下载文档原格式
南京理⼯⼤学EDA设计（⼀）实验报告(此⽂档为word格式，下载后您可任意编辑修改！)⽬录实验⼀单级放⼤电路的设计与仿真 (2)⼀、实验⽬的 (2)⼆、实验要求 (2)三、实验原理图 (3)四、实验过程及结果 (3)1、电路的饱和失真和截⽌失真分析 (3)2、三极管特性测试 (7)3．电路基本参数测定 (10)五、数据分析 (14)六、实验感想 (14)实验⼆差动放⼤电路的设计与仿真 (15)⼀、实验⽬的 (15)⼆、实验要求 (15)三、实验原理图 (15)四、实验过程及结果 (17)1、电路的静态分析 (17)2.电路电压增益的测量 (23)五、数据分析 (26)六、实验感想 (27)实验三反馈放⼤电路的设计与仿真 (27)⼀、实验⽬的 (27)⼆、实验要求 (27)三、实验原理图 (27)四、实验过程及结果 (28)1.负反馈接⼊前后放⼤倍数、输⼊电阻、输出电阻的测定 (28)2．负反馈对电路⾮线性失真的影响 (32)五、实验结论 (37)六、实验感想 (37)实验四阶梯波发⽣器电路的设计 (38)⼀、实验⽬的 (38)⼆、实验要求 (38)三、电路原理框图 (38)四、实验过程与仿真结果 (39)1.⽅波发⽣器 (39)2.微分电路 (40)3.限幅电路 (42)4.积分电路 (43)5.⽐较器及电⼦开关电路 (45)五、实验思考题 (46)六、实验感想 (47)写在后⾯的话对此次EDA设计的感想 (47)问题与解决 (47)收获与感受 (48)期望与要求 (48)实验⼀单级放⼤电路的设计与仿真⼀、实验⽬的1.掌握放⼤电路静态⼯作点的调整和测试⽅法2.掌握放⼤电路的动态参数的测试⽅法3.观察静态⼯作点的选择对输出波形及电压放⼤倍数的影响⼆、实验要求1.设计⼀个分压偏置的胆管电压放⼤电路，要求信号源频率10kHz（峰值1—10mV），负载电阻，电压增益⼤于80.2.调节电路静态⼯作点（调节偏置电阻），观察电路出现饱和失真和截⽌失真的输出信号波形，并测试对应的静态⼯作点值。
小波变换是克服其他信号处理技术缺陷的一种分析信号的方法。
小波由一族小波基函数构成，它可以描述信号时间（空间）和频率（尺度）域的局部特性。
采用小波分析最大优点是可对信号进行实施局部分析，可在任意的时间或空间域中分析信号。
小波分析具有发现其他信号分析方法所不能识别的、隐藏于数据之中的表现结构特性的信息，而这些特性对机械故障和材料的损伤等识别是尤为重要的。
如何选择小波基函数目前还没有一个理论标准，常用的小波函数有Haar、Daubechies(dbN)、Morlet、Meryer、Symlet、Coiflet、Biorthogonal 小波等15种。
但是小波变换的小波系数为如何选择小波基函数提供了依据。
小波变换后的系数比较大，就表明了小波和信号的波形相似程度较大；反之则比较小。
另外还要根据信号处理的目的来决定尺度的大小。
如果小波变换仅仅反映信号整体的近似特征，往往选用较大的尺度；反映信号细节的变换则选用尺度不大的小波。
由于小波函数家族成员较多，进行小波变换目的各异，目前没有一个通用的标准。
根据实际运用的经验，Morlet小波应用领域较广，可以用于信号表示和分类、图像识别特征提取；墨西哥草帽小波用于系统识别；样条小波用于材料探伤；Shannon正交基用于差分方程求解。
现在对小波分解层数与尺度的关系作如下解释：是不是小波以一个尺度分解一次就是小波进行一层的分解？比如：[C,L]=wavedec(X,N,'wname')中，N为尺度，若为1，就是进行单尺度分解，也就是分解一层。
但是W=CWT(X,[2:2:128],'wname','plot')的分解尺度又是从2～128以2为步进的，这里的“分解尺度”跟上面那个“尺度”的意思一样吗？[C,L]=wavedec(X,N,'wname')中的N为分解层数, 不是尺度,'以wname'是DB小波为例, 如DB4, 4为消失矩,则一般滤波器长度为8, 阶数为7.wavedec针对于离散,CWT是连续的。
