西北工业大学Matlab实验报告文档格式.docx

1、3.将5条曲线分别绘制，plot用不同颜色标志，采用hold on画在一个图中，五、程序代码及注释=6,3,4;-2,5,7;8,-4,-3; %系数矩阵b=3;-4;-7;x=inv（A）*b %求逆文件：function n = fun（ max ）%UNTITLED Summary of this function goes here% Detailed explanation goes herea=1;b=1;while bmaxa=a+1;b=b*a;endn=a-1;主程序max=input（please input the realmax:）;n=fun（max）3.x=-1:1

2、;y1=cos（acos（x）;plot（x,y1,r）; %第一条hold ony2=cos（2*acos（x）;plot（x,y2,b）; %第二条y3=cos（3*acos（x）;plot（x,y3,g）; %第三条y4=cos（4*acos（x）;plot（x,y4,y）; %第四条y5=cos（5*acos（x）;plot（x,y5,k）; %第五条六、实验结果1.结果：2.结果：3.结果：实验二 MATLAB基本编程实验1. 回顾数字信号处理的主要内容；2. 掌握利用MATLAB进行信号处理的方法；3. 了解信号处理工具箱中一些函数的功能；三、实验内容1 . x（n）=8,5,3,

3、11,7,0,-1,4,2,6,5, 是原序列，设y（n） 是原序列受到噪声污染并移位了的序列 y（n） = x（n-3）+w（n）, 其中w（n）是均值为0，方差为1的高斯随机序列。计算y（n）与x（n）的相关性。2. 一个线性时不变系统由下面差分方程描述1）求频率响应； 2）画出其幅频和相频图； 3）如果系统输入为 ，求出在内的响应y（n），并画出输入序列和输出序列的曲线图说明。3. 设计IIR滤波器（带通，三种方法， fs2000Hz,通带频率500 700Hz，阶数自选, 画频率特性并分析比较）1.由normrnd函数产生高斯序列，判断函数位进行赋值，产生移位序列，通过函数xcorr进

4、行互相关处理2.用freq函数求出频率相应，通过abs和angle函数求出幅频和相频图，采用filter函数求出输出序列3.分别采用butterworth滤波器、椭圆滤波器和cheby滤波器，求出频率特性=8,5,3,11,7,0,-1,4,2,6,5; for n=1:1:11if n4 yy（n）=0;else yy（n）=x（n-3）; w=normrnd（0,1,1,11）; y=yy+w; a=xcorr（x,y）;2. fs=1000;b=1;a=1,;h,f=freqz（b,a,512,fs）;mag=abs（h）;ph=angle（h）;subplot（4,1,1）;plot（

5、f,mag）;grid;xlabel（frequency（hz）ylabel（magnitudesubplot（4,1,2）;plot（f,ph）;phasen=1:100;x（n）=cos*pi*n）;y=filter（b,a,x）;subplot（4,1,3）;stem（x）;subplot（4,1,4）;stem（y）（1）n=10; wn=500 700/1000; b,a=butter（n,wn）;h,f=freqz（b,a,256,1000）;subplot（2,1,1）;subplot（2,1,2）;（2） n=10; b,a=ellip（n,20,wn）（3） n=10; b,

6、a=cheby1（n,wn）;1结果：3.（1）（2）（3）实验三 基于MATLAB的图像处理实验1了解图像处理的基本概念和功能；2. 掌握利用MATLAB进行图像处理的方法；3. 了解图像处理工具箱中一些函数的功能；1对图像进行DCT变换，分别选取最大的1/4、1/8、1/16个变换系数（其余置为0），进行反DCT得到重构图像，显示原图像和各重构图像并分别计算重构图像的峰值信噪比。2对图像至少用3种方法进行边缘增强，给出实验结果并分析。1.先用imread函数读取，找出其中最大值，采用dct2函数进行dct变换，显示出来，判断小于最大值的变换系数的值赋零，再用idct反变换处理，改变变换系数

7、，分别重构图像，最后再计算重构图像和原图像峰值信噪比2.采用直方图处理、对比度扩展增强、对数变换这三种方式处理，分别采用histeq、imadjust和log函数。=imread（a=max（grb（:）;i=rgb2gray（grb）;imshow（i）;j=dct2（i）imshow（j）;b=a/4;j（abs（j）b）=0;k=idct2（j）;figure;imshow（k,0 255）;A=double（i）;B=double（k）;m,n=size（i）;D=sum（sum（A-B）.2）;MSE=D/（m*n）;grb=imread（b=a/8;b=a/16;2. i=imre

8、ad（subplot（2,2,1）;j,t=histeq（i）;subplot（2,2,2）;k=imadjust（i, ,0 1）;subplot（2,2,3）;imshow（k）;i=double（i）;l=log（i+1）;subplot（2,2,4）;imshow（l,）;和原图像的峰值噪声比为190和原图像的峰值噪声比为73和原图像的峰值噪声比为20三种图像，直方图对比度明显，整体较为中和，对比扩展方式导致黑色更黑，黑色的细节看不到，而对数增强方式，画面偏白，对比也明显。实验四 基于MATLAB神经网络编程实验1了解神经网络的基本概念和原理；2. 掌握用MATLAB实现神经网络的思路

