附录一——MATLAB信号处理程序
%% 1、准备工作 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% 开始
clc;
clear;
close all;
clear vars;
%% 雷达波形参数定义及说明
f1=1e3; % 最低频率
f2=11e3; % 最高频率
B=f2-f1; % 信号带宽
T=1e-2; % 信号扫频时宽(10ms)
c=3e8; % 电磁波空间传播速度
f0=(f1+f2)/2; % 雷达工作频率（中心频率）(3kHz)
fs=1e5; % 采样率(100kHz)
N_signal_T=round(fs*T); % 单周期信号的数据点数
number_of_signal_period=400; % 脉冲信号的周期个数
duty_ratio=0.5; % 信号占空比
T_signal=T/duty_ratio; % 脉冲信号周期
%% 导入AD数据时频分析
[FileName,PathName] = uigetfile('C:\Users\XYB\Desktop\课程设计之雷达信号分析处理\AD数据\USB (3).dat','Select the USB.dat file');
f = fullfile(PathName,filesep,FileName);
fid = fopen(f,'r');
data = fscanf(fid,'%x');
fclose(fid);
data = data(1:2:end)*256 + data(2:2:end); %将16进制转换为10进制
datsgn = data./1000; %单位换算（mV->V）
%转化为有符号数（去直流）
datsgn=datsgn-mean(datsgn);
%时域波形
figure;
plot([0:1/fs:(length(datsgn)-1)/fs],datsgn);
xlabel('时间/s')
ylabel('振幅/V')
title('LFMCW时域波形')
%频谱图
N=1024;
datfft = (2/N)*fftshift(fft(datsgn(1:N)));
nordat = abs(datfft)/max(abs(datfft)); %对信号做FFT并归一化
figure;
plot([-length(datfft)/2:(length(datfft)/2-
1)].*(fs/N),20*log10(abs(nordat)));
xlabel('频率/Hz')
ylabel('幅度/dB')
title('LFMCW频谱图')
%% 调频斜率曲线
Hf=20*log10(abs(nordat));
FHL=zeros(1,2);
j=1;
for i=round(length(Hf)/2):length(Hf)
if(abs(Hf(i)+6.6)<0.2)
FHL(j)=i;
j=j+1;
end
end
figure;
time_scan=(0:1/fs:T-1/fs);%扫描时间轴
B_interval=(fs/N)*(FHL(2)-FHL(1))/length((0:1/fs:T-1/fs));%频率间隔
B_test=[0:B_interval:(fs/N)*(FHL(2)-FHL(1))-B_interval]+(FHL(1)-
(length(datfft)/2))*(fs/N);
k_B=(fs/N)*(FHL(2)-FHL(1))/T/1000;
error_B=abs(k_B*1000-(B/T))/(B/T)*100;%调频斜率测量误差
plot(time_scan,B_test);
xlabel('扫频周期/s')
ylabel('频率范围/Hz')
title({['L F M C W 扫频曲线'];['调频斜率：',num2str(k_B,'%.0f'),'KHz/s
',' 测量误差：',num2str(error_B,'%.0f'),'%']});
%% 信号变换与生成（转换为脉冲信号）
if(N_signal_T>1024)
N_signal_T=1024;
end
signal_1T=datsgn(1:N_signal_T,1); %单周期的LFM信号
signal_half_duty_ratio_1T=[signal_1T',zeros(N_signal_T/duty_ratio-
N_signal_T,1)'];%单周期LFM脉冲信号（50%占空比）
signal_NT=repmat(signal_half_duty_ratio_1T,1,number_of_signal_period); %周期延拓后的LFM脉冲信号（20个周期）
figure;
plot([0:1/fs:(length(signal_NT)-1)/fs],signal_NT);
axis([0 (length(signal_NT)/80-1)/fs -2 2]);
xlabel('时间/s')
ylabel('振幅/V')
title('LFM脉冲信号时域波形')
%% 加入噪声
noise=1*randn(1,length(signal_NT))';%高斯白噪声（没有滤波）/均值为0方差为
1
signal_noise=signal_NT+noise'; %信号叠加噪声
%信号叠加噪声时域波形
figure;
subplot(211)
plot([0:1/fs:(length(signal_NT)-1)/fs],signal_NT);
xlabel('时间/s')
ylabel('振幅/V')
title('信号未叠加噪声时域波形')
subplot(212)
plot([0:1/fs:(length(signal_noise)-1)/fs],signal_noise);
xlabel('时间/s')
ylabel('振幅/V')
title('信号叠加噪声时域波形')
%% 2、单目标分析 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% 回波信号合成（延时+多普勒+传输衰减）
%-----------------------------
% 目标信息：
distance=8e5; % 目标径向距离(100km)
t_delay=2*distance/c; % 与目标径向距离相对应的回波延时
N_delay=round(t_delay*fs);%与回波延迟对应的数据点个数
v=200000; % 目标径向速度(1000m/s)
fd=2*v*f0/c; % 与目标径向速度对应的多普勒频移
k=0.5; % 传输衰减系数
%-----------------------------
% 回波合成：
t=0:1/fs:(length(signal_NT)-1)/fs; % 回波信号时间轴（有信号的部分，不考虑延迟）
doppler=cos(2*pi*fd.*t)'; % 目标多普勒信号
s_attenuation=k*signal_NT; % 考虑传输衰减的纯信号(无多普勒)
s_attenuation_doppler=k*signal_NT.*doppler'; % 考虑传输衰减的纯信号(有多普勒)
sr_noise_doppler=s_attenuation.*doppler'+noise'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)
sr_noise_doppler_1=s_attenuation.*doppler'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)
delay_n=zeros(1,N_delay)'; % 时延序列
sr_noise_doppler_delay=[delay_n',sr_noise_doppler];% 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)
sr_noise_doppler_delay_1=[delay_n',s_attenuation]; % 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)
%-----------------------------
% 回波时域图（未滤波）：
% 未考虑传输衰减
figure;
subplot(211)
plot(t,signal_NT);
xlabel('时间/s')
ylabel('振幅/V')
title('未考虑传输衰减的纯信号')
% 考虑传输衰减
subplot(212)
plot(t,s_attenuation);
xlabel('时间/s')
ylabel('振幅/V')
title('考虑传输衰减的纯信号')
% 有多普勒信息的回波（带噪声）
figure;
plot(t,sr_noise_doppler);
xlabel('时间/s')
ylabel('振幅/V')
title('有多普勒信息的回波')
%
figure;
plot([0:1/fs:(length(sr_noise_doppler_delay)-
1)/fs],sr_noise_doppler_delay);
xlabel('时间/s')
ylabel('振幅/V')
title('合成回波')
%% 接收机前端滤波
% 带通滤波器设计（切比雪夫）
% 指标：通带宽度：1kHz-5kHz 截止频率：0.5*f1(下)、1.25*f2(上)
ws1=f1/fs; %下截止频率（可为其他）
wp1=2*f1/fs; %下通带频率
wp2=2*f2/fs; %上通带频率
ws2=2.5*f2/fs; %上截止频率（可为其他）
Rp=1;
