DSP实验报告_2完整版.docVIP

DSP课程设计实验报告 姓名： 班级：电子1201 学号： 已完成的实验 （1）有限冲激响应滤波器（FIR）算法实验 （2）无限冲激响应滤波器(IIR)算法实验 （3）卷积算法 （4）频谱分析 （5）自适应滤波器算法 （6）抽样定理 （7）数字图像直方图统计 （8）数字图像边缘检测(Sobel算子) （9）数字图像的锐化(LAPLACE算子) （10）数字图像的取反 （11）数字图像直方图均衡化增强 二，问题与思考 （1）有限冲激响应滤波器（FIR）算法实验 设计高通滤波器，滤除输入信号中的低频分量： 输入信号：fXn[0]=sin((double)fSignal1)+cos((double)fSignal2)/6.0+ cos((double)fSignal3)/3.0; 高通滤波器的输入参数： float fHn[FIRNUMBER]={ 0,-0.0001025599113707,-0.0001403812801142, 0.001777532053825, -0.004109425530621, 0.00263311864471, 0.008114293349908, -0.02522429510154, 0.03000486593944, 0.004132831502269, -0.08747684055757, 0.1938662840724, -0.2693096006608, 0.2693096006608, -0.1938662840724, 0.08747684055757, -0.004132831502269, -0.03000486593944, 0.02522429510154,-0.008114293349908, -0.00263311864471, 0.004109425530621,-0.001777532053825,0.0001403812801142, 0.0001025599113707, -0 }; 滤波结果截图： 由上述的结果可知，频率中的低频成分确实被滤除了，即实现了高通滤波的效果，在这里我们要设计并获得高通滤波器的参数，借助MATLAB工具将设计的指标输入，并获得相应滤波器的输出参数，为在DSP中高通滤波提供参数。实验用了25阶的滤波参数，实现的滤波效果非常好。 （2）无限冲激响应滤波器(IIR)算法实验 修改步进值： +0.0001 -0.0001 当步进值增加或减少0.0001后，输出信号并没有太大的变化。具体原因应该是修改步进值过小，而显示又采用float类型的变量，故修改后结果之间的差距较小并不能被识别。 （3）卷积算法 两个输入信号为sine波形，两个频率不同的正弦波输入： 由上图可知输出信号的点数为输入信号点数之和，并当输入信号为周期信号时输出信号也为周期信号。 （4）频谱分析 在这里我们选用FFT中用到的频谱进行分析： 由于采样率为128，所以图中的最高频率为fs/2=64Hz，可从图中直接读出三个输入信号的频率分别为1.6Hz，12Hz，35Hz。 此图为归一化频率后频率的值，我们知道其最高频率为64Hz，对应图中0.5的点，则其他位置的频率可由相应的比例关系求出其实际的频率：如f3=fs/2*(0.275/0.5)≈35.2Hz,由于读取数值时有一定的误差，但是根据此计算公式可大致计算出输入信号的频率为35Hz。 （5）自适应滤波器算法 在这里我们修改步进值+-0.0001来观察步进值对输出波形的影响： 先看未修改时的图形： 由上述图形可以看到自适应滤波器通过不断的调整参数最后输出信号的频率稳定下来，输入和输出之间的差值也在不断的减少，直到最后变为0. 现在看一下修改完步进值后的自适应滤波器的滤波效果： 由图中可以看出由于步进值改变，使得输入输出信号达到同步的时间发生变化，当步进因子增大的时候，同步时间变小，反之，同步时间增大。 （6）抽样定理 问题： 在这里端口p4-27的输出频率为AD采样频率的1/2，虽然可以得到相应的频率但是不明白其数值时怎么样来的。后来在老师的指导下才知道，这个引脚输出的是AD信号的帧同步信号，每当AD采集一次，引脚上的电平值便翻转一次。所以引脚上的输出频率为AD采集的1/2。 输入波形及FFT变换 （7）数字图像直方图统计 = 1 \* GB3 ①图像信息的分析 分析：直方图中有明显的三个峰值，分别是较黑的背景颜色，用此可以提取背景，另外还有中等亮度的，是属于中间灰色的地面，最后是亮度叫高的峰值，为人物和旗帜，用此可以提取出人物，经后来的实验可以看出直方图非常有用，灰度直方图是数字图像处理中一个最简单、最有用的工具，它描述了一幅图像的灰度级内容