設計數字信號分析裝置

① 數字信號處理器的知識簡介

DSP的演算法有多種。絕大多數的DSP處理器使用定點演算法，數字表示為整數或-1.0到+1.0之間的小數形式。有些處理器採用浮點演算法，數據表示成尾數加指數的形式：尾數×2指數。
浮點演算法是一種較復雜的常規演算法，利用浮點數據可以實現大的數據動態范圍(這個動態范圍可以用最大和最小數的比值來表示)。浮點DSP在應用中，設計工程師不用關心動態范圍和精度一類的問題。浮點DSP比定點DSP更容易編程，但是成本和功耗高。
由於成本和功耗的原因，一般批量產品選用定點DSP。編程和演算法設計人員通過分析或模擬來確定所需要的動態范圍和精度。如果要求易於開發，而且動態范圍很寬、精度很高，可以考慮採用浮點DSP。
也可以在採用定點DSP的條件下由軟體實現浮點計算，但是這樣的軟體程序會佔用大量處理器時間，因而很少使用。有效的辦法是「塊浮點」，利用該方法將具有相同指數，而尾數不同的一組數據作為數據塊進行處理。「塊浮點」處理通常用軟體來實現。 所有浮點DSP的字寬為32位，而定點DSP的字寬一般為16位，也有24位和20位的DSP，如摩托羅拉的DSP563XX系列和Zoran公司的ZR3800X系列。由於字寬與DSP的外部尺寸、管腳數量以及需要的存儲器的大小等有很大的關系，所以字寬的長短直接影響到器件的成本。字寬越寬則尺寸越大，管腳越多，存儲器要求也越大，成本相應地增大。在滿足設計要求的條件下，要盡量選用小字寬的DSP以減小成本。
在關於定點和浮點的選擇時，可以權衡字寬和開發復雜度之間的關系。例如，通過將指令組合連用，一個16位字寬的DSP器件也可以實現32位字寬雙精度演算法(當然雙精度演算法比單精度演算法慢得多)。如果單精度能滿足絕大多數的計算要求，而僅少量代碼需要雙精度，這種方法也可行，但如果大多數的計算要求精度很高，則需要選用較大字寬的處理器。
請注意，絕大多數DSP器件的指令字和數據字的寬度一樣，也有一些不一樣，如ADI(模擬器件公司)的ADSP-21XX系列的數據字為16位而指令字為24位。 處理器是否符合設計要求，關鍵在於是否滿足速度要求。測試處理器的速度有很多方法，最基本的是測量處理器的指令周期，即處理器執行最快指令所需要的時間。指令周期的倒數除以一百萬，再乘以每個周期執行的指令數，結果即為處理器的最高速率，單位為每秒百萬條指令MIPS。
但是指令執行時間並不能表明處理器的真正性能，不同的處理器在單個指令完成的任務量不一樣，單純地比較指令執行時間並不能公正地區別性能的差異。現在一些新的DSP採用超長指令字(VLIW)架構，在這種架構中，單個周期時間內可以實現多條指令，而每個指令所實現的任務比傳統DSP少，因此相對VLIW和通用DSP器件而言，比較MIPS的大小時會產生誤導作用。
即使在傳統DSP之間比較MIPS大小也具有一定的片面性。例如，某些處理器允許在單個指令中同時對幾位一起進行移位，而有些DSP的一個指令只能對單個數據位移位；有些DSP可以進行與正在執行的ALU指令無關的數據的並行處理(在執行指令的同時載入操作數)，而另外有些DSP只能支持與正在執行的ALU指令有關的數據並行處理；有些新的DSP允許在單個指令內定義兩個MAC。因此僅僅進行MIPS比較並不能准確得出處理器的性能。
解決上述問題的方法之一是採用一個基本的操作(而不是指令)作為標准來比較處理器的性能。常用到的是MAC操作，但是MAC操作時間不能提供比較DSP性能差異的足夠信息，在絕大多數DSP中，MAC操作僅在單個指令周期內實現，其MAC時間等於指令周期時間，如上所述，某些DSP在單個MAC周期內處理的任務比其它DSP多。MAC時間並不能反映諸如循環操作等的性能，而這種操作在所有的應用中都會用到。
最通用的辦法是定義一套標准常式，比較在不同DSP上的執行速度。這種常式可能是一個演算法的「核心」功能，如FIR或IIR濾波器等，也可以是整個或部分應用程序(如語音編碼器)。圖1為使用BDTI公司的工具測試的幾款DSP器件性能。
在比較DSP處理器的速度時要注意其所標榜的MOPS(百萬次操作每秒)和MFLOPS(百萬次浮點操作每秒)參數，因為不同的廠商對「操作」的理解不一樣，指標的意義也不一樣。例如，某些處理器能同時進行浮點乘法操作和浮點加法操作，因而標榜其產品的MFLOPS為MIPS的兩倍。
其次，在比較處理器時鍾速率時，DSP的輸入時鍾可能與其指令速率一樣，也可能是指令速率的兩倍到四倍，不同的處理器可能不一樣。另外，許多DSP具有時鍾倍頻器或鎖相環，可以使用外部低頻時鍾產生片上所需的高頻時鍾信號。 語音處理：語音編碼、語音合成、語音識別、語音增強、語音郵件、語音儲存等。