Rs=30;
ws=[ws1 ws2];
wp=[wp1 wp2];
[ N3,wn ] = cheb1ord( wp , ws , Rp , Rs);
[ b,a ] = cheby1(N3,Rp,wn,'bandpass'); %获得转移函数系数
filter_bp_sn= filter(b,a,sr_noise_doppler_delay);%信号叠加噪声通过带通滤波器
noise_filter =filter(b,a,noise); %纯噪声通过带通滤波器
signal_filter=filter(b,a,s_attenuation_doppler); %(传输衰减后)纯信号(有多普勒)通过带通滤波器
X_bp_s = fftshift(abs(fft(filter_bp_sn)))/length(sr_noise_doppler_delay); %信号叠加噪声通过带通滤波后的幅频
X_bp_s_angle = fftshift(angle(fft(filter_bp_sn))); %信号叠加噪声通过带通滤波后的相频
X_bp_n = fftshift(abs(fft(noise_filter)))/length(noise_filter); %纯噪声通过带通滤波后的幅频
X_bp_n_angle = fftshift(angle(fft(noise_filter))); %纯噪声通过带通滤波后的相频
%滤波器频谱特性
figure;
freqz(b,a);
%信号叠加噪声滤波前后时域波形对比
figure;
subplot(211);
plot([0:length(sr_noise_doppler_delay)-1]./fs,sr_noise_doppler_delay);
grid on;
xlabel('时间/s')
ylabel('振幅/V')
title('信号叠加噪声带通滤波前时域图形');
subplot(212);
plot([0:length(sr_noise_doppler_delay)-1]./fs,filter_bp_sn);
grid on;
xlabel('时间/s')
ylabel('振幅/V')
title('信号叠加噪声带通滤波后时域图形');
% %纯噪声滤波前后时域波形对比
figure;
subplot(211);
plot([0:length(noise)-1]./fs,noise);
grid on;
xlabel('时间/s')
ylabel('振幅/V')
title('纯噪声带通滤波前时域图形');
subplot(212);
plot([0:length(noise_filter)-1]./fs,noise_filter);
grid on;
xlabel('时间/s')
ylabel('振幅/V')
title('纯噪声带通滤波后时域图形');
% %纯信号滤波前后时域波形对比
figure;
subplot(211);
plot([0:length(s_attenuation_doppler)-1]./fs,s_attenuation_doppler);
grid on;
xlabel('时间/s')
ylabel('振幅/V')
title('纯信号带通滤波前时域图形');
subplot(212);
plot([0:length(signal_filter)-1]./fs,signal_filter);
grid on;
xlabel('时间/s')
ylabel('振幅/V')
title('纯信号带通滤波后时域图形');
% %信号叠加噪声带通滤波后幅频相频特性
figure;
subplot(2,1,1);
f_fft_sn=[-
length(sr_noise_doppler_delay)/2:length(sr_noise_doppler_delay)/2-
1].*(fs/length(sr_noise_doppler_delay));%频率轴
plot(f_fft_sn,X_bp_s);
xlabel('频率/Hz')
ylabel('幅度')
title('信号叠加噪声带通滤波后频域幅度特性');
subplot(2,1,2);
plot(f_fft_sn,X_bp_s_angle);
xlabel('频率/Hz')
ylabel('相位')
title('信号叠加噪声带通滤波后频域相位特性');
% %纯噪声带通滤波后幅频相频特性
figure;
subplot(2,1,1);
f_fft_n=[-length(noise)/2:length(noise)/2-1].*(fs/length(noise));%频率轴plot(f_fft_n,X_bp_n);
xlabel('频率/Hz')
ylabel('幅度')
title('纯噪声带通滤波后频域幅度特性');
subplot(2,1,2);
plot(f_fft_n,X_bp_n_angle);
xlabel('频率/Hz')
ylabel('相位')
title('纯噪声带通滤波后频域相位特性');
%% 回波信噪比设定
snr_in=0; %输入信噪比设定值
sr_filter=filter_bp_sn; %带通滤波器处理后的回波信号
S_P=sum((signal_filter).^2)/length(signal_filter); %(传输衰减的)回波纯信号滤波后平均功率
noiseP=sum(abs(noise_filter).^2)/length(noise_filter); %滤波后的噪声平均功率
A_extra=sqrt((noiseP/S_P).*(10.^(snr_in/10))); %信号外加幅度sr_snr=[delay_n',(A_extra*signal_filter+noise_filter')]; %设定输入信噪比的回波信号
%设定输入信噪比后的时域波形
figure;
plot([0:1/fs:(length(sr_noise_doppler_delay)-1)/fs],sr_snr)
xlabel('时间/s')
ylabel('振幅/V')
text_s=['设定输入信噪比后的时域波形(信噪比：
',num2str(snr_in,'%.0f'),'dB',')'];
title(text_s);
%% 匹配滤波处理(时域卷积法)
match_filter=fliplr(signal_1T'); % 匹配滤波器冲激响应
match_out=conv(match_filter,sr_snr); % 信号叠加噪声通过匹配滤波器
match_out_noise=conv(match_filter,noise_filter); % 纯噪声通过匹配滤波器
match_out_signal=conv(match_filter,A_extra*signal_filter); % 纯信号通过匹配滤波器
match_out_signal_1=conv(match_filter,signal_1T); % 单周期信号匹配滤波
% 单周期匹配滤波波形
figure;
plot([0:1/fs:(length(match_out_signal_1)-
1)/fs],20*log10(abs(match_out_signal_1)/max(abs(match_out_signal_1))));
xlabel('时间/s')
ylabel('振幅/V')
title('单周期匹配滤波冲激响应')
%匹配滤波冲激响应
figure;
plot([0:1/fs:(length(match_filter)-1)/fs],match_filter)
xlabel('时间/s')
ylabel('振幅/V')
title('匹配滤波冲激响应')
%匹配滤波输出波形
figure;
subplot(311)
plot([0:1/fs:(length(match_out)-1)/fs],abs(match_out));
title('信号叠加噪声匹配输出')
subplot(312)
plot([0:1/fs:(length(match_out_noise)-1)/fs],abs(match_out_noise));
title('纯噪声匹配输出')
subplot(313)
% plot(abs(match_out_signal));
plot([0:1/fs:(length(match_out_signal)-1)/fs],abs(match_out_signal));
title('纯信号匹配输出')
%匹配滤波信噪比增益计算
n_mf_P=sum(abs(match_out_noise).^2)/length(match_out_noise);%匹配滤波后噪声功率
s_mf_P_max=max(abs(match_out_signal))^2; %匹配滤波后信号峰值功率
G_snr_mf=10*log10(s_mf_P_max/n_mf_P)-snr_in; %匹配滤波信噪比增益计算
%% 多普勒滤波处理（MTD）
%距离门重排
distance_door=c/(2*fs); %相邻采样点之间的距离
NT=number_of_signal_period;%信号周期数
MTD_process_sn=zeros(N_signal_T/duty_ratio,NT);%信号和噪声同时经过脉压后重排
MTD_process_s=zeros(N_signal_T,NT); %信号经过脉压后重排(用于信噪比增益分析)
MTD_process_n=zeros(N_signal_T,NT); %噪声经过脉压后重排(用于信噪比增益分析)
j=1;
for i=1:N_signal_T/duty_ratio*NT
if((mod(i,N_signal_T/duty_ratio)==0))
