dsp課程設(shè)計報告

1、DSP課程設(shè)計報告班級:姓名:學(xué)號:題目一：基于Matlab的數(shù)字濾波器設(shè)計及其對語音信號的應(yīng)用1.課程設(shè)計的目的：1),掌握數(shù)字信號處理的基本概念、基本理論和基本方法；2) .掌握MATLAB設(shè)計FIR和IIR數(shù)字濾波器的方法；3) .掌握在Windows環(huán)境下語音信號采集以及時域、頻域分析；4) .學(xué)會MATLAB的使用，掌握MATLAB的程序設(shè)計方法；5) .學(xué)會用MATLAB對信號進(jìn)行分析和處理。2 .課程設(shè)計內(nèi)容：錄制一段自己的語音信號，對錄制的信號進(jìn)行采樣；畫出采樣后語音信號的時域波形和頻譜圖；給定濾波器的性能指標(biāo)，采matlab設(shè)計數(shù)字濾波器，并畫出濾波器的頻率響應(yīng)；然后用自己設(shè)

2、計的濾波器對采集的信號進(jìn)行濾波，畫出濾波后信號的時域波形和頻譜，并對濾波前后的信號進(jìn)行對比，分析信號的變化；回放語音信號。3 .課程設(shè)計基礎(chǔ)：MATLAB編程基礎(chǔ)、數(shù)字信號處理知識、語音信號處理知識。4 .具體步驟與要求：4.1 語音信號的采集錄制一段自己的話音，或利用老師給的語音，在MATLAB軟件平臺下，利用函數(shù)wavread對語音信號進(jìn)行采樣，記住采樣頻率和采樣點(diǎn)數(shù)。wavrecord(2*fs,fs)4.2 語音信號的頻譜分析要求畫出語音信號的時域波形；然后對語音號進(jìn)行快速傅里葉變換，得到信號的頻譜特性。fft4.3 設(shè)計數(shù)字濾波器，畫出具頻率響應(yīng)曲線fp=1000Hz,fs=1200

3、Hz,As=40dB,Ap=1dB。fs4000Hz,fp4300Hz,As40dB,Ap1dB各濾波器的性能指標(biāo)：(1)低通濾波器性能指標(biāo)(3)帶通濾波器性能指標(biāo)(2)高通濾波器性能指標(biāo)fp1=1200Hz,fp2=3000Hz,fs1=1000Hz,fs2=3200Hz,As=40dB,Ap=1dB。要求：(1)頻率變換法設(shè)計IIR濾波器：可以利用函數(shù)butter、cheby1、cheby2和ellip等設(shè)計。(2)(選做)設(shè)計IIR濾波器：用雙線性變換法設(shè)計上面要求的3種濾波器。bilinear(3)(選做)設(shè)計FIR濾波器：用窗函數(shù)法設(shè)計上面要求的3種濾波器。可以利用函數(shù)firl設(shè)計F

4、IR濾波器。(4)函數(shù)freqz畫出各濾波器的頻率響應(yīng)。4.4 用濾波器對信號進(jìn)行濾波，比較濾波前后語音信號的波形及頻譜要求用自己設(shè)計的各濾波器分別對采集的語音信號進(jìn)行濾波，并在一個窗口同時畫出濾波前后的波形及頻譜。(1) IIR濾波器利用函數(shù)filter對信號進(jìn)行濾波；(2) FIR濾波器利用函數(shù)fftfilt對信號進(jìn)行濾波。4.5 回放語音信號在MATLAB中，函數(shù)sound可以對聲音進(jìn)行回放。其調(diào)用格式：sound(x,fs,bits);可以感覺濾波前后的聲音有變化。4.6 (選做)設(shè)計系統(tǒng)界面為了使編制的程序操作方便，要求有能力的學(xué)生，設(shè)計處理系統(tǒng)的用戶界面。在所設(shè)計的系統(tǒng)界面上可以選

