dsp课程设计报告.docx
《dsp课程设计报告.docx》由会员分享，可在线阅读，更多相关《dsp课程设计报告.docx（21页珍藏版）》请在冰豆网上搜索。
dsp课程设计报告
DSP课程设计报告
指导老师：
刘丽杰、耿磊
班级：
姓名：
学号：
题目一：
基于Matlab的数字滤波器设计及其对语音信号的应用
1.课程设计的目的：
1）．掌握数字信号处理的基本概念、基本理论和基本方法；
2）．掌握MATLAB设计FIR和IIR数字滤波器的方法；
3）．掌握在Windows环境下语音信号采集以及时域、频域分析；
4）．学会MATLAB的使用，掌握MATLAB的程序设计方法；
5）．学会用MATLAB对信号进行分析和处理。
2.课程设计内容：
录制一段自己的语音信号,对录制的信号进行采样;画出采样后语音信号的时域波形和频谱图;给定滤波器的性能指标,采matlab设计数字滤波器,并画出滤波器的频率响应;然后用自己设计的滤波器对采集的信号进行滤波,画出滤波后信号的时域波形和频谱,并对滤波前后的信号进行对比,分析信号的变化;回放语音信号。
3.课程设计基础：
MATLAB编程基础、数字信号处理知识、语音信号处理知识。
4.具体步骤与要求：
4.1 语音信号的采集
录制一段自己的话音,或利用老师给的语音，在MATLAB软件平台下,利用函数wavread对语音信号进行采样,记住采样频率和采样点数。
wavrecord（2*fs,fs）
4.2语音信号的频谱分析
要求画出语音信号的时域波形;然后对语音号进行快速傅里叶变换,得到信号的频谱特性。
fft
4.3设计数字滤波器，画出其频率响应曲线
各滤波器的性能指标：
（1）低通滤波器性能指标 fp＝1000Hz,fs＝1200Hz,As＝40dB,Ap＝1dB。
（2）高通滤波器性能指标 fs＝4000Hz,fp＝4300Hz,As＝40dB,Ap＝1dB
（3）带通滤波器性能指标 fp1＝1200Hz,fp2＝3000Hz,fs1＝1000Hz,fs2＝3200Hz,As＝40dB,Ap＝1dB。
要求：
（1）频率变换法设计IIR滤波器：
可以利用函数butter、cheby1、cheby2和ellip等设计。
（2）（选做）设计IIR滤波器：
用双线性变换法设计上面要求的3种滤波器。
bilinear
（3）（选做）设计FIR滤波器：
用窗函数法设计上面要求的3种滤波器。
可以利用函数fir1设计FIR滤波器。
（4）函数freqz画出各滤波器的频率响应。
4.4 用滤波器对信号进行滤波，比较滤波前后语音信号的波形及频谱
要求用自己设计的各滤波器分别对采集的语音信号进行滤波，并在一个窗口同时画出滤波前后的波形及频谱。
（1）IIR滤波器利用函数filter对信号进行滤波；
（2）FIR滤波器利用函数fftfilt对信号进行滤波。
4.5回放语音信号
在MATLAB中,函数sound可以对声音进行回放。
其调用格式：
sound（x,fs,bits）;可以感觉滤波前后的声音有变化。
4.6（选做）设计系统界面
为了使编制的程序操作方便,要求有能力的学生,设计处理系统的用户界面。
在所设计的系统界面上可以选择滤波器的类型,输入滤波器的参数,显示滤波器的频率响应,选择信号等。
5滤波器设计方法综述
滤波器的设计步骤:
1）给出系统的性能指标;
2）用一个离散的时间系统逼近这些性能指标;
3）实现该系统.一般我们利用数字计算的方法实现系统,所以,将该离散时间滤波器称为数字滤波器.滤波器的指标往往是以频域的形式给出的,尤其是低通,带通,高通和带阻这些选频滤波器.如图所示的一个线性时不变离散系统,如果输入是带限的,且采样率满足奈奎斯特采样率,这系统是一个线性时不变的连续系统.
