下载文档原格式
在MATLAB 中进行信号处理是一个非常强大的功能，它涵盖了从信号生成、预处理、分析到高级信号处理技术的广泛应用。
MATLAB 内置的Signal Processing Toolbox工具箱为工程师和科研人员提供了一系列用于信号处理任务的函数和算法，例如：1.信号生成：o square函数可用于生成方波信号。
o sine、cosine和sinewave函数可生成正弦波信号。
o pulse和impulse函数分别生成矩形脉冲和单位冲击信号。
o更多函数可以生成不同类型的复杂信号。
2.信号转换：o fft或fftshift进行快速傅里叶变换（FFT），实现信号从时域到频域的转换。
o ifft进行逆快速傅里叶变换，从频域返回到时域。
o resample函数用于对信号重新采样。
3.滤波：o filter函数用于设计和应用数字滤波器，如FIR（有限脉冲响应）和IIR（无限脉冲响应）滤波器。
o designfilt函数用于设计滤波器。
o fir1, fir2, iirnotch, butter, cheby1, cheby2, ellip等函数用于设计各种类型的滤波器。
4.时频分析：o spectrogram可以用来计算信号的短时傅里叶变换（STFT），从而得到信号的时频谱图。
o wavelet工具箱支持小波分析。
5.阵列信号处理：o phased Array System Toolbox提供了处理传感器阵列信号的功能，包括波束形成、DOA估计等。
6.参数建模和识别：o ar, armax, yulewalk等函数用于自回归模型的建立和识别。
o lsim、bode、freqz等函数用于系统分析和频率响应可视化。
7.其他：o detrend去除信号中的趋势项。
o smooth对信号进行平滑处理。
o findpeaks寻找信号的峰值点。
使用MATLAB进行信号处理的优势在于其直观的图形界面和强大的数学运算能力，使得用户能够快速验证理论、原型设计以及实现复杂的信号处理算法。
使用Matlab进行数字信号处理的方法与案例1. 引言数字信号处理是一项广泛应用于通信、音频、图像以及其他相关领域的技术。
Matlab作为一种功能强大的数学计算软件，提供了丰富的工具和函数，使得数字信号处理变得更加简单和高效。
本文将会介绍使用Matlab进行数字信号处理的方法和一些实际应用案例。
2. Matlab数字信号处理工具箱Matlab提供了专门的工具箱来支持数字信号处理。
其中最常用的是信号处理工具箱（Signal Processing Toolbox）和图像处理工具箱（Image Processing Toolbox）。
这些工具箱提供了一系列的函数和算法，用于处理和分析数字信号。
3. 数字信号处理基础知识在开始使用Matlab进行数字信号处理之前，有一些基础知识是必须掌握的。
数字信号处理涉及到信号的采样、离散化、滤波、频谱分析等概念。
了解这些基础知识将有助于我们更好地理解和处理信号。
4. 信号生成与操作在Matlab中，可以使用函数生成各种类型的信号。
例如，使用sawtooth函数可以生成锯齿波信号，使用square函数可以生成方波信号。
此外，Matlab还提供了丰富的信号操作函数，例如加法、乘法、卷积等，方便对信号进行进一步处理。
5. 时域和频域分析时域分析用于分析信号在时间上的变化情况，而频域分析则用于分析信号在频率上的分布。
在Matlab中，可以使用fft函数进行快速傅里叶变换，将信号从时域转换到频域。
通过对频域信号进行分析，可以获得信号的频谱分布，进而得到信号的频率特性。
6. 滤波器设计与应用滤波是数字信号处理中常用的技术，用于去除噪声、增强信号等。
Matlab提供了一系列的滤波器设计函数，例如fir1、butter等，可以根据需要设计各种类型的数字滤波器。
使用这些函数可以实现低通滤波、高通滤波、带通滤波等操作。
7. 音频处理案例音频处理是数字信号处理的一个重要应用领域。
在Matlab中，可以使用audioread函数读取音频文件，使用audiowrite函数写入音频文件。
使用Matlab进行信号处理和图像处理信号处理和图像处理在现代科学和工程领域中发挥着重要的作用。
Matlab是一种强大的数学计算和编程软件，被广泛应用于信号处理和图像处理的相关任务。
本文将介绍如何使用Matlab进行信号处理和图像处理，并提供一些常用的技巧和实例。
首先，让我们从信号处理开始。
信号处理是指对信号进行分析、建模、改善和解码的过程。
在Matlab中，有许多内置的函数和工具箱可用于处理不同类型的信号。
下面是一些常用功能的示例。
