基于matlab数字信号处理毕业论文

基于matlab数字信号处理毕业论文

数字滤波器在数字信号处理中的应用广泛，是数字信号处理的重要基础。自适应滤波器可以不必事先给定信号及噪声的自相关函数，它可以利用前一时刻已获得的滤波器参数自动地调节现时刻的滤波器参数使得滤波器输出和未知的输入之间的均方误差最小化，从而它可以实现最优滤波。 自适应滤波器的算法有很多，有RLS（递归最小二乘法）和LMS（最小均方算法）等。自适应LMS算法是一种很有用且很简单的估计梯度的方法，在信号处理中得到广泛应用。 本论文主要研究了自适应滤波器的基本结构和原理，然后介绍了最小均方误差算法(LMS算法)，并完成了一种基于MATLAB平台的自适应LMS自适应滤波器的设计，同时实现了对信号进行初步的降噪处理。 通过仿真，我们实现了LMS自适应滤波算法，并从结果得知步长和滤波器的阶数是滤波器中很重要的两个参数，并通过修改它们证实了这一点，其中步长影响着收敛时间，而且阶数的大小也会大大地影响自适应滤波器的性能。

请问你做出来了吗，我也做相关的问题，现在正开始，期待你的帮忙。

电子电路一般会有一个静态工作点，是由直流电源提供，也就是说在一般情况下三极管的状态（放大、截止、饱和）是由这个直流电源与电路结构决定的，而与我们输入的信号无关。（参考最简单的共射放大电路）当我们加入一个信号时，一般不考虑该信号对三极管工作状态的影响。当然，实际情况中，如果静态工作点设置的不好，输出的波形有可能失真。以共射放大电路为例，正常工作情况下，三极管是处于放大状态的。当输入信号为一个正弦信号，则输出为一个幅度放大、频率不变的正弦信号。如果静态电流偏大，则加大输入信号之后可能出现出现饱和失真，如果静态电流偏小，则加大输入信号之后可能出现截止失真，这两种情况下三极管的不再处于放大状态而分别进入了饱和状态和截止状态。

呵呵 和我做的差不多 我的是随机信号谱估计方法研究 也是数字信号处理这块的 然后还要用MATLAB做FFT运算实现 你这个题目可以简单 也可以复杂 关键是看你做什么内容啊 我这里有FFT谱估计的英文文献和中文翻译(自己翻的 有些不准确) 你要的话发消息给我邮箱 我可以发给你

