m基于Matlab的fir和iir数字滤波器的设计与仿真

目录

1.算法概述

2.仿真效果预览

3.MATLAB部分代码预览

4.完整MATLAB程序


1.算法概述

       MATLAB系统供了许多工具箱(Toolbox),借助于信号处理工具箱(signal processing)中的freqz_m,remez等函数,使得FIR数字滤波器的设计大为简化,每个程序都只有短短的几十行。因此实用MATLAB进行滤波器的设计变得十分简便。本文分析了国内外数字滤波技术的应用现状与发展趋势,介绍了数字滤波器的基本结构,数字滤波器根据其冲激响应函数的时域特性,可分为两种,即无限长冲激响应(IIR)滤波器和有限长冲激响应(FIR)滤波器。讨论了IIR与FIR数字滤波器的设计方法。本文利用matlab的强大计算功能和信号数据处理功能,本文用matlab设计的数字滤波器对信号进行滤波降噪处理,并对实验方法的改进展开了讨论。

·有限冲击响应(Finite Impulse Response,FIR)滤波器

       有限长冲击响应滤波器,即FIR滤波器,是指离散系统的单位冲击响应h(k)是一个有限长的序列,即系统的单位冲击响应只在给定的时间区间里有非零值。FIR滤波器的单位抽样响应为有限长度,一般采用非递归形式实现。通常的FIR数字滤波器有横截性和级联型两种。
 

      无限冲击响应滤波器,即IIR滤波器,是指离散系统的单位冲击响应h(k)是一个无限长的时间序列。这种滤波器滤波的实现结构与一般数字滤波器的结构相同。一个数字滤波器可以用系统函数表示为:

 

       可见数字滤波器的功能就是把输入序列x(n)通过一定的运算变换成输出序列y(n)。不同的运算处理方法决定了滤波器实现结构的不同。无限冲激响应滤波器的单位抽样响应h(n)是无限长的,其差分方程如(2-2)式所示,是递归式的,即结构上存在着输出信号到输入信号的反馈,其系统函数具有(2-1)式的形式,因此在z平面的有限区间(0<︱z︱<∞)有极点存在。

2.仿真效果预览

matlab2022a仿真

 

 

3.MATLAB部分代码预览

............................................................
%k=input('请选择窗的类型:\n 1、矩形窗\n 2、汉宁窗\n 3、汉明窗\n 4、布拉克曼窗\n');
k=2
switch k
    case 1
        x=win(0,N-1,0,N-1);                       %矩形窗
        figure,
        subplot(1,2,1);
        stem(n,x,'.');                            %得到数字信号波形表示方法函数STEM
        xlabel('n');                              %X坐标标签
        ylabel('x');                              %Y坐标标签
        string=['矩形窗时域图形','N=',num2str(N)];%波形标题
        text((0.6*N),0.8,string);                 %波形标题
        
        [H,m]=freqz(x,[1],1024,'whole');          %求其频率响应
        mag=abs(H);                               %得到幅值
        db=20*log10((mag+eps)/max(mag));
        subplot(1,2,2); 
        plot(m/pi,db);
        xlabel('w/pi');
        ylabel('dB');
        title('矩形窗的频率特性(db)');
        axis([0,1,-100,0]);
        string=['矩形窗','N=',num2str(N)];
        %==================================================================
    case 2
        x=win(0,N-1,0,N-1);
        x=(0.5-0.5*cos(2*pi*n/(N-1))).*x;
        figure,
        subplot(1,2,1);
        stem(n,x,'.');
        xlabel('n');
        ylabel('x');
        string=['汉宁窗时域图形','N=',num2str(N)];
        text((0.6*N),0.8,string);
        
        [H,m]=freqz(x,[1],1024,'whole'); %求其频率响应
        mag=abs(H); %得到幅值
        db=20*log10((mag+eps)/max(mag));
        subplot(1,2,2); 
        plot(m/pi,db);
        xlabel('w/pi');
        ylabel('dB');
        title('汉宁窗的频率特性(db)');
        axis([0,1,-100,0]);
        string=['汉宁窗','N=',num2str(N)];
        
        figure(3);[B,A]=fir1(N,Wn,'low',hann(N+1));y_Win=filter(B,A,y);plotspec(y_Win,Ts);              

    case 3
        x=win(0,N-1,0,N-1);
        x=(0.54-0.46*cos(2*pi*n/(N-1))).*x;
        figure,
        subplot(1,2,1);
        stem(n,x,'.');
        xlabel('n');
        ylabel('x');
        string=['汉明窗时域图形','N=',num2str(N)];
        text((0.6*N),0.8,string);
        