5、擇濾波器的類型，輸入濾波器的參數(shù)，顯示濾波器的頻率響應(yīng)，選擇信號等。5 濾波器設(shè)計方法綜述濾波器的設(shè)計步驟：1)給出系統(tǒng)的性能指標(biāo)；2)用一個離散的時間系統(tǒng)逼近這些性能指標(biāo)；3)實(shí)現(xiàn)該系統(tǒng).一般我們利用數(shù)字計算的方法實(shí)現(xiàn)系統(tǒng)，所以，將該離散時間濾波器稱為數(shù)字濾波器.濾波器的指標(biāo)往往是以頻域的形式給出的，尤其是低通，帶通,高通和帶阻這些選頻濾波器.如圖所示的一個線性時不變離散系統(tǒng)，如果輸入是帶限的，且采樣率滿足奈奎斯特采樣率，這系統(tǒng)是一個線性時不變的連續(xù)系統(tǒng).H(ejQT),Q兀/THeff(jQ)=H(ej)=Heff(j),6實(shí)驗(yàn)程序fs=22050;%語音信號采樣頻率為22050sound

6、(x1,22050);y1=fft(x1,1024);f=fs*(0:511)/1024;figure(1)plot(x1)title(原始語音信號,);x1=wavread(WindowsCriticalStop.wav);%讀取語音信號的數(shù)據(jù)，賦給變量x1%播放語音信號%對信號做1024點(diǎn)FFT變換%做原始語音信號的時域圖形xlabel(timen);ylabel(fuzhin);figure(2)freqz(x1)title(頻率響應(yīng)圖)%繪制原始語音信號的頻率響應(yīng)圖figure(3)subplot(2,1,1);plot(abs(y1(1:512)%做原始語音信號的FFT頻譜圖t田e(

7、原始語音信號FFT頻譜)subplot(2,1,2);plot(f,abs(y1(1:512);t田e(原始語音信號頻譜,)xlabel(Hz);ylabel(fuzhi);程序2:fs=22050;%語音信號采樣頻率為22050x1=wavread(WindowsCriticalStop.wav);%讀取語音信號的數(shù)據(jù)，賦給變量x1t=0:1/22050:(size(x1)-1)/22050;y1=fft(x1,1024);%對信號做1024點(diǎn)FFT變換f=fs*(0:511)/1024;x2=randn(1,length(x1);%產(chǎn)生一與x長度一致的隨機(jī)信號sound(x2,22050)

8、;figure(1)plot(x2)%做原始語音信號的時域圖形title(高斯隨機(jī)噪聲);xlabel(timen);ylabel(fuzhin);randn(state,0);m=randn(size(x1);x2=0.1*m+x1;sound(x2,22050);%播放加噪聲后的語音信號y2=fft(x2,1024);figure(2)plot(t,x2)title(加噪后的語音信號);xlabel(timen);ylabel(fuzhin);figure(3)subplot(2,1,1);plot(f,abs(y2(1:512);title(原始語音信號頻譜);xlabel(Hz);yl

9、abel(fuzhi);subplot(2,1,2);plot(f,abs(y2(1:512);t田e(加噪后的語音信號頻譜,);xlabel(Hz);ylabel(fuzhi);根據(jù)以上代碼，你可以修改下面有錯誤的代碼程序3:雙線性變換法設(shè)計Butterworth濾波器fs=22050;課程設(shè)計2shuzi.wav);t=0:1/22050:(size(x1)-1)/22050;Au=0.03;d=Au*cos(2*pi*5000*t);x2=x1+d;wp=0.25*pi;ws=0.3*pi;Rp=1;Rs=15;Fs=22050;Ts=1/Fs;wp1=2/Ts*tan(wp/2);ws

10、1=2/Ts*tan(ws/2);N,Wn=buttord(wp1,ws1,Rp,Rs,s);Z,P,K=buttap(N);Bap,Aap=zp2tf(Z,P,K);b,a=lp21P(Bap,Aap,Wn);bz,az=bilinear(b,a,Fs);濾波器的轉(zhuǎn)換H,W=freqz(bz,az);figure(1)plot(W*Fs/(2*pi),abs(H)gridxlabel(頻率/Hz)ylabel(頻率響應(yīng)幅度)title(Butterworth)f1=filter(bz,az,x2);figure(2)subplot(2,1,1)plot(t,x2)title(濾波前的時域波形