基于matlab的语音信号处理论文

第二种，记得要改73行声音路径 % % 程序1:用MATLAB对原始语音信号进行分析，画出它的时域波形和频谱% clear all% close all% clc% fs=8000; %语音信号采样频率为8000% x1=wavread('I:/2010教案/2010数字信号处理/rafarin_wav'，[1 4*5120]);% t=(0:length(x1)-1)/8000;% y1=fft(x1，2048); %对信号做2048点FFT变换% f=fs*(0:1023)/2048;% figure(1)% plot(t，x1) %做原始语音信号的时域图形% grid on; axis tight;% title('原始语音信号');% xlabel('time(s)');% ylabel('幅度');% figure(2)% plot(f，abs(y1(1:1024))) %做原始语音信号的FFT频谱图% grid on; axis tight;% title('原始语音信号FFT频谱')% xlabel('Hz');% ylabel('幅度');% sound(x1)% % % % **************************************************************************************************************************% % % % 程序2:给原始的语音信号加上一个高频余弦噪声，频率为8kHz。% % 画出加噪后的语音信号时域和频谱图，与原始信号对比，可以很明显的看出区别。% clear all;% close all% clc;% fs=8000;% x1=wavread('I:/2010教案/2010数字信号处理/rafarin_wav'，[1 4*5120]);% t=(0:length(x1)-1)/8000;% f=fs*(0:1023)/2048;% Au=5;% % d=[Au*cos(2*pi*3800*t)]'; %噪声为8kHz的余弦信号% d=25*rand(1，length(x1))'; %随机噪声% x2=x1+d;% y1=fft(x1，2048);% y2=fft(x2，2048);% figure(1)% subplot(2，1，1);% plot(t，x1)% grid on; axis tight;% title('原始语音信号');% xlabel('time(s)');% ylabel('幅度');% subplot(2，1，2);% plot(t，x2)% grid on; axis tight;% title('加噪后的信号');% xlabel('time(s)');% ylabel('幅度');% figure(2)% subplot(2，1，1);% plot(f，abs(y1(1:1024))); grid on; axis tight;% title('原始语音信号频谱');% xlabel('Hz'); ylabel('幅度');% subplot(2，1，2);% plot(f，abs(y2(1:1024)));grid on;axis tight;% title('加噪语音信号频谱');% xlabel('Hz');ylabel('幅度');% sound(x2)% % **********************************************************************************************************************% % 程序3: 双线性变换法设计Butterworth滤波器clear all;close allclc;fs=8000;x1=wavread('I:/2010教案/2010数字信号处理/rafarin_wav'，[1 4*5120]);t=(0:length(x1)-1)/8000;f=fs*(0:1023)/2048;A1=05; A2=10;d=[A1*cos(2*pi*3800*t)+A2*sin(2*pi*3600*t)]';% d=25*rand(1，length(x1))'; %随机噪声x2=x1+d;wp=8*pi;ws=85*pi;Rp=1;Rs=15;Fs=8000;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 on;axis tight;xlabel('频率（Hz）'); ylabel('频率响应')title('Butterworth')f1=filter(bz，az，x2); % 滤波figure(2)subplot(2，1，1)plot(t，x2) %画出滤波前的时域图grid on; axis tight;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grid on; axis tight;title('滤波后的时域波形');y3=fft(f1，2048);figure(3)y2=fft(x2，2048);subplot(2，1，1);plot(f，abs(y2(1:1024))); %画出滤波前的频谱图grid on; axis tight;title('滤波前的频谱')xlabel('Hz');ylabel('幅度');subplot(2，1，2)plot(f，abs(y3(1:1024))); %画出滤波后的频谱图grid on; axis tight;title('滤波后的频谱')xlabel('Hz');ylabel('幅度');sound(x2，8000); sound(f1，8000);% % % % ********************************************************************************************************************% % % 程序4:窗函数法设计滤波器：% clear all;% clc;% fs=8000;% x1=wavread('I:/2010教案/2010数字信号处理/rafarin_wav'，[1 4*5120]);% t=(0:length(x1)-1)/8000;% f=fs*(0:2047)/4096;% A1=05;A2=10;% d=[A1*cos(2*pi*3600*t)+A2*sin(2*pi*3800*t)]';% x2=x1+d;% wp=8*pi;% ws=85*pi;% wdelta=ws-wp;% N=ceil(6*pi/wdelta); %取整% wn=(8+85)*pi/2;% [bz，az]=fir1(N，wn/pi，hamming(N+1)); %选择窗函数，并归一化截止频率% figure(1)% freqz(bz，az);% grid on; axis tight;% f2=filter(bz，az，x2);% figure(2)% subplot(2，1，1)% plot(t，x2);% grid on;axis tight;% title('滤波前的时域波形');% subplot(2，1，2)% plot(t，f2);% grid on; axis tight;% title('滤波后的时域波形');% y3=fft(f2，4096);% f=fs*(0:2047)/4096;% figure(3)% y2=fft(x2，4096);% subplot(2，1，1);% plot(f，abs(y2(1:2048)));% grid on; axis tight;% title('滤波前的频谱')% xlabel('Hz');% ylabel('幅度');% subplot(2，1，2)% plot(f，abs(y3(1:2048)));% grid on; axis tight;% title('滤波后的频谱')% xlabel('Hz');% ylabel('幅度');% sound(f2，8000);% % % ***********************************************************************************************************************% % % % 程序5: 补零，提高分辨率。% clear all; close all;% t=0:01:3;% s=sin(2*pi*5*t)+2*sin(2*pi*15*t);% w=abs(fft(s));% w2=abs(fft(s，4*301)); % 补零% figure;% subplot(211); plot(w); % grid on; axis tight;% subplot(212); plot(w2); % grid on; axis tight;% % % ——理想滤波器——***************************************************************************% % % % 程序6： 理想低通滤波器% clear all;close all;% X=[ones(1，51) zeros(1，60) ones(1，50)]; % Frequency response of an ideal low-pass filter% x=ifft(X); % IDFT of X with the same number of points% Y=fft(x，483); % IDFT of X after it is padded with zeros% stem([1:161]/161-5，abs(fftshift(X))); % figure 1% axis([-5，5，0，5]);% figure;% stem(real(x)); % figure 2% figure;% stem([1:483]/483-5，abs(fftshift(Y))); % figure 3% axis([-5，5，0，5]);% figure;% stem([1:161]/161-5，abs(fftshift(Y(1:3:481)))); % figure 4% axis([-5，5，0，5]);% % **********************************************************************************************************************% % 程序7：理想带阻滤波器% clear all;% clc% wp=8*pi;% ws=85*pi;% wdelta=ws-wp;% N=ceil(6*pi/wdelta); % wn=(8+85)*pi/2;% [bz，az]=fir1(N，wn/pi，hamming(N+1)); % w=abs(fft(bz));w2=abs(fft(bz，399));% figure;% subplot(211);plot(w);grid on; axis tight;% subplot(212);plot(w2);grid on; axis tight;% h(1:201)=1;h(22:181)=0;% x1=ones(1，17); x2=ones(1，11);% w1=fft(x1，32); w2=fft(x2，32);% w3=*w2; x3=ifft(w3); plot(x3);%