圖像/圖形：二維和三維圖形處理、圖像壓縮與傳輸、圖像識別、動畫、機器人視覺、多媒體、電子地圖、圖像增強等。
軍事；保密通信、雷達處理、聲吶處理、導航、全球定位、跳頻電台、搜索和反搜索等。
儀器儀表：頻譜分析、函數發生、數據採集、地震處理等。
自動控制：控制、深空作業、自動駕駛、機器人控制、磁碟控制等。
醫療：助聽、超聲設備、診斷工具、病人監護、心電圖等。
家用電器：數字音響、數字電視、可視電話、音樂合成、音調控制、玩具與游戲等。
生物醫學信號處理舉例：
CT：計算機X射線斷層攝影裝置。（其中發明頭顱CT英國EMI公司的豪斯菲爾德獲諾貝爾獎。）
CAT:計算機X射線空間重建裝置。出現全身掃描，心臟活動立體圖形，腦腫瘤異物，人體軀干圖像重建。
心電圖分析。 DSP的性能受其對存儲器子系統的管理能力的影響。如前所述，MAC和其它一些信號處理功能是DSP器件信號處理的基本能力，快速MAC執行能力要求在每個指令周期從存儲器讀取一個指令字和兩個數據字。有多種方法實現這種讀取，包括多介面存儲器(允許在每個指令周期內對存儲器多次訪問)、分離指令和數據存儲器(「哈佛」結構及其派生類)以及指令緩存(允許從緩存讀取指令而不是存儲器，從而將存儲器空閑出來用作數據讀取)。圖2和圖3顯示了哈佛存儲器結構與很多微控制器採用的「馮·諾曼」結構的差別。
另外要注意所支持的存儲器空間的大小。許多定點DSP的主要目標市場是嵌入式應用系統，在這種應用中存儲器一般較小，所以這種DSP器件具有小到中等片上存儲器(4K到64K字左右)，備有窄的外部數據匯流排。另外，絕大多數定點DSP的地址匯流排小於或等於16位，因而可外接的存儲器空間受到限制。
一些浮點DSP的片上存儲器很小，甚至沒有，但外部數據匯流排寬。例如TI公司的TMS320C30隻有6K片上存儲器，外部匯流排為24位，13位外部地址匯流排。而ADI的ADSP2-21060具有4Mb的片上存儲器，可以多種方式劃分為程序存儲器和數據存儲器。
選擇DSP時，需要根據具體應用對存儲空間大小以及對外部匯流排的要求來選擇。 DSP處理器和諸如英特爾、奔騰或Power
PC的通用處理器（GPPs）有很大的區別，這些區別產生於DSPs的結構和指令是專門針對信號處理而設計和開發的，它具有以下特點。
·硬體乘法累加操作（MACs）
為了有效完成諸如信號濾波的乘法累加運算，處理器必需進行有效的乘法操作。GPPs起初並不是為繁重的乘法操作設計的，把DSPs同早期的GPPs區別開來的第一個重大技術改進就是添加了能夠進行單周期乘法操作的專門硬體和明確的MAC指令。
·哈佛結構
傳統的GPPs使用馮．諾曼存儲結構，在這種結構中，有一個存儲空間通過兩條匯流排（一條地址匯流排和一條數據匯流排）連接到處理器內核，這種結構不能滿足MAC必須在一個指令周期中對存儲器進行四次訪門的要求。DSPs一般使用哈佛結構，在哈佛結構中，有兩個存儲空間：程序存儲空間和數據存儲空間。處理器內核通過兩套匯流排與這些存儲空間相連，允許對存儲器同時進行兩訪問，這種安排使處理器的帶寬加倍。在哈佛結構中，有時通過增加第二個數據存儲空間和匯流排來實現更大的存儲帶寬。現代高性能GPPs通常具有兩個片上超高速緩沖存儲器一個存放數據，一個存放指令。從理論的角度上講，這種雙重片上高速緩存與匯流排連接等同於哈佛結構，但是，GPPs使用控制邏輯來確定哪些數據和指令字駐留在片上高速緩存里，這個過程通常不為程序設計者所見，而在DSPs里，程序設計者能明確的控制哪些數據和指令被存儲在片上的存儲單元或緩存中。
·零消耗循環控制
DSP演算法的共同特徵：大部分處理時間花在執行包含在相對小循環內的少量指令上。因此，大部分DSP處理器具有零消耗循環控制的專門硬體。零消耗循環是指處理器不用花時間測試循環計數器的值就能執行一組指令的循環，硬體完成循環跳轉和循環計數器的衰減。有些DSPs還通過一條指令的超高速緩存實現高速的單指令循環。
·特殊定址模式
DSPs經常包含有專門的地址產生器，它能產生信號處理演算法需要的特殊定址，如循環定址和位翻轉定址。循環定址對應於流水FIR濾波演算法，位翻轉定址對應於FFT演算法。
·執行時間的可預測性
大多數DSP應用都具有硬性實時要求，在每種情況下所有處理工作都必須在指定時間內完成。這種實時限制要求程序設計者確定每個樣本究竟需要多少時間或者在最壞情況下至少用去多少時間。DSPs執行程序的進程對程序員來說是透明的，因此很容易預測處理每項工作的執行時間。但是，對於高性能GPPs來說，由於大量超高速數據和程序緩存的使用，動態分配程序，因此執行時間的預測變得復雜和困難。
·具有豐富的外設
DSPs具有DMA、串口、Link口、定時器等外設。

