东南大学统计信号处理实验一

《统计信号处理》实验一

一、实验目的：

1、掌握噪声中信号检测的方法；

2、熟悉Matlab 的使用；

3、掌握用计算机进行数据分析的方法。 二、实验内容：

假设信号为()s t 波形如下图所示：

在有信号到达时接收到的信号为()()()x t s t n t =+，在没有信号到达时接收到的信号为()()x t n t =。其中()n t 是均值为零、方差为2

25n σ=（可自行调整）的高斯白噪声。假设有信号到达的概率P(H 1)=0.6，没有信号到达的概率P(H 0)=0.4。对接受到的信号分别在t = 0ms, 1ms, …, 301ms 上进行取样，得到观测序列()x n 。

1、利用似然比检测方法（最小错误概率准则），对信号是否到达进行检测；

2、假设102C =，011C =。利用基于Bayes 准则的检测方法，对信号是否到达进行检测；

3、通过计算机产生的仿真数据，对两种方法的检测概率d P 、虚警概率f P 、漏警概率

m P 和Bayes 风险进行仿真计算；

4、通过改变P(H 1)和P(H 0)来改变判决的门限（风险系数10C 和01C 不变），观察检测方法的d P 、f P 、m P 和Bayes 风险的变化；

5、改变噪声的方差，观察检测方法的d P 、f P 、m P 和Bayes 风险的变化；

6、将信号取样间隔减小一倍(相应的取样点数增加一倍)，观察似然比检测方法的d P 、

f P 、m P 和Bayes 风险的变化；

7、根据()s t 设计一个离散匹配滤波器，并观察()x n 经过该滤波器以后的输出。

三、实验要求：

1、设计仿真计算的Matlab 程序，给出软件清单；

2、完成实验报告，对实验过程进行描述，并给出实验结果，对实验数据进行分析，给出结论。

四、设计过程：

1、产生信号s(t)，n(t)，x(t)，t = 0ms, 1ms, …, 301ms ；其中：

???????????

??????

???

??

?≤≤+-≤≤-≤≤+-≤≤-≤≤+-≤≤-≤≤+-≤≤=301290,30101

289270,28101

269230,5.12201

229190,5.10201189140,6.625

1

13990,6.42518930,2301290,301

)(t t t t t t t t t t t t t t t t t s 2、根据定义似然比函数10(|)()(|)

p x H x p x H Λ=，门限001()()P H P H Λ=，如果0

)(Λ>Λx ，

则判定1D ；否则，判定0

D 。这就是似然比检测准则。

假设似然比为x ，在某取样率的条件下，假设得到的随机变量分布为x 1，x 2，…，x N 。

则没有信号时的概率密度函数为：

5002102)251()|,...,,(∑==-N

i i

x N

N e H x x x p π

有信号时的概率密度函数为：

50

)-(12102

)251()|,...,,(∑==-N

i i i s x N

N e

H x x x p π

由此可以得到似然比函数为：

50

)

-s 2(021121210

2i )

|,...,,()

|,...,(),...,,(∑==Λ=N

i i i s x N N N e

H x x x p H x x x p x x x

相应的似然比判决准则为：

50

)

-s 2(210

2i ),...,,(∑=Λ=N

i i i s x N e

x x x >0Λ时判定

1

D ；否则，判定

D 。或：

∑∑==+Λ>N i i N

i i i s s x 0200

21ln 25)(时判定1D ；否则，判定0D

。 其中，0Λ是判决门限，本题中001()()P H P H Λ=

=

667.06

.04

.0=。 3、Bayes 判决准则如下，风险函数是各个概率的线形组合：

0000010110101111(,)(,)(,)(,)R C P D H C P D H C P D H C P D H =+++

很多情况下，可以令00110C C ==，即正确判断是不具有风险的，此时判决公式为： 如果

10010011()

(|)(|)()

C P H p x H p x H C P H >，判为1

D ；否则，判为0D 。本题中，102C =，011

C =故判决门限0Λ为

3

4

6.0*14.0*2=。

4、做M=100000次统计，在有信号到达的情况下，即()()()x t s t n t =+，每次出现

'signal is detected'时，检测到信号的次数n0加1，出现'no signal'时，没有检

测到信号的次数n1加1;在没有信号到达的情况下，即()()x t n t =，每次出现'signal is

detected'时，检测到信号的次数n2加1，出现'no signal'时，没有检测到信号的次

数n3加1。则：

检测概率D P =n0/M ；虚警概率f P =n2/M ；漏警概率m P =n1/M ；

Bayes 风险0000010110101111(,)(,)(,)(,)R C P D H C P D H C P D H C P D H =+++ =D f m f P C P C P C P C 11100100)1(+++-=f m P C P C 1001+

5、用相同的方法，通过改变判决的门限，观察检测方法的D P 、f P 、m P 和Bayes 风险的变化。

6、用相同的方法，通过改变噪声的方差，观察检测方法的D P 、f P 、m P 和Bayes 风险的变化。

7、设计匹配滤波器h(t)=c*s(T-t)，通过使待检测信号x(t)经过匹配滤波器，即和h(t)进行卷积，得到滤波以后的输出X(t)。 五、实验结果及分析：

1、利用似然比检测方法（最小错误概率准则），对信号是否到达进行检测。 实验得到的波形如下：

对302个抽样点进行了五次检测，得到结果如下：

检测到信号的次数C 平均值

275 257 276 272 267 270

分析：可能由于高斯白噪声的影响较大，故有些信号没有被检测出来。

2、假设102C =，011C =。利用基于Bayes 准则的检测方法，对信号是否到达进行检测。 同样地，对302个抽样点进行了五次检测，得到结果如下：

检测到信号的次数C 平均值 253 236 244 236 243 242

分析：比较可得，在本题设定的风险系数下，基于Bayes 准则的检测方法没有似然比检测方法可靠。

3、通过计算机产生的仿真数据，对两种方法的检测概率d P 、虚警概率f P 、漏警概率m

P 和Bayes 风险进行仿真计算。

采用似然比检测方法得到的仿真结果如下：

pd=0.8855，pf=0.2140，pm=0.1145，r=0.5424。

利用基于Bayes 准则的检测方法得到的仿真结果如下： Pd=0.8032，Pf=0.1264，Pm=0.1968，r=0.4496。 比较可得：

采用似然比检测方法得到的检测概率较大，漏警概率较小；基于Bayes 准则的检测方法得到的虚警概率较小，风险系数较小。

4、通过改变P(H 1)和P(H 0)来改变判决的门限（风险系数10C 和01C 不变），观察检测方法的d P 、f P 、m P 和Bayes 风险的变化。 （1）似然比检测方法

)

()

(10H P H P

d P

f P

m P

Bayes 风险 326.04.0=

0.8855 0.2140 0.1145 0.5424 15.05.0= 0.8425 0.1581 0.1576 0.4738 234.06.0= 0.7899 0.1162 0.2101 0.4424 91

.09.0= 0.4595

0.0176

0.5405

0.5758

由表格可以看出当门限升高时检测概率降低，虚警概率降低，漏警概率升高，bayes 风险值变化不大。没有信号到达的概率越高，检测概率和虚警概率就越低，漏警概率越高，实际值符合理论分析。

（2）基于Bayes 准则的检测方法

)