南京理工大学直接数字频率合成器实验报告学号：姓名：学院：指导老师：时间:目录摘要与关键字------------------------------------------3 实验设计内容------------------------------------------3 设计原理----------------------------------------------3概念------------------------------------------------------3设计基本要求-----------------------------------------------3 实验要求---------------------------------------------------4 设计提高部分要求--------------------------------------------4 基本框图---------------------------------------------------4 工作原理---------------------------------------------------4 整体电路图-------------------------------------------------5各子模块设计原理--------------------------------------6频率预置和调节电路-----------------------------------------6 累加器-----------------------------------------------------7 波形存储器-------------------------------------------------9 DDS电路---------------------------------------------------9 分频电路--------------------------------------------------9 测频电路--------------------------------------------------11 译码电路--------------------------------------------------11 显示电路--------------------------------------------------14调试仿真及下载---------------------------------------15 实验感想---------------------------------------------16 参考文献---------------------------------------------17摘要报告内容为设计一个具有清零、使能、频率控制、相位控制、输出多种波形(包括正余弦、三角波、锯齿波、方波)、经过D/A转换之后能在示波器上显示的直接数字频率合成器。
题目：小波分析在图像处理中的应用专业：学号：学生姓名：指导教师：年月日目录1 引言 (3)2 小波分析的基本理论 (4)2.1 概述 (4)2.2 小波变换基础 (4)2.3 离散小波变换 (6)3 几种常用的小波 (8)3.1 Haar小波 (8)3.2 Daubechies（dbN）小波系 (8)3.3 Biorthogonal（biorNr.Nd）小波系 (8)3.4 Coiflet（coifN）小波系 (8)3.5 SymletsA（symN）小波系 (9)3.6 Mexican Hat（mexh）小波 (9)3.7 Meyer函数 (9)4．小波分析用于图像压缩 (10)4.1 图像压缩概述 (10)4.2 程序流程图 (11)4.3 主要调用命令 (10)5 小波分析用于图像去噪 (12)5.1 图像去噪概述 (12)5.2 主要调用命令 (12)5.3 程序流程图 (13)6 运行结果 (14)6.1图像压缩结果 (14)6.2 图像去噪结果 (15)参考文献 (16)附录 (17)1 引言小波分析属于时频分析的一种，传统的信号分析是建立在傅立叶变换的基础上的，由于傅立叶分析使用的是一种全局的变换，要么完全在时域，要么完全在时域，要么完全在频域，因此无法表述信号的时频局域性质，而这种性质恰恰是非平稳信号最根本和最关键的性质。
为了分析和处理非平稳信号，人们对傅立叶分析进行了推广乃至根本性的革命，提出并发展了一系列新的信号分析理论：短时傅立叶变换、Gabor变换、时频分析、小波变换、分数阶傅立叶变换、线调频小波变换、循环统计量理论和调幅-调频信号分析等。
其中，短时傅立叶变换和小波变换也是应传统的傅立叶变换不能够满足信号处理的要求而产生的。
短时傅立叶变换分析的基本思想是：假定非平稳信号在分析窗函数g（t）的一个短时间间隔内是平稳（伪平稳）的，并移动分析窗函数，使)tgf在不同的有限t-(τ()时间宽度内是平稳信号，从而计算出各个不同时刻的功率谱。