② 虛擬數字信號處理分析儀設計

你開玩笑的吧？這是一個大項目了

③ 設計一個數字信號發生器

電子設計大賽賽題，都結束了，測試專家告訴我最好用FPGA。

④ 數字信號課程設計

Matlab在數字信號處理課程設計中的應用

作者:李永全 來源:現代電子技術

摘 要：分析了數字信號處理課程的重要性及特點，為了幫助學生理解與掌握課程中的基本概念、基本原理、基本分析方法，提出了用Matlab進行數字信號處理課程設計的思路，並闡述了課程設計的具體方法、步驟和內容。
關鍵詞：數字信號處理；課程設計；Matlab；頻譜分析

1 《數字信號處理》課程的特點
《數字信號處理》課程是一門理論和技術發展十分迅速、應用非常廣泛的前沿性學科，他的理論性和實踐性都很強，他的特點是：
(1)要求的數學知識多，包括高等代數、數值分析、概率統計、隨機過程等。
(2)要求掌握的基礎知識強，網路理論、信號與系統是本課程的理論基礎。
(3)與其他學科密切相關，即與通信理論、計算機、微電子技術不可分，又是人工智慧、模式識別、神經網路等新興學科的理論基礎之一。
學生在學習這門課程時，普遍感到數字信號處理的概念抽象，對其中的分析方法與基本理論不能很好地理解與掌握。因此，如何幫助學生理解與掌握課程中的基本概念、基本原理、基本分析方法以及綜合應用所學知識解決實際問題的能力，是本課程教學中所要解決的關鍵問題。為了配合《數字信號處理》專業基礎課的理論教學，我們在電子信息工程專業教學計劃中安排了二周的《數字信號處理》課程設計，他是針對《數字信號處理》的基礎理論和演算法進行實踐環節的一個綜合訓練，以便學習鞏固所學的知識，加強理論和實際結合的能力，培養學生的綜合設計能力與實際工作能力。
Matlab語言是一種廣泛應用於工程計算及數值分析 領域的新型高級語言，Matlab功能強大、簡單易學、編程效率高，深受廣大科技工作者的歡迎。特別是Matlab還具有信號分析工具箱，不需具備很強的編程能力，就可以很方便地進行信號分析、處理和設計。因此，選擇用Matlab進行課程設計。