()(101010H P C H P C

d P f P

m P Bayes 风险 346.04.0*2= 0.8032 0.1264 0.1968 0.4496 25.05.0*2= 0.7464 0.0886 0.2536 0.4309 34.06.0*2= 0.6748 0.0610 0.3252 0.4472 181

.09.0*2= 0.3284

0.0071

0.6716

0.6858

由表格可以看出当门限升高时检测概率降低，虚警概率降低，漏警概率升高。没有信号到达的概率越高，检测概率和虚警概率就越低，漏警概率越高，实际值符合理论分析。由于虚警概率降低，并且相乘得出风险时前面系数较大，所以风险先降低，后来由于漏警概率的升高已经大过于虚警概率对风险的影响，所以后来风险又升高。

5、改变噪声的方差，观察检测方法的d P 、f P 、m P 和Bayes 风险的变化。 （1）似然比检测方法

2σ

d P f P

m P

Bayes 风险 9 0.9540

0.0599

0.0360 0.1559 25 0.8855 0.2140 0.1145 0.5424 36 0.8582 0.2785 0.1418 0.6988 49 0.8393

0.3331

0.1607

0.8268 （2）基于Bayes 准则的检测方法

2σ

d P f P m P

Bayes 风险

9 0.9432 0.0301 0.0568 0.1170 25 0.8032 0.1264 0.1968 0.4496 36 0.7448 0.1057 0.2552 0.4666 49 0.6949 0.1138 0.3051 0.5327

由表格可以看出当噪声方差增大时，两种检测方法得到的检测概率均降低，虚警概率均升高，漏警概率均升高，风险值均增大。这是因为噪声方差越大，对信号的干扰越大，检测信号越困难，即两种方法的可靠性越差。

6、将信号取样间隔减小一倍(相应的取样点数增加一倍)，观察似然比检测方法的d P 、

f P 、m P 和Bayes 风险的变化。

之前的结果：

pd=0.8855，pf=0.2140，pm=0.1145，r=0.5424 取样点数增加一倍后的结果为：

pd=0.9397，pf=0.1007，pm=0.0603，r=0.2617

比较可得，取样点数增加一倍后，检测可信度大为提高。

7、根据()s t 设计一个离散匹配滤波器，并观察()x n 经过该滤波器以后的输出。 设计的滤波器波形如下：

有信号和无信号状态下的x （t ）经过滤波器后的输出分别如下：

分析：当t=300时，有信号时的输出值达到最大，无信号时的输出值为0，这说明匹配滤波器对有用信号分量有放大作用，对干扰信号有抑制作用，有利于信号的检测。

源程序：

%1

%产生信号s(t),n(t),x(t)

t=0:29;

s1=t/30;

t=30:89;

s2=-t/30+2;

t=90:139;

s3=t/25-4.6;

t=140:189;

s4=-t/25+6.6;

t=190:229;

s5=t/20-10.5;

t=230:269;

s6=-t/20+12.5;

t=270:289;

s7=t/10-28;

t=290:301;

s8=-t/10+30;

s=[s1 s2 s3 s4 s5 s6 s7 s8];

p0=0.4;

p1=0.6;

for t=1:302

n=5.*randn(1,302);

x=s+n;

figure(1);

subplot(3,1,1);grid;plot(s);axis([0,301,-1,1]);xlabel('t/ms');ylabel('s(t)'); subplot(3,1,2);grid;plot(n);axis([0,301,-20,20]);xlabel('t/ms');ylabel('n(t)'); subplot(3,1,3);grid;plot(x);axis([0,301,-20,20]);xlabel('t/ms');ylabel('x(t)');

%利用似然比检测方法检测信号是否到达

x1=x.*s;

x2=s.*s;

if sum(x1)>25*log(p0/p1)+0.5*sum(x2)

count(t)=1;

'signal is detected'

else

count(t)=0;

'no signal'

end;

C=sum(count);

C

%2

%产生信号s(t),n(t),x(t)

t=0:29;

s1=t/30;

t=30:89;

s2=-t/30+2;

t=90:139;

s3=t/25-4.6;

t=140:189;

s4=-t/25+6.6;

t=190:229;

s5=t/20-10.5;

t=230:269;

s6=-t/20+12.5;

t=270:289;

s7=t/10-28;

t=290:301;

s8=-t/10+30;

s=[s1 s2 s3 s4 s5 s6 s7 s8];

p0=0.4;

p1=0.6;

for t=1:302

n=5.*randn(1,302);

x=s+n;

figure(1);

subplot(3,1,1);grid;plot(s);axis([0,301,-1,1]);xlabel('t/ms');ylabel('s(t)'); subplot(3,1,2);grid;plot(n);axis([0,301,-20,20]);xlabel('t/ms');ylabel('n(t)'); subplot(3,1,3);grid;plot(x);axis([0,301,-20,20]);xlabel('t/ms');ylabel('x(t)');

%利用基于Bayes准则的检测方法检测信号是否到达

x1=x.*s;

x2=s.*s;

if sum(x1)>25*log(4/3)+0.5*sum(x2)

count(t)=1;

'signal is detected'

else

count(t)=0;

'no signal'

end;

C=sum(count);

C

%3%4%5

p0=0.4;

p1=0.6; //修改p0、p1以实现第四问

c10=2;

c01=1;

n0=0;n1=0;n2=0;n3=0;

M=100000;

for i=1:100001

t=0:29;

s1=t/30;

t=30:89;

s2=-t/30+2;

t=90:139;

s3=t/25-4.6;

t=140:189;

s4=-t/25+6.6;

t=190:229;

s5=t/20-10.5;

t=230:269;

s6=-t/20+12.5;

t=270:289;

s7=t/10-28;

t=290:301;

s8=-t/10+30;

s=[s1 s2 s3 s4 s5 s6 s7 s8];

n=5.*randn(1,302); //修改系数以实现第五问

x=s+n;

%有信号到达，利用似然比检测方法检测信号是否到达

x1=x.*s;

x2=s.*s;

if sum(x1)>25*log(p0/p1)+0.5*sum(x2) //修改系数以实现第五问 n0=n0+1;

'signal is detected'

else

n1=n1+1;

'no signal'

end;

end;

for i=1:100001

n=5.*randn(1,302);

x=n;

%没有信号到达，利用似然比检测方法检测信号是否到达

x1=x.*s;

x2=s.*s;

if sum(x1)>25*log(p0/p1)+0.5*sum(x2)

n2=n2+1;

'signal is detected'

else

n3=n3+1;

'no signal'

end;

end;

pd1=n0/M;

pf1=n2/M;

pm1=n1/M;

r1=c01*pm1+c10*pf1;

pd1

pf1

pm1

r1

for i=1:100001

t=0:29;

s1=t/30;

t=30:89;

s2=-t/30+2;

t=90:139;

s3=t/25-4.6;

t=140:189;

s4=-t/25+6.6;

t=190:229;

s5=t/20-10.5;

t=230:269;

s6=-t/20+12.5;

t=270:289;

s7=t/10-28;

t=290:301;

s8=-t/10+30;

s=[s1 s2 s3 s4 s5 s6 s7 s8];

n=5.*randn(1,302); %修改系数以实现第五问

x=s+n;

%有信号到达，利用基于Bayes准则的检测方法检测信号是否到达x1=x.*s;

x2=s.*s;

if sum(x1)>25*log(4/3)+0.5*sum(x2) %修改系数以实现第五问

n0=n0+1;