MTD_process_s((i/j),j)=match_out_signal(i);
MTD_process_sn((i/j),j)=match_out(i);
MTD_process_n((i/j),j)=match_out_noise(i);
j=j+1;
else
MTD_process_s(mod(i,N_signal_T/duty_ratio),j)=match_out_signal(i);
MTD_process_sn(mod(i,N_signal_T/duty_ratio),j)=match_out(i);
MTD_process_n(mod(i,N_signal_T/duty_ratio),j)=match_out_noise(i);
end
end
figure;
mesh([1:NT],(0:distance_door:(N_signal_T/duty_ratio*distance_door-
distance_door))-N_signal_T*distance_door,(abs(MTD_process_sn)));
xlabel('频率通道');ylabel('目标距离');
title('距离门重排')
%FFT
i=round(log2((NT)));
while ((2^i)<(NT))
i=i+1;
end
MTD_N=2^(i);%确定FFT点数
%内存分配
MTD_FFT_sn=zeros(N_signal_T/duty_ratio,MTD_N);
MTD_FFT_sn_w_H=zeros(N_signal_T/duty_ratio,MTD_N);
MTD_FFT_sn_w_B=zeros(N_signal_T/duty_ratio,MTD_N);
for i=1:N_signal_T/duty_ratio
MTD_FFT_sn(i,:)=(2/MTD_N)*abs(fft([MTD_process_sn(i,:)],MTD_N));%信号+噪声脉压后FFT
%加海明窗
MTD_FFT_sn_w_H(i,:)=(2/MTD_N)*abs(fft(([MTD_process_sn(i,:),zeros(1,MTD_N-NT)]).*hamming(MTD_N)',MTD_N));%信号+噪声脉压后加窗后FFT
%加布拉克曼窗
MTD_FFT_sn_w_B(i,:)=(2/MTD_N)*abs(fft(([MTD_process_sn(i,:),zeros(1,MTD_N-NT)]).*blackman(MTD_N)',MTD_N));%信号+噪声脉压后加窗后FFT
end
figure;
[R_single,V_single]=find(fftshift(20*log10(abs(MTD_FFT_sn)))==max(max(fftsh ift(20*log10(abs(MTD_FFT_sn))))));
V_single_1=(V_single(2,1)-MTD_N/2)*(0.5*(1/MTD_N)*c/f0/(T_signal));%目标速度
error_v=abs(V_single_1-v)/v*100;%测速误差(%)
R_single_1=R_single(1,1)*distance_door;%目标距离
error_R=abs(R_single_1-distance)/distance*100;%测速误差(%)
mesh((-MTD_N/2:MTD_N/2-
1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),(fftshift(20*log10(abs(MTD_FFT_sn)))));
xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')
title({['\fontsize{12}{单目标探测}'];['目标距离：
',num2str(R_single_1,'%.0f'),'m',' 目标速度：
',num2str(V_single_1,'%.0f'),'m/s'];['测距误差：',num2str(error_R,'%.0f'),'%',' 测速误差：',num2str(error_v,'%.0f'),'%']})
figure;
subplot(311)
mesh((-MTD_N/2:MTD_N/2-
1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),(fftshift(20*log10(abs(MTD_FFT_sn)))));
xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')
title('FFT单目标（不加窗）')
subplot(312)
mesh((-MTD_N/2:MTD_N/2-
1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),fftshift(20*log10(abs(MTD_FFT_sn_w_H))));
xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')
title('FFT单目标（加海明窗）')
subplot(313)
mesh((-MTD_N/2:MTD_N/2-
1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),fftshift(20*log10(abs(MTD_FFT_sn_w_B))));
xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')
title('FFT单目标（加布拉克曼窗）')
%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 多目标分析 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %**************************************
%****************目标一****************
%目标信息
R_1=1e6; % 目标径向距离
t_delay_1=2*R_1/c; % 与目标径向距离相对应的回波延时
N_delay_1=round(t_delay_1*fs);%与回波延迟对应的数据点个数
v_1=1250e3; % 目标径向速度
fd_1=2*v_1*f0/c; % 与目标径向速度对应的多普勒频移
k_1=0.8; % 传输衰减系数
%目标回波
t=0:1/fs:(length(signal_NT)-1)/fs; % 回波信号时间轴（有信号的部分，不考虑延迟）
doppler=cos(2*pi*fd_1.*t)'; % 目标多普勒信号
s_attenuation=k_1*signal_NT; % 考虑传输衰减的纯信号(无多普勒)
s_attenuation_doppler=k_1*signal_NT.*doppler'; % 考虑传输衰减的纯信号(有多普勒)
sr_noise_doppler=s_attenuation.*doppler'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)
delay_n=zeros(1,N_delay_1)'; % 时延序列
sr_target_1=[delay_n',sr_noise_doppler]; % 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)
%**************************************
%****************目标二****************
%目标信息
R_2=1.5e6; % 目标径向距离
t_delay_2=2*R_2/c; % 与目标径向距离相对应的回波延时
N_delay_2=round(t_delay_2*fs); %与回波延迟对应的数据点个数
v_2=500e3; % 目标径向速度
fd_2=2*v_2*f0/c; % 与目标径向速度对应的多普勒频移
k_2=0.6; % 传输衰减系数
%目标回波
t=0:1/fs:(length(signal_NT)-1)/fs; % 回波信号时间轴（有信号的部分，不考虑延迟）
doppler=cos(2*pi*fd_2.*t)'; % 目标多普勒信号
s_attenuation=k_2*signal_NT; % 考虑传输衰减的纯信号(无多普勒)
s_attenuation_doppler=k_2*signal_NT.*doppler'; % 考虑传输衰减的纯信号(有多普勒)
sr_noise_doppler=s_attenuation.*doppler'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)
delay_n=zeros(1,N_delay_2)'; % 时延序列
sr_target_2=[delay_n',sr_noise_doppler]; % 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)
%**************************************
%****************目标三****************
%目标信息
R_3=5e6; % 目标径向距离
t_delay_3=2*R_3/c; % 与目标径向距离相对应的回波延时
N_delay_3=round(t_delay_3*fs); %与回波延迟对应的数据点个数