小波分析专题研讨【目的】(1) 掌握正交小波分析的基本原理。
(2) 学会Haar 小波分解和重建算法，理解小波分析的物理含义。
(3) 学会用Matlab 计算小波分解和重建。
(4) 了解小波压缩和去噪的基本原理和方法。
【研讨题目】 基本题题目目的:(1)掌握小波变换分解和重建算法的基本原理和计算方法； (2)掌握小波变换中Haar 基及其基本特性； (3)学会用Haar 基进行小波分解和重建的计算。
8-1 (1)试求信号=T x [2, 2, 2, 4, 4, 4]T的Haar 小波一级变换系数]|[11T T d c 。
(2)将Haar 小波一级变换系数中的细节分量 1d 置零，试计算由系数]0|[1TT c 重建的近似信号1a ， 求出x 与1a间的最大误差ε。
解：（1）[]0108642144422211000110000*********000110000001121]|[11-=⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡---=T T d c 由matlab 验证：x=[2 2 2 4 4 4]; [ca,cd]=dwt(x,'db1');得到的结果:[]0 1.4142-0 5.6569 4.2426 2.8284]|[11=TT d c（2）[]000864]0|[1=TT c[]88664421000864100100100100010010010010001001001001211=⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡⎥⎥⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎢⎢⎣⎡---=T a 由matlab 验证：c=[4 6 8]; d=[0 0 0];x0=idwt(c,d,'db1')得到：[] 5.6569 5.65694.24264.24262.82842.8284=T x8-2 (1) 试求信号=T x [2, 2, 4, 6,−2,−2,−2, 0]T的Haar 小波三级变换系数]|||[1233T T T T d d d c 。
小波分析结课论文基于正交滤波器组的Daubechies 小波设计及Quartus ll 仿真1.非平稳信号的局部变换信号s(t)和其频谱S(w)构成Fourier 变换对,由于Fourier 变换或反变换都属于全局变换，不能告知某种频率分量发生在那些时间内，因此用来不能描述信号的局部统计特性。
对于非平稳信号s(t)，应该采用局部变换来描述其随时间变化的统计特性。
并且信号的局部性能需要使用时域和频域是我二维联合表示，才能精确描述。
1.1用内积构造信号变换任何一种信号变换都可以写成该信号与某个选定的核函数之间的内积，因此可以用下面两种基本形式来构造。
信号s(t)的局部变换 = <取信号s(t)的局部，核函数无穷长> 或信号s(t)的局部变换 = <取信号s(t)的全部，核函数局域化>1.2小波变换1.2.1选用小波变换的原因三个信号局部变换的典型例子是短时Fourier 变换、Gabor 变换、小波变换，它们都是时频信号分析的线性变换。
而短时Fourier 变换和Gabor 变换都属于“加窗Fourier 变换”，都以固定的滑动窗对信号进行分析，可以表征信号的局部频率特性。
显然，这种时域固定等宽的滑动窗处理并不是对所有的信号都合适。
因为有较多的自然界信号在低频端应具有很高的频率分辨率，在高频端的频率分辨率可以比较低。
而从不相容原理的角度看，这类信号的高频分量应该具有高的时间分辨率，低频分量应该具有低的时间分辨率。
对这类非平稳信号的线性时频分析，应该在时频平面的不同位置具有不同的分辨率，小波变换就是这样一种多分辨（率）分析方法，其目的是既见森林——信号概貌，又见树木——信号细节，所以，小波分析被称为数学显微镜。
1.2.2连续小波变换的定义及参数含义平方可积分函数s(t)的连续小波变换定义为(,)()*()(),()s ab t b W T a b s t dt s t t aψψ∞-==〈〉⎰, a > 0其中小波变换的基函数()()ab t b t aψ-=是窗函数()t ψ的时间平移b 和尺度压缩a 的结果，乘以因子1/是因为要使变换结果归一化，a 是尺度参数，b 是平移参数。