'signal is detected'

else

n1=n1+1;

'no signal'

end;

end;

for i=1:100001

n=5.*randn(1,302); %修改系数以实现第五问

x=n;

%没有信号到达，利用基于Bayes准则的检测方法检测信号是否到达

x1=x.*s;

x2=s.*s;

if sum(x1)>25*log(4/3)+0.5*sum(x2) %修改系数以实现第五问 n2=n2+1;

'signal is detected'

else

n3=n3+1;

'no signal'

end;

end;

pd2=n0/M;

pf2=n2/M;

pm2=n1/M;

r2=c01*pm2+c10*pf2;

pd2

pf2

pm2

r2

%6

%产生信号s(t),n(t),x(t)

t=0:0.5:29.5;

s1=t/30;

t=30:0.5:89.5;

s2=-t/30+2;

t=90:0.5:139.5;

s3=t/25-4.6;

t=140:0.5:189.5;

s4=-t/25+6.6;

t=190:0.5:229.5;

s5=t/20-10.5;

t=230:0.5:269.5;

s6=-t/20+12.5;

t=270:0.5:289.5;

s7=t/10-28;

t=290:0.5:301;

s8=-t/10+30;

s=[s1 s2 s3 s4 s5 s6 s7 s8];

p0=0.4;

p1=0.6;

for t=1:302*2

n=5.*randn(1,302*2);

x=s+n;

figure(1);

subplot(3,1,1);grid;plot(s);axis([0,301,-1,1]);xlabel('t/ms');ylabel('s(t)'); subplot(3,1,2);grid;plot(n);axis([0,301,-20,20]);xlabel('t/ms');ylabel('n(t)'); subplot(3,1,3);grid;plot(x);axis([0,301,-20,20]);xlabel('t/ms');ylabel('x(t)');

%有信号到达，利用似然比检测方法检测信号是否到达

x1=x.*s;

x2=s.*s;

if sum(x1)>25*log(p0/p1)+0.5*sum(x2)

n0=n0+1;

'signal is detected'

else

n1=n1+1;

'no signal'

end;

end;

for i=1:100001

n=5.*randn(1,302);

x=n;

%没有信号到达，利用似然比检测方法检测信号是否到达x1=x.*s;

x2=s.*s;

if sum(x1)>25*log(p0/p1)+0.5*sum(x2)

n2=n2+1;

'signal is detected'

else

n3=n3+1;

'no signal'

end;

end;

pd1=n0/M;

pf1=n2/M;

pm1=n1/M;

r1=c01*pm1+c10*pf1;

pd1

pf1

pm1

r1

%7

t=0:29;

s1=t/30;

t=30:89;

s2=-t/30+2;

t=90:139;

s3=t/25-4.6;

t=140:189;

s4=-t/25+6.6;

t=190:229;

s5=t/20-10.5;

t=230:269;

s6=-t/20+12.5;

t=270:289;

s7=t/10-28;

t=290:301;

s8=-t/10+30;

s=[s1 s2 s3 s4 s5 s6 s7 s8];

for i=1:301

h(i)=s(302-i);

end

n=5.*randn(1,302);

x1=s+n;

x2=n;

figure(1);

subplot(2,1,1);plot(s);grid;axis([0,301,-

1,1]);xlabel('t/ms');ylabel('s(t)');

subplot(2,1,2);plot(h);grid;axis([0,301,-

1,1]);xlabel('t/ms');ylabel('匹配滤波器h(t)');

X1=conv(h,x1);

X2=conv(h,x2);

figure(2);

subplot(2,1,1);plot(x1);grid;axis([0,301,-

20,20]);xlabel('t/ms');ylabel('x(t)');title('有信号') subplot(2,1,2);plot(X1);grid;axis([0,650,-

150,150]);xlabel('t/ms');ylabel('输出信号');

figure(3);

subplot(2,1,1);plot(x2);grid;axis([0,301,-

20,20]);xlabel('t/ms');ylabel('x(t)');title('无信号') subplot(2,1,2);plot(X2);grid;axis([0,650,-

150,150]);xlabel('t/ms');ylabel('输出信号');

高等学校实验室信息统计

高等学校实验室信息统计 报表填报说明 一、报表及命名 基表：是反映高等学校实验室基本情况的基础报表。 综表：是由基表数据经软件（统计）生成的反映高等学校实验室情况的综合报表。 注： 1．各报表制成TXT格式的文本文件，报表命名中后5位（99999）为学校代码。 2．各报表均按学年（指教育年度，即从每年的九月一日到第二年的八月三十一日）进行统计。

3．各报表均为校级上报和省级汇总上报通用表式。 二、各报表填报说明 基表一教学科研仪器设备表 (SJ1) 本表中的仪器设备是指教学、科研单位中，单价在人民币800元(含)以上，使用方向为教学或科研的仪器设备。《高等学校固定资产分类及编码》中的01类(房屋及构筑物)、02类(土地及植物)、11类(图书)、13类(家具)、15类(被服装具)、16类(牲畜)不属于上报范围。计算机软件作为仪器设备的附件上报，不作为单台件上报。 1.学校代码：数据格式为字符型，长度为5。按教育部规定的高等学 校5位数字码填报，具体代码可访问中国教育统计网站：.cn/。 2.仪器编号：数据格式为字符型，长度为8。学校内部使用的仪器设 备编号，在本校内具有唯一性。 3.分类号：数据格式为字符型，长度为8。指对仪器设备进行统一分 类的编码，按教育部高教司颁发的《高等学校固定资产分类及编码》填写，不得自行增加，若无对应编码，填上一级编码，编码末位填“00”补齐8位。 4.仪器名称：数据格式为字符型，长度为30。用汉字表示，不能为 空，与《高等学校固定资产分类及编码》中的分类号所对应的名称一致，若无对应名称,则填写仪器设备标牌的汉字名称或规范的中文翻译名称。 5.型号：数据格式为字符型，长度为20。按仪器设备标牌或说明书

DSP实验报告

一、综合实验内容和目的 1、实验目的 (1) 通过实验学习掌握TMS320F28335的浮点处理； (2) 学习并掌握A/D模块的使用方法； (3) 学习并掌握中断方式和查询方式的相关知识及其相互之间的转换； (4) 学习信号时域分析的方法，了解相关电量参数的计算方法； (5) 了解数字滤波的一些基本方法。 2、实验内容 要求1：对给定的波形信号，采用TMS320F28335的浮点功能计算该信号的以下时域参数：信号的周期T，信号的均方根大小V rms、平均值V avg、峰-峰值V pp。 其中，均方根V rms的计算公式如下： V= rms 式中N为采样点数，()u i为采样序列中的第i个采样点。 要求2：所设计软件需要计算采样的波形周期个数，并控制采样点数大于1个波形周期，且小于3个波形周期大小。 要求3：对采集的数据需要加一定的数字滤波。 二、硬件电路 相关硬件：TMS320F28335DSP实验箱，仿真器。