v_3=1500e3; % 目标径向速度
fd_3=2*v_3*f0/c; % 与目标径向速度对应的多普勒频移
k_3=0.4; % 传输衰减系数
%目标回波
t=0:1/fs:(length(signal_NT)-1)/fs; % 回波信号时间轴（有信号的部分，不考虑延迟）
doppler=cos(2*pi*fd_3.*t)'; % 目标多普勒信号
s_attenuation=k_3*signal_NT; % 考虑传输衰减的纯信号(无多普勒)
s_attenuation_doppler=k_3*signal_NT.*doppler'; % 考虑传输衰减的纯信号(有多普勒)
sr_noise_doppler=s_attenuation.*doppler'; % 有多普勒信息的回波（带噪声）(已考虑传输衰减)
delay_n=zeros(1,N_delay_3)'; % 时延序列
sr_target_3=[delay_n',sr_noise_doppler]; % 有多普勒信息的回波（带噪声、时延）(已考虑传输衰减)
%**************************************
%**************回波合成****************
max_1=max(length(sr_target_2),length(sr_target_1));
max_n=max(length(sr_target_3),max_1);
sr_multiple_target=[sr_target_1,zeros(1,max_n-
length(sr_target_1))]+[sr_target_2,zeros(1,max_n-
length(sr_target_2))]+[sr_target_3,zeros(1,max_n-length(sr_target_3))];
%**************************************
%**************BPF滤波*****************
sr_multiple_target_BPF_out=
filter(b,a,sr_multiple_target); %信号叠加噪声通过带通滤波器
%**************************************
%**************匹配滤波****************
sr_multiple_target_BPF_out_match_out=conv(match_filter,sr_multiple_target_B
PF_out);% 信号叠加噪声通过匹配滤波器
%**************************************
%**************距离门重排**************
MTD_process_multiple_target=zeros(N_signal_T/duty_ratio,NT); %信号和噪声同时经过脉压后重排
j=1;
for i=1:N_signal_T/duty_ratio*NT
if((mod(i,N_signal_T/duty_ratio)==0))
MTD_process_multiple_target((i/j),j)=sr_multiple_target_BPF_out_match_out(i);
j=j+1;
else
MTD_process_multiple_target(mod(i,N_signal_T/duty_ratio),j)=sr_multiple_target_
BPF_out_match_out(i);
end
end
figure;
mesh([1:NT],(0:distance_door:(N_signal_T/duty_ratio*distance_door-
distance_door)),(abs(MTD_process_multiple_target)));
xlabel('频率通道');ylabel('目标距离');
title('距离门重排')
i=round(log2((NT)));
while ((2^i)<(NT))
i=i+1;
end
MTD_N=2^(i);%确定FFT点数
%内存分配
MTD_FFT_multiple_target=zeros(N_signal_T/duty_ratio,MTD_N);
for i=1:N_signal_T/duty_ratio
MTD_FFT_multiple_target(i,:)=(2/MTD_N)*abs(fft([MTD_process_multiple_target(i,:
)],MTD_N)); %信号+噪声脉压后FFT
%加海明窗
MTD_FFT_sn_w_H(i,:)=(2/MTD_N)*abs(fft(([MTD_process_multiple_target(i,:),zeros(
1,MTD_N-NT)]).*hamming(MTD_N)',MTD_N));%信号+噪声脉压后加窗后FFT
%加布拉克曼窗
MTD_FFT_sn_w_B(i,:)=(2/MTD_N)*abs(fft(([MTD_process_multiple_target(i,:),zeros(
1,MTD_N-NT)]).*blackman(MTD_N)',MTD_N));%信号+噪声脉压后加窗后FFT
end
figure;
subplot(311)
mesh((-MTD_N/2:MTD_N/2-
1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),(fftshift(20*log10(abs(MTD_FFT_multiple_target)))));
xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')
title('多目标探测（不加窗）')
subplot(312)
mesh((-MTD_N/2:MTD_N/2-
1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),fftshift(20*log10(abs(MTD_FFT_sn_w_H))));
xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')
title('多目标探测（加海明窗）')
subplot(313)
mesh((-MTD_N/2:MTD_N/2-
1).*(0.5*(1/MTD_N)*c/f0/(T_signal)),(0:distance_door:(N_signal_T/duty_ratio*dis tance_door-distance_door)),fftshift(20*log10(abs(MTD_FFT_sn_w_B))));
xlabel('目标速度');ylabel('目标距离'); zlabel('幅度/dB')
title('多目标探测（加布拉克曼窗）')
抽样定理的应用 摘要 抽样定理表示为若频带宽度有限的，要从抽样信号中无失真地恢复原信号，抽样频率应大于2倍信号最高频率。抽样频率小于2倍频谱最高频率时，信号的频谱有混叠。抽样频率大于2倍频谱最高频率时，信号的频谱无混叠。 语音信号处理是研究用数字信号处理技术和语音学知识对语音 信号进行处理的新兴学科，是目前发展最为迅速的学科之一，通过语音传递信息是人类最重要，最有效，最常用和最方便的交换信息手段，所以对其的研究更显得尤为重要。 Matlab语言是一种数据分析和处理功能十分强大的计算机应用 软件，它可以将声音文件变换成离散的数据文件，然后用起强大的矩阵运算能力处理数据。这为我们的本次设计提供了强大并良好的环境！ 本设计要求通过利用matlab对模拟信号和语音信号进行抽样，通过傅里叶变换转换到频域，观察波形并进行分析。 关键词：抽样Matlab
目录 一、设计目的： (2) 二、设计原理： (2) 1、抽样定理 (2) 2、MATLAB简介 (2) 3、语音信号 (3) 4、Stem函数绘图 (3) 三、设计内容： (4) 1、已知g1(t)=cos(6πt),g2(t)=cos(14πt),g3(t)=cos(26πt),以抽样频率 fsam=10Hz对上述三个信号进行抽样。在同一张图上画出g1(t)，g2(t)，g3(t)及其抽样点,对所得结果进行讨论。 (4) 2、选取三段不同的语音信号，并选取适合的同一抽样频率对其进 行抽样，画出抽样前后的图形，并进行比较，播放抽样前后的语音。 (6) 3、选取合适的点数，对抽样后的三段语音信号分别做DFT，画图 并比较。 (10) 四、总结 (12) 五、参考文献 (13)
课程设计报告 课程名称信号与系统课程设计指导教师 设计起止日期 学院信息与通信工程 专业电子信息工程 学生 班级/学号 成绩 指导老师签字
目录 1、课程设计目的 (1) 2、课程设计要求 (1) 3、课程设计任务 (1) 4、课程设计容 (1) 5、总结 (11) 参考文献 (12) 附录 (12)
