数字信号处理系统的实现

实验一 信号、系统及系统响应一、实验目的1、熟悉理想采样的性质，了解信号采样前后的频谱变化，加深对时域采样定理的理解。

2、熟悉离散信号和系统的时域特性。

3、熟悉线性卷积的计算编程方法：利用卷积的方法，观察、分析系统响应的时域特性。

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离散信号、系统及其系统响应进行频域分析。

二、 实验原理1.理想采样序列：对信号x a (t)=A e −αt sin(Ω0t )u(t)进行理想采样，可以得到一个理想的采样信号序列x a (t)=A e −αt sin(Ω0nT ),0≤n ≤50，其中A 为幅度因子，α是衰减因子，Ω0是频率，T 是采样周期。

2.对一个连续时间信号x a (t)进行理想采样可以表示为该信号与一个周期冲激脉冲的乘积，即x ̂a (t)= x a (t)M(t),其中x ̂a (t)是连续信号x a (t)的理想采样；M(t)是周期冲激M(t)=∑δ+∞−∞(t-nT)=1T ∑e jm Ωs t +∞−∞,其中T 为采样周期，Ωs =2π/T 是采样角频率。

信号理想采样的傅里叶变换为X ̂a (j Ω)=1T ∑X a +∞−∞[j(Ω−k Ωs )],由此式可知：信号理想采样后的频谱是原信号频谱的周期延拓，其延拓周期为Ωs =2π/T 。

根据时域采样定理，如果原信号是带限信号，且采样频率高于原信号最高频率分量的2倍，则采样以后不会发生频率混叠现象。

三、简明步骤产生理想采样信号序列x a (n),使A=444.128，α=50√2π，Ω0=50√2π。

（1） 首先选用采样频率为1000HZ ，T=1/1000，观察所得理想采样信号的幅频特性，在折叠频率以内和给定的理想幅频特性无明显差异，并做记录；（2） 改变采样频率为300HZ ，T=1/300，观察所得到的频谱特性曲线的变化，并做记录；（3） 进一步减小采样频率为200HZ ，T=1/200，观察频谱混淆现象是否明显存在，说明原因，并记录这时候的幅频特性曲线。

第一章：1、数字信号处理的实现方法一般有哪几种？答：数字信号处理的实现是用硬件软件或软硬结合的方法来实现各种算法。

(1) 在通用的计算机上用软件实现；(2) 在通用计算机系统中加上专用的加速处理机实现；(3) 用通用的单片机实现，这种方法可用于一些不太复杂的数字信号处理，如数字控制；(4)用通用的可编程DSP 芯片实现。

与单片机相比，DSP 芯片具有更加适合于数字信号处理的软件和硬件资源，可用于复杂的数字信号处理算法；(5) 用专用的DSP 芯片实现。

在一些特殊的场合，要求的信号处理速度极高，用通用DSP 芯片很难实现（6）用基于通用dsp核的asic芯片实现。

2、简单的叙述一下dsp芯片的发展概况？答：第一阶段，DSP 的雏形阶段（1980 年前后）。

代表产品：S2811。

主要用途：军事或航空航天部门。

第二阶段，DSP 的成熟阶段（1990 年前后）。

代表产品：TI 公司的TMS320C20主要用途：通信、计算机领域。

第三阶段，DSP 的完善阶段（2000 年以后）。

代表产品：TI 公司的TMS320C54 主要用途：各个行业领域。

3、可编程dsp芯片有哪些特点？答：1、采用哈佛结构（1）冯。

诺依曼结构，（2）哈佛结构（3）改进型哈佛结构2、采用多总线结构3.采用流水线技术4、配有专用的硬件乘法-累加器5、具有特殊的dsp指令6、快速的指令周期7、硬件配置强8、支持多处理器结构9、省电管理和低功耗4、什么是哈佛结构和冯。

诺依曼结构？它们有什么区别？答：哈佛结构：该结构采用双存储空间，程序存储器和数据存储器分开，有各自独立的程序总线和数据总线，可独立编址和独立访问，可对程序和数据进行独立传输，使取指令操作、指令执行操作、数据吞吐并行完成，大大地提高了数据处理能力和指令的执行速度，非常适合于实时的数字信号处理。

冯。

诺依曼结构：该结构采用单存储空间，即程序指令和数据共用一个存储空间，使用单一的地址和数据总线，取指令和取操作数都是通过一条总线分时进行。

ADSP21160实现数字信号处理系统本文使用ADI 公司的ADSP21160为主处理器搭建了信号处理硬件平台，给出了对系统的构思及具体电路设计，具有一定的实用价值。

ADSP21160采用超级哈佛结构，片内有4 套独立的总线，分别用于双数据存取、指令存取和输入/输出接口，片内集成了处理器核(包括运算单元、控制单元、地址产生器和总线、中断、寄存器等)、大容量双端口静态存储器、程序/数据外部总线及多处理器接口、输入/输出控制器等数字信息处理系统的主要功能块。

