热门标签 | HotTags
当前位置:  开发笔记 > 编程语言 > 正文

基于matlab实现信号的低通滤波器,基于matlab的低通滤波器.doc

基于matlab的低通滤波器.doc第-1-页共10页基于matlab的低通滤波器摘要:调用MATLAB信号处理工具箱中滤波通过观察滤波器输入输出信号的时域波形及其频谱࿰

41528d3028836879cd698677c3999917.gif基于matlab的低通滤波器.doc

第-1-页共10页基于matlab的低通滤波器摘要:调用MATLAB信号处理工具箱中滤波通过观察滤波器输入输出信号的时域波形及其频谱,建立数字滤波的概念。应用最广泛的是双线性变换法。基本设计过程是:①先将给定的数字滤波器的指标转换成过渡模拟滤波器的指标;②设计过渡模拟滤波器;③将过渡模拟滤波器系统函数转换成数字滤波器的系统函数。MATLAB信号处理工具箱中的各种IIR数字滤波器设计函数都是采用双线性变换法。关键词:滤波器,matlab,c语言,声音Abstract:callMATLABsignalprocessingtoolboxfilteringthroughtheobservationfilterofandoutputsignalstimedomainwaveandspectrum,establishtheconceptofdigitalfilter.Oneofthemostwidelyappliedisdoublelineartransation.Thebasicdesignprocessis:(1)toagivendigitalfiltersindexconvertedintoanalogfiltertransitionindex;(2)thedesigntransitionsimulationfilter;(3)transitionsimulationfiltersystemfunctionwillbeconvertedintodigitalfiltersystemfunction.MATLABsignalprocessingtoolboxdigitalfilterfunctiondesignofIIRisbilineartransation.Keywords:filter,matlab,theclanguage,thevoice一.任务:用matlab软件设计IIR模拟、数字以及各种窗函数的FIR低通滤波器二.设计目的:(1)了解matlab软件的用途以及用法;(2)了解用冲激响应不变法设计模拟低通滤波器;(3)了解用脉冲响应不变法设计的巴特沃思数字低通滤波器;(4)了解基于汉明窗函数的FIR低通滤波器的设计。三.设计内容:3.1用冲激响应不变法设计模拟低通滤波器3.1.1设计内容:要求按照设计指标设计无限冲激响应IIR巴特沃什模拟低通滤波器。3.1.2设计原理:低通滤波器的技术要求用图形表示如下:|)(|jeHpsc10.712第-2-页共10页通带过渡带阻带如上图表示了一个频域设计、一维低通滤波器的技术要求图。ws和wp分别称为通带截止频率和阻带截止频率。通带频率范围为0≤w≤wp,阻带频率范围ws≤w≤π。从wp到ws称为过渡带,用Δw表示,在过渡带里,幅频特性单调下降。在通带和阻带内的衰减一般用数dB表示,通带内允许最大衰减是αs,阻带内允许最小衰减是αp。定义分别为:Matlab信号处理工具箱中提供了设计巴特沃思模拟滤波器的函数buttord、buttap和butter,格式如下:[,](,,CPSNWbutordRs用于计算巴特沃思模拟低通滤波器的阶N和3dB截止频率Wc(即本书中的符号)。