首先你可以编写一个M文件来将采集到的语音信号送到matlab，然后进行频谱分析时你可以用filter或者remez等进行滤波抽样，之后绘图plot，绘图时加freqz，最后将原始的与抽样后的都绘出来比较，即可看到区别。

采集建议使用cooledit，直观好用。 时域波形直接plot，频域波形可以plot(abs(fft()))和plot(angle(fft()))，分别是幅度和相位，时频域分析可以用spectrogram命令，具体参数可以help一下。 awgn可以按信噪比添加白噪声，或者可以按需求生成需要的噪声，然后相加 除非噪声是窄带的，否则无法用线性系统实现。因为语音信号是基带信号，如果不限定噪声的频率范围，则有可能与语音信号重叠，需要较复杂的算法进行分离。

matlab在数字信号处理中的应用论文

首先，学习数字通讯系统，包括数字信号处理、通信原理、通信电路与系统等知识其次，学习MATLAB编程，找一本比较全面的matlab编程书籍，最好是关于数字通信的编程第三，应用Matlab编程仿真数字通信系统，如数字通信系统的信号处理。第四，分析仿真过程中的数字通信原理、方法、过程等等，以及出现的种种错误

因人而异，但是实例类的最好

围绕自己在那个学校的学习生涯来学- - 我作文不是很好 说说试试￣￣

第一章 绪 论 §1-1 课题研究的背景 §1-2 信号与系统分析国内外研究现状 §1-3 Matlab概述§1-4 课题研究的目的及意义 §1-5 论文主要内容及结构 第二章 MATLAB在信号与系统分析中的应用 §2-1 信号与系统分析2-1-1 国内外关于该课题的研究现状及发展趋势 2-1-2 信号与系统分析方法分类 §2-2 Matlab在信号与系统分析中应用的简介§2-3 本章小结 第三章 Matlab在信号与系统分析中应用模型设计 §3-1 引言 §3-2 系统分析 §3-3 模型建立（是本章重点需要扩充） 第四章 （具体实例实现） §4-1 §4-2 §4-3 实验结果分析 §4-4 本章小结 第五章 结束语 参考文献 致 谢 最好找本MATLAB在信号与系统分析中的应用的书来看看。可以看看飞思科技产品研发中心出的一系列关于matlab应用的书，会对你有帮助的！祝顺利！

