[[数字信号处理》课程研究性学习报告.doc

《数字信号处理》课程研究性学习报告 指导教师 薛健 时间 2014.6  【目的】 (1) 掌握IIR和FIR数字滤波器的设计和应用； (2) 掌握多速率信号处理中的基本概念和方法 ； (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】 一、 (1)播放音频信号 yourn.wav，确定信号的抽样频率，计算信号的频谱，确定噪声信号的频率范围； (2)设计IIR数字滤波器，滤除音频信号中的噪声。通过实验研究，的选择对滤波效果及滤波器阶数的影响，给出滤波器指标选择的基本原则，确定你认为最合适的滤波器指标。 （3）设计FIR数字滤波器，滤除音频信号中的噪声。与（2）中的IIR数字滤波器，从滤波效果、幅度响应、相位响应、滤波器阶数等方面进行比较。 【设计步骤】 【仿真结果】 【结果分析】 由频谱知噪声频率大于3800Hz。FIR和IIR都可以实现滤波，但从听觉上讲，人对于听觉不如对图像（视觉）明感，没必要要求线性相位，因此，综合来看选IIR滤波器好一点，因为在同等要求下，IIR滤波器阶数可以做的很低而FIR滤波器阶数太高，自身线性相位的良好特性在此处用处不大。 【自主学习内容】 MATLAB滤波器设计 【阅读文献】 老师课件，教材 【发现问题】 (专题研讨或相关知识点学习中发现的问题)： 过渡带的宽度会影响滤波器阶数N 【问题探究】 通过实验，但过渡带越宽时，N越小，滤波器阶数越低，过渡带越窄反之。这与理论相符合。 【仿真程序】 信号初步处理部分： [x1,Fs,bits] = wavread(yourn.wav); sound(x1,Fs); y1=fft(x1,1024); f=Fs*(0:511)/1024; figure(1) plot(x1) title(原始语音信号时域图谱); xlabel(time n); ylabel(magnitude n); figure(2) freqz(x1) title(频率响应图) figure(3) subplot(2,1,1); plot(abs(y1(1:512))) title(原始语音信号FFT频谱) subplot(2,1,2); plot(f,abs(y1(1:512))); title(‘原始语音信号频谱) xlabel(Hz); ylabel(magnitude); IIR： fp=2500;fs=3500; wp = 2*pi*fp/FS; ws = 2*pi*fs/FS; Rp=1; Rs=15; Ts=1/Fs; wp = 2*pi*fp/FS; ws = 2*pi*fs/FS; wp1=2/Ts*tan(wp/2); ws1=2/Ts*tan(ws/2); t=0:1/11000:(size(x1)-1)/11000;Au=0.03;d=[Au*cos(2*pi*5000*t)];x2=x1+d; [N,Wn]=buttord(wp1,ws1,Rp,Rs,s); [Z,P,K]=buttap(N); [Bap,Aap]=zp2tf(Z,P,K); [b,a]=lp2lp(Bap,Aap,Wn); [bz,az]=bilinear(b,a,Fs); % [H,W]=freqz(bz,az); figure(4) plot(W*Fs/(2*pi),abs(H)) grid xlabel(频率/Hz) ylabel(频率响应幅度) title(Butterworth) f1=filter(bz,az,x2); figure(5) subplot(2,1,1) plot(t,x2) title(滤波前时域波形); subplot(2,1,2) plot(t,f1); title(滤波后时域波形); sound(f1,FS); FIR [x1,Fs,bits] = wavread(I:/dsp_2014_project3/yourn); fp=2500;fs=3500; wp = 2*pi*fp/Fs; w