9、和方法；3. 了解神经网络工具箱函数的功能。1、 利用2输入的MP模型是否可实现“与”、“或”、“非”和“异或”功能？若能，编程实现并给出实现各种功能的权值和实验结果，若不能，请说明原因。2、用人工神经网络拟合函数 说明：1）网络结构为三层（输入层、1个隐层和输出层） 2）获取两组数据，一组作为训练集，一组作为测试集 3）用训练集训练网络 4）用测试集检验训练结果 1.使用MP模型解决此问题，选择初值，计算误差，更新全值，对所有模式进行所有训练，直到输出满足。2. 使用三层BP网络来完成函数逼近。因为函数为一元函数，所以输入层有一个输入，输出层有一个输出，隐层神经元的个数为10。1. p=0

10、0 1 1; 0 1 0 1; %与t=0 0 0 1;d=0 1 0 1;w1=;w2=;yita=;theta=;while isequal（t,d） for j=1:4w1=w1+yita*（d（j）-t（j）*p（1,j）;w2=w2+yita*（d（j）-t（j）* p（2,j）;theta=theta+yita*（d（j）-t（j）;d（j）=w1*p（1,j）+w2*p（2,j）+theta;d（j）=round（d（j）;p=0 0 1 1; %或t=0 1 1 1; %异或t=0 1 1 0;2. x=0:4*pi; %画出模拟曲线y=sin（x）+*exp*x）.*cos*

11、x）;figure（1）;plot（x,y,ghold on;N=50; %初始化预测集样本数P1=0: %训练集样本点P2=（4*pi）*rand（1,N）; %预测集样本点%计算训练集和预测集对应的目标向量T1,T2T1= sin（P1）+*exp*P1）.*cos*P1）;T2= sin（P2）+*exp*P2）.*cos*P2）;%建立网络net = newff（P1,T1,1 6）;%设置训练参数 = 50; = ; = 400; = 1e-8;net,tr=train（net,P1,T1）; %训练网络A=sim（net,P2）; %对预测集进行预测plot（P1,T1,r+,P2

12、,A,b.1.与：w1= w2= theta=0 或：w1= w2= theta=无法实现非功能，由于非只需要一个输入异或：2.图中的蓝色曲线是所需模拟函数的曲线，红色+为训练集的样本点，而蓝色的.是预测集P2经过网络预测的结果A，即（P2，A）。我们可以发现模拟的结果很好。实验五 MATLAB的综合实验培养学生利用Matlab解决专业问题的能力。三、实验内容（三题中选择一题）1、实现一个数字信号处理的仿真系统，通过该系统可以方便的验证信号处理所学的基本内容，要求程序具有界面并实现以下功能： 1）能产生或得到各种数字信号（sin、方波、三角波、语音、噪声及其叠加）； 2）具有根据需求设计低通、

13、高通、带通和带阻滤波器的功能； 3）具有对数字信号进行DFT、DCT和DWT变换和经典功率谱估计功能； 4）产生或输入数字信号，显示时域、变换域及功率谱估计波形，在这个信号上叠加噪声，通过滤波器对其降噪，得到输出信号的频域特性和时间序列。2、基于数字图像处理，实现一个汽车标志定位和分割的仿真系统。要求系统具有界面并实现以下功能：1）读入包含汽车标志的汽车图像；2）预处理及汽车标志定位；3）多种图像分割功能；4）形态学滤波等功能；3、结合自己的研究方向，实现一个神经网络应用的实例，要求用至少3种方法实现（可以包括不同神经网络方法或经典方法），并对实验结果进行比较分析。1. 实现一个数字信号处理的

14、仿真系统根据数字信号处理的仿真系统要求，设计界面框图，安排界面布局图像二值化用GUI按照设计进行界面交互组件添加并设置组件属性对回调函数进行编程，实现题设功能调整界面并调试程序五、程序代码（界面除外）及注释function varargout = renliang（varargin）% Begin initialization code - DO NOT EDIT gui_Singleton = 1; gui_State = struct（gui_Name, mfilename, . gui_Singleton, gui_Singleton, .gui_OpeningFcn, renliang

15、 _OpeningFcn, .gui_OutputFcn, renliang _OutputFcn, .gui_LayoutFcn, , .gui_Callback, ）; if nargin & ischar（varargin1） = str2func（varargin1）; end if nargout varargout1:nargout = gui_mainfcn（gui_State, varargin:）; else gui_mainfcn（gui_State, varargin:% End initialization code - DO NOT EDIT% - Executes

16、just before renliang is made visible.function renliang _OpeningFcn（hObject, eventdata, handles, varargin） % Choose default command line output for renliang = hObject; % Update handles structure guidata（hObject,handles）;% UIWAIT makes renliang wait for user response （see UIRESUME）% - Outputs from thi

17、s function are returned to the command line.function varargout = renliang _OutputFcn（hObject, eventdata, handles） % Get default command line output from handles structure varargout1 = ;% - Executes on button press in checkbox1.function checkbox1_Callback（hObject, eventdata, handles）%正弦波输入% - Execute

18、s during object creation, after setting all properties.function checkbox1_CreateFcn（hObject, eventdata, handles）function edit1_Callback（hObject, eventdata, handles）%正弦波幅值function edit1_CreateFcn（hObject, eventdata, handles） if ispc & isequal（get（hObject,BackgroundColor）, get（0,defaultUicontrolBackgr

19、oundColor） set（hObject,whitefunction edit6_Callback（hObject, eventdata, handles）%正弦波频率function edit6_CreateFcn（hObject, eventdata, handles）function checkbox2_Callback（hObject, eventdata, handles）%方波输入function checkbox2_CreateFcn（hObject, eventdata, handles）function edit2_Callback（hObject, eventdata, handles）%方波幅值function edit2_CreateFcn（hObject, eventdata, handles） se