1.滤波：滤波是信号处理中常用的操作之一，用于去除噪声、提取感兴趣的信息等。
Matlab提供了多种滤波函数，例如FIR滤波器、IIR滤波器等。
通过设置滤波器的参数，可以实现不同的滤波效果。
2.傅里叶变换：傅里叶变换是将信号从时域转换到频域的重要方法。
在Matlab中，可以使用fft函数来进行快速傅里叶变换，ifft函数可以进行傅里叶逆变换。
这些函数可以帮助我们分析信号的频谱特征，提取频域信息。
3.时域分析：Matlab提供了许多函数用于时域分析，如自相关函数、互相关函数、能量谱密度等。
这些函数可以帮助我们理解信号的时域特征，包括信号的自相似性、互相干性等。
4.波形生成：Matlab提供了各种函数用于生成各种类型的波形信号，如正弦波、方波、三角波等。
我们可以根据需要生成特定形式的波形，并进行后续处理。
接下来，让我们转向图像处理。
图像处理是指对图像进行增强、分析、压缩和恢复的过程。
Matlab在图像处理方面提供了丰富的函数和工具箱，使得图像处理变得更加简单和高效。
下面是一些常用功能的示例。
1.图像读取与显示：使用imread函数可以读取图像文件，imshow函数可以显示图像。
我们可以通过这些函数来加载图像，并将其显示在Matlab界面上。
2.图像增强：Matlab提供了多种图像增强函数，如直方图均衡化、滤波器应用、锐化等。
这些函数可以增强图像的对比度、清晰度和细节。
3.图像分割：图像分割是将图像分成多个连续区域或对象的过程。
matlab数字信号处理85个实用案例精讲MATLAB数字信号处理85个实用案例精讲MATLAB是一种强大的数学软件，广泛应用于数字信号处理领域。
本文将介绍85个实用案例，涵盖了数字信号处理的各个方面，包括信号生成、滤波、频谱分析、时频分析、数字滤波器设计等。
1. 信号生成案例：生成正弦信号在MATLAB中，可以使用sin函数生成正弦信号。
例如，生成频率为100Hz，幅度为1的正弦信号，代码如下：t = 0:0.001:1;f = 100;x = sin(2*pi*f*t);2. 滤波案例：低通滤波低通滤波器可以滤除高频信号，保留低频信号。
在MATLAB中，可以使用fir1函数设计低通滤波器。
例如，设计截止频率为100Hz的低通滤波器，代码如下：fs = 1000;fc = 100;N = 100;b = fir1(N, fc/(fs/2), 'low');3. 频谱分析案例：计算功率谱密度功率谱密度是信号在频域上的能量分布。
在MATLAB中，可以使用pwelch函数计算功率谱密度。
例如，计算频率为100Hz的正弦信号的功率谱密度，代码如下：t = 0:0.001:1;f = 100;x = sin(2*pi*f*t);[Pxx, f] = pwelch(x, [], [], [], 1000);4. 时频分析案例：计算短时傅里叶变换短时傅里叶变换可以分析信号在时间和频率上的变化。
在MATLAB中，可以使用spectrogram函数计算短时傅里叶变换。
例如，计算频率为100Hz的正弦信号的短时傅里叶变换，代码如下：t = 0:0.001:1;f = 100;x = sin(2*pi*f*t);spectrogram(x, [], [], [], 1000, 'yaxis');5. 数字滤波器设计案例：设计巴特沃斯滤波器巴特沃斯滤波器是一种常用的数字滤波器，可以实现平滑滤波和带通滤波。
MATLAB在信号处理与通信中的应用指南近年来，随着信息技术的迅速发展，信号处理与通信技术在各个领域中得到了广泛的应用。
而MATLAB作为一种强大的科学计算工具，被越来越多的研究者和工程师所青睐，并被广泛应用于信号处理与通信的研究中。
本文将从三个方面探讨MATLAB在信号处理与通信中的应用，分别为数字信号处理、通信系统设计以及无线通信技术。
一、数字信号处理数字信号处理是信号处理领域的重要分支，利用MATLAB可以方便地实现数字信号的采集、处理和分析。
首先，我们可以利用MATLAB提供的函数和工具箱对信号进行滤波操作，包括低通滤波、高通滤波、带通滤波等。
这些滤波器可以有效地去除信号中的噪声，提高信号的质量。
其次，MATLAB还提供了一系列的分析函数，可以进行信号的频谱分析、时域分析等，帮助我们深入理解信号的特性。
此外，MATLAB还支持自定义函数，可以根据具体需要编写专用的信号处理算法。
二、通信系统设计通信系统设计是指根据特定的需求和要求设计一个完整的通信系统，包括信号编码、调制解调、信道编码和解码等。
而MATLAB提供了一系列工具箱和函数，可以帮助我们进行通信系统设计。