1、课程设计目的 “信号与系统”是一门重要的专业基础课，MATLAB作为信号处理强有力的计算和分析工具是电子信息工程技术人员常用的重要工具之一。本课程设计基于MATLAB完成信号与系统综合设计实验，以提高学生的综合应用知识能力为目标，是“信号与系统”课程在实践教学环节上的必要补充。通过课设综合设计实验，激发学生理论课程学习兴趣，提高分析问题和解决问题的能力。 2、课程设计要求 （1）运用MATLAB编程得到简单信号、简单信号运算、复杂信号的频域响应图； （2）通过对线性时不变系统的输入、输出信号的时域和频域的分析，了解线性时不变系统的特性，同时加深对信号频谱的理解。 3、课程设计任务 （1）根据设计题目的要求，熟悉相关容的理论基础，理清程序设计的措施和步骤； （2）根据设计题目的要求，提出各目标的实施思路、方法和步骤； （3）根据相关步骤完成MATLAB程序设计，所编程序应能完整实现设计题目的要求； （4）调试程序，分析相关理论； （5）编写设计报告。 4、课程设计容 （一）基本部分 （1）信号的时频分析 任意给定单频周期信号的振幅、频率和初相，要求准确计算出其幅度谱，并准确画出时域和频域波形，正确显示时间和频率。 设计思路： 首先给出横坐标，即时间，根据设定的信号的振幅、频率和初相，写出时域波形的表达式；然后对时域波形信号进行傅里叶变化，得到频域波形；最后使用plot函数绘制各个响应图。 源程序： clc; clear; close all; Fs =128; % 采样频率 T = 1/Fs; % 采样周期 N = 600; % 采样点数 t = (0:N-1)*T; % 时间，单位：S x=2*cos(5*2*pi*t);
现代雷达信号处理技术及发展趋势 摘要：自二战以来，雷达就广泛应用于地对空、空中搜索、空中拦截、敌我识别等领域，后又发展了脉冲多普勒信号处理、结合计算机的自动火控系统、多目标探测与跟踪等新的雷达体制。随着科技的不断进步，雷达技术也在不断发展，现代雷达已经具备了多种功能，如反隐身、反干扰、反辐射、反低空突防等能力，尤其是在复杂的工作环境中提取目标信息的能力不断得到加强。例如，利用雷达系统中的信号处理技术对接收数据进行处理不仅可以实现高精度的目标定位与跟踪, 还能够在目标识别和目标成像、电子对抗、制导等功能方面进行拓展, 实现综合业务的一体化。 一、雷达的起源及应用 雷达，是英文Radar的音译，源于radio detection and ranging的缩写，意思为"无线电探测和测距"，即用无线电的方法发现目标并测定它们的空间位置。因此，雷达也被称为“无线电定位”。雷达是利用电磁波探测目标的电子设备。雷达发射电磁波对目标进行照射并接收其回波，由此获得目标至电磁波发射点的距离、距离变化率（径向速度）、方位、高度等信息。雷达最为一种重要的电磁传感器，在国防和国民经济中应用广泛，最大特点是全天时、全天候工作。雷达由天线、发射机、接收机、信号处理机、终端显示等部分组成。 雷达的出现，是由于二战期间当时英国和德国交战时，英国急需一种能探测空中金属物体的雷达（技术）能在反空袭战中帮助搜寻德国飞机。二战期间，雷达就已经出现了地对空、空对地（搜索）轰炸、空对空（截击）火控、敌我识别功能的雷达技术。二战以后，雷达发展了单脉冲角度跟踪、脉冲多普勒信号处理、合成孔径和脉冲压缩的高分辨率、结合敌我识别的组合系统、结合计算机的自动火控系统、地形回避和地形跟随、无源或有源的相位阵列、频率捷变、多目标探测与跟踪等新的雷达体制。后来随着微电子等各个领域科学进步，雷达技术的不断发展，其内涵和研究内容都在不断地拓展。雷达的探测手段已经由从前的只有雷达一种探测器发展到了红外光、紫外光、激光以及其他光学探测手段融合协作。
语音信号的数字滤波 ——利用双线性变换法实现IIR数字滤波器的设计一．课程设计的目的 通过对常用数字滤波器的设计和实现，掌握数字信号处理的工作原理及设计方法；熟悉用双线性变换法设计 IIR 数字滤波器的原理与方法，掌握利用数字滤波器对信号进行滤波的方法，掌握数字滤波器的计算机仿真方法，并能够对设计结果加以分析。 二．设计方案论证 1.IIR数字滤波器设计方法 IIR数字滤波器是一种离散时间系统，其系统函数为 假设M≤N，当M＞N时,系统函数可以看作一个IIR的子系统和一个(M-N)的FIR子系统的级联。IIR数字滤波器的设计实际上是求解滤波器的系数和，它 是数学上的一种逼近问题，即在规定意义上（通常采用最小均方误差准则）去逼近系统的特性。如果在S平面上去逼近，就得到模拟滤波器；如果在z平面上去逼近，就得到数字滤波器。 2.用双线性变换法设计IIR数字滤波器 脉冲响应不变法的主要缺点是产生频率响应的混叠失真。这是因为从S平面到Ｚ平面是多值的映射关系所造成的。为了克服这一缺点，可以采用非线性频率压缩方法，将整个频率轴上的频率范围压缩到-π/T～π/T之间，再用z=e sT转换 平面的-π/T～π到Z平面上。也就是说，第一步先将整个S平面压缩映射到S 1 /T一条横带里；第二步再通过标准变换关系z=e s1T将此横带变换到整个Z平面上去。这样就使S平面与Z平面建立了一一对应的单值关系，消除了多值变换性，也就消除了频谱混叠现象，映射关系如图1所示。 图1双线性变换的映射关系 为了将S平面的整个虚轴jΩ压缩到S1平面jΩ1轴上的-π/T到π/T段上，可以通过以下的正切变换实现
《数字信号处理》课程设计报告 设计题目： IIR滤波器的设计 专业： 班级： 姓名： 学号： 指导教师： 2010年月日
1、设计目的 1、掌握IIR 滤波器的参数选择及设计方法； 2、掌握IIR 滤波器的应用方法及应用效果； 3、提高Matlab 下的程序设计能力及综合应用能力。 4、了解语音信号的特点。 2、设计任务 1、学习并掌握课程设计实验平台的使用，了解实验平台的程序设计方法； 2、录制并观察一段语音信号的波形及频谱，确定滤波器的技术指标； 3、根据指标设计一个IIR 滤波器，得到该滤波器的系统响应和差分方程，并根据差分方程将所设计的滤波器应用于实验平台，编写相关的Matlab 程序； 4、使用实验平台处理语音信号，记录结果并进行分析。 3、设计内容 3.1设计步骤 1、学习使用实验平台，参见附录1。 2、使用录音机录制一段语音，保存为wav 格式，录音参数为：采样频率8000Hz、16bit、单声道、PCM 编码，如图1 所示。 图1 录音格式设置 在实验平台上打开此录音文件，观察并记录其波形及频谱（可以选择一段较为稳定的语音波形进行记录）。 3、根据信号的频谱确定滤波器的参数：通带截止频率Fp、通带衰减Rp、阻带截止频率Fs、阻带衰减Rs。 4、根据技术指标使用matlab 设计IIR 滤波器，得到系统函数及差分方程，并记录得到系统函数及差分方程，并记录其幅频响应图形和相频响应图形。要求设计 第 1页出的滤波器的阶数小于7，如果不能达到要求，需要调整技术指标。 5、记录滤波器的幅频响应和系统函数。在matlab 中，系统函数的表示公式为：
因此，必须记录系数向量a 和b。系数向量a 和b 的可以在Matlab 的工作空间（WorkSpace）中查看。 6、根据滤波器的系统函数推导出滤波器的差分方程。 7、将设计的滤波器应用到实验平台上。根据设计的滤波器的差分方程在实验平台下编写信号处理程序。根据运行结果记录处理前后的幅频响应的变化情况，并试听处理前后声音的变化，将结果记录，写入设计报告。 3.2实验程序 （1）Rs=40; Fs=1400; Rp=0.7; Fp=450; fs=8000; Wp=2*pi*Fp;Ws=2*pi*Fs; [N,Wn]=buttord(Wp,Ws,Rp,Rs,'s'); [b1,a1]=butter(N,Wn,'s'); [b,a]=bilinear(b1,a1,fs); [H,W]=freqz(b,a); figure; subplot(2,1,1);plot(W*fs/(2*pi),abs(H));grid on;title('频率响应'); xlabel('频率');ylabel('幅值');、 subplot(2,1,2); plot(W,angle(H));grid on;title('频率响应'); xlabel('相位(rad)');ylabel('相频特性'); 3.3实验结果（如图）： N =5 Wn=6.2987e+003 第 2页
脉冲压缩雷达的仿真脉冲压缩雷达与匹配滤波的MATLAB仿真 姓名：-------- 学号：---------- 2014-10-28 西安电子科技大学
一、 雷达工作原理 雷达，是英文Radar 的音译，源于radio detection and ranging 的缩写，原意为"无线电探测和测距"，即用无线电的方法发现目标并测定它们的空间位置。因此，雷达也被称为“无线电定位”。利用电磁波探测目标的电子设备。发射电磁波对目标进行照射并接收其回波，由此获得目标至电磁波发射点的距离、距离变化率（径向速度）、方位、高度等信息。 雷达发射机的任务是产生符合要求的雷达波形（Radar Waveform ），然后经馈线和收发开关由发射天线辐射出去，遇到目标后，电磁波一部分反射，经接收天线和收发开关由接收机接收，对雷达回波信号做适当的处理就可以获知目标的相关信息。 但是因为普通脉冲在雷达作用距离与距离分辨率上存在自我矛盾，为了解决这个矛盾，我们采用脉冲压缩技术，即使用线性调频信号。 二、 线性调频（LFM ）信号 脉冲压缩雷达能同时提高雷达的作用距离和距离分辨率。这种体制采用宽脉冲发射以提高发射的平均功率，保证足够大的作用距离；而接受时采用相应的脉冲压缩算法获得窄脉冲，以提高距离分辨率，较好的解决雷达作用距离与距离分辨率之间的矛盾。 脉冲压缩雷达最常见的调制信号是线性调频（Linear Frequency Modulation ）信号,接收时采用匹配滤波器（Matched Filter ）压缩脉冲。 LFM 信号的数学表达式： （2.1） 其中c f 为载波频率，()t rect T 为矩形信号： （2.2）
数字信号处理课程设计 姓名：刘倩 学号：201014407 专业：信息与计算科学 实验一：常见离散信号产生和实现 一、实验目的： 1、加深对常用离散信号的理解； 2、掌握matlab 中一些基本函数的建立方法。 二、实验原理： 1.单位抽样序列 在MATLAB 中可以利用zeros()函数实现。 如果)(n δ在时间轴上延迟了k 个单位，得到)(k n -δ即： 2．单位阶越序列 在MATLAB 中可以利用ones()函数实现。 3．正弦序列 在MATLAB 中 4．复指数序列 在MATLAB 中 5．指数序列 在MATLAB 中