其中,cWp和Ws分别是滤波器的通带截止频率和阻止截止频率,单位为rad/s;Rp和Rs分别是通ps带最大衰减系数和阻带最小衰减系数,单位为dB。用于计算N阶巴ps[,]zpGbuta特沃思归一化(=1)模拟低通滤波器系统函数的零、极点和增益因子,返回长度为N的向量zc和p分别给出N个零点和极点,G是滤波器增益。得到的滤波器系统函数形式如下:12())(()aNQzsHsPsp其中,和分别是向量z和p的第k个元素。如果要从零、极点得到系统函数的分子和分母多kz项式系数向量B和A,可以调用结构转换函数:[,]2(,)tf结构转换后系统函数的形式为:11()MMaNNbssbBHsaa其中,M是向量B的长度,N是向量A的长度,分别是向量B和A的第k个元素。k和用于计算巴特沃什模拟滤波器系统函数中分子和分母多项式系数向[,](,,)CBAbuterWftype量B和A,其中N和分别是滤波器的阶和3dB截止频率,返回向量B和A中的元素和cka分别是上面的表示式中的分母和分子系数。ftype缺省时,设计低通滤波器,S缺省时,kas设计数字滤波器。3.1.3设计程序如下:(1)巴特沃思模拟低通滤波器设计指标如下:wp=0.4*pi,ws=0.45*pi,Rp=5,Rs=10;实验所用到的程序如下通带通带通带pj0pj(e)2lgHsj0sj(e)2lgH第-3-页共10页wp=0.4*pi;ws=0.45*pi;Rp=5;Rs=10;[N,wc]=buttord(wp,ws,Rp,Rs, s );[B,A]=butter(N,wc, s );w=0:0.001:6;[H,W]=freqs(B,A,w);H=20*log10(abs(H));plot(w,H),gridon;xlabel(‘频率/(rad/s) );ylabel( 幅度/dB )经matlab仿真以后得到的滤波器如下图所示:图1.1巴特沃思模拟低通滤波器运行后在matlab控制窗口上显示如下结果:N=7(2)为了方便观察故设计了不同阶次N的滤波器,即Butterworth模拟原型低通滤波器,其程序代码如下:n=0:0.01:2;forii=1:4switchiicase1,N=2;case2,N=5;case3,N=10;case4,N=20;end[z,p,k]=buttap(N);[b,a]=zp2tf(z,p,k);[H,w]=freqs(b,a,n);magH2=(abs(H)).^2;holdon;0123456-60-50-40-30-20-10010什什/(rad/s)什什/dB什什什什什什什什什什什第-4-页共10页plot(w,magH2);endxlabel( w/wc );ylabel( |H(jw)|^2 );title( Butterworth模拟原型低通滤波器 );text(1.5,0.18, n=2 )text(1.3,0.08, n=5 )text(1.16,0.08, n=10 )text(0.93,0.98, n=20 )gridon;仿真后结果图形如图:图1.2Butterworth模拟原型低通滤波器(3)利用冲激响应不变法,把系统函数为的模拟滤波器变换成等价的数651)(2sHa字滤波器,采样间隔T=1S。先经过计算得到:,则有如下式子3651)(2ssHa2111213067.85.9zzzeTzezTMatlab实验参考程序如下:B=[1,1];A=[1,5,6];T=1;Fs=1/T;[Bz,Az]=impinvar(B,A,Fs);%用冲激响应不变法将模拟滤波器变换成数字滤波器00.20.40.60.811.21.41.61.8200.20.40.60.811.21.4w/wc|H(jw)|2Butte