小波变换的理论基础及应用专业班级电气工程学院姓名学号任课教师日期目录一、小波分析的发展历史和前景 (1)二、小波变换的理论基础 (2)2.1连续小波变换 (2)2.2离散小波变换 (3)2.3二进小波变换 (4)2.4多分辨分析与二尺度方程 (4)2.4.1 多分辨分析 (5)2.4.2 二尺度方程 (6)2.5MALLAT算法 (6)2.5.1 Mallat算法的综述 (7)2.5.2 Mallat分解算法 (7)2.5.3 Mallat合成算法 (8)2.6小波基和小波函数的选取 (9)2.6.1 小波基选择的标准 (9)2.6.2 小波基选择的五要素 (9)三、小波变换的应用 (10)3.1图像、信号压缩 (10)3.2小波降噪 (10)3.3小波在信号处理中的应用 (11)3.4小波变换在故障诊断中的应用 (11)3.5小波变换在边界检测中的应用 (11)3.6小波变换的结合应用——小波网络等 (12)参考文献 (12)小波变换的理论基础及应用一、小波分析的发展历史和前景1984年,法国地球物理学家Morlet在分析地震波的局部特性时首次采用了小波变换。
随后，理论物理学家 Grossman 对 Morlet 的这种信号按一个确定函数的伸缩，平移系展开的可行性进行了研究，这无疑为小波分析的形成开了先河。
由于其在时频两域都具有表征信号局部特征的能力和多分辨率分析的特点,因此被誉为“数学显微镜”。
小波变换的基本思想是将原始信号通过伸缩和平移后,分解为一系列具有不同空间分辨率、不同频率特性和方向特性的子带信号,这些子带信号具有良好的时域、频域等局部特征。
这些特征可用来表示原始信号的局部特征,进而实现对信号时间、频率的局部化分析,从而克服了傅里叶分析在处理非平稳信号和复杂图像时所存在的局限性。
随着小波理论的日趋成熟，人们对小波变换的实际应用越来越重视,它已广泛地应用于信号处理、图像处理、量子场论、地震勘探、语音识别与合成、音乐、雷达、CT成像、彩色复印、流体湍流、模式识别、机器视觉、机械故障诊断与监控以及数字电视等科技领域。
小波分析实验报告
课程：小波分析
姓名：
学院：
学号：
一、实验目的：
1、运用傅里叶变换知识对常用的基本函数做基本变换。
2、通过观察小波变换系数建立对小波变换及其有关性质的感性认识
3、加深对因果滤波器的理解，并会判断因果滤波器的类型。
4、运用卷积公式对基本信号做滤波处理并作出分析，以加深理解。
5、熟悉Matlab中相关函数的用法。
二、实验原理：
1、“小波”就是小区域、长度有限、均值为0的波形。所谓“小”是指它具有衰减性；而
称之为“波”则是指它的波动性，其振幅正负相间的震荡形式。与Fourier变换相比，小波
变换是时间(空间)频率的局部化分析，它通过伸缩平移运算对信号（函数)逐步进行多尺度
细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而
可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科
学方法上的重大突破。小波转换分成两个大类：离散小波变换(DWT)和连续小波转换(CWT)。
两者的主要区别在于，连续转换在所有可能的缩放和平移上操作，而离散转换采用所有缩放
和平移值的特定子集。小波变换的公式有内积形式和卷积形式，两种形式的实质都是一样的。
它要求的就是一个个小波分量的系数也就是“权”。其直观意义就是首先用一个时窗最窄，
频窗最宽的小波作为尺子去一步步地“量”信号，也就是去比较信号与小波的相似程度。信
号局部与小波越相似，则小波变换的值越大，否则越小。当一步比较完成后，再将尺子拉长
一倍，又去一步步地比较，从而得出一组组数据。如此这般循环，最后得出的就是信号的小
波分解（小波级数）。 当尺度及位移均作连续变化时，可以理解必将产生大量数据，作
实际应用时并不需要这么多的数据，因此就产生了离散的思想。将尺度作二进离散就得到二
进小波变换，同时也将信号的频带作了二进离散。当觉得二进离散数据量仍显大时，同时将
位移也作离散就得到了离散小波变换。
2、二维离散小波变换常用函数
三、实验内容：
1. 对信号noissin分别采用图形接口和命令行两种方式进行单尺度小波分解重
构和多尺度小波分解重构层数为4，并显示各层低频高频图形，加以比较。
2. 定义信号)58sin()12sin()8sin()(ttttf，并用命令行方式对该信号进行
单尺度小波分解重构和多尺度小波分解重构层数为3。
2.1)用命令行方式对noissin进行单尺度小波分解重构和多尺度小波分解重构
单尺度小波分解重构程序：
>> load noissin;
>> s=noissin (1:1000);