实验内容：由周期为10的正弦函数生成周期为20的余弦函数。 实验代码： n=0:30; y=sin(0.2*pi*n+pi/2); y1=sin(0.1*pi*n+pi/2); subplot(121) stem(n,y); xlabel ('时间序列n');ylabel('振幅');title('正弦函数序列y=sin(0.2*pi*n+pi/2)'); subplot(122) stem(n,y1); xlabel ('时间序列n');ylabel('振幅'); title('正弦函数序列y=sin(0.2*pi*n+pi/2)'); 实验结果： 实验二：离散系统的时域分析 实验目的：加深对离散系统的差分方程、冲激响应和卷积分析方法的理解。实验原理：离散系统 其输入、输出关系可用以下差分方程描述： 输入信号分解为冲激信号， 记系统单位冲激响应 则系统响应为如下的卷积计算式：
当N k d k ,...2,1,0==时，h[n]是有限长度的（n ：[0，M]），称系统为FIR 系统；反之，称系统为IIR 系统。 在MATLAB 中，可以用函数y=filter(p,d,x)实现差分方程的仿真，也可以用函数 y=conv(x,h)计算卷积，用y=impz(p,d,N)求系统的冲激响应。 实验内容：用MATLAB 计算全解 当n>=0时，求用系数差分方程y[n]+y[n-1]-6y[n-2]=x[n]描述的一个离散时间系统对阶跃输入x[n]=8μ[n]的全解。 实验代码： n=0:7; >> [y,sf]=filter(1,[1 1 -6],8*ones(1,8),[-7 6]); >> y1(n+1)=-1.8*(-3).^n+4.8*(2).^n-2; >> subplot(121) >> stem(n,y); >> title('由fliter 函数计算结果'); >> subplot(122) >> stem(n,y1); >> title('准确结果'); 实验结果： 结果分析：有图可得由fliter 函数得出的结果与计算出的准确结果完全一致。 实验三FFT 算法的应用
信号分析课程设计 信号系统的时域分析 编程实现的卷积积分或卷积和 一、课程设计题目： 基于 MATLAB 的连续时间LTI 系统的时域分析 二、基本要求： ① 掌握连续时不变信号处理的基本概念、基本理论和基本方法； ② 学会 MATLAB 的使用，掌握 MATLAB 的程序设计方法； ③ 学会用 MATLAB 对信号进行分析和处理； ④ 编程实现卷积积分或卷积和，零输入响应，零状态响应； ⑤ 撰写课程设计论文，用信号处理基本理论分析结果。 三、设计方法与步骤： 一般的连续时间系统分析有以下几个步骤: ①求解系统的零输入响应; ②求解系统的零状态响应; ③求解系统的全响应; ④分析系统的卷积；⑤画出它们的图形. 下面以具体的微分方程为例说明利用MATLAB 软件分析系统的具体方法. 1．连续时间系统的零输入响应 描述n 阶线性时不变（LTI ）连续系统的微分方程为： 已知y 及各阶导数的初始值为y(0),y (1)(0)，… y (n-1)(0)， 求系统的零输入响应。 建模 当LIT 系统的输入为零时，其零输入响应为微分方程的其次解（即令微分方程的等号右端为零），其形式为（设特征根均为单根） 其中p 1,p 2,…,p n 是特征方程a 1λ n +a 2λn-1+…+a n λ+a n =0的根，它们可以 用root(a)语句求得。各系数 由y 及其各阶导数的初始值来确定。对此有 1121111n n m n n m m n n m d y d y dy d u du a a a a y b b b u dt dt dt dt dt -++-++?????++=+????++1212()n p t p t p t n y t C e C e C e =++????+120n C C C y ++????+=11220 n n p C p C p C Dy ++????+=
数字信号处理课程设计报告《应用Matlab对信号进行频谱分析及滤波》 专业： 班级： 姓名： 指导老师： 二0 0五年一月一日
目录 设计过程步骤（） 2.1 语音信号的采集（） 2.2 语音信号的频谱分析（） 2.3 设计数字滤波器和画出其频谱响应（） 2.4 用滤波器对信号进行滤波（） 2.5滤波器分析后的语音信号的波形及频谱（） ●心得和经验（）
设计过程步骤 2.1 语音信号的采集 我们利用Windows下的录音机，录制了一段开枪发出的声音，时间在1 s内。接着在C盘保存为WAV格式，然后在Matlab软件平台下．利用函数wavread对语音信号进行采样，并记录下了采样频率和采样点数，在这里我们还通过函数sound引入听到采样后自己所录的一段声音。通过wavread函数和sound的使用，我们完成了本次课程设计的第一步。其程序如下： [x,fs,bite]=wavread('c:\alsndmgr.wav',[1000 20000]); sound(x,fs,bite); 2.2 语音信号的频谱分析 首先我们画出语音信号的时域波形；然后对语音信号进行频谱分析，在Matlab中，我们利用函数fft对信号进行快速傅里叶变换，得到信号的频谱特性性。到此，我们完成了课程实际的第二部。 其程序如下： n=1024; subplot(2,1,1); y=plot(x(50:n/4)); grid on ; title('时域信号') X=fft(x,256); subplot(2,1,2); plot(abs(fft(X))); grid on ; title('频域信号'); 运行程序得到的图形：
课程设计报告 课程名称数字信号处理 课题名称数字滤波器设计及在语音信号分析中的应用 专业通信工程 班级1281 学号201213120101 姓名杨俊 指导教师彭祯韩宁 2014年12月5日
湖南工程学院 课程设计任务书 课程名称数字信号处理 课题数字滤波器设计 及在语音信号分析中的应用专业班级通信工程1281班 学生姓名杨俊 学号201213120101 指导老师彭祯韩宁 审批 任务书下达日期2014 年12月5日 任务完成日期2014 年12月13日
《数字信号处理》课程设计任务书 一、课程设计的性质与目的 《数字信号处理》课程是通信专业的一门重要专业基础课，是信息的数字化处理、存储和应用的基础。通过该课程的课程设计实践，使学生对信号与信息的采集、处理、传输、显示、存储、分析和应用等有一个系统的掌握和理解；巩固和运用在《数字信号处理》课程中所学的理论知识和实验技能，掌握数字信号处理的基础理论和处理方法，提高分析和解决信号与信息处理相关问题的能力，为以后的工作和学习打下基础。 数字滤波器是一种用来过滤时间离散信号的数字系统，通过对抽样数据进行数学处理来达到频域滤波的目的。根据其单位冲激响应函数的时域特性可分为两类：无限冲激响应（IIR）滤波器和有限冲激响应（FIR）滤波器。 二、课程设计题目 题目1：数字滤波器设计及在语音信号分析中的应用。 1、设计步骤： （1）语音信号采集 录制一段课程设计学生的语音信号并保存为文件，要求长度不小于10秒，并对录制的信号进行采样；录制时可以使用Windows自带的录音机，或者使用其它专业的录音软件，录制时需要配备录音硬件（如麦克风），为便于比较，需要在安静、干扰小的环境下录音。 然后在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。 （2）语音信号分析 使用MATLAB绘出采样后的语音信号的时域波形和频谱图。根据频谱图求出其带宽，并说明语音信号的采样频率不能低于多少赫兹。 （3）含噪语音信号合成 在MATLAB软件平台下，给原始的语音信号叠加上噪声，噪声类型分为如下几种：①白
雷达信号处理技术与系统设计 第一章绪论 1.1 论文的背景及其意义 近年来，随着电子器件技术与计算机技术的迅速发展，各种雷达信号处理技术的理论与应用研究成为一大热门领域。 雷达信号的动目标检测(MAD)是利用动目标、地杂波、箔条和气象干扰在频谱上的差别，抑制来自建筑物、山、树、海和雨之类的固定或低速杂波信号。区分运动目标和杂波的基础是它们在运动速度上的差别，运动速度不同会引起回波信号频率产生的多普勒频移不相等，这就可以从频率上区分不同速度目标的回波。固定杂波的中心频率位于零频，很容易设计滤波器将其消除。但对于运动杂波，由于其多普勒频移未知，不能像消除固定杂波那样很容易地设计滤波器，其抑制就变得困难了从本质上来讲，雷达信号的检测问题就是对某一坐标位置上目标信号“有”或“无”的判断问题。最初，这一任务由雷达操作员根据雷达屏幕上的目标回波信号进行人工判断来完成。后来，出现了自动检测技术，一开始为固定或半固定门限检测，这种体制下当干扰和杂波功率水平增加几分贝，虚警概率将急剧增加，以至于显示器画面饱和或数据处理过载，这时即使信噪比很大，也不能作出正确的判断。为克服这些问题进而发展了自适应恒虚警(Constant FalseAlarm Rate，CFAR)检测。CFAR 检测使得雷达在多变的背景信号中能够维持虚警概率的相对稳定，这种虚警概率的稳定性对于大多数的雷达，如搜索警戒雷达、跟踪雷达、火控雷达等。