首先，我们可以利用MATLAB提供的信号编码函数生成一些特定格式的数字信号，比如二进制卷积码、汉明码等。
然后，可以利用调制函数对生成的数字信号进行调制操作，包括正交调幅调制（QAM）、频移键控调制（FSK）等。
在信道编码和解码方面，MATLAB也提供了一些函数和工具箱，可以实现常见的编码算法，如卷积编码、纠错码等。
三、无线通信技术无线通信技术是现代通信领域的重要研究方向，可以实现信息的无线传输和共享。
而MATLAB在无线通信技术方面的应用也十分广泛。
首先，MATLAB提供了丰富的无线通信工具箱，可以用于设计和测试各种无线通信系统，比如无线局域网（WLAN），5G通信系统等。
这些工具箱包含了各种常见的通信技术和算法，如码分多址（CDMA），正交频分多址（OFDMA）等。
利用Matlab进行数字信号处理与分析数字信号处理是现代通信、控制系统、生物医学工程等领域中不可或缺的重要技术之一。
Matlab作为一种功能强大的科学计算软件，被广泛应用于数字信号处理与分析领域。
本文将介绍如何利用Matlab进行数字信号处理与分析，包括基本概念、常用工具和实际案例分析。
1. 数字信号处理基础在开始介绍如何利用Matlab进行数字信号处理与分析之前，我们首先需要了解一些基础概念。
数字信号是一种离散的信号，可以通过采样和量化得到。
常见的数字信号包括音频信号、图像信号等。
数字信号处理就是对这些数字信号进行处理和分析的过程，包括滤波、频谱分析、时域分析等内容。
2. Matlab在数字信号处理中的应用Matlab提供了丰富的工具箱和函数，可以方便地进行数字信号处理与分析。
其中，Signal Processing Toolbox是Matlab中专门用于信号处理的工具箱，提供了各种滤波器设计、频谱分析、时域分析等功能。
除此之外，Matlab还提供了FFT函数用于快速傅里叶变换，可以高效地计算信号的频谱信息。
3. 数字信号处理实例分析接下来，我们通过一个实际案例来演示如何利用Matlab进行数字信号处理与分析。
假设我们有一个包含噪声的音频文件，我们希望去除噪声并提取出其中的有效信息。
首先，我们可以使用Matlab读取音频文件，并对其进行可视化：示例代码star：编程语言：matlab[y, Fs] = audioread('noisy_audio.wav');t = (0:length(y)-1)/Fs;plot(t, y);xlabel('Time (s)');ylabel('Amplitude');title('Noisy Audio Signal');示例代码end接下来，我们可以利用滤波器对音频信号进行去噪处理：示例代码star：编程语言：matlabDesign a lowpass filterorder = 8;fc = 4000;[b, a] = butter(order, fc/(Fs/2), 'low');Apply the filter to the noisy audio signaly_filtered = filtfilt(b, a, y);Plot the filtered audio signalplot(t, y_filtered);xlabel('Time (s)');ylabel('Amplitude');title('Filtered Audio Signal');示例代码end通过以上代码，我们成功对音频信号进行了去噪处理，并得到了滤波后的音频信号。
Matlab中的信号处理方法与示例分析引言：信号处理是指对信号进行采集、变换、压缩、恢复等操作的一种技术。
在现代科学和工程领域中，信号处理在音频、图像、视频等领域中有着广泛的应用。
Matlab作为一款功能强大的科学计算软件，提供了丰富的信号处理工具箱，方便用户进行信号处理的研究和应用。
本文将介绍Matlab中的信号处理方法以及一些示例分析。
一、时域分析1.基本信号生成：Matlab可以方便地生成各种基本信号，如正弦信号、方波信号、脉冲信号等。
利用Matlab编写的生成函数，可以通过输入参数来灵活生成所需的信号。
2.时域图像绘制：利用Matlab的图像绘制函数，可以将信号在时域上进行可视化表示。
通过绘制的时域图像，我们可以对信号的幅值、波形等特征进行直观的观察和分析。
3.时域运算：利用Matlab的向量化运算，我们可以对信号进行各种时域运算，如加法、减法、乘法、除法等。
这些操作对于研究信号的变换和传输过程具有重要的意义。
二、频域分析1.快速傅里叶变换（FFT）：Matlab提供了方便的FFT函数，可以对信号进行频域分析，得到信号在频域上的表示。
通过FFT变换后的结果，我们可以得到信号的功率谱密度、频谱等信息。
