1.确定参数:

Wp 通带截止频率

Ws  阻带截止频率

As  衰减dB

Rp   纹波dB

2.根据参数确定理想 频率响应 (M     (Wp + Ws )/2  )

双边响应

3.选窗

过滤带宽

阻带衰减

4.得出最终响应

时域相乘 频域卷积

5.观察各项参数是否达标(采用归一化后的数据)

衰减

幅频特性

相频

群延时 ??

···

Ps:观察频率响应的函数

这里a = 1 因为FIR可由差分方程描述

故分母为1

代码:

wp =0.2*pi;

ws = 0.3*pi;

tr_width = ws -wp;

M = ceil(6.6*pi/tr_width)+1;

n = [0:1:M-1];

wc = ((ws + wp)/2) %ideal LPF cutoff frequency

hd = ideal_lp(wc,M);

w_ham = (hamming(M))';

h = hd .* w_ham;

[db,mag,pha,grd,w] = freqz_m(h,[1]);

delta_w = 2*pi/1000;

Rp = -(min(db(1:1:wp/delta_w+1)));

As = -round(max(db(ws/delta_w+1:1:501)));

%plot

subplot(2,2,1);

stem(n,hd);

title('Ideal Impulse Response');

axis([0 M-1 -0.1 0.3]);

xlabel('n');

ylabel('hd(n)');

subplot(2,2,2);

stem(n,w_ham);

title(' Hamming Window');

axis([0 M-1 0 1.1]);

xlabel('n');

ylabel('w(n)');

subplot(2,2,3);

stem(n,h);

title('Actual Impluse Response');

axis([0 M-1 -0.1 0.3]);

xlabel('n');

ylabel('h(n)');

subplot(2,2,4);

plot(w/pi,db);

title('Magnitude Response in dB');grid

axis([0 1 -100 10]);

xlabel('frequency in pi units');

ylabel('Decibels');

带通:

wp1 =0.35*pi;

ws1 = 0.2*pi;

wp2 =0.65*pi;

ws2 = 0.8*pi;

tr_width = min((wp1 -ws1),(ws2 - wp2));

M = ceil(11*pi/tr_width)+1;

M

n = [0:1:M-1];

wc1 = ((ws1 + wp1)/2);

wc2 = ((ws2 + wp2)/2);

hd = ideal_lp(wc2,M)-ideal_lp(wc1,M);

w_ham = (blackman(M))';

h = hd .* w_ham;

[db,mag,pha,grd,w] = freqz_m(h,[1]);

delta_w = 2*pi/1000;

Rp = -(min(db(wp1/delta_w+1:1:wp2/delta_w+1)));

Rp

As = -round(max(db(ws2/delta_w+1:1:501)));

As

%plot

subplot(2,2,1);

stem(n,hd);

title('Ideal Impulse Response');

axis([0 M-1 -0.5 0.5]);

xlabel('n');

ylabel('hd(n)');

subplot(2,2,2);

stem(n,w_ham);

title(' blackman Window');

axis([0 M-1 0 1.1]);

xlabel('n');

ylabel('w(n)');

subplot(2,2,3);

stem(n,h);

title('Actual Impluse Response');

axis([0 M-1 -0.5 0.5]);

xlabel('n');

ylabel('h(n)');

subplot(2,2,4);

plot(w/pi,db);

title('Magnitude Response in dB');grid

axis([0 1 -150 10]);

xlabel('frequency in pi units');

ylabel('Decibels');

基于matlab的FIR加窗滤波器设计的更多相关文章

  1. IIR滤波器设计(调用MATLAB IIR函数来实现)

    转载请注明文章来源 – http://blog.csdn.net/v_hyx ,请勿用于任何商业用途         对于滤波器设计,以前虽然学过相关的理论(现代数字信号处理和DSP设计),但一直不求 ...

  2. 基于MATLAB的GUI(Graphical User Interface)音频实时显示设计

    摘要:本文章的设计主要讲基于matlab的gui音频实时显示设计,此次设计的gui相当于一个简洁的音乐播放器,界面只有”录音“和”播放“两个控件,哈哈,够简洁吧.通过”录音“按钮可以实现声音从电脑的声 ...

  3. Matlab滤波器设计(转)

    滤波器设计是一个创建满足指定滤波要求的滤波器参数的过程.滤波器的实现包括滤波器结构的选择和滤波器参数的计算.只有完成了滤波器的设计和实现,才能最终完成数据的滤波. 滤波器设计的目标是实现数据序列的频率 ...