第二章 雷达信号数字脉冲压缩技术 2.1 引言 雷达脉冲压缩器的设计实际上就是匹配滤波器的设计。根据脉冲压缩系统实 现时的器件不同，通常脉冲压缩的实现方法分为两类，一类是用模拟器件实现的 模拟方式，另一类是数字方式实现的，主要采用数字器件实现。 脉冲压缩处理时必须解决降低距离旁瓣的问题，否则强信号脉冲压缩的旁瓣 会掩盖或干扰附近的弱信号的反射回波。这种情况在实际工作中是不允许的。采 用加权的方法可以降低旁瓣，理论设计旁瓣可以达到小于-40dB 的量级。但用模拟技术实现时实际结果与理论值相差很大，而用数字技术实现时实际输出的距离旁瓣与理论值非常接近。数字脉压以其许多独特的优点正在或已经替代模拟器件进行脉冲压缩处理。 2.2 数字脉压实现方法 用数字技术实现脉冲压缩可采用时域方法或频域方法。至于采用哪种方法。 要根据具体情况而定，一般而言，对于大时宽带宽积信号，用频域脉压较好；对 于小时宽带宽积信号，用时域脉压较好。 2.2.1 时域卷积法实现数字脉压 时域脉冲压缩的过程是通过对接收信号)(t s 与匹配滤波器脉冲响应)(t h 求卷积的方法实现的。根据匹配滤波理论，)()(0*t t s t h -=，即匹配滤波器是输入信号的共轭镜像，并有响应的时移0t 。 用数字方法实现时，输入信号为)(n s ，起匹配滤波器为)(n h ，即匹配滤波器的输出为输入离散信号)(n s 与其匹配滤波器)(n h 的卷积
数字信号处理 课 程 设 计 院系：电子信息与电气工程学院 专业：电子信息工程专业 班级：电信班 姓名： 学号： 组员：
摘要 滤波器设计在数字信号处理中占有极其重要的地位，FIR数字滤波器和IIR 滤波器是滤波器设计的重要组成部分。利用MATLAB信号处理工具箱可以快速有效地设计各种数字滤波器。课题基于MATLAB有噪音语音信号处理的设计与实现，综合运用数字信号处理的理论知识对加噪声语音信号进行时域、频域分析和滤波。通过理论推导得出相应结论，再利用 MATLAB 作为编程工具进行计算机实现。在设计实现的过程中，使用窗函数法来设计FIR数字滤波器，用巴特沃斯、切比雪夫和双线性变法设计IIR数字滤波器，并利用MATLAB 作为辅助工具完成设计中的计算与图形的绘制。通过对对所设计滤波器的仿真和频率特性分析，可知利用MATLAB信号处理工具箱可以有效快捷地设计FIR和IIR数字滤波器，过程简单方便，结果的各项性能指标均达到指定要求。 关键词数字滤波器 MATLAB 窗函数法巴特沃斯
目录 摘要 (1) 1 引言 (1) 1.1课程设计目的 (1) 1.2 课程设计内容及要求 (1) 1.3课程设计设备及平台 (1) 1.3.1 数字滤波器的简介及发展 (1) 1.3.2 MATLAB软件简介 (2) 2 课程设计原理及流程 (4) 3.课程设计原理过程 (4) 3.1 语音信号的采集 (4) 3.2 语音信号的时频分析 (5) 3.3合成后语音加噪声处理 (7) 3.3.1 噪声信号的时频分析 (7) 3.3.2 混合信号的时频分析 (8) 3.4滤波器设计及消噪处理 (10) 3.4.1 设计IIR和FIR数字滤波器 (10) 3.4.2 合成后语音信号的消噪处理 (13) 3.4.3 比较滤波前后语音信号的波形及频谱 (13) 3.4.4回放语音信号 (15) 3.5结果分析 (15) 4 结束语 (15) 5 参考文献 (16)
连续波雷达及信号处理技术初探 摘要：连续波雷达，主要就是连续发生电磁波的雷达，可以根据不同发射信号的形式，将其划分成为非调制单频与调频两种类型。在连续波雷达系统实际应用的过程中，应当科学使用信号处理技术开展相关处理工作，在实际观测的过程中，解决收发开关中存在的问题，保证雷达信号接收与发射工作效果。关键词：连续波雷达；信号处理技术；应用措施在使用信号处理技术对连续波雷达进行控制的过程中，应当建立多元化的管理机制，明确各方面工作要求，创新信号处理工作形式，保证能够提升信号处理技术的应用水平，创建专门的管理机制。一、连续波雷达定义与特征分析对于连续波雷达而言，主要是针对电磁波进行连续的发射，根据发射信号形式将其划分成为非调制单频与调频两种类型。在1924年的时候，英国就开始通过连续波课调频测距相关分析，对电离层开展观测工作。且在第二次世界大战的过程中，已经使用连续波雷达开展飞机观测与地面观测工作。然而，在实际使用的过程中，经常会出现收发隔离的现象，难以保证工作效果，因此，使用收发开关对此类问题进行了解决。当前，在使用连续波雷达的过程中，已经能够通过同一天线开展信号接收与发射工作，产生良好的工作效果。在使用连续波雷达发射机设备的过程中，不需要高压的支持，也不会出现打火的现象，能够利用多元化的方式开展信号调制工作，有利于提升信号的发射效率，增强雷达处理效果，因此，在相同体积、重量的雷达设备中，连续波雷达受到广泛关注与重视，应用于世界的各个国家。同时，连续波雷达的体积很小，重量很轻，馈线的损耗最低，使用流程简单，与其他雷达相较可以得知，连续波雷达在接收机方面，所使用的宽带脉冲较窄，有利于抵抗杂波问题，提升电磁干扰的抵抗能力。在应用连续波雷达对距离与速度进行测量的过程中，其测量准确性较高，不会受到其他因素的干扰。对于连续波雷达而言，其特点主要表现为以下几点： （一）发射机的运行功率较低连续波雷达的发射机运行功率很低，有利于应用在侦查工作中。一般情况下，在使用侦查接收机的过程中，可以利用连续波雷达对其进行处理，提升工作效率，加快侦查速度，保证瞬时频率符合相关规定。同时，在使用连续波雷达的过程中，还要使用伪随机码调相方式对其进行处理，减少外界带来的干扰，做好反侦察工作，保证可以符合实际发展需求。（二）接收机的宽带很窄连续波雷达在实际运行的过程中，接收机的宽带很窄，在杂波环境中，能够实行检测工作，提升自身抗干扰能力。且在电磁干扰的环境中，可以提升自身的抗干扰性能，满足实际处理需求[1]。（三）对小目标进行检测连续波雷达设备的使用，可以提升发射机的功率，增加收发天线的收益，且可以减少噪音问题，在一定程度上，能够减少微波损耗问题，更好的对隐身目标进行检测，合理开展雷达探测等工作，提升相关信号的处理效果，满足实际发展需求。二、连续波雷达的相关工作园林分析连续波雷达的运行，需要明确实际工作原理，通常情况下，雷达发射线性三角调频的相关连续性信号，那么，雷达设备的载频就在f0的数值之上，在此过程中，可以将调频宽带设置成为A，将调频间隔设置成为C。在对信号频率与时间进行计算的过程中，应当明确相关原理，创新管理工作形式，对具有代表性的内容进行合理分析，保证可以提升自身分析工作效果。在信号处理工作中，应当重点关注发射信号与目标回波信号，通过合理的计算方式，创建多
成绩评定表 课程设计任务书
摘要 本文研究的是傅里叶变换的对称性和时移特性，傅里叶变换的性质有：对称性、线性（叠加性）、奇偶虚实性、尺度变换特性、时移特性、频移特性、微分特性、积分特性、卷积特性（时域和频域）；从信号与系统的角度出发,给出了激励信号的具体模型；应用Matlab软件进行仿真，将研究的信号转化成具体的函数形式，在Matlab得到最终变换结果。使用傅里叶变换的方法、卷积的求解方法以及函数的微分等方法研究题目。 关键词: 傅里叶变换;对称性;时移特性;Matlab 目录 1、Matlab介绍................................................................................... 错误!未定义书签。
2.利用Matlab实现信号的频域分析—傅里叶变换的对称性与时移特性设计 (5) 2.1.傅里叶变换的定义及其相关性质 (5) 2.2.傅里叶变换的对称性验证编程设计及实现 (7) 2.3.傅里叶变换的时移特性验证编程设计及实现 (10) 3.总结 (13) 4.参考文献 (13) 1 、Matlab介绍 MATLAB作为一种功能强大的工程软件，其重要功能包括数值处理、程序设计、可视化显示、图形用户界面和与外部软件的融合应用等方面。 MATLAB软件由美国Math Works公司于1984年推出，经过不断的发展和完善，如今己成为覆盖多个学科的国际公认的最优秀的数值计算仿真软件。MATLAB具备强大的数值计算能力，许多复杂的计算问题只需短短几行代码就可在MATLAB中实现。作为一个跨平台的软件，MATLAB已推出Unix、Windows、Linux和Mac等十多种操作系统下的版本，大大方便了在不同操作系统平台下的研究工作。 MATLAB软件具有很强的开放性和适应性。在保持内核不变的情况下，MATLAB可以针对不同的应用学科推出相应的工具箱(toolbox)，目前己经推出了
实验一：基于DFT的数字谱分析以及可能出现的问题 一、实验目的： 1.进一步加深对DFT的基本性质的理解。 2.掌握在MATLAB环境下采用FFT函数编程实现DFT的语句用法。 3.学习用DFT进行谱分析的方法，了解DFT谱分析中出现的频谱泄露和栅栏效应现 象，以便在实际中正确应用DFT。 二、实验步骤: 1.复习DFT的定义、物理含义以及主要性质。 2.复习采用DFT进行谱分析可能出现的三个主要问题以及改善方案。 3.按实验内容要求，上机实验，编写程序。 4.通过观察分析实验结果，回答思考题，加深对DFT相关知识的理解。 三、上机实验内容: 1.编写程序产生下列信号供谱分析用： 离散信号： x1=R10(n) x2={1,2,3,4,4,3,2,1}，n=0,1,2,3,4,5,6,7 x3={4,3,2,1, 1,2,3,4}，n=0,1,2,3,4,5,6,7 连续信号： x4=sin(2πf1t)+sin(2πf2t) f1=100Hz, f2=120Hz，采样率fs=800Hz 2.对10点矩形信号x1分别进行10点、16点、64点和256点谱分析，要求256点 频谱画出连续幅度谱，10点、16点和64点频谱画出离散幅度谱，观察栅栏效应。 3.产生信号x2和x3分别进行8点、16点谱分析，画出离散幅度谱，观察两个信 号的时域关系和幅度谱的关系。 4.对双正弦信号x4以采样率fs=800Hz抽样，生成离散双正弦信号并画出连续波形； 对离散双正弦信号进行时域截断，截取样本数分别为1000、250、50。对不同样本的双正弦信号分别进行1024点谱分析，画出连续幅度谱，观察频谱泄露现象。