        [H,m]=freqz(x,[1],1024,'whole'); %求其频率响应
        mag=abs(H); %得到幅值
        db=20*log10((mag+eps)/max(mag));
        subplot(1,2,2); 
        plot(m/pi,db);
        xlabel('w/pi');
        ylabel('dB');
        title('汉明窗的频率特性(db)');
        axis([0,1,-100,0]);
        string=['汉明窗','N=',num2str(N)];
        
        figure(3);[B,A]=fir1(N,Wn,'low',hamming(N+1));y_Win=filter(B,A,y);plotspec(y_Win,Ts);              

    case 4
        x=win(0,N-1,0,N-1);
        x=(0.42-0.5*cos(2*pi*n/(N-1))+0.08*cos(4*pi*n/(N-1))).*x;
        figure,
        subplot(1,2,1);
        stem(n,x,'.');
        xlabel('n');
        ylabel('x');
        string=['布拉克曼窗时域图形','N=',num2str(N)];
        text((0.6*N),0.8,string);
        
        [H,m]=freqz(x,[1],1024,'whole'); %求其频率响应
        mag=abs(H); %得到幅值
        db=20*log10((mag+eps)/max(mag));
        subplot(1,2,2); 
        plot(m/pi,db);
        xlabel('w/pi');
        ylabel('dB');
        title('布拉克曼窗的频率特性(db)');
        axis([0,1,-100,0]);
        string=['布拉克曼窗','N=',num2str(N)];
        
        figure(3);[B,A]=fir1(N,Wn,'low',blackman(N+1));y_Win=filter(B,A,y);plotspec(y_Win,Ts);              
end
01-018M

4.完整MATLAB程序

matlab源码说明_我爱C编程的博客-CSDN博客

V

  • 0
    点赞
  • 15
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
好的,根据您的要求,我为您提供MATLAB代码实现FIRIIR滤波器对采集的语音信号进行滤波。假设您的语音信号已经保存在一个名为`audio_signal.wav`的文件中,采样率为8kHz。 ```matlab % 读取语音信号 [x, Fs] = audioread('audio_signal.wav'); % 设计FIR低通滤波器 N = 50; % 滤波器阶数 fc = 1000; % 截止频率(Hz) b = fir1(N, fc/(Fs/2), 'low'); % 设计IIR低通滤波器 fc = 1000; % 截止频率(Hz) [b2, a2] = butter(4, fc/(Fs/2), 'low'); % 对语音信号进行FIR滤波 y_fir = filter(b, 1, x); % 对语音信号进行IIR滤波 y_iir = filter(b2, a2, x); % 绘制语音信号、FIR滤波后信号和IIR滤波后信号的时域波形图 t = (0:length(x)-1)/Fs; figure; plot(t, x, 'b'); hold on; plot(t, y_fir, 'r'); plot(t, y_iir, 'g'); xlabel('Time (seconds)'); ylabel('Amplitude'); legend('Original Signal', 'FIR Filtered Signal', 'IIR Filtered Signal'); % 绘制语音信号、FIR滤波后信号和IIR滤波后信号的频谱图 N = length(x); X = fft(x)/N; Y_fir = fft(y_fir)/N; Y_iir = fft(y_iir)/N; f = (0:N-1)*Fs/N; figure; plot(f, 20*log10(abs(X)), 'b'); hold on; plot(f, 20*log10(abs(Y_fir)), 'r'); plot(f, 20*log10(abs(Y_iir)), 'g'); xlabel('Frequency (Hz)'); ylabel('Magnitude (dB)'); legend('Original Signal', 'FIR Filtered Signal', 'IIR Filtered Signal'); ``` 在这段代码中,我们使用`audioread`函数读取语音信号,并将采样率存储在变量`Fs`中。然后,我们设计了一个FIR低通滤波器和一个IIR低通滤波器,并使用`filter`函数对语音信号进行滤波。最后,我们绘制了语音信号、FIR滤波后信号和IIR滤波后信号的时域波形图和频谱图,以及与始信号进行比较。 请注意,这只是一个简单的示例代码,您需要根据您的具体情况进行调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

我爱C编程

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值