硬件结构图 三、程序流程图 1、主程序流程图 程序的主流程图2、子程序流程图

参数计算的流程图 四、实验结果和分析 1、实验过程分析 (1) 使用的函数原型声明 对ADC模件相关参数进行定义：ADC时钟预定标，使外设时钟HSPCLK 为25MHz，ADC模块时钟为12.5MHz，采样保持周期为16个ADC时钟。 (2) 定义全局变量 根据程序需要，定义相关变量。主要有：ConversionCount、Voltage[1024]、Voltage1[1024]、Voltage2[1024]、filter_buf[N]、filter_i、Max、Min、T、temp、temp1、temp2、temp3、Num、V、Vav、Vpp、Vrm、fre。这些变量的声明请见报告后所附的源程序。 (3) 编写主函数 完成系统寄存器及GPIO初始化；清除所有中断，初始化PIE向量表，将程

数字信号处理实验2

实验2 离散时间系统的时域分析 一、实验目的 （1）加深对时域信号抽样与恢复的基本原理的理解； （2）掌握应用线性卷积求解离散时间系统响应的基本方法； （3）掌握求解离散时间系统冲击响应和频率响应程序的编写方法，了解常用子函数。 二、实验内容 1. 已知一个连续时间信号()t f t f t f 006sin 3 12sin ππ+ =，Hz f 10=，取最高有限带宽频率 05f f m =。 分别显示原连续时间信号波形和()() m s m s m s m s m s f f f f f f f f f f =<==>2, 2,32三种情况下抽样信号波形，并尝试用内插公式重建原信号。 脚本文件如下： f0=1; fm=5*f0; t=0:0.01:5; f=sin(2*pi*f0*t)+1/3*sin(6*pi*f0*t); subplot(7,1,1) figure(1) plot(t,f) for i=1:3 fs=i*fm; ts=1/fs; t1=0:ts:5; f1=sin(2*pi*f0*t1)+1/3*sin(6*pi*f0*t1); subplot(7,1,i+1); stem(t1,f1,'filled'); f1i=interp1(t1,f1,ti,'spline'); subplot(7,1,i+4) plot(ti,f1i) end 抽样图像及内插后图像：

2. 在MATLAB 中利用内部函数conv 来计算两个有限长序列的卷积。给出两个序列，试求其卷积结果。 ()[]()[] ()()() n h n x n y n n h n n x *=≤≤-=≤≤--=519,14,11,20,5,7,181 38,6,3,9,5 脚本文件： n1=-3:1; x=[5,9,3,6,-8]; n2=-1:5; h=[18,7,5,20,11,14,9]; n=-4:6; y=conv(x,h); stem(n,y);

DSP实验报告

东南大学自动化学院 实验报告 课程名称： DSP技术及课程设计 实验名称：直流无刷电机控制综合实验 院（系）：自动化专业：自动化 姓名：ssb 学号：08011 实验室：304 实验组别： 同组人员：ssb1 ssb2 实验时间：2014年 6 月 5 日评定成绩：审阅教师：

目录 1.实验目的和要求 (3) 1.1 实验目的 (3) 1.2 实验要求 (3) 1.2.1 基本功能 (3) 1.2.2 提高功能 (3) 2.实验设备与器材配置 (3) 3.实验原理 (3) 3.1 直流无刷电动机 (3) 3.2 电机驱动与控制 (5) 3.3 中断模块 (7) 3.3.1 通用定时器介绍及其控制方法 (7) 3.3.2 中断响应过程 (7) 3.4 AD模块 (8) 3.4.1 TMS320F28335A 芯片自带模数转换模块特性 (8) 3.4.2 模数模块介绍 (8) 3.4.3 模数转换的程序控制 (8) 4.实验方案与实验步骤 (8) 4.1 准备实验1：霍尔传感器捕获 (8) 4.1.1 实验目的 (8) 4.1.2 实验内容 (9) 4.1.2.1 准备 (9) 4.1.2.2 霍尔传感器捕获 (9) 4.2 准备实验2：直流无刷电机(BLDC)控制 (10) 4.2.1 程序框架原理 (10) 4.2.1.1 理解程序框架 (10) 4.2.1.2 基于drvlib281x库的PWM波形产生 (11) 4.2.2 根据捕获状态驱动电机运转 (12) 4.2.2.1 目的 (12) 4.2.2.2 分析 (12) 4.3 考核实验：直流无刷电机调速控制系统 (13) 4.3.1 初始化工作 (13) 4.3.2 初始化定时器0.... . (13) 4.3.3初始化IO口 (13) 4.3.4中断模块.... (13) 4.3.5 AD模块 (14) 4.3.6在液晶屏显示 (15) 4.3.7电机控制 (17) 4.3.7.1 控制速度方式选择 (17) 4.3.7.2 控制速度和转向 (18) 4.3.8延时子函数 (19) 4.3.9闭环PID调速 (19)

测试信号分析与处理作业实验一二

王锋 实验一：利用FFT 作快速相关估计 一、实验目的 a.掌握信号处理的一般方法，了解相关估计在信号分析与处理中的作用。 b.熟悉FFT算法程序；熟练掌握用FFT作快速相关估计的算法。 c.了解快速相关估计的谱分布的情况。 二、实验内容 a.读入实验数据[1]。 b.编写一利用FFT作相关估计的程序[2]。 c.将计算结果表示成图形的形式，给出相关谱的分布情况图。 注[1]：实验数据文件名为“Qjt.dat”。 实验数据来源：三峡前期工程 “覃家沱大桥” 实测桥梁振动数据。 实验数据采样频率：50Hz。 可从数据文件中任意截取几段数据进行分析，数据长度N 自定。 注[2]：采用Matlab 编程。 三、算法讨论及分析 算法为有偏估计，利用FFT计算相关函数 Step 1: 对原序列补N个零，得新序列x2N(n) Step2: 作FFT[x2N(n)]得到X2N(k) Step 3: 取X2N(k)的共轭，得 Step 4: 作 Step 5: 调整与的错位。 四、实验结果分析 1. 该信号可以近似为平稳信号么？ 可以近似为平稳信号，随机过程的统计特性不随样本的采样时刻而发生变化。取N=8192，分别取间隔m=500,m=700,m=1000,所得到的均值均为0.5366，方差为47369，与时间无关。

图1-1 自相关函数图 (上图表示的R0，下图为调整后的R0) 2. 该信号是否具有周期性，信噪比如何？ >> load Qjt.dat; %加载数据 N=32768; %数据长度 i=1:1:N; %提取数据 plot(i,Qjt(i)); 抛去几个极值点，从图1-2可以看出，数据具有一定的周期性，杂音比较少，说明信噪比较高。 图1-2 数据图

东南大学校园公共自行车系统的研究

项目年度： 2012年5月—2012年11月 项目名称：基于一卡通平台的校园内公共自行车系统的 探究 指导教师： 负 责 人： 小组成员： 所在院系： 经济管理学院 项目编号

目录 摘要 (3) ABSTRACT (3) 第一章绪论 (4) 1.1研究背景 (4) 1.2研究对象与范围 (4) 1.3文献综述 (4) 1.4研究方法与框架 (5) 第二章东南大学校园交通问题调查 (6) 2.1学校占地与人员概况 (6) 2.2物质空间 (7) 2.3动态交通流量 (9) 2.4静态交通调查 (12) 第三章东南大学九龙湖校区公共自行车策略 (13) 3.1公共自行车系统建立的原则 (13) 3.2 关键技术和实现 (13) 3.3 一卡通平台 (16) 3.4 系统的选址布局与路线设置 (19) 第四章东南大学九龙湖校区公共自行车系统初步方案 (20) 4.1前期准备 (20) 4.2公共自行车系统的管理办法（暂行） (20) 4.3公共自行车系统的实施方案 (21) 4.4提案可行性分析 (21) 4.5经费预算 (21) 第五章结论与局限 (22) 参考文献 (22)

