-.z.DSP課程設(shè)計報告班級：：**：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)．學會MATLAB的使用，掌握MATLAB的程序設(shè)計方法；5)．學會用MATLAB對信號進行分析和處理。課程設(shè)計容：錄制一段自己的語音信號,對錄制的信號進行采樣;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,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)計的濾波器對采集的信號進行濾波,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行對比,分析信號的變化;回放語音信號。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。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對語音信號進行采樣,記住采樣頻率和采樣點數(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，畫出其頻率響應(yīng)曲線各濾波器的性能指標：(1)低通濾波器性能指標fp＝1000Hz,fs＝1200Hz,As＝40dB,Ap＝1dB。(2)高通濾波器性能指標fs＝4000Hz,fp＝4300Hz,As＝40dB,Ap＝1dB(3)帶通濾波器性能指標fp1＝1200Hz,fp2＝3000Hz,fs1＝1000Hz,fs2＝3200Hz,As＝40dB,Ap＝1dB。要求：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。(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(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)fir1設(shè)計FIR濾波器。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行濾波，并在一個窗口同時畫出濾波前后的波形及頻譜。IIR濾波器利用函數(shù)filter對信號進行濾波；FIR濾波器利用函數(shù)fftfilt對信號進行濾波?；胤耪Z音信號在MATLAB中,函數(shù)sound可以對聲音進行回放。其調(diào)用格式：sound(*,fs,bits);可以感覺濾波前后的聲音有變化。(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;2）用一個離散的時間系統(tǒng)逼近這些性能指標;3）實現(xiàn)該系統(tǒng).一般我們利用數(shù)字計算的方法實現(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(ejΩT),Ω<π/TωHeff(jΩ)=H(ejω)=Heff(j),ωπ/T6實驗程序fs=22050;%語音信號采樣頻率為22050*1=wavread('WindowsCriticalStop.wav');%讀取語音信號的數(shù)據(jù)，賦給變量*1sound(*1,22050);%播放語音信號y1=fft(*1,1024);%對信號做1024點FFT變換f=fs*(0:511)/1024;figure(1)plot(*1)%做原始語音信號的時域圖形title('原始語音信號');*label('timen');ylabel('fuzhin');figure(2)freqz(*1)%繪制原始語音信號的頻率響應(yīng)圖title('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title('原始語音信號FFT頻譜')subplot(2,1,2);plot(f,abs(y1(1:512)));title('原始語音信號頻譜')*label('Hz');ylabel('fuzhi');程序2：fs=22050;%語音信號采樣頻率為22050*1=wavread('WindowsCriticalStop.wav');%讀取語音信號的數(shù)據(jù)，賦給變量*1t=0:1/22050:(size(*1)-1)/22050;y1=fft(*1,1024);%對信號做1024點FFT變換f=fs*(0:511)/1024;*2=randn(1,length(*1));%產(chǎn)生一與*長度一致的隨機信號sound(*2,22050);figure(1)plot(*2)%做原始語音信號的時域圖形title('高斯隨機噪聲');*label('timen');ylabel('fuzhin');randn('state',0);m=randn(size(*1));*2=0.1*m+*1;sound(*2,22050);%播放加噪聲后的語音信號y2=fft(*2,1024);figure(2)plot(t,*2)title('加噪后的語音信號');*label('timen');ylabel('fuzhin');figure(3)subplot(2,1,1);plot(f,abs(y2(1:512)));title('原始語音信號頻譜');*label('Hz');ylabel('fuzhi');subplot(2,1,2);plot(f,abs(y2(1:512)));title('加噪后的語音信號頻譜');*label('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;*1=wavread('h:\課程設(shè)計2\shuzi.wav');t=0:1/22050:(size(*1)-1)/22050;Au=0.03;d=[Au*cos(2*pi*5000*t)]';*2=*1+d;wp=0.25*pi;ws=0.3*pi;Rp=1;Rs=15;Fs=22050;Ts=1/Fs;wp1=2/Ts*tan(wp/2);%將模擬指標轉(zhuǎn)換成數(shù)字指標ws1=2/Ts*tan(ws