数字信号处理与MATLAB实现[精品].doc

数字信号处理与MATLAB实现 1． n1=[ns:nf]； x1=[zeros(1,n0-ns),1,zeros (1,nf-n0)]； %单位抽样序列的产生 2. subplot(2,2,4) 画2行2列的第4个图 3. stem(n,x) %输出离散序列，(plot连续) 4. 编写子程序可调用 4.1 单位抽样序列生成函数impseq.m [x,m]=impseq(n0,ns,nf); %序列的起点为ns，终点为nf，在n=n0点处生成一个单位脉冲 n=[-5:5];x1=3*impseq(2,-5,5)-impseq(-4,-5,5) x1 = 0 -1 0 0 0 0 0 3 0 0 0 n=[-5:5];x1=3*impseq(2,-4,5)-impseq(-4,-5,4) %起点到终点长度要一致 x1 = 0 -1 0 0 0 0 3 0 0 0 4.2 单位阶跃序列生成函数stepseq.m [x,n]=stepseq(no,ns,nf) %序列的起点为ns，终点为nf，在n=n0点处生成一个单位阶跃 4.3 两个信号相加的生成函数sigadd.m [y,n]=sigadd(x1,n1,x2,n2) 4.4 两个信号相乘的生成函数sigmult.m [y,n]=sigmult(x1,n1,x2,n2) 4.5 序列移位y(n)=x(n-n0)的生成函数sigshift.m [y,n]=sigshift(x,m,n0) 4.6 序列翻褶y(n)=x(-n)的生成函数sigfold.m [y,n]=sigfold(x,n) 4.7 evenodd.m函数可以将任一给定的序列x(n)分解为xe(n)和xo(n)两部分 [xe,xo,m]=evenodd(x,n) 4.8 序列从负值开始的卷积conv_m, conv默认从0开始 function [y,ny]=conv_m(x,nx,h,nh) 有{x(n):nx1nnx2},{h(n):nh1nnh2}, 卷积结果序列为{y(n):nx1+nh1nnx2+nh2} 例. 设,,求 程序： x1=[1,2,3];n1=-1:1; x2=[2,4,3,5];n2=-2:1; [y,n]=conv_m(x1,n1,x2,n2) 结果： y = 2 8 17 23 19 15 n = -3 -2 -1 0 1 2 因此 计算，得Z反变换 b=1;a=poly([0.9 0.9 -0.9]); [r,p,k]=residuez(b,a) 结果： r = 0.2500 0.5000 0.2500 p = 0.9000 0.9000 -0.9000 k = [] 因此得到 相应的 5. [H,w]=freqz[B,A,M] 计算出M个频率点上的频率响应，存放于H向量中，M个频率存放在w向量中，freqz函数自动将这M个频率点均匀设置在频率范围[0，]之间。若缺省w和M时，函数自动选取512个频率点计算。不带输出向量的freqz函数将自动绘制幅频和相频曲线。 也可[H,w]=freqz(B,A); plot(w/pi,abs(H)); 绘出幅频特性 6. zplane(z,p) 绘制出列向量z中的零点（以符号o表示）和列向量p中的极点（以符号x表示）以及参考单位圆。 7. 傅里叶变换信号时域和频域变换 连续对应着非周期，离散对应着周期。一个域的离散必然导致另一个域的周期延拓 8. fft和ifft：一维快速傅里叶变换和逆傅里叶变换 X=fft(x,N) 采用FFT算法计算序列向量X的N点DFT，缺省N时，fft函数自动按X的长度计算DFT。当N为2的整数次幂时，fft按基2算法计算，否则用混合基算法。ifft的调用格式类似。 9. fft2和ifft2: 二维快速正傅里叶变换和逆傅里叶变换 （1）Y=fft2(x) 数据二维傅里叶变换参数X是向量fft2(x)相当于fft(fft(x)’)’,即先对X的列做一维傅里叶变换，然后再对变换结果的行作一维傅里叶变换；若X是向量，则此傅里叶变换即变成一维傅里叶变换ff