>> [cA1,cD1]=dwt(s,'sym2');
>> A1=upcoef('a',cA1,'sym2',1);
>> D1=upcoef('d',cD1,'sym2',1);
>> subplot(4,1,1);plot(s);title('原始信号')
>> subplot(4,1,2);plot(A1);title('低频')
>> subplot(4,1,3);plot(D1);title('高频')
>> s0=idwt(cA1,cD1,'sym2');
>> subplot(4,1,4);plot(s0);title('重构信号')
2.2) 多尺度小波分解重构程序：
>> s0=idwt(cA1,cD1,'sym2');
>> [C,L]=wavedec(s,4,'sym2');
>> cA5=appcoef(C,L,'sym2',4);
>> A4=wrcoef('a',C,L,'sym2',4);
>> D1=wrcoef('d',C,L,'sym2',1);
>> D2=wrcoef('d',C,L,'sym2',2);
>> D3=wrcoef('d',C,L,'sym2',3);
>> D4=wrcoef('d',C,L,'sym2',4);
>> figure(2);
>> subplot(4,1,1);plot(A4);title('第四层低频')
>> subplot(4,1,2);plot(D4);title('第四层高频')
>> subplot(4,1,3);plot(D3);title('第三层高频')
>> subplot(4,1,4);plot(D2);title('第二层高频')
>> subplot(4,1,5);plot(D1);title('第一层高频')
>> figure(3);
>> s1=waverec(C,L,'sym2');
>> subplot(3,1,1);plot(s);title('原始信号')
>> subplot(3,1,2);plot(s1);title('重构信号')
>> subplot(3,1,3);plot(s-s1);title('误差信号')
3.用命令行方式对信号)58sin()12sin()8sin()(ttttf进行单尺度小波分解
重构和多尺度小波分解重构。
3.1)单尺度小波分解重构程序：
>> syms t;
>> t=1:1024;
>> f=sin(8*pi*t)+sin(12*pi*t)+sin(58*pi*t);
>> s=f(1:1024);
[cA1,cD1]=dwt(s,'db3');
A1=upcoef('a',cA1,'db3',1);
D1=upcoef('d',cD1,'db3',1);
subplot(4,1,1);plot(s);title('原始信号')
subplot(4,1,2);plot(A1);title('低频')
subplot(4,1,3);plot(D1);title('高频')
s0=idwt(cA1,cD1,'db3');
subplot(4,1,4);plot(s0);title('重构信号')
3.2) 多尺度小波分解重构程序：
>> s0=idwt(cA1,cD1,'db3');
>> [C,L]=wavedec(s,3,'db3');
>> cA5=appcoef(C,L,'db3',3);
>> A3=wrcoef('a',C,L,'db3',3);
>> D1=wrcoef('d',C,L,'db3',1);
>> D2=wrcoef('d',C,L,'db3',2);
>> D3=wrcoef('d',C,L,'db3',3);
>> figure(2);
>> subplot(4,1,1);plot(A3);title('第三层低频')
>> subplot(4,1,2);plot(D3);title('第三层高频')
>> subplot(4,1,3);plot(D2);title('第二层高频')
>> subplot(4,1,4);plot(D1);title('第一层高频')
>> figure(3);
>> s1=waverec(C,L,'db3');
>> subplot(3,1,1);plot(s);title('原始信号')
>> subplot(3,1,2);plot(s1);title('重构信号')
>> subplot(3,1,3);plot(s-s1);title('误差信号')