2 基於Matlab的課程設計
為了鞏固所學的數字信號處理理論知識，使學生對信號的採集、處理、傳輸、顯示和存儲等有一個系統的掌握和理解，精心地安排了課程設計的內容：錄制一段個人自己的語音信號，並對錄制的信號進行采樣；畫出采樣後語音信號的時域波形和頻譜圖；給定濾波器的性能指標，採用窗函數法和雙線性變換設計濾波器，並畫出濾波器的頻率響應；然後用自己設計的濾波器對採集的信號進行濾波，畫出濾波後信號的時域波形和頻譜，並對濾波前後的信號進行對比，分析信號的變化；回放語音信號；最後，設計一個信號處理系統界面。下面對各步驟加以具體說明。
2．1 語音信號的採集
要求學生利用Windows下的錄音機，錄制一段自己的話音，時間在1 s內。然後在Matlab軟體平台下，利用函數wavread對語音信號進行采樣，記住采樣頻率和采樣點數。通過wavread函數的使用，學生很快理解了采樣頻率、采樣位數等概念。
2．2 語音信號的頻譜分析
要求學生首先畫出語音信號的時域波形；然後對語音號進行快速傅里葉變換，得到信號的頻譜特性，從而加深學生對頻譜特性的理解。其程序如下：

2．3 設計數字濾波器和畫出其頻率響應
給出各濾波器的性能指標：
(1)低通濾波器性能指標 fb＝1 000 Hz，fc＝1 200 Hz，As＝100 dB，Ap＝1 dB。
(2)高通濾波器性能指標 fc＝4 800 Hz，fb＝5 000 Hz As＝100 dB，Ap＝1 dB。
(3)帶通濾波器性能指標 fb1＝1 200 Hz，fb2＝3 000 Hz，fc1＝1 000 Hz，fc2＝3 200 Hz，As＝100 dB，Ap＝1 dB。
要求學生用窗函數法和雙線性變換法設計上面要求的3種濾波器。在Matlab中，可以利用函數fir1設計FIR濾波器，可以利用函數butte， cheby1和ellip設計IIR濾波器；利用Matlab中的函數freqz畫出各濾波器的頻率響應。程序如下：

2．4 用濾波器對信號進行濾波
要求學生用自己設計的各濾波器分別對採集的信號進行濾波，在Matlab中，FIR濾波器利用函數fftfilt對信號進行濾波，IIR濾波器利用函數filter對信號進行濾波。
2．5 比較濾波前後語音信號的波形及頻譜
要求學生在一個窗口同時畫出濾波前後的波形及頻 譜。其程序如下：

2．6 回放語音信號
在Matlab中，函數sound可以對聲音進行回放。其調用格式：sound(x，fs，bits)；可以感覺濾波前後的聲音有變化。
2．7 設計系統界面
為了使編制的程序操作方便，要求有能力的學生，設計處理系統的用戶界面。在所設計的系統界面上可以選擇濾波器的類型，輸入濾波器的參數，顯示濾波器的頻率響應，選擇信號等。

3 結語
筆者在電信97，98，99，00四屆學生中，採用Matlab進行數字信號處理課程設計，實踐證明，使學生加深了對課堂抽象概念的理解，鞏固了課堂上所學的理論知識，並能很好地理解與掌握數字信號處理中的基本概念、基本原理、基本分析方法。在課程設計中，讓學生錄制自己的聲音，設計濾波器對聲音進行處理，大大激發了同學們的學習興趣，使學生很快地掌握編程方法和解決實際問題的技巧，取得了良好的教學效果。