目录 实验1 离散时间信号的频域分析-----------------------2 实验2 FFT算法与应用-------------------------------7 实验3 IIR数字滤波器的设计------------------------12 实验4 FIR数字滤波器的设计------------------------17
实验1 离散时间信号的频域分析 一．实验目的 信号的频域分析是信号处理中一种有效的工具。在离散信号的时域分析中，通常将信号表示成单位采样序列δ（n ）的线性组合，而在频域中，将信号表示成复变量e n j ω-或 e n N j π2-的线性组合。通过这样的表示，可以将时域的离散序 列映射到频域以便于进一步的处理。 在本实验中，将学习利用MATLAB 计算离散时间信号的DTFT 和DFT,并加深对其相互关系的理解。 二、实验原理 (1)DTFT 和DFT 的定义及其相互关系。序列x(n)DTFT 定义为()jw X e = ()n x n e ∞ =∞ ∑ω jn -它是关于自变量ω的复函数，且是以2π为周期的连续函数。 ()jw X e 可以表示为()()()jw jw jw re im X e X e jX e =+,其中，()jw re X e 和()jw im X e 分别是 ()jw X e 实部和虚部；还可以表示为 ()jw X e =()|()|jw j w X e e θ，其中， |()|jw X e 和{} ()arg ()j w X e ωθ=分别是()jw X e 的幅度函数和相位函数；它们都是ω的实函数，也是以2π为周期的周期函数。 序列()x n 的N 点DFT 定义为2211 ()()()()N N j k j kn kn N N N N n X k X e x n e x n W π π ---==== ∑∑，()X k 是周期为N 的序列。()j X e ω与()X k 的关系：()X k 是对()j X e ω）在一个周期 中的谱的等间隔N 点采样，即 2k |()()|jw w N X k X e π = = ，而()j X e ω 可以通过对()X k 内插获得，即
（一）用窗函数法设计FIR数字滤波器 一、设计题目用窗函数法设计FIR数字低通滤波器 二、设计目的 1. 熟悉设计线性相位数字滤波器的一般步骤。 2. 掌握用窗函数法设计FIR数字滤波器的原理和方法。 3. 熟悉各种窗函数的作用以及各种窗函数对滤波特性的影响。 4. 学会根据指标要求选取合适的窗函数。 三、设计原理 窗函数法又称为傅里叶级数法，FIR数字滤波器的设计问题就是要所设计的FIR数字滤波器的响应H(ejw)去逼近所要求的理想滤波器的响应Hd(ejw)。从单位取样响应序列来看，就是使所设计的滤波器的h(n)逼近理想单位取样响应序列hd(n)。而且Hd(ejw)=逐段恒定的，且在频带边界处有不连续点，因此序列hd(n)是无限长的，通过直接截取无限长序列以得到有限长序列的办法，可以形象的比喻为h(n)通过一个窗口所看到的一段hd(n)。因此，h(n)也可以表达为hd(n)和一个窗函数w(n)的乘积，h(n)=w(n)hd(n)。这里的窗函数就是矩形序列RN(n)。 四、实现方法 用MATLAB编程实现给定指标要求的滤波器设计 五、设计内容及要求 1、各窗函数图（假设N=67;） N=67;
n=0:N-1; wn1=ones(1,N); stem(n, wn1);矩形窗 figure; wn2=hamming(N); stem(n, wn2);海明窗 figure; wn3=BARTLETT(N); stem(n, wn3);巴特列特 figure; wn4= Hanning(N); stem(n, wn4);汉宁窗 将窗函数分别画出来 2、计算理想低通滤波器单位冲激响应的源程序function[hd]=ideal(wc,N) q=(N-1)/2; n=0:N-1; m=n-q+eps; hd=sin(wc*m)./(pi*m); 3、计算频率响应的源程序 function[H]=fr(b,a,w); m=0:length(b)-1; l=0:length(a)-1; num=b*exp(-j*m'*w); den=a*exp(-j*l'*w); H=num./den;
《数字信号处理》课程设计设计题目：基于MATLAB的音乐信号处理和分析 院系：物理工程学院 专业：电子信息科学与技术 学号： 姓名：
一、课程设计的目的 本课程设计通过对音乐信号的采样、抽取、调制解调、滤波、去噪等多种处理过程的理论分析和MATLAB实现，使学生进一步巩固数字信号处理的基本概念、理论以及频谱分析方法和数字滤波器设计方法；使学生掌握的基本理论和分析方法只是得到进一步扩展；使学生能有效地将理论和实际紧密结合；增强学生软件编程实现能力和解决实际问题的能力。 二、课程设计的基本要求 1 学会MATLAB的使用，掌握MATLAB的基本编程语句。 2 掌握在Windows环境下音乐信号采集的方法。 3 掌握数字信号处理的基本概念、基本理论和基本方法。 4 掌握MATLAB设计FIR和IIR数字滤波器的方法。 5 掌握使用MATLAB处理数字信号、进行频谱分析、涉及数字滤波器的编程方法。 三、课程设计内容 实验1音乐信号的音谱和频谱观察 使用windows下的录音机录制一段音乐信号或采用其它软件截取一段音乐信号（要求：时间不超过5s、文件格式为wav文件） ①使用wavread语句读取音乐信号，获取抽样率；（注意：读取的信号时双声道信号，即为双列向量，需要分列处理）； ②输出音乐信号的波形和频谱，观察现象； 使用sound语句播放音乐信号，注意不同抽样率下的音调变化，解释现象。 程序如下： [Y,FS,NBITS]=WAVREAD('怒放的生命 - 汪峰5s'); %读取音乐信号 plot(Y); %显示音乐信号的波形和频谱 sound(Y,FS); %听音乐（按照原来的抽样率） Y1=Y(:,1); %由双声道信号变为单声道信号 size(Y1) figure subplot(2,1,1);
前言 《数字信号处理》是信息电子，通信工程等本科专业及其他相近专业的一门专业必修课。通过本课程的学习，学生应掌握以下基本概念、理论和方法：采样定理、离散序列的变换、离散信号的频谱分析；离散系统的传递函数、频率响应、离散系统的基本分析方法；数字滤波器的设计理论、滤波器的软件实现；离散傅立叶变换理论、快速傅立叶变换方法；有限字长效应。 为了使学生更好地理解和深刻地把握这些知识，并在此基础上，训练和培养学生掌握离散系统的基本概念和分析方法，数字滤波器的设计和实现，以及如何利用快速傅立叶变换等DSP技术对数字信号进行分析、滤波等处理，设置了以下三个实验： （1）离散时间序列卷积和MATLAB实现； 内容：使用任意的编程语言编制一个程序，实现两个任意有限序列的卷积和。 目的：理解线性非移变系统I/O关系和实现 要求：掌握使用计算机实现数字系统的方法 （2）FFT算法的MATLAB实现； 内容：使用MATLAB编程语言编制一个程序，实现任意有限序列的FFT。 目的：理解FFT算法的意义和实现 要求：掌握使用计算机实现FFT算法的方法 （3）数字滤波器的设计； 内容：使用MATLAB编程语言编制一个程序，实现FIR或IIR滤波器的设计目的：理解数字滤波器的设计技术 要求：掌握使用计算机进行数字滤波器设计的方法 （4）窗函数设计FIR滤波器； 内容：使用MATLAB编程语言编制一个程序，实现FIR或IIR滤波器的设计目的：理解数字滤波器的设计技术 要求：掌握使用计算机进行数字滤波器设计的方法 该实验指导书是参照该课程的教学大纲而编制的，适合于信息电子工程、通信工程等本科专业及其他相近专业。
实验1 1、音乐信号的音谱和频谱观察 ○1使用wavread语句读取音乐信号，获取抽样率； ○2输出音乐信号的波形和频谱，观察现象； ○3使用sound语句播放音乐信号，注意不同抽样率下的音调变化，解释现象。 clear all;close all;clc [a,fs,bit]=wavread('c:\MATLAB6p5\work\陪你一起看草原.wav'); size(a); y1=a(:,1); a1=y1(10000:60000) figure; subplot(2,1,1),plot(a); subplot(2,1,2),plot(a1); x1=resample(a1,2,1); %y=resample(x,p,q)返回量的长度是向量x的p/q倍sound(x1,fs); %sound(a,fs); N1=length(a1); F1=fft(a1,N1); w=2/N1*[0:N1-1]; %频谱图横坐标设置 figure; plot(w,abs(F1)); N2=length(a1); t=0:1/N2:1/N2*(N2-1); title('傅利叶变换'); %傅利叶变换; figure; plot(a1); title('时域波形'); %时域波形;
1，以二倍的抽样率听声音信号时，音乐播放的特别快，像被压缩了，播放的时间比原信号短。 2，以二分之一的抽样率听声音信号时，音乐播放的特别慢，像被拉长了，播放的时间比原信号长。 3，原信号频谱截止频率为0.5*pi 实验2 2、音乐信号的抽取（减抽样） ○1观察音乐信号频率上限，选择适当的抽取间隔对信号进行减抽样（给出两种抽取间隔， 代表混叠和非混叠）； ○2输出减抽样音乐信号的波形和频谱，观察现象，给出理论解释； ○3播放减抽样音乐信号，注意抽样率的改变，比较不同抽取间隔下的声音，解释现象。 clear all;close all;clc [a,fs,bit]=wavread('c:\MATLAB6p5\work\陪你一起看草原.wav'); size(a); y1=a(:,1); a1=y1(10000:60000)