基于一卡通平台的校园内公共自行车系统的探究 摘要 随着国家高等院校的快速发展和招生人数的迅速上升，当今大学校园交通问题己成为影响校园合理健康发展的重要因素。本文在借鉴和总结国内外大学校园交通发展理论和实践的基础上，针对最为普遍的自行车问题做出研究。并从校园内建立公共自行车的可行性、选址、运作与管理几个方面展开探讨，进一步提出了符合我校园特征的自行车规划方案。 1.现阶段我们校园有关自行车管理方面存在诸多问题急需解决； 2.通过发放问卷、实地走访和文献收集等方法去深入认识上述问题并得出初步分析结果与理论依据； 3.根据所得出的分析结果提出有关东南大学九龙湖校区的具体方便易于使用公共自行车系统的提案与结论。 关键词：大学校园，自行车，方案 ABSTRACT With the rapid development of the national institutions of higher education and the rapid rise in enrollment, the traffic problems of today's college campuses has become an important factor affecting the campus’ reasonably healthy development. On the basis of the reference and summary of the theory and practice of domestic and foreign university campus’most common traffic problems, and to establish the feasibility of public bicycle from the campus site discusses further aspects of the operation and management of the proposed bicycle planning programs in line with the characteristics of our campus. 1. Now there are many problems need to be resolved in our campus bike management; 2. Through the issuance of questionnaires, field visits and literature collection-depth understanding of the problem and come to a preliminary analysis of the results and the theoretical basis; 3. In accordance with the results of the analysis derived proposals and conclusions about the Southeast University Jiulonghu campus convenience of easy-to-use public bike system. Keywords: university campus, bikes, programs

随机信号处理实验

随机信号处理实验 专业：电子信息科学与技术 班级： 学号： 学生姓名： 指导教师：钱楷

一、实验目的 1、熟悉GUI 格式的编程及使用。 2、掌握随机信号的简单分析方法 3、熟悉语音信号的播放、波形显示、均值等的分析方法及其编程 3、熟悉各种随机信号分析及处理方法。 4、掌握运用MATLAB 中的统计工具包和信号处理工具包绘制概率密度的方法 二、实验原理 1、语音的录入与打开 在MATLAB 中，[y,fs,bits]=wavread('Blip',[N1 N2]);用于读取语音，采样值放在向量y 中，fs 表示采样频率(Hz)，bits 表示采样位数。[N1 N2]表示读取从N1点到N2点的值。 2、高斯白噪声 白噪声信号是一个均值为零的随机过程，任一时刻是均值为零的随机变量,而服从高斯分布的白噪声即称为高斯白噪声。在matlab 中，有x=rand （a ，b ）产生均匀白噪声序列的函数，通过与语言信号的叠加来分析其特性。 3、均值 随机变量X 的均值也称为数学期望，它定义为:,对于离散型随机变量，假定随机变量X 有N 个可能取值，各个取值的概率为，则均值定义为E(X)=，离散型随机变量的均值等于随机变量的取值乘以取值的概率之和，如果取值是等概率的，那么均值就是取值的算术平均值，如果取值不是等概率的，那么均值就是概率加权和，所以，均值也称为统计平均值。 4、方差 定义为随机过程x(t)的方差。方差通常也记为 D[X （t ）] ，随机过程的方差也是时间 t 的函数, 由方差的定义可以看出，方差是非负函数。 5、协方差 设两个随机变量X 和Y ，定义：为X 和Y 的协方差。其相关函数为： ?? +∞∞-+∞ ∞ -= =dxdy t t y x xyf t Y t X E t t R XY XY ),,,()}()({),(212121 由此可见协方差的相关性 与X 和Y 是密切相关的，表征两个函数变化的相似性。 5、协方差 设任意两个时刻1t ， 2t ，定义： 为随机过程X （t ）的自相关函数，简称为相关函数。自相关函数可正，可负，其绝对值越大表示相关性越强。 7、互相关 互相关函数定义为： 如果X （t ）与Y （t ）是相互独立的，则一定是不相关的。反之则不一定成立。它是两个随机过程联合统计特性中重要的数字特征。 8、平滑滤波 平滑滤波可以与中值滤波结合使用，对应的线性平滑器可以仅仅用低阶的低通滤波器（如果采用高阶的系统，则将抹掉信号中应该保存的不连续性）。 121212121212 (,)[()()](,,,)X R t t E X t X t x x f x x t t dx dx +∞+∞-∞ -∞ ==???? +∞∞-+∞ ∞ -==dxdy t t y x xyf t Y t X E t t R XY XY ),,,()}()({),(212121

DSP实验报告

实验0 实验设备安装才CCS调试环境 实验目的： 按照实验讲义操作步骤，打开CCS软件，熟悉软件工作环境，了解整个工作环境内容，有助于提高以后实验的操作性和正确性。 实验步骤： 以演示实验一为例： 1．使用配送的并口电缆线连接好计算机并口与实验箱并口，打开实验箱电源； 2．启动CCS，点击主菜单“Project->Open”在目录“C5000QuickStart\sinewave\”下打开工程文件sinewave.pjt，然后点击主菜单“Project->Build”编译，然后点击主菜单“File->Load Program”装载debug目录下的程序sinewave.out； 3．打开源文件exer3.asm，在注释行“set breakpoint in CCS !!!”语句的NOP处单击右键弹出菜单，选择“Toggle breakpoint”加入红色的断点，如下图所示； 4．点击主菜单“View->Graph->Time/Frequency…”，屏幕会出现图形窗口设置对话框 5．双击Start Address，将其改为y0；双击Acquisition Buffer Size，将其改为1； DSP Data Type设置成16-bit signed integer，如下图所示； 6．点击主菜单“Windows->Tile Horizontally”，排列好窗口，便于观察 7．点击主菜单“Debug->Animate”或按F12键动画运行程序，即可观察到实验结果： 心得体会： 通过对演示实验的练习，让自己更进一步对CCS软件的运行环境、编译过程、装载过程、属性设置、动画演示、实验结果的观察有一个醒目的了解和熟悉的操作方法。熟悉了DSP实验箱基本模块。让我对DSP课程产生了浓厚的学习兴趣，课程学习和实验操作结合为一体的学习体系，使我更好的领悟到DSP课程的实用性和趣味性。

东南大学通信复试数字信号处理(吴镇杨)课后答案

习题一 (离散信号与系统) 1.1周期序列，最小周期长度为5。 1.2 (1) 周期序列，最小周期长度为14。(2) 周期序列，最小周期长度为56。 1.5 ()()()()()()()1 1s a s s s a n s s a s n X j x t p t X j ΩP j Ω2n τn τj sin j Ωjn e X 2n π 2n n τj Sa X j jn e 2T 2π ττ ∞ =-∞∞ =-∞Ω== *????ΩΩ??-=-Ω ???ΩΩ??-=Ω-Ω ??? ∑∑F 1.6 (1) )(ω j e kX (2) )(0 ω ωj n j e X e (3) )(2 1 )(2122ω ωj j e X e X -+ (4) )(2ωj e X 1.7 (1) 0 n z -(2) 5.0||,5.011 1 >--z z (3) 5.0||,5.011 1 <--z z (4) 0||,5.01)5.0(11 10 1>----z z z 1.8 (1) 0,)11( )(2 1 1 >--=---z z z z z X N (2) a z az az z X >-=--, )1()(211 (3) a z az z a az z X >-+=---, )1()(3 11 21 1.9 1.10 (1) )1(2)(1----+n u n u n (2) )1(24)()5.0(6--?--n u n u n n (3) )()sin sin cos 1(cos 00 0n u n n ωωωω++ (4) )()()(1n u a a a n a n ---+-δ 1.11 (1) )(1 z c X - (2) )(2 z X (3) )()1(2 1 z X z -+ (4) -+<