11、);subplot(2,1,2)plot(t,f1);%將模擬指標(biāo)轉(zhuǎn)換成數(shù)字指標(biāo)%選擇濾波器的最小階數(shù)%創(chuàng)建butterworth模擬濾波器%用雙線性變換法實(shí)現(xiàn)模擬濾波器到數(shù)字%繪制頻率響應(yīng)曲線%畫出濾波前的時域圖%畫出濾波后的時域圖t田e(濾波后的時域波形,);sound(f1,22050);F0=fft(f1,1024);f=fs*(0:511)/1024;figure(3)y2=fft(x2,1024);subplot(2,1,1);plot(f,abs(y2(1:512);title(濾波前的頻譜,)xlabel(Hz);ylabel(fuzhi);subplot(2,1,2)F1=p

12、lot(f,abs(F0(1:512);title(濾波后的頻譜)xlabel(Hz);ylabel(fuzhi);程序4:窗函數(shù)法設(shè)計濾波器:%播放濾波后的信號%畫出濾波前的頻譜圖%畫出濾波后的頻譜圖%取整%選擇窗函數(shù)，并歸一化截止頻率%播放濾波后的語音信號fs=22050;課程設(shè)計2shuzi.wav);t=0:1/22050:(size(x1)-1)/22050;Au=0.03;d=Au*cos(2*pi*5000*t);x2=x1+d;wp=0.25*pi;ws=0.3*pi;wdelta=ws-wp;N=ceil(6.6*pi/wdelta);wn=(0.2+0.3)*pi/2;b=

13、fir1(N,wn/pi,hamming(N+1);figure(1)freqz(b,1,512)f2=filter(bz,az,x2)figure(2)subplot(2,1,1)plot(t,x2)title(濾波前的時域波形);subplot(2,1,2)plot(t,f2);title(濾波后的時域波形);sound(f2,22050);F0=fft(f2,1024);f=fs*(0:511)/1024;figure(3)y2=fft(x2,1024);subplot(2,1,1);plot(f,abs(y2(1:512);title(濾波前的頻譜)xlabel(Hz);ylabel(

14、fuzhi);subplot(2,1,2)F2=plot(f,abs(F0(1:512);title(濾波后的頻譜)xlabel(Hz);ylabel(fuzhi);試驗(yàn)結(jié)果：圖一(語音信號的采集)圖二（語音信號頻譜分析）波形圖幅度譜(Hz)頻率00200040006000原始語音信號02000400060008000圖三（低通濾波器）butter低通濾波1.510.5IIR濾波后語音信號02000400060008000420-2-4x10F8IR濾波后語音信號02000400060008000圖四（高通濾波器）原始語音信號0.6-0.4-0.6I-0.8-02000400060008000

15、圖五（濾波前后頻譜比較）濾波后信號波形02000400060008000濾波后信號頻譜02000400060007設(shè)計總結(jié)通過這次設(shè)計，使我對語音信號有了全面的認(rèn)識，對數(shù)字信號處理又有了深刻的理解，在之前數(shù)字信號與處理的學(xué)習(xí)中，已經(jīng)使用過matlab,對其有了一些基礎(chǔ)的了解和認(rèn)識。通過這次練習(xí)使我進(jìn)一步了解語音信號的采集、頻譜分析以及濾波器設(shè)計放方法。以及在其中產(chǎn)生信號和繪制信號的基本命令和一些基礎(chǔ)編程語言。讓我感受到只有在了解課本知識的前提下，才能更好的應(yīng)用這個工具；并且熟練的應(yīng)用matlab也可以很好的加深我對課程的理解，方便我的思維。這次設(shè)計使我學(xué)會分析濾波器的優(yōu)劣和性能，提高分析與動手

16、時間能力。同時我相信，進(jìn)一步對matlab的學(xué)習(xí)與研究對我今后的學(xué)習(xí)將會起到很大的幫助。8參考文獻(xiàn)(1)唐建鋒，游開明，陳列尊.基于Matlab的數(shù)字濾波器設(shè)計研究型實(shí)驗(yàn)探討(B)現(xiàn)代電子技術(shù)，2006;14-001-02,1-2.侯寧.Matlab在數(shù)字濾波器設(shè)計中的應(yīng)用，化學(xué)工程與裝備，2008;59-62.李鉞，蔣維.定點(diǎn)DSP中的數(shù)字濾波器應(yīng)用.儀器儀表用,2006;06-0067-02.(4)美哈里Y-F拉姆.模擬和數(shù)字濾波器設(shè)計與實(shí)現(xiàn).北京市：人民郵電出版社，1985.405-450.(5)美A安東尼奧.數(shù)字濾波器分析與設(shè)計.西安市：陜西科學(xué)技術(shù)出版社，1984.210-240.(