H（ejΩT）,Ω<π/TωHeff（jΩ）=H（ejω）=Heff（j）,ωπ/T
6实验程序
fs=22050;%语音信号采样频率为22050
x1=wavread（'WindowsCriticalStop.wav'）;%读取语音信号的数据，赋给变量x1
sound（x1,22050）;%播放语音信号
y1=fft（x1,1024）;%对信号做1024点FFT变换
f=fs*（0:
511）/1024;
figure
（1）
plot（x1）%做原始语音信号的时域图形
title（'原始语音信号'）;
xlabel（'timen'）;
ylabel（'fuzhin'）;
figure
（2）
freqz（x1）%绘制原始语音信号的频率响应图
title（'频率响应图'）
figure（3）
subplot（2,1,1）;
plot（abs（y1（1:
512）））%做原始语音信号的FFT频谱图
title（'原始语音信号FFT频谱'）
subplot（2,1,2）;
plot（f,abs（y1（1:
512）））;
title（'原始语音信号频谱'）
xlabel（'Hz'）;
ylabel（'fuzhi'）;
程序2：
fs=22050;%语音信号采样频率为22050
x1=wavread（'WindowsCriticalStop.wav'）;%读取语音信号的数据，赋给变量x1
t=0:
1/22050:
（size（x1）-1）/22050;
y1=fft（x1,1024）;%对信号做1024点FFT变换
f=fs*（0:
511）/1024;
x2=randn（1,length（x1））;%产生一与x长度一致的随机信号
sound（x2,22050）;
figure
（1）
plot（x2）%做原始语音信号的时域图形
title（'高斯随机噪声'）;
xlabel（'timen'）;
ylabel（'fuzhin'）;
randn（'state',0）;
m=randn（size（x1））;
x2=0.1*m+x1;
sound（x2,22050）;%播放加噪声后的语音信号
y2=fft（x2,1024）;
figure
（2）
plot（t,x2）
title（'加噪后的语音信号'）;
xlabel（'timen'）;
ylabel（'fuzhin'）;
figure（3）
subplot（2,1,1）;
plot（f,abs（y2（1:
512）））;
title（'原始语音信号频谱'）;
xlabel（'Hz'）;
ylabel（'fuzhi'）;
subplot（2,1,2）;
plot（f,abs（y2（1:
512）））;
title（'加噪后的语音信号频谱'）;
xlabel（'Hz'）;
ylabel（'fuzhi'）;
根据以上代码，你可以修改下面有错误的代码
程序3:
双线性变换法设计Butterworth滤波器
fs=22050;
x1=wavread（'h:
\课程设计2\shuzi.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）;%将模拟指标转换成数字指标
ws1=2/Ts*tan（ws/2）;
[N,Wn]=buttord（wp1,ws1,Rp,Rs,'s'）;%选择滤波器的最小阶数
[Z,P,K]=buttap（N）;%创建butterworth模拟滤波器
[Bap,Aap]=zp2tf（Z,P,K）;
[b,a]=lp2lp（Bap,Aap,Wn）;
[bz,az]=bilinear（b,a,Fs）;%用双线性变换法实现模拟滤波器到数字滤波器的转换
[H,W]=freqz（bz,az）;%绘制频率响应曲线
figure
（1）
plot（W*Fs/（2*pi）,abs（H））
grid
xlabel（'频率／Hz'）
ylabel（'频率响应幅度'）
title（'Butterworth'）
f1=filter（bz,az,x2）;
figure
（2）
subplot（2,1,1）
plot（t,x2）%画出滤波前的时域图
title（'滤波前的时域波形'）;
subplot（2,1,2）
plot（t,f1）;%画出滤波后的时域图
title（'滤波后的时域波形'）;
sound（f1,22050）;%播放滤波后的信号
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）））;%画出滤波前的频谱图
title（'滤波前的频谱'）
xlabel（'Hz'）;
ylabel（'fuzhi'）;
subplot（2,1,2）
F1=plot（f,abs（F0（1:
512）））;%画出滤波后的频谱图
title（'滤波后的频谱'）
xlabel（'Hz'）;
ylabel（'fuzhi'）;
程序4:
窗函数法设计滤波器：
fs=22050;
x1=wavread（'h:
\课程设计2\shuzi.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）;%取整
wn=（0.2+0.3）*pi/2;