參考文獻

〔1〕程佩青．數字信號處理教程〔M〕．北京：清華大學出版社，2002．
〔2〕劉敏，魏玲．Matlab通信模擬與應用〔M〕．北京：國防工業出版社，2001．

⑤ 如何用分立式數字電路設計數字信號發生器

信號發生器又稱信號源或振盪器，在生產實踐和科技領域中有著廣泛的信號發生器又稱信號源或振盪器，在生產實踐和科技領域中有著廣泛的應用。各種波形曲線均可以用三角函數方程式來表示。能夠產生多種波形,如三角波、鋸齒波、矩形波（含方波）、正弦波的電路被稱為函數信號發生器。函數信號發生器在電路實驗和設備檢測中具有十分廣泛的用途。例如在通信、廣播、電視系統中，都需要射頻（高頻）發射，這里的射頻波就是載波，把音頻（低頻）、視頻信號或脈沖信號運載出去，就需要能夠產生高頻的振盪器。在工業、農業、生物醫學等領域內，如高頻感應加熱、熔煉、淬火、超聲診斷、核磁共振成像等，都需要功率或大或小、頻率或高或低的振盪器。函數信號發生器的實現方法通常有以下幾種：
（1）用分立元件組成的函數發生器：通常是單函數發生器且頻率不高，其工作不很穩定，不易調試。
（2）可以由晶體管、運放IC等通用器件製作，更多的則是用專門的函數信號發生器IC產生。早期的函數信號發生器IC，如L8038、BA205、XR2207/2209等，它們的功能較少，精度不高，頻率上限只有300kHz，無法產生更高頻率的信號，調節方式也不夠靈活，頻率和占空比不能獨立調節，二者互相影響。
（3）利用單片集成晶元的函數發生器：能產生多種波形，達到較高的頻率，且易於調試。鑒於此，美國馬克西姆公司開發了新一代函數信號發生器ICMAX038，它克服了（2）中晶元的缺點，可以達到更高的技術指標，是上述晶元望塵莫及的。MAX038頻率高、精度好，因此它被稱為高頻精密函數信號發生器IC。在鎖相環、壓控振盪器、頻率合成器、脈寬調制器等電路的設計上，MAX038都是優選的器件。
（4）利用專用直接數字合成DDS晶元的函數發生器：能產生任意波形並達到很高的頻率。但成本較高。
設計指標：1.輸出為方波和三角波兩種波形，用開關切換輸出；
2.均為雙極性；
3.輸出阻抗均為50Ω；
4.輸出為方波時，輸出電壓峰值為0～5V可調，輸出信號頻率為200Hz～2kHz可調；
5.輸出為三角波時，輸出電壓峰值為0～5V可調，輸出信號頻率為200Hz～2kHz可調
本項目都切實用到了所學知識，數控電源部分採用數電中的DAC0808數模轉換電路以及計數器74LS193構成。信號發生部分全部應用模電知識製作，採用性能優良的集成信號發生晶元ICL8038結合運放電路製成。頻率測試部分，用555構成秒脈沖，通過40110來實現計數解碼顯示。此次製作真正達到了學以至用，理論聯系實際的目的。符合理工科學生學習的要求。
當然本次實驗參閱了除課程以外的大量參考書籍，通過多種方案論證，最終確立的此課題。由於時間緊，項目大，雖然在規定的時間完成任務，經過多次的修改，但仍然存在不足之處，望專家組批評指正。

⑥ 數字信號處理課程設計

這個問題我來回答哈
採集系統說明：
麥克風輸入方式MiclnMATLAB函數
MATLAB中提供了強大的數據採集工具箱(DAQ-Data Acquisition Toolbox),可滿足控制音效卡進行數據採集的要求：
wavrecord(n,fs,ch,dtype) %記錄聲音
waveplay(y,fs)  %發送向量信號
wavread(file)  %讀取wave文件
sound(y,fs)  %向揚聲器送出音頻信號

濾波函數說明：
採用Kaiser window FIR：
Sampling Frequency: 8192
Type:Lowpass
Fc:956.6
Beta:5

分幀函數說明：
語音處理工具箱：VOICEBOX Speech Processing Toolboxv5中提供了該函數：
function f=enframe(x,win,inc)