17、6)鄒理和.數(shù)字濾波器.北京市：國防工業(yè)出版社，1979.80-100.題目二：DS喳數(shù)字識別中的應(yīng)用1課程設(shè)計的目的：1),掌握數(shù)字信號處理的基本概念、基本理論和基本方法；2) .掌握圖像處理的常用算法；3) .掌握數(shù)字信號處理在數(shù)字識別中的應(yīng)用及數(shù)字識別使用的基本算法；4) .學(xué)會DSP的使用，掌握DSP的程序設(shè)計方法；5) .學(xué)會用DSP對數(shù)字圖像進(jìn)行分析和處理。2課程設(shè)計內(nèi)容：把含有數(shù)字的圖像，如車牌，身份證等讀取到DSP的SDRAW,利用圖像處理算法把數(shù)字從圖像中定位出來；首先把圖像二值化，二值化算法選擇固定閾值、直方圖或最大類間方差法，比較各個二值化算法的效果；對二值化的圖像做邊緣

18、提取，選才SSobel或者Laplace邊緣提取算法并比較效果；經(jīng)過二值化和邊緣提取后的圖像，利用投影法定位數(shù)字在圖像中的位置，并給出數(shù)字在圖像中的外接矩形；利用CCSffi處理結(jié)果顯示出來。3課程設(shè)計基礎(chǔ)：DSPg程基礎(chǔ)、數(shù)字信號處理知識、圖像處理知識。4具體步驟與要求：4.1 數(shù)字圖像的采集拍攝含有數(shù)字的圖像，或利用老師給的圖像，在DSPCCSa件平臺下，編程把圖像讀取到DSP的SDRAW。4.2 二值化要求完成固定閾值、直方圖或最大類間方差法二值化算法，并比較算法處理結(jié)果，選擇合適的二值化算法，得到二值化后的圖像并顯示。要求：(5)固定閾值法，選擇多個閾值比較處理，最終選擇合適的閾值；(

19、6)(選做)直方圖閾值法，繪制直方圖并顯示。一幅圖像包括目標(biāo)物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個閾值用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。這是研究灰度變換的最特殊的方法，稱為圖像的二值化。二值化方法：(1)全局二值化一幅圖像包括目標(biāo)物體、背景還有噪聲.要想從多俏的數(shù)字圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個全局的閾值用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。將大于T的像素群的像素值設(shè)定為白色1或者黑g，小于T的像素群的像素值設(shè)定為黑色(或者白色)全局二值化，在表現(xiàn)圖像細(xì)節(jié)方面存在很大缺陷。為了彌

20、補(bǔ)這個缺陷，出現(xiàn)了局部二值化方法。局部二值化的方法就是按照一定的規(guī)則將整幅圖像劃分為N個窗口,對這N個窗口中的每一個窗口再按照一個統(tǒng)一的閾值T將該窗口內(nèi)的像素劃分為兩部分，進(jìn)行二值化處理。(2)局部自適應(yīng)二值化局部二值化也有一個缺陷。這個缺陷存在于那個統(tǒng)一閾值的選定。這個閾值是沒有經(jīng)過合理的運(yùn)算得來，一般是取該窗口的平局值。這就導(dǎo)致在每一個窗口內(nèi)仍然出現(xiàn)的是全局二值化的缺陷。為了解決這個問題，就出現(xiàn)了局部自適應(yīng)二值化方法。局部自適應(yīng)二值化，該方法就是在局部二值化的基礎(chǔ)之上，將閾值的設(shè)定更加合理化。該方法的閾值是通過對該窗口像素的平均值E,像素之間的差平方P,像素之間的均方根值Q等各種局部特征，

21、設(shè)定一個參數(shù)方程進(jìn)行閾值的計算，例如：T=a*E+b*P+c*Q,其中a,b,c是自由參數(shù)。這樣得出來的二值化圖像就更能表現(xiàn)出二值化圖像中的細(xì)節(jié)。4.3 邊緣提取邊緣提取采用Sobel或Laplace算法，要求：(1)Sobel和Laplace算法使用3*3模板;邊緣提取編程比較：I=imread(lena.bmp);%1) BW1=edge(I,sobel);%2) BW2=edge(I,roberts);%3) BW3=edge(I,prewitt);%4) BW4=edge(I,log);%5) BW5=edge(I,canny);%(2)(選做)Canny邊緣提取算法。提取圖像用SOB