数字信号处理毕业论文

参考一下这里：-8-html

《基于FPGA的DSP系统设计与实现》应该可以帮到你。里面有一章的内容标题和你这个标题一样。

到大学生部落家园里面去下载，那里好多的毕业设计和毕业论文的，记得给分，而且每天都更新的

首先，学习数字通讯系统，包括数字信号处理、通信原理、通信电路与系统等知识其次，学习MATLAB编程，找一本比较全面的matlab编程书籍，最好是关于数字通信的编程第三，应用Matlab编程仿真数字通信系统，如数字通信系统的信号处理。第四，分析仿真过程中的数字通信原理、方法、过程等等，以及出现的种种错误

matlab在信号处理的应用论文

1． 复指数信号的离散傅里叶变换。其中 ，n=[0，10]用MATLAB求这一有限时宽的序列的傅里叶变换。2． 试用Mablab求其有限长序列 与 的圆周卷积，（N=20），并画出其结果图。（待定）3． 试用MATLAB的residuez函数，求出 的部分分式展开和。4． 试用MATLAB命令求解以下离散时间系统的单位取样响应。（1） （2） 5． 已知某系统的单位取样响应为 ，试用MATLAB求当激励信号为 时，系统的零状态响应。6． 7． 8． a=[3 4 1];9． >> b=[1 1];10． >> n=0:30;11． >> x=impDT(n);12． ??? Undefined function or variable 'impDT'13． 14． >> h=filter(b，a，x);15． >> x=impDT(n);16． >> h=filter(b，a，x);17． >> 18． >> stem(n，h，'fill')，grid on19． >> xlabel('n')，title('系统单位取样响应h(n)')20． >> a=[5 6 10];21． >> b=[1];22． >> n=0:30;23． >> x=impDT(n);24． >> h=filter(b，a，x);25． >> h=filter(b，a，x);26． >> h=filter(b，a，x);27． >> stem(n，h，'fill')，grid on28． >> xlabel('n')，title('系统单位取样响应h(n)')29． 30． nx=-1:5;31． >> nh=-2:10;32． >> x=uDT(nx)-uDT(nx-5);33． 34． y =35． 36． 0 1 1 1 1 1 137． 38． 39． y =40． 41． 0 0 0 0 0 0 142． 43． >> h=(7/8)^*(uDT(nh)-uDT(nh-10));44． 45． y =46． 47． 0 0 1 1 1 1 1 1 1 1 1 1 148． 49． 50． y =51． 52． 0 0 0 0 0 0 0 0 0 0 0 0 153． 54． >> y=conv(x，h);55． >> ny1=nx(1)+nh(1);56． >> ny=ny1+(0:(length(nx)+length(nh)-2));57． >> subplot(311)58． >> stem(nx，x，'fill')，grid on59． >> xlabel('n')，title('x(n)')60． >> axis([-4 16 0 3])61． >> subplot(312)62． >> stem(nh，h'，'fill')，grid on63． >> xlabel('n')，title('h(n)')64． >> axis([-4 16 0 3])65． >> subplot(313)66． >> stem(ny，y，'fill')，grid on67． >> xlabel('n')，title('y(n)=x(n)*h(n)')68． >> axis([-4 16 0 5])(一) 编程练习 试用MATLAB画出下列因果系统的系统函数零极点分布图，并判断系统的稳定性。（1） （2） 试用MATLAB绘制系统 的频率响应曲线。（1）B=[2，-6，-9];>> A=[1，-5，96，-48];>> zplane(B，A)，grid on>> legend('零点'，'极点')>> title('零极点分布图')>> （2）B=[2，-6，-9];>> A=[1，-5，96，-48];>> zplane(B，A)，grid on>> legend('零点'，'极点')>> title('零极点分布图')>> B=[1，-1];>> A=[4，-9，-65，873，0];>> zplane(B，A)，grid on>> legend('零点'，'极点')>> title('零极点分布图')>> 二、b=[1 0 0];>> a=[1 3/4 1/8];>> [H，w]=freqz(b，a，400，'whole');>> Hm=abs(H);>> Hp=angle(H);>> subplot(211)>> plot(w，Hm)，grid on>> xlabel('/omega(rad/s)')，ylabel('Magnitude')>> title('离散系统幅频特性曲线')>> subplot(212)>> plot(w，Hp)，grid on>> xlabel('/omega(rad/s)')，ylabel('Phase')>> title('离散系统相频特性曲线') 模拟信号 ，以 进行采样，求：（1）N＝40点FFT的幅度频谱，从图中能否观察出信号的2个频谱分量?（2）提高采样点数，如N＝128，再求该信号的幅度频谱，此时幅度频谱发生了什么变化？信号的2个模拟频率和数字频率各为多少？FFT频谱分析结果与理论上是否一致？N=40;n=0:N-1;t=01*n;x=2*sin(4*pi*t)+5*cos(8*pi*t);k=0:N/2;w=2*pi/N*k;X=fft(x，N);magX=abs(X(1:N/2+1));subplot(2，1，1);stem(n，x，'');title('signal x(n)');subplot(2，1，2);plot(w/pi，magX);title('FFT N=40');xlabel('f (unit :pi)');ylabel('|X|'); %mode--信号的种类。1--正弦波;2--方波;3--锯齿波%Nfft--FFT点数%*****************************************************************%function [x]=ffts(mode，Nfft)n=0:Nfft-1;if mode==1 x=sin(2*pi*n/Nfft);endif mode==2 x=square(2*pi*n/Nfft);endif mode==3 x=sawtooth(2*pi*n/Nfft);endset(gcf，'menubar'，menubar);subplot(2，1，1);stem(n，x);axis([0 Nfft-1 1*min(x) 1*max(x)]);xlabel('Points-->');ylabel('X(n)');y=abs(fft(x，Nfft));subplot(2，1，2);stem(n，y);axis([0 Nfft-1 1*min(y) 1*max(y)]);xlabel('frequency--->');ylabel('|X(k)|');%*****************************************************************%