  4. FIR滤波器设计

    FIR滤波器的优越性: 相位对应为严格的线性,不存在延迟失真,仅仅有固定的时间延迟: 因为不存在稳定性问题,设计相对简单: 仅仅包括实数算法,不涉及复数算法,不须要递推运算,长度为M,阶数为M-1,计 ...

  5. 信号、系统与滤波器设计(matlab)

    0. 基本概念 AWG:Additive White(zero-mean) Gaussian,可加白噪声: AWGN:Additive White(zero-mean) Gaussian Noise ...

  6. 基于Matlab的MMSE的语音增强算法的研究

    本课题隶属于学校的创新性课题研究项目.2012年就已经做完了,今天一并拿来发表.   目录: --基于谱减法的语音信号增强算法..................................... ...

  7. 基于MATLAB的多功能语音处理器

    一.设计功能 录制音频,保存音频 对录制的语音信号进行频谱分析,确定该段语音的主要频率范围: 利用采样定理,对该段语音信号进行采样,观察不用采样频率(过采样.欠采样.临界采样)对信号的影响: 实现语音 ...

  8. fdatool的滤波器设计

    作者:桂. 时间:2017-08-15  20:28:11 链接:http://www.cnblogs.com/xingshansi/p/7367738.html 前言 本文主要记录滤波器设计的基本流 ...

  9. 基于MATLAB的离散小波变换

    申明,本文非笔者原创,原文转载自:  基于Matlab的离散小波变换         http://blog.sina.com.cn/s/blog_725866260100ryh3.html 简介 在 ...

随机推荐

  1. linux下软件的种类和对应的安装及卸载的方式

    转: 一个Linux应用程序的软件包中可以包含两种不同的内容: 1)一种就是可执行文件,也就是解开包后就可以直接运行的.在Windows中所 有的软件包都是这种类型.安装完这个程序后,你就可以使用,但 ...

  2. GitHub in vs2010、vs2013

    GitHub在使用上大致和其他源代码管理工具一样,个人源代码管理和分享一大利器,而且vs2010和vs2013配置也没有任何区别,简单做了一下图文配置说明 一.注册github 1.github.co ...

  3. hibernate缓存机制详细介绍

    hibernate的缓存机制,包括一级缓存(session级别).二级缓存(sessionFactory级别). 一:hibernate的 N+1问题 list()获得对象: 如果通过list()方法 ...

  4. 关于 object-c的@protocol的理解

    从java角度来理解 @protocol 相当于 java 的接口定义,用法也一样 下面是试验例子 @protocol mytestClass <NSObject> - (void) ca ...

  5. springboot成神之——mybatis在spring-boot中使用的几种方式

    本文介绍mybatis在spring-boot中使用的几种方式 项目结构 依赖 WebConfig DemoApplication 方式一--@Select User DemoApplication ...

  6. Flask之自定义模型类

    4.3自定义模型类 定义模型 模型表示程序使用的数据实体,在Flask-SQLAlchemy中,模型一般是Python类,继承自db.Model,db是SQLAlchemy类的实例,代表程序使用的数据 ...

  7. DRF之REST规范介绍及View请求流程分析

    编程是数据结构和算法的结合,而在Web类型的App中,我们对于数据的操作请求是通过url来承载的,本文详细介绍了REST规范和CBV请求流程. 编程是数据结构和算法的结合,小程序如简单的计算器,我们输 ...

  8. maven项目引入外部jar包的三种方式

    方式1:dependency 本地jar包 <dependency> <groupId>com.hope.cloud</groupId> <!--自定义--& ...

  9. 新浪微博logo已经去掉了“新浪”二字

    如果有一天我能做出一个产品,它的命名就以我所在的行业命名该多好啊,可惜那只是一个梦.但这样的梦新浪微博却实现了,今天我登陆新浪微博的时候发 现logo已经去掉了“新浪”二字,我开始还以为我自己的电脑网 ...

  10. Hyperledger Fabric Transaction Proposal过程

    客户端将交易预提案(Transaction Proposal)通过 gRPC 发送给支持 Endorser 角色的 Peer 进行背书. 这些交易提案可能包括链码的安装.实例化.升级.调用.查询:以及 ...