2.频谱图绘制：Matlab中的频谱图绘制函数可以将信号的频谱绘制成直观的图像，帮助我们更好地理解信号的频率特征。
通过频谱图的分析，可以发现信号中的主要频率成分以及噪声等信息。
3.滤波操作：通过在频域上对信号进行滤波操作，可以实现信号的去噪、降噪等目的。
Matlab中提供了丰富的滤波函数和滤波器设计工具，方便用户进行信号滤波处理。
三、小波分析1.小波变换：小波变换是一种非平稳信号分析的有效方法。
Matlab中有多种小波变换函数，可以对信号进行小波变换，并得到信号在时频域上的表示。
小波变换可以更好地捕捉信号的瞬时特征，对于研究非平稳信号非常有用。
2.小波包分解：Matlab提供了小波包分解函数，可以将信号进行小波包变换，并得到信号在不同频带的分解系数。
MATLAB在信号处理领域的应用案例随着科技的发展，信号处理已经成为了许多领域中不可或缺的一部分。
而在信号处理中，MATLAB作为一种高效且灵活的编程环境，广泛应用于各种信号处理算法的研究和实现。
本文将通过几个实际应用案例，介绍MATLAB在信号处理领域的丰富功能及其在实际问题中的应用。
一、音频信号处理音频信号是人们日常生活中最常接触到的信号之一。
MATLAB提供了丰富的音频处理工具箱，可以方便地实现音频的采集、处理和分析。
例如，我们可以使用MATLAB的音频录制函数进行音频信号的采集，并使用预先定义的滤波器函数对音频进行去噪。
此外，MATLAB还提供了音频压缩算法的实现，使得音频文件的存储和传输更加高效。
二、图像信号处理在图像处理中，MATLAB同样发挥着重要的作用。
通过MATLAB提供的图像处理工具箱，我们可以对图像进行各种滤波、增强和分割操作。
例如，可以使用MATLAB的图像平滑函数对图像进行模糊处理，或者使用边缘检测算法实现图像的边缘提取。
此外，MATLAB还提供了图像压缩算法的实现，可以对图像进行有损或无损的压缩，以满足不同应用的需求。
三、生物信号处理生物信号是一种具有时变特性的信号，如心电图（ECG）和脑电图（EEG）。
MATLAB提供了一系列函数和工具箱，用于处理和分析生物信号的特征。
例如，使用MATLAB的波形识别工具箱，可以对ECG信号进行心律失常的自动检测和分析。
此外，还可以使用MATLAB的信号处理工具箱对EEG信号进行频谱分析，以研究大脑的活动。
四、通信信号处理通信信号处理是将信息进行编码、传输和解码的过程，是现代通信系统中不可或缺的一环。
MATLAB提供了丰富的通信信号处理工具箱，用于设计和模拟各种调制、解调和误码控制算法。
例如，可以使用MATLAB的OFDM工具箱对正交频分复用（OFDM）系统进行仿真和性能分析。
此外，MATLAB还提供了对数字滤波器和符号调制算法的支持，方便了通信系统的设计和验证。
Matlab在医学信号处理中的应用示例引言：医学信号处理是指将医学上获得的各种生理信号通过数字信号处理技术进行分析、提取和处理，以获取有关患者生理状态的信息。
随着计算机技术的快速发展，Matlab作为一种功能强大的数学软件，被广泛应用于医学信号处理领域。
本文将介绍几个Matlab在医学信号处理中的应用示例，以展示其在该领域具有的潜力和优势。
一、脑电图（EEG）信号处理脑电图是记录脑电活动的一种生理信号。
通过分析和处理脑电图信号，可以了解脑功能、疾病和药物对脑的影响等。
Matlab提供了丰富的信号处理工具箱，可以对脑电图信号进行不同的处理和分析。
1.1 频率分析频率分析是脑电图信号处理中常用的方法之一。
通过使用Matlab的快速傅里叶变换（FFT）函数，可以将时域的脑电图信号转换为频域的频谱图，以便观察信号中不同频率成分的分布情况。
这种分析可以用于检测脑电信号中的异常频率成分，如癫痫发作。
1.2 时频分析时频分析是将频谱分析应用于时变信号的一种方法。
在脑电图信号处理中，时频分析可以用于研究不同频率成分在不同时间上的变化情况，以揭示潜在的脑电活动。
Matlab提供了多种时频分析工具，如连续小波变换（CWT），可以帮助研究人员进一步了解脑电信号的特性。
二、心电图（ECG）信号处理心电图是记录心脏电活动的一种生理信号。
通过对心电图信号进行处理和分析，可以帮助医生判断心脏功能和诊断心脏疾病。
Matlab在心电图信号处理中具有广泛的应用。
2.1 心率变异性（HRV）分析心率变异性是描述心率时间间隔变化的一项重要指标。
通过使用Matlab的HRV工具箱，可以计算出心电图信号的各种HRV参数，如标准差、频域参数等。
这些参数可以用于评估心脏自律性、心脏功能异常以及对心脏疾病的治疗效果等。
2.2 心电图滤波心电图信号通常存在噪声，并且与心脏电活动重叠，因此需要对信号进行滤波处理。