端點檢測函數說明：
zcr = sum(signs.*diffs, 2); %計算過零率
amp = sum(abs(enframe(filter([1 -0.9375], 1, x), FrameLen, FrameInc)), 2);
%計算短時能量

【參考書目】
1．《現代語音處理技術及應用》

2．《現代語音技術基礎與應用》

3．《語音信號處理》

4．《語音信號處理[專著]》

5．《Visual C++開發工具程序員參考手冊》

6. 《信號處理濾波器設計--基於MATLAB和Mathematic》

7. 《數字信號處理及其MATLAB實現》

8. 《MATLAB數字信號詳解》

原程序:
【附源程序】
1.界面：
clear
global hpop hlist
clf reset
H=axes('unit','normalized','position',[0,0,1,1],'visible','off');
set(gcf,'currentaxes',H);
str='\fontname{隸書}';
h_fig=get(H,'parent');
set(h_fig,'unit','normalized','position',[0.1,0.2,0.7,0.6]);
hlist=uicontrol(h_fig,'style','list','unit','normalized',...
'position',[0.7,0.6,0.2,0.2],...
'string','錄音|濾波|分幀|端點檢測|錄音回放','MAX',2);
hpush=uicontrol(h_fig,'style','push','unit','normalized',...
'position',[0.76,0.32,0.1,0.06],'string',{'運行'},'callback',...
'yuyin');
分幀：
function f=enframe(x,win,inc)
nx=length(x);
nwin=length(win);
if (nwin == 1)
len = win;
else
len = nwin;
end
if (nargin < 3)
inc = len;
end
nf = fix((nx-len+inc)/inc);
f=zeros(nf,len);
indf= inc*(0:(nf-1)).';
inds = (1:len);
f(:) = x(indf(:,ones(1,len))+inds(ones(nf,1),:));
if (nwin > 1)
w = win(:)';
f = f .* w(ones(nf,1),:);
end

global hlist
B=get(hlist,'value');
switch B
case 1
fs = 11025;
x = wavrecord(5*fs);
subplot('position',[0.001,0.03,1,0.8]),plot(x);...
title('原圖');
axis square;axis off

case 2
I=imread('bonemarr.tif');
J=imadjust(I,[0 1],[1 0],1.3);
subplot('position',[0.05,0.6,0.3,0.3]),subplot('position',[0.05,0.6,0.3,0.3]),imshow(I);...
title('原圖');
axis square;axis off
subplot('position',[0.38,0.6,0.3,0.3]),imshow(J),title('調整後');

case 3
f=enframe(x,10);
subplot('position',[0.05,0.6,0.3,0.3]),subplot('position',[0.05,0.6,0.3,0.3]),plot(x);...
title('原圖');
axis square;axis off
subplot('position',[0.38,0.6,0.3,0.3]),plot(f),title('分幀後');

case 4
[x1,x2] = vad(x)

case 5
wavplay(x);
end

2.檢測程序：

www.starlunwen.com

www.starlunwen.com

⑦ 用matlab進行時頻信號分析器設計

wp=0.2*pi;ws=0.3*pi;%你沒有給出指標，可以自己改
Fs=20000;T=1/Fs;%采樣頻率可以自己定
OmegaP=(2/T)*tan(wp/2);
OmegaS=(2/T)*tan(ws/2);
rp=1;rs=15;
ripple=10^(-rp/20);attn=10^(-rs/20);
[n,wn]=buttord(OmegaP,OmegaS,rp,rs,'s');
[z,p,k]=Buttap(n);
[b,a]=zp2tf(z,p,k);
[bt,at]=lp2lp(b,a,wn);
[b,a]=bilinear(bt,at,Fs);
[db,mag,pha,grd,w]=freqz_m(b,a);
%
%下面繪出各條曲線
subplot(2,2,1);plot(w/pi,mag);title('幅頻特性');
xlabel('w(/pi)');ylabel('|H(jw)|');
axis([0,1,0,1.1]);
set(gca,'XTickMode','manual','XTick',[0 0.2 0.3 1]);
set(gca,'YTickMode','manual','YTick',[0 attn ripple 1]);grid