22、ElM子進(jìn)行邊緣檢測用Roberts算子進(jìn)行邊緣檢測用prewitt算子進(jìn)行邊緣檢測用log算子進(jìn)行邊緣檢測用canny算子進(jìn)行邊緣檢測4.4 數(shù)字定位要求用自己設(shè)計的二值化結(jié)果對目標(biāo)位置進(jìn)行定位，給出數(shù)字的外接矩形和中心；(3)利用投影法把二值化結(jié)果分別向水平和垂直方向投影，選擇合適的閾值定位出數(shù)字位置，并輸出目標(biāo)位置；(4)利用修改像素值的方法，把外接矩形繪制到圖像中并通過ccss示。5數(shù)字識別方法綜述模式識別(PatternRecognition)!指對表征事物或現(xiàn)象的各種形式的(數(shù)值的、文字的和邏輯關(guān)系的)信息進(jìn)行處理和分析，以對事物或現(xiàn)象進(jìn)行描述、辨認(rèn)、分類和解釋的過程，是信息科學(xué)和

23、人工智能的重要組成部分。模式識別又常稱作模式分類，從處理問題的性質(zhì)和解決問題的方法等角度，模式識別分為有監(jiān)督的分類(SupervisedClassification和無監(jiān)督的分類(UnsupervisedClassification)兩種。二者的主要差別在于，各實(shí)驗(yàn)樣本所屬的類別是否預(yù)先已知。模式還可分成抽象的和具體的兩種形式。前者如意識、思想、議論等，屬于概念識別研究的范疇，是人工智能的另一研究分支。我們所指的模式識別主要是對語音波形、地震波、心電圖、腦電圖、圖片、照片、文字、符號、生物傳感器等對象的具體模式進(jìn)行辨識和分類。6程序/*MainFunctionProgram*/#include

24、math.h#includestdio.h#defineIMAGE_WIDTH128#defineIMAGE_HEIGTH32voidmain()(FILE*fi;inti,j,k;intyIMAGE_HEIGTHIMAGE_WIDTH;intp128=0,p1128=0,p2128=0,m,temp,up,down,num=0,flag=0;unsignedcharid128;fi=fopen(E:lu.bmp,rb);fread(char*)id,sizeof(char),54,fi);for(i=0;i16;i+)(fread(char*)id,sizeof(char),64,fi);f

25、or(i=0;iIMAGE_HEIGTH;i+)(fread(char*)id,sizeof(char),128fi);for(j=0;jIMAGE_WIDTH;j+)(yij=idj;fclose(fi);i=0;for(i=0;iIMAGE_HEIGTH;i+)(for(j=0;jIMAGE_WIDTH;j+)(yij=255*(yij)/200);)for(i=0;iIMAGE_HEIGTH;i+)(for(j=0;j=200)pi+;)m=IMAGE_HEIGTH/2;temp=pm;for(i=m+1;ipi)(temp=pi;down=i;)if(temp=0)down=i;bre

26、ak;)temp=pm;for(i=m-1;i=0;i-)if(temppi)temp=pi;up=i;)if(temp=0)up=i;break;)/畫線/*for(j=0;jIMAGE_WIDTH;j+)(yupj=255;yupj=255;)for(j=0;jIMAGE_WIDTH;j+)(ydownj=255;ydownj=255;)*/fengefor(i=0;iIMAGE_WIDTH;i+)(for(j=0;jIMAGE_HEIGTH;j+)(if(yji=255)pi+;)for(i=0;i0)if(flag=0)p1num=i-1;flag=1;elseif(flag=1)p2num=i;flag=0;num+;)if(flag=1)&(i=IMAGE_WIDTH-1)(p1num=0;p2num=0;num+;break;)for(i=0;i7;i+)(for(k=up;kdown;k+)(ykp1i=255;ykp2i=255;for(i=0;i7;i+)(for(j=p1i;jp2i;j+)(yupj=255;ydownj=255;*EndofFile*7設(shè)計結(jié)果圖一（實(shí)驗(yàn)過程）3(1|?夠講而（3但I(xiàn)BS國