Matlab中提供了多种滤波器设计方法和滤波函数，可以帮助去除心电图信号中的噪声，并提取出心脏电活动的有效信息。
基本信号的MATLAB实现：
1.δ函数：
x=[zeros(1,10),1,zeros(1,10)];stem(x);%注：若是产生序列可以用stem(x)代替stem(n,x);当然通过改变为值为1时的序列下标，实现δ函数的时移；
2.ε函数：
n=-20:20;t=(n>=0);stem(t);%通过改变(n>=i)来实现ε函数的时移；
3.单位斜坡函数：
n=-20:20;t=n.*(n>0);stem(t);%通过改变n.*(n>i)或(n-i).*(n>i)来实现不同的单位斜坡函数时移；
4.复指数序列：
>> n=-10:10;t=0.1+j*0.3;x=exp(t*n);
>> subplot(221);stem(real(x));
>> subplot(222);stem(imag(x));
>> subplot(223);stem(abs(x));
>> subplot(224);stem((180/pi*angle(x)));
5.随机序列：
使用rand(1,n)和randn(1,n)产生随机序列；
6.MATLAB信号工具箱还提供了一些其他的常用信号，如：
SQUARE,SAWTOOTH,SINC,DIRIC,DIRICHLET,RECTPULS和PULSTRAN，具体用法参考help文件。
MATLAB常用函数：
real(x):返回复数的实部；
imag(x):返回复数的虚部；
abs(x):返回复数的模；
angle(x):返回复数的相角；
rand(1,n):返回长度为n的[0,1]上均匀分布的随机序列；
randn(1,n):返回长度为n的均值为0，方差为1的高斯随机序列，即白噪声序列；
信号的基本运算：
1.信号相加：
function [y,n]=sig_add(x1,n1,x2,n2)
% Implements y(n)=x1(n)+x2(n);
%x1,x2:序列
%n1,n2:序列的起始/终止下标
n=min(min(n1),min(n2)):max(max(n1),max(n2));
y1=zeros(1,length(n));
y2=y1;
y1(find((n>=min(n1))&(n<=max(n1))==1))=x1;
y2(find((n>=min(n2))&(n<=max(n2))==1))=x2;
y=y1+y2;
2.信号相乘：
function [y,n]=sig_mult(x1,n1,x2,n2)
% Implements y(n)=x1(n)*x2(n);
%x1,x2:序列
%n1,n2:序列的起始/终止下标
n=min(min(n1),min(n2)):max(max(n1),max(n2));
y1=zeros(1,length(n));
y2=y1;
y1(find((n>=min(n1))&(n<=max(n1))==1))=x1;
y2(find((n>=min(n2))&(n<=max(n2))==1))=x2;
y=y1.*y2;
3.信号移位：
function [y,n]=sig_shift(x,m,n0)
% Implements y(m+k)=x(n)
n=m+n0;y=x;
4.序列折叠：
function [y,n]=sig_fold(x,m)
% Implements y(n)=x(-n)
y=fliplr(x);
n=-fliplr(n)
5.序列奇偶性：
function[xeven,xodd,m]=sig_even_odd(x,n)
%Real signal decomposition into even and odd parts if(imag(x)~=0)
error('x is not a real sequence');
end
m=-fliplr(n);
m1=min([m,n]);m2=max([m,n]);m=m1:m2;
nm=n(1)-m(1);n1=1:length(n);
x1=zeros(1,length(m));
x1(n1+nm)=x;x=x1;
xeven=0.5*(x+fliplr(x));
xodd=0.5*(x-fliplr(x));
下面的用于求奇偶分量的函数的特点在于：它根据输入的序列的中点为对称中心而求奇偶分量：
function [xeven,xodd]=circevod(x)
if any(imag(x)~=0)
error('The sequence is not real.')
