中国矿业大学。
20 级硕士研究生课程考试试卷。
考试科目现代信号处理基础
考试时间。学生姓名。
学生学号。所在院系信电学院
任课教师。中国矿业大学研究生院培养管理处印制。
一、 自适应滤波。
1)自适应df的工作原理:自适应滤波器是以最小均方误差为准则的最佳滤波器,它能自动调节其本身的单位脉冲响应h(n)特性,已达到最优的滤波效果。
1)自适应df的h(n)单位脉冲响应受ε(j)误差信号控制。
2)根据ε(j)的值而自动调节,使之适合下一刻(j+1)的输入x(j+1),以使输出y(j+1)更接近于所期望的响应d(j+1), 直至均方误差e[ε2 (j)]达到最小值。
3)y(j)最佳地逼近d(j),系统完全适应了所加入的两个外来信号,即外界环境。
2)自适应噪声滤波抵消器:在工程实际中经常会遇到强噪声背景中的微弱信号检测问题。例如在超声波无损检测领域,因传输介质的不均匀等因素导致有用信号与高噪声信号叠加在一起。
在强背景噪声中的有用信号通常微弱而不稳定,而背景噪声往往又是非平稳的和随时间变化的,此时很难用传统方法来解决噪声背景中的信号提取问题。自适应噪声抵消技术是一种有效降噪的方法,当系统能提供良好的参考信号时,可获得很好的提取效果。与传统平均叠加法相比,自适应平均处理方法能降低样本数量。
图 1 自适应噪声滤波抵消器原理框图。
3)提出问题:利用matlab设计一个二阶加权自适应噪声对消器,对含高斯白噪声信道干扰的正弦信号进行滤波。
matlab程序如下:
matlab program
自适应噪声对消器。
clear all
clct=[0:1/1000:10-1/1000];
s=sin(2*pi*t);
snr=10;
s_power=var(s); var函数:返回方差值。
linear_snr=10^(snr/10);
factor=sqrt(s_power/linear_snr);
noise=randn(1,length(s))*factor;
x=s+noise; %由snr计算随机噪声。
x1=noise; %噪声源输入。
x2=noise;
w1=0; %权系数初值。
w2=0;e=zeros(1,length(x));
y=0;u=0.05;
for i=1:10000 %lms算法。
y=w1*x1(i)+w2*x2(i);
e(i)=x(i)-y;
w1=w1+u*e(i)*x1(i);
w2=w2+u*e(i)*x2(i);
endfigure(1);
subplot(3,1,1);plot(t,x);title('非噪声正弦信号')
axis([0 10 -1.2 1.2]);
subplot(3,1,2);plot(t,noise);title('噪声信号')
axis([0 10 -1.2 1.2]);
subplot(3,1,3);plot(t,e);title('自适应噪声对消器')
axis([0 10 -1.2 1.2]);
程序运行结果如图2所示。
图2 二阶加权自适应噪声对消器。
图2中信号源产生一个正弦信号,与噪声源产生的高斯白噪声信号叠加后进入噪声对消器主通道,自适应滤波器的输入端是单一的噪声源产生的噪声信号,通过lms算法自适应调整线性组合器的权系数,主通道与参考通道内的噪声信号对消,输出的误差信号即为信号源产生的期望正弦信号。
二、信号的插值与抽取。
令,,即每个周期内有16个点,利用信号的抽取与插值内容实现下述抽样率的转换。
1) 作l=3倍的插值;
2) 作m=4倍的抽取;
3) 作l/m=3/4倍的抽样率转换。
答:程序及结果如下所示:
1)程序**如下:
n=1:64;
x=sin(2*pi*n*1/16);
y=zeros(1,64);
for m=1:64
if mod(m,3)==0
y(m)=x(m/3);
elsey(m)=0;
endend
n=41;wc=pi/3;
n=0:n-1;r=(n-1)/2;
hn=fir1(n-1,wc/pi,hamming(n));
yn=conv(hn,y);
figure(1),subplot(211)
stem(x),title('原始信号x(n)')xlabel('n')
subplot(212)
stem(yn加hamming窗后的插值信号。
title('作3倍插值后的信号'),xlabel('n')
figure(2),subplot(211)
plot(hn);grid
title('3倍插值所用滤波器的h(n)')
xlabel('n'),ylabel('h(n)')
hw=fft(hn,512);
w=2*[0:511]/512;
subplot(212);
plot(w/2*pi,20*log10(abs(hw)))grid
title('3倍插值所用滤波器的幅频响应')
2)程序**如下:
n=1:64;
x=sin(2*pi*n*1/16);
figure(1),subplot(211)
stem(x),title('原始信号x(n)')xlabel('n')
n=33;wc=pi/4;
n=0:n-1;r=(n-1)/2;
hn=fir1(n-1,wc/pi,chebwin(n));
y1=conv(x,hn);
y=zeros(1,20);
for m=1:20
y(m)=y1(1+(m-1)*4);
endsubplot(212),stem(y),title('作4倍抽取后的信号'),xlabel('n')
figure(2),subplot(211)
plot(hn),grid,title('4倍抽取所用滤波器的h(n)')
xlabel('n'),ylabel('h(n)')
hw=fft(hn,512);
w=2*[0:511]/512;
subplot(212)
plot(w,20*log10(abs(hw)))grid
title('4倍抽取所用滤波器的幅频响应')
3)程序**如下:
n=0:48;
fs=16;
x=sin(2*pi*n*1/fs);
y=resample(x,3,4); 作l/m=3/4倍的抽样率转换。
stem(y),xlabel('n')
title('作3/4倍抽样率转换后的信号')
现代信号处理作业
中北大学。研究生 现代信号处理 作业。所在院 系 信息与通信工程学院 专业 测试计量技术及仪器 姓名王栋。学号 s20100329 班级 y100503 156 小波变换与matlab相关程序的学习 小波变换是在傅里叶变换的基础上发展起来的,它优于傅里叶分析的地方是它在时域与空域都是局部化的,其局部...
现代信号处理作业
1.总结学过的滤波器设计方法,用matlab 例子分析不同设计方法的滤波器的性能及适应场合。答 1.1模拟低通滤波器的设计方法。1.1.1 butterworth滤波器设计步骤 确定阶次n 1 已知 c s和as求butterworth df阶数n 由 求出n 2 已知 c s和 p 的衰减ap 求...
现代信号处理作业
2014年6月。cramer rao不等式的证明。定义 设为参数的估计子,参数的估计子的偏差定义为该估计子误差的期望值,即。则估计子称为无偏估计子。若变差等于零或者,即估计子的期望值等于真实参数,则成估计子的渐进无偏估计子。无偏性反映了参数估计量的取值在真值周围摆动程度。一个参数往往具有不止一个无偏...