《统计信号处理基础》实验四

实验报告 姓名： 实验名称： 学号： 课程名称： 班级： 实验室名称： 组号： 实验日期： 一、实验目的、要求 本实验的目的是在了解了Matlab 编程语言的编程和调试的基础上，利用Matlab 本身自带的函数来展示不同功率谱估计的性能。试验内容涉及非参数化功率谱估计、参数化功率谱估计、频率估计等内容。本实验主要是为了让学生在充分理解不同的功率谱估计方法之间的性能差异，通过计算机仿真和多次重复来验证理论上的结论 要求包括以下几个部分： 1．要求独立完成实验的内容所要求的各项功能，编制完整的Matlab 程序，并在程序中注释说明各段程序的功能。 2．要填写完整的实验报告，报告应包含程序、图形和结论。要求记录在实验过程中碰到的问题，以及解决的方法和途径。 二、实验原理 实验1．宽带AR 过程()x n 是由单位方差的高斯白噪声通过滤波器 1221 ()(10.50.5)(10.5) H z z z z ---= -++ 实验 2. 本实验是验证最大熵方法的功率谱估计。 对随机过程()()()y n x n w n =+， ()w n 是方差为2 w σ的白高斯噪声，()x n 是(2)AR 过程，由单位方差的白噪声通过如下滤波 器所获得 12 1 ()1 1.5850.96H z z z --= -+ 三、实验环境 验所要求的设备： 每组包含完整的计算机 1 台； 可共用的打印机1台，A4纸张若干； 计算机上安装的软件包括： Matlab 6.5以上（应包含Signal Processing Toolbox, Filter

Design Toolbox ）； Word 2000以上； 五、实验过程、数据记录、处理及结论 实验1 1221 ()(10.50.5)(10.5) H z z z z ---= -++ a. 生成()x n 的256N =个样本，取4p =并用自相关方法来计算功率谱，画出估计的功率谱并与真实功率谱相比。 clear all;close all; a=[1,-0.5,1,-0.25,0.25]; p=4; N=256;%数据长度 M=100; w=[0:pi/M:pi-pi/M]; v=randn(1,N); x=filter(1,a,v); [a1,err] = acm(x,p); h0=freqz(1,a,M); A=zeros(1,M); for m=2:p+1; A=A+a1(m)*exp(-j*m*w); end A=abs(A+1); Pw=1./(A.^2);%%%估计功率谱 A1=zeros(1,M); for k=2:5 A1=A1+a(k)*exp(-j*k*w); end A1=abs(A1+1); Pw1=1./A1.^2;%%%%%%%%%%%理论功率谱 figure(1) plot(w,Pw1,'-bo',w,Pw,'-b.');title('功率谱');xlabel('K');ylabel('幅值');hleg1=legend('理论功率谱','估计功率谱'); b. 重复a 中的计算20次，分别画出20次的重迭结果和平均结果。评论估计的方差并 说明怎样才能提高自相关方法估计功率谱的精度； clear all;close all; a=[1,-0.5,1,-0.25,0.25];%%%%%宽带AR 过程 %a=[ 1 -2.737 3.74592 -2.62752 0.9216];%%%%%%%%%%%窄带AR 过程 p=4;%功率谱数据长度 M=100;%%% N=256;%数据长度 w=[0:pi/M:pi-pi/M];

dsp实验报告

DSP 实验课大作业实验报告 题目：在DSP 上实现线性调频信号的脉冲压缩，动目标显示和动目标检测 （一）实验目的： （1）了解线性调频信号的脉冲压缩、动目标显示和动目标检测的原理，及其DSP 实现的整个流程； （2）掌握C 语言与汇编语言混合编程的基本方法。 （3）使用MATLAB 进行性能仿真，并将DSP 的处理结果与MATLAB 的仿真结果进行比较。 （二）实验内容： 1. MATLAB 仿真 设定信号带宽为B= 62*10，脉宽-6=42.0*10τ，采样频率为62*10Fs =，脉冲重复周期为-4T=2.4*10，用MATLAB 产生16个脉冲的线性调频信号，每个脉冲包含三个目标，速度和距离如下表： 对回波信号进行脉冲压缩，MTI ，MTD 。并且将回波数据和频域脉压系数保存供DSP 使用。 2.DSP 实现 在Visual Dsp 中，经MATLAB 保存的回波数据和脉压系数进行脉压，MTI 和MTD 。 （三）实验原理 1．脉冲压缩原理 在雷达系统中，人们一直希望提高雷达的距离分辨力，而距离分辨力定义为：22c c R B τ?==。其中，τ表示脉冲时宽，B 表示脉冲带宽。从上式中我们可以看

出高的雷达分辨率要求时宽τ小，而要求带宽B大。但是时宽τ越小雷达的平均发射功率就会很小，这样就大大降低了雷达的作用距离。因此雷达作用距离和雷达分辨力这两个重要的指标变得矛盾起来。然而通过脉冲压缩技术就可以解决这个矛盾。脉冲压缩技术能够保持雷达拥有较高平均发射功率的同时获得良好的距离分辨力。 在本实验中，雷达发射波形采用线性调频脉冲信号（LFM），其中频率与时延成正比关系，因此我们就可以将信号通过一个滤波器，该滤波器满足频率与时延成反比关系。那么输入信号的低频分量就会得到一个较大的时延，而输入信号的高频分量就会得到一个较小的时延，中频分量就会按比例获得相应的时延，信号就被压缩成脉冲宽度为1/B的窄脉冲。 从以上原理我们可以看出，通过使用一个与输入信号时延频率特性规律相反的滤波器我们可以实现脉冲压缩，即该滤波器的相频特性与发射信号时共轭匹配的。所以说脉冲压缩滤波器就是一个匹配滤波器。从而我们可以在时域和频域两个方向进行脉冲压缩。 滤波器的输出() h n= y n为输入信号() x n与匹配滤波器的系统函数() *(1) y n x n s N n =--。转换到频域就是--卷积的结果：* ()()*(1) s N n =。因此我们可以将输入信号和系统函数分别转化到频域：Y k X k H k ()()( Y k，然后将结果再转化到时域， h n H k →，进行频域相乘得() ()() x t X k →，()() 就可以得到滤波器输出：()() →。我们可用FFT和IFFT来实现作用域的 Y k y n 转换。原理图如下： 图1.脉冲压缩原理框图 2．MTI原理 动目标显示（MTI）技术是用来抑制各种杂波，来实现检测或者显示运动目标的技术。利用它可以抑制固定目标的信号，显示运动目标的信号。以线性调频