subplot(2,2,2);plot(w/pi,db);title('幅頻特性(db)');
xlabel('w(/pi)');ylabel('dB');
axis([0,1,-30,5]);
set(gca,'XTickMode','manual','XTick',[0 0.2 0.3 1]);
set(gca,'YTickMode','manual','YTick',[-60 -as -rp 0]);grid

subplot(2,2,3);plot(w/pi,pha/pi);title('相頻特性');
xlabel('w(/pi)');ylabel('pha(/pi)');
axis([0,1,-1,1]);
set(gca,'XTickMode','manual','XTick',[0 0.2 0.3 1]);grid

subplot(2,2,4);plot(w/pi,grd);title('群延時');
xlabel('w(/pi)');ylabel('Sample');
axis([0,1,0,15]);
set(gca,'XTickMode','manual','XTick',[0 0.2 0.3 1]);grid

%b,a是濾波器的系數，系統函數根據b和a寫出。
%若程序運行有問題可以Hi我

⑧ 請用方框圖描述一個你熟悉的實用數字信號處理器系統，並做簡要的分析；

matlab里有Demo

⑨ 數字信號課程設計（要源程序）

7.
clc;clear all;
[x1,Fs,bits]=wavread('2.wav');
%sound(y,Fs,bits);
figure(1);
plot(x1); %做原始語音信號的時域圖形
title('原始語音信號');
xlabel('time n');ylabel('yinliang n');
figure(2);
y1=fft(x1); %做length(x1)點的FFT
y1=fftshift(y1);%平移，是頻率中心為0
derta_Fs = Fs/length(x1);%設置頻譜的間隔，解析度
plot([-Fs/2:derta_Fs: Fs/2-derta_Fs],abs(y1));%畫出原始語音信號的頻譜圖
title('原始語音信號的頻譜');grid on;

fs=50000;
fc1=1100;
wc1=2*pi*fc1/fs;
wp1=2*pi*1000/fs;ws1=2*pi*1200/fs;
N1=ceil(200*2*pi/ws1-wp1);
Window=boxcar(N1+1); %長度為N1的矩形窗Window
b1=fir1(N1,wc1/pi,Window);
figure(3);
freqz(b1,1,512);
title('低通濾波器的頻率響應');
x1_low = filter(b1,1,x1);%對信號進行低通濾波
figure(4);
plot(x1_low);title('信號經過低通濾波器(時域)');
figure(5);
plot([-Fs/2:derta_Fs: Fs/2-derta_Fs],abs(fftshift(fft(x1_low))));
title('信號經過低通濾波器（頻域）');

fc2=4900;
wc2=2*pi*fc2/fs;
wp2=2*pi*4800/fs;ws2=2*pi*5000/fs;
N2=ceil(4*pi/(ws2-wp2));
Window=boxcar(N2+1);
b2=fir1(N2,wc2/pi,Window);
figure(6);
freqz(b2,1,512);%數字濾波器頻率響應
title('高通濾波器的頻率響應');
x1_high = filter(b2,1,x1);%對信號進行高通濾波
figure(7);plot(x1_high);title('信號經過高通濾波器(時域)');
figure(8);plot([-Fs/2:derta_Fs: Fs/2-derta_Fs],abs(fftshift(fft(x1_high))));
title('信號經過高通濾波器（頻域）');

f1=1100;f2=3100; %帶通濾波器的通帶范圍
w1=2*pi*f1/fs; %0.1567=0.0499pi
w2=2*pi*f2/fs; %0.4417=0.1407pi
w=[w1,w2];
N3=ceil(4*pi/(2*pi*200/fs));
b3=fir1(N3,w/pi,'high');%帶通濾波器
figure(9);
freqz(b3,1,512);%數字濾波器頻率響應
title('高通濾波器的頻率響應');
x1_daitong = filter(b3,1,x1);%對信號進行高通濾波
figure(10);plot(x1_daitong);title('信號經過高通濾波器(時域)');
figure(11);
plot([-Fs/2:derta_Fs: Fs/2-derta_Fs],abs(fftshift(fft(x1_daitong))));
title('信號經過帶通濾波器（頻域）');

sound(x1_low,Fs);
sound(x1_high,Fs);
sound(x1_daitong,Fs);