/2);[N,Wn]=buttord(wp1,ws1,Rp,Rs,'s');%選擇濾波器的最小階數(shù)[Z,P,K]=buttap(N);%創(chuàng)建butterworth模擬濾波器[Bap,Aap]=zp2tf(Z,P,K);[b,a]=lp2lp(Bap,Aap,Wn);[bz,az]=bilinear(b,a,Fs);%用雙線性變換法實現(xiàn)模擬濾波器到數(shù)字濾波器的轉(zhuǎn)換[H,W]=freqz(bz,az);%繪制頻率響應(yīng)曲線figure(1)plot(W*Fs/(2*pi),abs(H))grid*label('頻率／Hz')ylabel('頻率響應(yīng)幅度')title('Butterworth')f1=filter(bz,az,*2);figure(2)subplot(2,1,1)plot(t,*2)%畫出濾波前的時域圖title('濾波前的時域波形');subplot(2,1,2)plot(t,f1);%畫出濾波后的時域圖title('濾波后的時域波形');sound(f1,22050);%播放濾波后的信號F0=fft(f1,1024);f=fs*(0:511)/1024;figure(3)y2=fft(*2,1024);subplot(2,1,1);plot(f,abs(y2(1:512)));%畫出濾波前的頻譜圖title('濾波前的頻譜')*label('Hz');ylabel('fuzhi');subplot(2,1,2)F1=plot(f,abs(F0(1:512)));%畫出濾波后的頻譜圖title('濾波后的頻譜')*label('Hz');ylabel('fuzhi');程序4:窗函數(shù)法設(shè)計濾波器：fs=22050;*1=wavread('h:\課程設(shè)計2\shuzi.wav');t=0:1/22050:(size(*1)-1)/22050;Au=0.03;d=[Au*cos(2*pi*5000*t)]';*2=*1+d;wp=0.25*pi;ws=0.3*pi;wdelta=ws-wp;N=ceil(6.6*pi/wdelta);%取整wn=(0.2+0.3)*pi/2;b=fir1(N,wn/pi,hamming(N+1));%選擇窗函數(shù)，并歸一化截止頻率figure(1)freqz(b,1,512)f2=filter(bz,az,*2)figure(2)subplot(2,1,1)plot(t,*2)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);%播放濾波后的語音信號F0=fft(f2,1024);f=fs*(0:511)/1024;figure(3)y2=fft(*2,1024);subplot(2,1,1);plot(f,abs(y2(1:512)));title('濾波前的頻譜')*label('Hz');ylabel('fuzhi');subplot(2,1,2)F2=plot(f,abs(F0(1:512)));title('濾波后的頻譜')*label('Hz');ylabel('fuzhi');試驗結(jié)果：圖一（語音信號的采集）圖二（語音信號頻譜分析）圖三（低通濾波器）圖四（高通濾波器）圖五（濾波前后頻譜比較）7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)字信號與處理的學習中，已經(jīng)使用過matlab，對其有了一些基礎(chǔ)的了解和認識。通過這次練習使我進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)計使我學會分析濾波器的優(yōu)劣和性能，提高分析與動手時間能力。同時我相信，進一步對matlab的學習與研究對我今后的學習將會起到很大的幫助。8參考文獻(1)唐建鋒，游開明，列尊.基于Matlab的數(shù)字濾波器設(shè)計研究型實驗探討（B）.現(xiàn)代電子技術(shù),2006;14-001-02，1-2.(2)侯寧.Matlab在數(shù)字濾波器設(shè)計中的應(yīng)用,化學工程與裝備，2008;59-62.(3)鋮，維.定點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)計與實現(xiàn).市：人民郵電，1985.405-450.(5)[美]A·安東尼奧.數(shù)字濾波器分析與設(shè)計.市：科學技術(shù)，1984.210-240.(6)鄒理和.數(shù)字濾波器.市：國防工業(yè),1979.80-100.題目二：DSP在數(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)．學會DSP的使用，掌握DSP的程序設(shè)計方法；5)．學會用DSP對數(shù)字圖像進行分析和處理。2課程設(shè)計容：把含有數(shù)字的圖像,如車牌,等讀取到DSP的SDRAM中,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提取，選擇Sobel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CCS把處理結(jié)果顯示出來。3課程設(shè)計基礎(chǔ)：DSP編程基礎(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DSPCCS軟件平臺下,編程把圖像讀取到DSP的SDRAM中。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：固定閾值法，選擇多個閾值比較處理，最終選擇合適的閾值；（選做）直方圖閾值法，繪制直方圖并顯示。一幅圖像包括目標物體、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物體，最常用的方法就是設(shè)定一個閾值T，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物體，最常用的方法就是設(shè)定一個全局的閾值T，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（或者黑色），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)圖像細節(jié)方面存在很大缺陷。