东南大学仪科数字信号处理作业

1.已知f(t)的傅里叶变换是F(w)，求下列信号的傅里叶变换表达式(a，b，w0为常数)：1） 2) (2+2t)f(t-1) 3) 4) f(t)* 5) 6) f(t)sin[w0(t+a)] 解： 1） 2） 3） 4） 5） 6）f(t)sin[w0(t+a)]=f(t)sin(w0t)cos(w0a)+f(t)cos(w0t)sin(w0a) 2.已知如图2-15所示的信号f(t)，求：1）指数形式与三角形式的傅里叶变换级数；2）

傅里叶变换F(w)，并画出频谱图。

解： 1）三角形式： T1=4，w1= a0= an= 由f(t)为偶函数得，bn=0 所以，f(t)=1+ 指数形式： F(nw1)= f(t)= 2）F(n)= F(w)= 3.已知如图2-16所示的信号f(t)，求指数形式与三角形式的傅里叶变换级数，并画出频 谱图。 解： 指数形式： T1=2T，w1

F(nw1)= f(t)= 三角形式： a0= an= bn= f(t)=+ 4.将下列信号早区间(-，)中展开为指数形式的傅里叶级数：1）f1(t)=2t 2）f2(t)=0.5|t| 解： T=2，w1= 1）因为f1(t)为奇函数，a0=0，an=0 bn= f1 (t)= 2）因为f2(t)为奇函数，bn=0 a0= an= f(t)=+ 5.将下列信号在区间(0,1)中展开为指数形式的傅里叶级数：1）f1(t)=t4 2）f2(t)=e2t 解： T=1，w1 1）F(n)= f(t)=

2）F(n)=

f(t)= 6. 已知如图2-17所示的信号f(t)，利用微分性质求该信号的傅立叶变换F(w)。 012 图2-17 答案： 7. 已知，求F(w)。 答案： (?) 8. 求下列函数的傅立叶变换: 1） 2） 3） 答案： 1) 2) 3)

随机信号处理实验报告讲解

随机信号处理实验报告

目录 一、实验要求： (3) 二、实验原理： (3) 2.1 随机信号的分析方法 (3) 2.2 随机过程的频谱 (3) 2.3 随机过程的相关函数和功率谱 (4) （1）随机信号的相关函数： (4) （2）随机信号的功率谱 (4) 三、实验步骤与分析 (5) 3.1实验方案 (5) 3.2实验步骤与分析 (5) 任务一：（s1 变量）求噪声下正弦信号的振幅和频率 (5) 任务二：（s1 变量）求噪声下正弦信号的相位 (8) 任务三：（s1 变量）求信号自相关函数和功率谱 (11) 任务四：（s变量）求噪声下信号的振幅和频率 (14) 任务五：（s变量）求信号的自相关函数和功率谱 (17) 3.3实验结果与误差分析 (19) （1）实验结果 (19) （2）结果验证 (19) （3）误差分析 (21) 四、实验总结和感悟 (22) 1、实验总结 (22) 2、实验感悟 (23) 五、附低通滤波器的Matlab程序 (23)

一、实验要求： （学号末尾3，7）两个数据文件，第一个文件数据中只包含一个正弦波，通过MA TLAB 仿真计算信号频谱和功率谱来估计该信号的幅度，功率，频率和相位？对第二个文件数据估计其中正弦波的幅度，功率和频率？写出报告，包含理论分析，仿真程序及说明，误差精度分析等。第一文件调用格式load FileDat01_1 s1，数据在变量s1中；第二文件调用格式load FileDat01_2 s ，数据在变量s 中。 二、实验原理： 2.1 随机信号的分析方法 在信号与系统中，我们把信号分为确知信号和随机信号。其中随机信号无确定的变化规律，需要用统计特新进行分析。这里我们引入随机过程的概念，所谓随机过程就是随机变量的集合，每个随机变量都是随机过程的一个取样序列。 随机过程的统计特性一般采用随机过程的分布函数和概率密度来描述，他们能够对随机过程作完整的描述。但由于在实践中难以求得，在工程技术中，一般采用描述随机过程的主要平均统计特性的几个函数，包括均值、方差、相关函数、频谱及功率谱密度等来描述它们。 2.2 随机过程的频谱 信号频谱分析是采用傅立叶变换将时域信号x(t)变换为频域信号X(f)，从而帮助人们从另一个角度来了解信号的特征。时域信号x(t)的傅氏变换为： ()()2j ft X f x t e dt π+∞ --∞ =? 信号的时域描述只能反映信号的幅值随时间的变化情况，除只有一个频率分量的简谐波外,一般很难明确揭示信号的频率组成和各频率分量的大小。信号的频谱X(f)代表了信号在不同频率分量处信号成分的大小，它能够提供比时域信号波形更直观，丰富的信息。 在实际的控制系统中能够得到的是连续信号x(t)的离散采样值x(nT)，因此需要利用离散信号x(nT)来计算信号x(t)的频谱。

DSP运行实验报告

DSP运行实验报告 一、实验目的 熟悉CCS软件仿真下，DSP程序的下载和运行；熟悉借助单片机的DSP程序下载和运行； 熟悉借助仿真器的DSP程序下载和运行；熟悉与DSP程序下载运行相关的CCS编程环境。 二、实验原理 CCS软件仿真下，借用计算机的资源仿真DSP的内部结构，可以模拟DSP程序的下载和运行。 如果要让程序在实验板的DSP中运行、调试和仿真，可以用仿真器进行DSP程序下载和运行。初学者也可以不用仿真器来使用这款实验板，只是不能进行程序调试和仿真。 在本实验板的作用中，单片机既是串口下载程序的载体，又是充当DSP 的片外存储器（相对于FLASH），用于固化程序。 三、实验设备、仪器及材料 安装有WINDOWS XP操作系统和CCS3.3的计算机。 四、实验步骤（按照实际操作过程） 1、CCS软件仿真下，DSP程序的下载和运行。 第一步：安装CCS，如果不使用仿真器，CCS 的运行环境要设置成一个模拟仿真器（软仿真）。

第二步：运行CCS，进入CCS 开发环境。 第三步：打开一个工程。 将实验目录下的EXP01目录拷到D:\shiyan下（目录路径不能有中文），用[Project]\[Open]菜单打开工程，在“Project Open”对话框中选 EXP01\CPUtimer\CpuTimer.pjt，选“打开”， 第四步：编译工程。 在[Project]菜单中选“Rebuild All”，生成CpuTimer.out文件。 第五步：装载程序。 用[File]\[Load Program]菜单装载第四步生成CpuTimer.out文件，在当前工程目录中的Debug 文件夹中找到CpuTimer.out文件，选中，鼠标左键单击“打开”。

数字信号处理实验报告 (2)