硬件系统的设计思路下面从数据的输入输出，系统的上电运行，系统的电源配置及电路控制等方面简单介绍系统的设计思路。

1. 首先考虑数据传输。

外部设备(接收机)通过50针接口将数据经ADSP21160处理后转换成串行数据输出，传递给外设(控制器)及计算机。

为了电路系统的保密性以及便于系统中一些逻辑控制电路的实现，在ADSP21160和50针接口之间增加了一个CPLD控制电路。

2. 为了上电后系统可以自行运行，需要给DSP配置一个外接FLASH,并将计算程序预先烧写FLASH中。

通过配置ADSP21160的引导方式，系统上电后，ADSP21160可自动从FLASH 中读取程序并运行。

3. 由于ADSP21160只有4Mbit的内部存储空间，且等分为数据存储空间和程序存储空间两部分.。

为了系统及程序今后升级的方便，使用SRAM配置了512K32位的外部存储空间。

4. 由于ADSP21160的串行口不是通用的UART串口，而系统和计算机均要求串行数据输出，故系统中需要一个并串转换芯片来输出运算结果。

5. 由于外部只提供+5V直流电源，而ADSP21160要求+3.3V的接口电源及2.5V的内核电源，故系统内部器件也相应的尽量选择+3.3V器件，故系统需要一个DC/DC转换芯片将+5V电源转换成+2.5V及+3.3V的电源输出。

系统的各功能模块设计。

1.已知系统的差分方程如下式：y1(n)=0.9y1(n-1)+x(n)程序编写如下：(1)输入信号x(n)=R10 (n)，初始条件y1(-1)=1，试用递推法求解输出y1(n)；a=0.9; ys=1; %设差分方程系数a=0.9,初始状态: y(-1)=1xn=ones(1,10); %矩型序列R10(n)=u(n)-u(n-10)，定义其宽度为0~9n=1:35; %设差分方程系数a=0.9,初始状态: y(-1)=1xn=sign(sign(10-n)+1);B=1;A=[1,-a]; %差分方程系数xi=filtic(B,A,ys); %由初始条件计算等效初始条件输入序列xiyn=filter(B,A,xn,xi); %调用filter解差分方程,求系统输出y(n)n=0:length(yn)-1;subplot(2,1,1);stem(n,yn,'linewidth',2); axis([-5,15,0,8]); grid ontitle('图(a) y1(n)=0.9y1(n-1)+x(n) 初始条件y1(-1)=1 ');xlabel('n');ylabel('y(n)')(2) 输入信号x(n)=R10 (n)，初始条件y1(-1)=0，试用递推法求解输出y1(n)。

a=0.9; ys=0; %设差分方程系数a=0.9,初始状态: y(-1)=1xn=ones(1,10); %矩型序列R10(n)=u(n)-u(n-10)B=1;A=[1,-a]; %差分方程系数xi=filtic(B,A,ys); %由初始条件计算等效初始条件输入序列xiyn=filter(B,A,xn,xi); %调用filter解差分方程,求系统输出y(n)n=0:length(yn)-1;subplot(2,1,2);stem(n,yn, 'linewidth',2); axis([-5,15,0,8]); grid ontitle('图(b) y1(n)=0.9y1(n-1)+x(n) 初始条件y1(-1)=0 ');xlabel('n');ylabel('y(n)') 图形输出如下：-505101502468图(a) y1(n)=0.9y1(n-1)+x(n) 初始条件y1(-1)=1ny (n )-55101502468图(b) y1(n)=0.9y1(n-1)+x(n) 初始条件y1(-1)=0ny (n )2. 已知系统差分方程为： y 1(n )=0.9y 1(n -1)+x (n ) 用递推法求解系统的单位脉冲响应h (n )，要求写出h (n )的封闭公式，并打印h (n )~n 曲线。

基于数字信号处理的语音识别系统设计与实现随着现代科学技术的不断发展，人工智能已经成为当前科技领域的热门话题。

而其中的语音识别技术又是人工智能应用中非常重要的一部分，广泛应用于智能家居、语音助手等。

本文将探讨基于数字信号处理的语音识别系统的设计与实现。

一、语音识别系统的基本原理语音识别系统首先需要进行声音的数字化处理，将连续的声音信号转换为数字信号，然后将数字信号进行特征提取和模式匹配，最终得出识别结果。

具体来说，数字信号处理包括采样、量化、编码三个步骤。

采样是指将连续的声音信号转换为离散的数字信号，通常采用脉冲编码调制（PCM）进行数字化处理。

量化是指将采样后的模拟量进行近似处理，将其映射为一系列有限的数字值，常用的量化方法有线性量化和对数量化。

编码是指将量化后的信号进行编码，压缩数据量，提高数据传输速度和存储效率。

在数字信号处理过程中，还需要进行特征提取和模式匹配。

特征提取是指从数字信号中提取出与语音识别相关的有用特征，如频率、能量等。

常用的特征提取算法有MFCC（Mel-Frequency Cepstral Coefficients）和LPCC（Linear Prediction Cepstral Coefficients）等。

模式匹配是指将提取出的特征与已知语音模型进行比对，最终确定输入语音所属的模型类别。

二、语音识别系统的组成部分语音识别系统由硬件和软件两部分组成。

硬件部分主要包括麦克风、声卡、模数转换器、数字信号处理器等。

麦克风用于采集声音信号，声卡用于将声音信号转换为电信号，模数转换器用于将模拟信号转换为数字信号，数字信号处理器用于对数字信号进行处理和分析。

软件部分主要包括语音处理程序、语音识别引擎、客户端界面程序等。

语音处理程序是指对语音信号进行数字信号处理和特征提取等操作的程序。

常见的语音处理程序有MATLAB、Python等。

语音识别引擎是指针对特定应用场景所开发的语音识别软件。