推荐阅读
  • Gitlab接入公司内部单点登录的安装和配置教程
    本文介绍了如何将公司内部的Gitlab系统接入单点登录服务,并提供了安装和配置的详细教程。通过使用oauth2协议,将原有的各子系统的独立登录统一迁移至单点登录。文章包括Gitlab的安装环境、版本号、编辑配置文件的步骤,并解决了在迁移过程中可能遇到的问题。 ... [详细]
  • SpringBoot整合SpringSecurity+JWT实现单点登录
    SpringBoot整合SpringSecurity+JWT实现单点登录,Go语言社区,Golang程序员人脉社 ... [详细]
  • 阿里Treebased Deep Match(TDM) 学习笔记及技术发展回顾
    本文介绍了阿里Treebased Deep Match(TDM)的学习笔记,同时回顾了工业界技术发展的几代演进。从基于统计的启发式规则方法到基于内积模型的向量检索方法,再到引入复杂深度学习模型的下一代匹配技术。文章详细解释了基于统计的启发式规则方法和基于内积模型的向量检索方法的原理和应用,并介绍了TDM的背景和优势。最后,文章提到了向量距离和基于向量聚类的索引结构对于加速匹配效率的作用。本文对于理解TDM的学习过程和了解匹配技术的发展具有重要意义。 ... [详细]
  • 推荐系统遇上深度学习(十七)详解推荐系统中的常用评测指标
    原创:石晓文小小挖掘机2018-06-18笔者是一个痴迷于挖掘数据中的价值的学习人,希望在平日的工作学习中,挖掘数据的价值, ... [详细]
  • YOLOv7基于自己的数据集从零构建模型完整训练、推理计算超详细教程
    本文介绍了关于人工智能、神经网络和深度学习的知识点,并提供了YOLOv7基于自己的数据集从零构建模型完整训练、推理计算的详细教程。文章还提到了郑州最低生活保障的话题。对于从事目标检测任务的人来说,YOLO是一个熟悉的模型。文章还提到了yolov4和yolov6的相关内容,以及选择模型的优化思路。 ... [详细]
  • EPICS Archiver Appliance存储waveform记录的尝试及资源需求分析
    本文介绍了EPICS Archiver Appliance存储waveform记录的尝试过程,并分析了其所需的资源容量。通过解决错误提示和调整内存大小,成功存储了波形数据。然后,讨论了储存环逐束团信号的意义,以及通过记录多圈的束团信号进行参数分析的可能性。波形数据的存储需求巨大,每天需要近250G,一年需要90T。然而,储存环逐束团信号具有重要意义,可以揭示出每个束团的纵向振荡频率和模式。 ... [详细]
  • 如何用UE4制作2D游戏文档——计算篇
    篇首语:本文由编程笔记#小编为大家整理,主要介绍了如何用UE4制作2D游戏文档——计算篇相关的知识,希望对你有一定的参考价值。 ... [详细]
  • XML介绍与使用的概述及标签规则
    本文介绍了XML的基本概念和用途,包括XML的可扩展性和标签的自定义特性。同时还详细解释了XML标签的规则,包括标签的尖括号和合法标识符的组成,标签必须成对出现的原则以及特殊标签的使用方法。通过本文的阅读,读者可以对XML的基本知识有一个全面的了解。 ... [详细]
  • Google Play推出全新的应用内评价API,帮助开发者获取更多优质用户反馈。用户每天在Google Play上发表数百万条评论,这有助于开发者了解用户喜好和改进需求。开发者可以选择在适当的时间请求用户撰写评论,以获得全面而有用的反馈。全新应用内评价功能让用户无需返回应用详情页面即可发表评论,提升用户体验。 ... [详细]
  • 自动轮播,反转播放的ViewPagerAdapter的使用方法和效果展示
    本文介绍了如何使用自动轮播、反转播放的ViewPagerAdapter,并展示了其效果。该ViewPagerAdapter支持无限循环、触摸暂停、切换缩放等功能。同时提供了使用GIF.gif的示例和github地址。通过LoopFragmentPagerAdapter类的getActualCount、getActualItem和getActualPagerTitle方法可以实现自定义的循环效果和标题展示。 ... [详细]
  • svnWebUI:一款现代化的svn服务端管理软件
    svnWebUI是一款图形化管理服务端Subversion的配置工具,适用于非程序员使用。它解决了svn用户和权限配置繁琐且不便的问题,提供了现代化的web界面,让svn服务端管理变得轻松。演示地址:http://svn.nginxwebui.cn:6060。 ... [详细]
  • 本文讨论了如何使用GStreamer来删除H264格式视频文件中的中间部分,而不需要进行重编码。作者提出了使用gst_element_seek(...)函数来实现这个目标的思路,并提到遇到了一个解决不了的BUG。文章还列举了8个解决方案,希望能够得到更好的思路。 ... [详细]
  • 基于移动平台的会展导游系统APP设计与实现的技术介绍与需求分析
    本文介绍了基于移动平台的会展导游系统APP的设计与实现过程。首先,对会展经济和移动互联网的概念进行了简要介绍,并阐述了将会展引入移动互联网的意义。接着,对基础技术进行了介绍,包括百度云开发环境、安卓系统和近场通讯技术。然后,进行了用户需求分析和系统需求分析,并提出了系统界面运行流畅和第三方授权等需求。最后,对系统的概要设计进行了详细阐述,包括系统前端设计和交互与原型设计。本文对基于移动平台的会展导游系统APP的设计与实现提供了技术支持和需求分析。 ... [详细]
  • 本文介绍了关于Java异常的八大常见问题,包括异常管理的最佳做法、在try块中定义的变量不能用于catch或finally的原因以及为什么Double.parseDouble(null)和Integer.parseInt(null)会抛出不同的异常。同时指出这些问题是由于不同的开发人员开发所导致的,不值得过多思考。 ... [详细]
  • 花瓣|目标值_Compose 动画边学边做夏日彩虹
    篇首语:本文由编程笔记#小编为大家整理,主要介绍了Compose动画边学边做-夏日彩虹相关的知识,希望对你有一定的参考价值。引言Comp ... [详细]
author-avatar
手机用户2502887521
这个家伙很懒,什么也没留下!
PHP1.CN | 中国最专业的PHP中文社区 | DevBox开发工具箱 | json解析格式化 |PHP资讯 | PHP教程 | 数据库技术 | 服务器技术 | 前端开发技术 | PHP框架 | 开发工具 | 在线工具
Copyright © 1998 - 2020 PHP1.CN. All Rights Reserved | 京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有