end
N=length(x);
n=0:(N-1);
xeven=0.5*(x+x(sigmod(-n,N)+1));
xodd=0.5*(x-x(sigmod(-n,N)+1));
例：n=-5:17;
>> x=10*0.8.^n;;
>> [xeven,xodd]=circevod(x);
>> subplot(311),stem(x); >> subplot(312),stem(xeven); >> subplot(313),stem(xodd);
02040
0510152025
02040
0510152025
-20
020
6. 序列圆周移位： function y=cirshift(x,m,N) %x:input sequence %m:shift number %N:show length if length(x)>N
error('N must be greater then length(x)'); end
x=[x zeros(1,N-length(x))];
n=[0:N-1];
n=sigmod(n-m,N);
y=x(n+1);
sigmod函数用来找出周期序列任意位置n所对应的主值有限序列x(n)中的位置m(若周期序列由有限长序列x(n)产生，周期为N)
function m=sigmod(n,N)
m=rem(n,N);
m=m+N;
m=rem(m,N);
例：由下例可以看出，循环移位不会改变频谱的幅值，只会改变其相位。
n=0:10;x=10*0.8.^n;
X=DFT(x,11);
subplot(321);stem(x);
subplot(323);stem(abs(X));
subplot(325);stem(angle(X));
y=cirshift(x,5,11);
Y=DFT(y,11);
subplot(322);stem(y);
subplot(324);stem(abs(Y));
subplot(326);stem(angle(Y));
05101505
100
5
10
15
02040
60051015-10
1051015
05
100
5
10
15
02040
60051015
-50
5
7. 信号的循环/圆周卷积： function y=circonvt(x1,x2,N) %计算循环卷积 if length(x1)>N
error('Length(x1) is not greater then N'); end
if length(x2)>N
error('Length(x2) is not greater then N'); end
x1=[x1,zeros(1,N-length(x1))]; x2=[x2,zeros(1,N-length(x2))]; m=0:N-1;
x2=x2(mod(-m,N)+1);
H=zeros(N,N);
for n=1:N
H(n,:)=cirshift(x2,n-1,N);
end
y=x1*H';
运行：
>> x1=[1 2 2];x2=[1 2 3 4];
>> y=circonvt(x1,x2,5)
y =
9 4 9 14 14
>> y=circonvt(x1,x2,4)
y =
15 12 9 14
>> y=circonvt(x1,x2,7)
y =
1 4 9 14 14 8 0
>> y=circonvt(x1,x2,10)
y =
1 4 9 14 14 8 0 0 0 0
以上方法是信号序列的时域循环卷积方法，当然也可以使用频域
的卷积方法：先将两个序列进行DFT 变换，再把DFT 变换的结果进行点乘，然后对相乘的结果进行IDFT 变换，即得到卷积结果 移位：()()y n x n m =-；MATLAB 实现：y=[zeros(1,m),x] 折叠：y(n)=x(-n)；MATLAB 实现：y=fliplr(x)； 采样和：()()y n x n =∑，MATLAB 实现：y=sum(x(n1:n2)) 采样积：()()y n x n =∏，MATLAB 实现：y=prod(x(n1:n2)) 信号能量：
2
|()|
x n E x n ∞
=-∞
=
∑,MATLAB 实现：Ex=sum(abs(x).^2)。
