完善资料让更多小伙伴认识你,还能领取20积分哦, 立即完善>
最近在做信号处理和模式识别的相关技术的研究,有感于介绍这方面的入门文章太少,希望记录些有用的知识帮助需要从事相关工作的朋友少走些弯路。 matlab大家应该都不陌生,园子里面应该有相当一部分人是学电信或自动控制出身的,我们从事着不同的行业,我们每天写着不同的软件。如果你在做信号处理或者通信相关的行业,相信如果有一天你需要做些原型设计,本文可以引导你快速的开始。 首先让我们来看看matlab的产品定位: The Language of Technical Computing MATLAB® is a high-level language and interactive environment that enables you to perform computationally intensive tasks faster than with traditional programming languages such as C, C++, and Fortran. 过多的也没必要解释了,就是说一个字“快”,使用matlab可以使你想法更快的被实现出来,做设计的效率是其他编程语言说无法比拟的。据本人所知,数字信号处理里面的滤波器设计,频谱分析,通信中的各种调制技术的设计,matlab可以说已经成了标准工具,就像windows上开发C#代码,大部分人都使用visual studio一样。 首先让我们看看如何产生一些简单有用的序列如何编写: ---注:源代码来自互联网,仅供学习参考之用 单位冲击: function [x,n] = impseq(n0,n1,n2) % Generates x(n) = delta(n-n0); n1 <= n,n0 <= n2 % ---------------------------------------------- % [x,n] = impseq(n0,n1,n2) % if ((n0 < n1) | (n0 > n2) | (n1 > n2)) error('arguments must satisfy n1 <= n0 <= n2') end n = [n1:n2]; %x = [zeros(1,(n0-n1)), 1, zeros(1,(n2-n0))]; x = [(n-n0) == 0]; 单位阶越: function [x,n] = stepseq(n0,n1,n2) % Generates x(n) = u(n-n0); n1 <= n,n0 <= n2% ------------------------------------------ % [x,n] = stepseq(n0,n1,n2) % if ((n0 < n1) | (n0 > n2) | (n1 > n2)) error('arguments must satisfy n1 <= n0 <= n2') end n = [n1:n2]; %x = [zeros(1,(n0-n1)), ones(1,(n2-n0+1))]; x = [(n-n0) >= 0]; 再看看如何实现一些简单算法和计算: 序列相加: function [y,n] = sigadd(x1,n1,x2,n2) % implements y(n) = x1(n)+x2(n) % ----------------------------- % [y,n] = sigadd(x1,n1,x2,n2) % y = sum sequence over n, which includes n1 and n2 % x1 = first sequence over n1 % x2 = second sequence over n2 (n2 can be different from n1) % n = min(min(n1),min(n2)):max(max(n1),max(n2)); % duration of y(n) y1 = zeros(1,length(n)); y2 = y1; % initialization y1(find((n>=min(n1))&(n<=max(n1))==1))=x1; % x1 with duration of y y2(find((n>=min(n2))&(n<=max(n2))==1))=x2; % x2 with duration of y y = y1+y2; % sequence addition 序列相乘: function [y,n] = sigmult(x1,n1,x2,n2) % implements y(n) = x1(n)*x2(n)% ----------------------------- % [y,n] = sigmult(x1,n1,x2,n2) % y = product sequence over n, which includes n1 and n2 % x1 = first sequence over n1 % x2 = second sequence over n2 (n2 can be different from n1) % n = min(min(n1),min(n2)):max(max(n1),max(n2)); % duration of y(n) y1 = zeros(1,length(n)); y2 = y1; % y1(find((n>=min(n1))&(n<=max(n1))==1))=x1; % x1 with duration of y y2(find((n>=min(n2))&(n<=max(n2))==1))=x2; % x2 with duration of y y = y1 .* y2; % sequence multiplication LMS算法实现: function [h,y] = lms(x,d,delta,N) % LMS Algorithm for Coefficient Adjustment % ---------------------------------------- % [h,y] = lms(x,d,delta,N) % h = estimated FIR filter % y = output array y(n) % x = input array x(n) % d = desired array d(n), length must be same as x % delta = step size % N = length of the FIR filter % M = length(x); y = zeros(1,M); h = zeros(1,N); for n = N:M x1 = x(n:-1:n-N+1); y = h * x1'; e = d(n) - y; h = h + delta*e*x1; end DFT算法实现: function [Xk] = dft(xn,N) % Computes Discrete Fourier Transform% ----------------------------------- % [Xk] = dft(xn,N) % Xk = DFT coeff. array over 0 <= k <= N-1 % xn = N-point finite-duration sequence % N = Length of DFT % n = [0:1:N-1]; % row vector for n k = [0:1:N-1]; % row vecor for k WN = exp(-j*2*pi/N); % Wn factor nk = n'*k; % creates a N by N matrix of nk values WNnk = WN .^ nk; % DFT matrix Xk = xn * WNnk; % row vector for DFT coefficients 简单序列计算: 1. x(n) = 2*delta(n+2) - delta(n-4), -5<=n<=5 2. x(n) = n[u(n)-u(n-10)]+10*exp(-0.3(n-10))(u(n-10)-u(n-20)); 0<=n<=20 3. x(n) = cos(0.04*pi*n) + 0.2*w(n); 0<=n<=50, w(n): Gaussian (0,1) 结果如下:
几个简单的语句就可以完成相当复杂的计算,如果用C语言写这中算法,相信设计效率的差距是不言而喻的,工欲善其事必先利其器,选对工具对于做正确的事情是很重要的。 关于学习资料和文档: 推荐matlab的官方手册和help文档,对于每个工具箱的描述和基本功能的介绍都非常的明确,当然资料都是英文的,中文手册我也一直没有找到,如果有朋友有中文的手册,请通知我。 关于书籍,我在书店随便翻看了几本,大部分都是手册翻译,而且都是就某个工具箱的翻译,不是很全,书名倒是都很霸气,如果那个朋友发现好的书籍也请您通知我,我会更新博文,让更多的人受益。 总结: 本文资料源自本人的读书笔记和互联网,通过一些简单的算法和源代码说明了如何用matlab解决相关的问题,当然本文面向的是初学者,如果哪位对高级的topic感兴趣,可以联系我,希望对大家有所帮助 |
|
相关推荐
1 个讨论
|
|
|
|
|
|
1780 浏览 1 评论
200圆!求助大佬给一份VSG并网和离网模式的simulink仿真
2052 浏览 0 评论
MATLAB(3)--矩阵的引用(sub2ind、ind2sub、reshape函数使用)
2873 浏览 0 评论
3209 浏览 0 评论
4109 浏览 1 评论
小黑屋| 手机版| Archiver| 电子发烧友 ( 湘ICP备2023018690号 )
GMT+8, 2024-11-30 17:16 , Processed in 0.529621 second(s), Total 44, Slave 33 queries .
Powered by 电子发烧友网
© 2015 bbs.elecfans.com
关注我们的微信
下载发烧友APP
电子发烧友观察
版权所有 © 湖南华秋数字科技有限公司
电子发烧友 (电路图) 湘公网安备 43011202000918 号 电信与信息服务业务经营许可证:合字B2-20210191 工商网监 湘ICP备2023018690号