b=fir1（N,wn/pi,hamming（N+1））;%选择窗函数，并归一化截止频率
figure
（1）
freqz（b,1,512）
f2=filter（bz,az,x2）
figure
（2）
subplot（2,1,1）
plot（t,x2）
title（'滤波前的时域波形'）;
subplot（2,1,2）
plot（t,f2）;
title（'滤波后的时域波形'）;
sound（f2,22050）;%播放滤波后的语音信号
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（'滤波前的频谱'）
xlabel（'Hz'）;
ylabel（'fuzhi'）;
subplot（2,1,2）
F2=plot（f,abs（F0（1:
512）））;
title（'滤波后的频谱'）
xlabel（'Hz'）;
ylabel（'fuzhi'）;
试验结果：
图一（语音信号的采集）
图二（语音信号频谱分析）
图三（低通滤波器）
图四（高通滤波器）
图五（滤波前后频谱比较）
7设计总结
通过这次设计，使我对语音信号有了全面的认识，对数字信号处理又有了深刻的理解，在之前数字信号与处理的学习中，已经使用过matlab，对其有了一些基础的了解和认识。
通过这次练习使我进一步了解语音信号的采集、频谱分析以及滤波器设计放方法。
以及在其中产生信号和绘制信号的基本命令和一些基础编程语言。
让我感受到只有在了解课本知识的前提下，才能更好的应用这个工具；并且熟练的应用matlab也可以很好的加深我对课程的理解，方便我的思维。
这次设计使我学会分析滤波器的优劣和性能，提高分析与动手时间能力。
同时我相信，进一步对matlab的学习与研究对我今后的学习将会起到很大的帮助。
8参考文献
（1）唐建锋，游开明，陈列尊.基于Matlab的数字滤波器设计研究型实验探讨（B）.现代电子技术,2006;14-001-02，1-2.
（2）侯宁.Matlab在数字滤波器设计中的应用,化学工程与装备，2008;59-62.
（3）李铖，蒋维.定点DSP中的数字滤波器应用.仪器仪表用,2006;06-0067-02.
（4）[美]哈里Y-F拉姆.模拟和数字滤波器设计与实现.北京市：
人民邮电出版社，1985.405-450.
（5）[美]A·安东尼奥.数字滤波器分析与设计.西安市：
陕西科学技术出版社，1984.210-240.
（6）邹理和.数字滤波器.北京市：
国防工业出版社,1979.80-100.
题目二：
DSP在数字识别中的应用
1课程设计的目的：
1）．掌握数字信号处理的基本概念、基本理论和基本方法；
2）．掌握图像处理的常用算法；
3）．掌握数字信号处理在数字识别中的应用及数字识别使用的基本算法；
4）．学会DSP的使用，掌握DSP的程序设计方法；
5）．学会用DSP对数字图像进行分析和处理。
2课程设计内容：
把含有数字的图像,如车牌,身份证等读取到DSP的SDRAM中,利用图像处理算法把数字从图像中定位出来;首先把图像二值化，二值化算法选择固定阈值、直方图或最大类间方差法，比较各个二值化算法的效果；对二值化的图像做边缘提取，选择Sobel或者Laplace边缘提取算法并比较效果；经过二值化和边缘提取后的图像，利用投影法定位数字在图像中的位置，并给出数字在图像中的外接矩形；利用CCS把处理结果显示出来。
3课程设计基础：
DSP编程基础、数字信号处理知识、图像处理知识。
4具体步骤与要求：
4.1 数字图像的采集
拍摄含有数字的图像,或利用老师给的图像，在DSPCCS软件平台下,编程把图像读取到DSP的SDRAM中。
4.2二值化
要求完成固定阈值、直方图或最大类间方差法二值化算法，并比较算法处理结果，选择合适的二值化算法，得到二值化后的图像并显示。
要求：
（5）固定阈值法，选择多个阈值比较处理，最终选择合适的阈值；
（6）（选做）直方图阈值法，绘制直方图并显示。
一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，最常用的方法就是设定一个阈值T，用T将图像的数据分成两部分：
大于T的像素群和小于T的像素群。
这是研究灰度变换的最特殊的方法，称为图像的二值化。
二值化方法：
（1）全局二值化
一幅图像包括目标物体、背景还有噪声，要想从多值的数字图像中直接提取出目标物体，最常用的方法就是设定一个全局的阈值T，用T将图像的数据分成两部分：
大于T的像素群和小于T的像素群。
将大于T的像素群的像素值设定为白色（或者黑色），小于T的像素群的像素值设定为黑色（或者白色）。
全局二值化，在表现图像细节方面存在很大缺陷。
为了弥补这个缺陷，出现了局部二值化方法。
局部二值化的方法就是按照一定的规则将整幅图像划分为N个窗口，对这N个窗口中的每一个窗口再按照一个统一的阈值T将该窗口内的像素划分为两部分，进行二值化处理。
（2）局部自适应二值化
局部二值化也有一个缺陷。
这个缺陷存在于那个统一阈值的选定。
这个阈值是没有经过合理的运算得来，一般是取该窗口的平局值。
这就导致在每一个窗口内仍然出现的是全局二值化的缺陷。
为了解决这个问题，就出现了局部自适应二值化方法。
