、方差为错误!未找到引用源。

的高斯随机过程，错误!未找到引用源。

和错误!未找到引用源。

是确定的过程，所以x(n)也是一高斯随机过程，其均值错误!未找到引用源。

是时间的函数.所以x(n)的概率密度函数是∏=---=NnBnAnxxf1222}])([21ex p{21);(σπσθ=}])([21ex p{)2(12122/2BnAnxNnN---∑=σπσ在多个未知参数的情况下，Cramer-Rao不等式变为矩阵不等式:∑-≥)(1θJ其中错误!未找到引用源。

无偏估计子错误!未找到引用源。

的协方差矩阵，而错误!未找到引用源。

是Fisher信息矩阵J的逆矩阵，而信息矩阵错误!未找到引用源。

的构成元素为错误!未找到引用源。

本题中，计算得错误!未找到引用源。

错误!未找到引用源。

=错误!未找到引用源。

错误!未找到引用源。

错误!未找到引用源。

错误!未找到引用源。

错误!未找到引用源。

=错误!未找到引用源。

=错误!未找到引用源。

现代信号处理作业2014年6月Cramer-Rao 不等式的证明定义：设),,,(21n x x x θθ=为参数θ的估计子，参数θ的估计子θ 的偏差定义为该估计子误差的期望值，即θθθθθ-=-=}{}{)(E E b def则估计子θ 称为无偏估计子。

若变差)(θ b 等于零或者θθ=}{ E ，即估计子的期望值等于真实参数，则成估计子θ 的渐进无偏估计子。

无偏性反映了参数估计量的取值在真值θ周围摆动程度。

一个参数往往具有不止一个无偏估计子，因此引入了估计量的有效性这一概念来判断偏估计的优劣，以方差大小来衡量无偏估计子的有效性。

假定参数θ存在无偏估计子1θ 和2θ ，若1θ 具有比2θ 更大的方差，即)var()var(21θθ >，则2θ 对于1θ 相对有效。

对于任意参数θ，我们自然希望得到其更为有效的无偏估计子，即要求方差值尽量小。

究竟无偏估计量的方差能够小到什么程度，是否有下界？如果有，是否有估计子能达到这一下届？这就是本次要讨论的Cramer-Rao 下界。

定义：参数θ的估计子θ 的均方误差)(2θ M 定义为该估计子与真实参数的误差平方的期望值，即)()var(}){()(222θθθθθ b E M +=-=定理：（Cramer-Rao 不等式）令),,,(21n x x x x =为样本向量。

若参数估计θ是真实参数θ的无偏估计，并且θθ∂∂)|(x f 和22)|(θθ∂∂x f 存在，则θ 的均方误差所能达到的下界成为Cramer-Rao 下界等于Fisher 信息的倒数，即)(1}){()(22θθθθJ E M ≥-= 不等式中等号成立的充分必要条件是))(()|(ln θθθθθ-=∂∂ K x f 。

其中)(θK 是θ的某个正函数，并与样本n x x x ,,,21 无关。

定义：品质函数的的方差成为Fisher 信息，用)(θJ 表示，定义为)}|(ln {})]|(ln {[)(222θθθθθx f E x f E J ∂∂-=∂∂=证明Cramer-Rao 不等式：由假设条件可得θθ=}{ E ，则可得0)|()(}{=-=-⎰∞∞-dx x f E θθθθθ（1） 对式（1）两边求偏导，得0)|()(}{=-∂∂=-∂∂⎰∞∞-dx x f E θθθθθθθ 即可得 0)|()()|(=∂∂-+-⎰⎰∞∞-∞∞-dx x f dx x f θθθθθ（2） 另，由复合函数求导法可得)|()|(ln )|(θθθθθx f x f x f ⎥⎦⎤⎢⎣⎡∂∂=∂∂ （3） 又有 ⎰∞∞-=1)|(dx x f θ （4）将式（3）和式（4）代入到式（2），得1))(|()|(ln =-⎥⎦⎤⎢⎣⎡∂∂⎰∞∞-dx x f x f θθθθθ 可改写为 []1)|()()|()|(ln =-⎥⎦⎤⎢⎣⎡∂∂⎰∞∞-dx x f x f x f θθθθθθ （5） 由Cauchy-Schwartz 不等式，可得1)()|()|()|(ln 2≥-⎥⎦⎤⎢⎣⎡∂∂⎰⎰∞∞-∞∞-dx x f dx x f x f θθθθθθ 则 ⎰⎰∞∞-∞∞-⎥⎦⎤⎢⎣⎡∂∂≥-dx x f x f dx x f )|()|(ln 1)()|(2θθθθθθ （6） 由Cauchy-Schwartz 不等式等号成立的条件可知：当且仅当)|())(()|()|(ln θθθθθθθx f K x f x f -=∂∂ ，不等式可取等号。