数字信号处理实验快速傅里叶变换实验 姓名 班级 学号 日期 2011.10.25

实验名称 快速傅里叶变换 一．实验目的 1 在理论学习的基础上，通过本实验加深对快速傅立叶变换的理解； 2 熟悉并掌握按时间抽取FFT 算法的程序； 3 了解应用FFT 进行信号频谱分析过程中可能出现的问题，例如混淆、泄漏、栅栏效应等，以便在实际中正确应用FFT 。 二.实验要求 1 记录下实验内容中各种情况下的X (k)值，做出频谱图并深入讨论结果，说明参数的变化对信号频谱产生哪些影响。频谱只做模特性，模的最大值＝1，全部归一化； 2 打印出用C 语言（或MA TLAB 语言）编写的FFT 源程序，并且在每一小段处加上详细的注释说明； 3 用C 语言（或MATLAB 语言）编写FFT 程序时，要求采用人机界面形式： N , T , f 变量均由键盘输入，补零或不补零要求设置一开关来选择。 三.实验内容 1.仔细分析教材第六章‘时间抽取法FFT ’的算法结构，编制出相应的用FFT 进行信号分析的C 语言（或MATLAB 语言）程序； 2.用FFT 程序计算有限长度正弦信号 ()s i n (2**)[()()],0 y t f t u t u t N T t N T π=--<< 分别在以下情况下所得的DFT 结果并进行分析和讨论： a ） 信号频率f ＝50Hz ，采样点数N=32,采样间隔T=0.000625s b ） 信号频率f ＝50Hz ，采样点数N=32,采样间隔T=0.005s c ） 信号频率f ＝50Hz ，采样点数N=32,采样间隔T=0.0046875s d ） 信号频率f ＝50Hz ，采样点数N=32,采样间隔T=0.004s e ） 信号频率 f ＝50Hz ，采样点数N=64,采样间隔T=0.000625s f ） 信号频率f ＝250Hz ，采样点数N=32,采样间隔T=0.005s g ） 将c ） 信号后补32个0，做64点FFT 四．内容分析 FFT 运算时，依次要进行采样，码位倒置，蝶形运算，并且要用三层循环来控制，最内层循环控制做蝶形算法，中层循环完成每一级中相同系数的蝶形算法，最外层循环控制级数递推。 1数组采样： for j=0:1:N-1 x(j+1)=sin(2*pi*f*j*T); end 2.判断是否补零点 补零的点在数组中都存为0 insert=input('是否补0？ 1(yes)/0(no):'); %补零 if insert==1 ZERO=input('补零数：'); for j=N:1:N+ZERO-1 x(j+1)=0;

统计信号处理实验四东南大学

统计信号处理 实验四 《统计信号处理》实验四 目的： 掌握自适应滤波的原理； 内容一： 假设一个接收到的信号为：x(t)=s(t)+n(t), 其中s(t)=A*cos(wt+a), 已知信号的频率w=1KHz，而信号的幅度和相位未知，n(t)是一个服从N(0,1)分布的白噪声。为了利用计算机对信号进行处理，将信号按10KHz的频率进行采样。 1) 通过对x(t)进行自适应信号处理，从接收信号中滤出有用信号s(t); 2）观察自适应信号处理的权系数； 3）观察的滤波结果在不同的收敛因子u下的结果，并进行分析； 4）观察不同的抽头数N对滤波结果的影响，并进行分析； 内容二： 在实验一的基础上，假设信号的频率也未知，重复实验一； 内容三： 假设s(t)是任意一个峰峰值不超过1的信号（取幅度为的方波），n(t)是一个加在信号

中的幅度和相位未知的，频率已知的50Hz单频干扰信号（假设幅度为1）。信号取样频率1KHz，试通过自适应信号处理从接收信号中滤出有用信号s(t)。 要求： 1）给出自适应滤波器结构图； 2）设计仿真计算的Matlab程序，给出软件清单； 3）完成实验报告，对实验过程进行描述，并给出试验结果，对实验数据进行分析。实验过程： 1、假设一个接收到的信号为：d(t)=s(t)+n(t), 其中s(t)=A*cos(wt+a), 已知信号的频率w=1KHz，而信号的幅度和相位未知，n(t)是一个服从N(0,1)分布的白噪声。为了利用计算机对信号进行处理，将信号按10KHz的频率进行采样。 1）参考信号d(k)=s(k)+n(k)，s(k)=A*cos(wk+a),产生一个与载波信号具有相同频率的正弦信号作为输入信号() x k,即x(k)=cos(wk)。经过自适应处理后，就可以在输出信号() y k端得到正确的载波信号（包含相位和幅度）。 框图如下： 2）改变收敛因子 μ，观察滤波结果。 3）改变滤波器抽头数N，观察滤波结果。 2、在实验一的基础上，假设信号的频率也未知，重复实验一。 参考信号d(k)=s(k)+n(k)，s(k)=A*cos(wk+a),将参考信号延时一段时间后得到的信号作为输入信号() x k,即x(k)=d(k-m)。经过自适应处理后，就可以在误差输出端y(k)得到正确的载波信号（包含频率、相位和幅度）。 3、假设s(t)是任意一个峰峰值不超过1的信号（取幅度为的方波），n(t)是一个加在信号中的幅度和相位未知的，频率已知的50Hz单频干扰信号（可以假设幅度为1）。信号取样频率1KHz，试通过自适应信号处理从接收信号中滤出有用信号s(t)。 我们可以使用陷波滤波器对噪声进行滤除，但普通滤波器一旦做成，其陷波频率难以调整。如果使用自适应陷波滤波器，不仅可以消除单频干扰，而且可以跟踪干扰的频率变化，持续消噪。 自适应陷波滤波器的原理框图如下图所示： 假如输入信号是一个纯余弦信号 () cos C t ω? + ，则可将其分为两路，将其中一路进行

东南大学统计信号处理实验实验三

统计信号处理实验三 目的：掌握卡尔曼滤波滤波器的原理； 内容：用雷达跟踪目标，目标的运动可以看成是在径向和横向内的二维运动，其运动方程和观测方程分别为： 1111122222(1)()0100(1)()()0100(1)()0001(1)()()0001s k s k T v k v k u k s k s k T v k v k u k +????????????????+????????=+????????+????????+???????? 11112222(1)(1)(1)(1)1000(1)(1)(1)0010(1)s k y k v k w k y k s k w k v k +?? ?? +++????????=+????????+++????????+?? 1()s k 、1()v k 和1()y k 分别为径向距离、速度和观测值，而2()s k 、2()v k 和2()y k 分 别为横向距离、速度和观测值。1()u k 和2()u k 是状态噪声，是目标速度的波动；1()w k 和 2()w k 是观测噪声；四种噪声的均值都为0，呈高斯分布，互不相关。 T 是雷达扫描一次的时间，此处设为1.0秒。假设目标距离雷达约160Km 左右，径向初速度设为300m/s ，并且在向雷达靠近，横向初速度设为0m/s 。这样它的径向速度波动大， 而横向速度波动小，所以我们假设1()u k 的方差21u σ为300m/s ， 2()u k 的方差22u σ为1 1.210-?m/s 。鉴于雷达的观测误差，我们假设观测噪声1()w k 和2()w k 的方差2 1w σ和2 2w σ均为1.0Km 。 其中2 1u σ，2 2u σ，2 1w σ和2 2w σ的初始值不是最佳的，学生完全可自己修改以上参数，并观察计算结果的变化，给出最好的滤波效果。 任务： 1） 试用αβ-滤波法对信号进行处理，并通过计算机模拟对其跟踪过程进行验证； 2） 试求其Kalman 滤波方程，并通过计算机模拟对其跟踪过程进行验证； 3） 假设目标在运动过程中发生了机动（速度在某个时刻突然发生了改变），试观测此时的αβ-滤波和Kalman 滤波结果，并对结果进行解释。 要求： 1）设计仿真计算的Matlab 程序，给出软件清单； 2）完成实验报告，给出实验结果，并对实验数据进行分析。