為了彌補這個缺陷，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將該窗口的像素劃分為兩部分，進行二值化處理。（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)過合理的運算得來，一般是取該窗口的平局值。這就導致在每一個窗口仍然出現(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，設(shè)定一個參數(shù)方程進行閾值的計算，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節(jié)。4.3邊緣提取邊緣提取采用Sobel或Laplace算法，要求：Sobel和Laplace算法使用3*3模板；(選做)Canny邊緣提取算法。邊緣提取編程比較：I=imread('lena.bmp');%提取圖像1)BW1=edge(I,'sobel');%用SOBEL算子進行邊緣檢測2)BW2=edge(I,'roberts');%用Roberts算子進行邊緣檢測3)BW3=edge(I,'prewitt');%用prewitt算子進行邊緣檢測4)BW4=edge(I,'log');%用log算子進行邊緣檢測5)BW5=edge(I,'canny');%用canny算子進行邊緣檢測4.4數(shù)字定位要求用自己設(shè)計的二值化結(jié)果對目標位置進行定位，給出數(shù)字的外接矩形和中心；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，并輸出目標位置；利用修改像素值的方法，把外接矩形繪制到圖像中并通過CCS顯示。5數(shù)字識別方法綜述模式識別(PatternRecognition)是指對表征事物或現(xiàn)象的各種形式的(數(shù)值的、文字的和邏輯關(guān)系的)信息進行處理和分析,以對事物或現(xiàn)象進行描述、辨認、分類和解釋的過程,是信息科學和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，各實驗樣本所屬的類別是否預先已知。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行辨識和分類。6程序/*************************************************************************MainFunctionProgram***********************************************************************/*include"math.h"*include"stdio.h"*defineIMAGE_WIDTH128*defineIMAGE_HEIGTH32voidmain(){ FILE*fi; inti,j,k; inty[IMAGE_HEIGTH][IMAGE_WIDTH]; intp[128]={0},p1[128]={0},p2[128]={0},m,temp,up,down,num=0, flag=0; unsignedcharid[128]; fi=fopen("E:\\lu.bmp","rb"); fread((char*)id,sizeof(char),54,fi); for(i=0;i<16;i++) { fread((char*)id,sizeof(char),64,fi); } for(i=0;i<IMAGE_HEIGTH;i++) { fread((char*)id,sizeof(char),128,fi); for(j=0;j<IMAGE_WIDTH;j++) { y[i][j]=id[j]; } } fclose(fi); i=0; for(i=0;i<IMAGE_HEIGTH;i++) { for(j=0;j<IMAGE_WIDTH;j++) { y[i][j]=255*((y[i][j])/200); } } for(i=0;i<IMAGE_HEIGTH;i++) { for(j=0;j<IMAGE_WIDTH;j++) { if(y[i][j]>=200) p[i]++; } } m=IMAGE_HEIGTH/2; temp=p[m]; for(i=m+1;i<IMAGE_HEIGTH;i++) { if(temp>p[i]) { temp=p[i]; down=i; } if(temp==0) {down=i; break; } } temp=p[m]; for(i=m-1;i>=0;i--) { if(temp>p[i]) { temp=p[i]; up=i; } if(temp==0) { up=i; break; } } //畫線 /* for(j=0;j<IMAGE_WIDTH;j++) { y[up][j]=255; y[up][j]=255; } for(j=0;j<IMAGE_WIDTH;j++) { y[down][j]=255; y[down][j]=255; } *///fengefor(i=0;i<IMAGE_WIDTH;i++) { for(j=0;j<IMAGE_HEIGTH;j++) { if(y[j][i]==255) { p[i]++;} } }for(i=0;i<IMAGE_WIDTH;i++) { if(p[i]>0) { if(flag==0) { p1[num]=i-1; flag=1; } } else { if(flag==1) { p2[num]=i; flag=0; num++; } } if((flag==1)&&(i==IMAGE_WIDTH-1)) { p1[num]=0; p2[num]=0; num++; break; } } for(i=0;i<7;i++) { for(k=up;k<down;k++) { y[k][p1[i