《MATLAB在振动信号处理中的应用》是王济著、中国水利水电出版社，知道产权出版社出版发行的一本讲述借助简单、高效、功能强大的MATLAB系统实现振动数字信号的分析处理的图书。本书给出了大量的振动信号处理编程实例，以有助于读者快速学习和掌握MATLAB的编程技术，应用于实际的振动信号处理工作之中。

不知道你的切入点是什么，如果没有的话，可以考虑使用matlab求解微分方程，matlab中有相关的toolbox，可以看看里面的函数，然后找一些相关的应用问题，用matlab求解。或者可以上matlab的官网，查找您钟意领域的相关toolbox，看看能有什么具体应用。希望能帮到您。

第一章 绪 论 §1-1 课题研究的背景 §1-2 信号与系统分析国内外研究现状 §1-3 Matlab概述§1-4 课题研究的目的及意义 §1-5 论文主要内容及结构 第二章 MATLAB在信号与系统分析中的应用 §2-1 信号与系统分析2-1-1 国内外关于该课题的研究现状及发展趋势 2-1-2 信号与系统分析方法分类 §2-2 Matlab在信号与系统分析中应用的简介§2-3 本章小结 第三章 Matlab在信号与系统分析中应用模型设计 §3-1 引言 §3-2 系统分析 §3-3 模型建立（是本章重点需要扩充） 第四章 （具体实例实现） §4-1 §4-2 §4-3 实验结果分析 §4-4 本章小结 第五章 结束语 参考文献 致 谢 最好找本MATLAB在信号与系统分析中的应用的书来看看。可以看看飞思科技产品研发中心出的一系列关于matlab应用的书，会对你有帮助的！祝顺利！