局部自适应二值化，该方法就是在局部二值化的基础之上，将阈值的设定更加合理化。
该方法的阈值是通过对该窗口像素的平均值E，像素之间的差平方P，像素之间的均方根值Q等各种局部特征，设定一个参数方程进行阈值的计算，例如：
T=a*E+b*P+c*Q，其中a,b,c是自由参数。
这样得出来的二值化图像就更能表现出二值化图像中的细节。
4.3边缘提取
边缘提取采用Sobel或Laplace算法，
要求：
（1）Sobel和Laplace算法使用3*3模板；
（2）（选做）Canny边缘提取算法。
边缘提取编程比较：
I=imread（'lena.bmp'）;%提取图像
1）BW1=edge（I,'sobel'）;%用SOBEL算子进行边缘检测
2）BW2=edge（I,'roberts'）;%用Roberts算子进行边缘检测
3）BW3=edge（I,'prewitt'）;%用prewitt算子进行边缘检测
4）BW4=edge（I,'log'）;%用log算子进行边缘检测
5）BW5=edge（I,'canny'）;%用canny算子进行边缘检测
4.4 数字定位
要求用自己设计的二值化结果对目标位置进行定位，给出数字的外接矩形和中心；
（3）利用投影法把二值化结果分别向水平和垂直方向投影，选择合适的阈值定位出数字位置，并输出目标位置；
（4）利用修改像素值的方法，把外接矩形绘制到图像中并通过CCS显示。
5数字识别方法综述
模式识别（PatternRecognition）是指对表征事物或现象的各种形式的（数值的、文字的和逻辑关系的）信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。
模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（SupervisedClassification）和无监督的分类（UnsupervisedClassification）两种。
二者的主要差别在于，各实验样本所属的类别是否预先已知。
模式还可分成抽象的和具体的两种形式。
前者如意识、思想、议论等,属于概念识别研究的范畴,是人工智能的另一研究分支。
我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。
6程序
/***********************************************************************
**MainFunctionProgram
***********************************************************************/
#include"math.h"
#include"stdio.h"
#defineIMAGE_WIDTH128
#defineIMAGE_HEIGTH32
voidmain（）
{
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{
fread（（char*）id,sizeof（char）,128,fi）;
for（j=0;j{
y[i][j]=id[j];
}
}
fclose（fi）;
i=0;
for（i=0;i{
for（j=0;j{
y[i][j]=255*（（y[i][j]）/200）;
}
}
for（i=0;i{
for（j=0;j{
if（y[i][j]>=200）
p[i]++;
}
}
m=IMAGE_HEIGTH/2;
temp=p[m];
for（i=m+1;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;
}
}
//画线
/*for（j=0;j{
y[up][j]=255;
y[up][j]=255;
}
for（j=0;j{
y[down][j]=255;
y[down][j]=255;
}
*/
//fenge
for（i=0;i{
for（j=0;j{
if（y[j][i]==255）
{p[i]++;}
}
}
for（i=0;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{
y[k][p1[i]]=255;
y[k][p2[i]]=255;
}
}
for（i=0;i<7;i++）
{
for（j=p1[i];j{
y[up][j]=255;
y[down][j]=255;
}
}
}
/***********************************************************************
**EndofFile
***********************************************************************/
7设计结果
图一（实验过程）
图二（试验结果）
图三（试验结果）
8设计总结
通过这次设计，使我对数字识别有了全面的认识，对dsp数字图像处理又有了深刻的理解，在之前数字信号与处理的学习中，已经使用过keilC，对其有了一些基
升级会员 