数字语音信号系统课程设计.doc

摘要数字信号处理是将信号以数字方式表示并处理的理论和技术。数字信号处理与模拟信号处理是信号处理的子集。数字信号处理的目的是对真实世界的连续模拟信号进行测量或滤波。因此在进行数字信号处理之前需要将信号从模拟域转换到数字域，这通常通过模数转换器实现。而数字信号处理的输出经常也要变换到模拟域，这是通过数模转换器实现的。数字信号处理的算法需要利用计算机或专用处理设备如数字信号处理器（DSP）和专用集成电路（ASIC）等。数字信号处理技术及设备具有灵活、精确、抗干扰强、设备尺寸小、造价低、速度快等突出优点，这些都是模拟信号处理技术与设备所无法比拟的。数字信号处理的核心算法是离散傅立叶变换(DFT)，是DFT使信号在数字域和频域都实现了离散化，从而可以用通用计算机处理离散信号。而使数字信号处理从理论走向实用的是快速傅立叶变换(FFT)，FFT的出现大大减少了DFT的运算量，使实时的数字信号处理成为可能、极大促进了该学科的发展。MATLAB是矩阵实验室（Matrix Laboratory）的简称，和Mathematica、Maple并称为三大数学软件。它在数学类科技应用软件中在数值计算方面首屈一指。MATLAB可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。MATLAB的基本数据单位是矩阵，它的指令表达式与数学、工程中常用的形式十分相似，故用MATLAB来解算问题要比用C，FORTRAN等语言完相同的事情简捷得多，并且mathwork也吸收了像Maple等软件的优点,使MATLAB成为一个强大的数学软件。在新的版本中也加入了对C，FORTRAN，C+ ，JAVA的支持。可以直接调用,用户也可以将自己编写的实用程序导入到MATLAB函数库中方便自己以后调用，此外许多的MATLAB爱好者都编写了一些经典的程序，用户可以直接进行下载就可以用。第一章 绪论一、课程设计目的数字信号处理课程是一门理论和技术发展十分迅速、应用非常广泛的前沿性学科，在雷达、通信、医学、地震等众多领域都有广发的应用。数字信号处理课程是电子、通信、信号处理等专业的基础课程，数字信号处理课程设计是完成数字信号处理相关理论的学习后进行的综合性训练课程，使学生能够对信号的采集、处理、传输、显示和存储等理论及技术实现有一个系统的掌握和理解。它的理论性和实践性都很强，学生在学习这门课程时，普遍感到数字信号处理的概念抽象，对其中的分析方法与基本理论不能很好地理解与掌握。因此，如何帮助学生理解与掌握课程中的基本概念、基本原理、基本分析方法以及综合应用所学知识解决实际问题的能力，是本课程教学中所要解决的关键问题。为了巩固所学的数字信号处理理论知识，使学生对信号的采集、处理、传输、显示和存储等有一个系统的掌握和理解，安排了该课程的课程设计。 通过课程设计，应能加强学生如下能力的培养：1、 巩固和加深学生对数字信号处理的基本概念、基本原理、基本分析方法的理解；2、 独立工作能力和创造力；3、 综合运用专业及基础知识，解决实际工程技术问题的能力；4、 查阅图书资料、产品手册和各种工具书的能力；5、编写技术报告和编制技术资料的能力。二、课程设计基本要求1学会MATLAB 的使用，掌握MATLAB的基本编程语句。2掌握在Windows 环境下音乐信号采集的方法。3掌握数字信号处理的基本概念、基本理论和基本方法。 4掌握使用MATLAB,设计FIR 和 IIR 滤波器的方法。5 掌握使用MATLAB处理数字信号、进行频谱分析、设计数字滤波器的编程方法。三、课程设计内容（一）音乐信号的处理与分析1、 音乐信号的音谱和频谱观察使用windows下的录音机录制一段音乐信号或采用其它软件截取一段音乐信号（要求：时间不超过5s、文件格式为wav文件）(1) 使用wavread语句读取音乐信号，获取抽样率；（注意：读取的信号是双声道信号，即为双列向量，需要分列处理）；(2) 输出音乐信号的波形和频谱，观察现象；(3) 使用sound语句播放音乐信号，注意不同抽样率下的音调变化，解释现象。2、音乐信号的抽取（减抽样）(1) 观察音乐信号频率上限，选择适当的抽取间隔对信号进行减抽样（给出两种抽取间隔，代表混叠与非混叠）；(2) 输出减抽样音乐信号的波形和频谱，观察现象，给出理论解释；(3) 播放减抽样音乐信号，注意抽样率的改变，比较不同抽取间隔下的声音，解释现象。 3、音乐信号的AM调制(1) 观察音乐信号频率上限，选择适当调制频率对信号进行调制（给出高、低两种调制频率）；(2) 输出调制信号的波形和频谱，观察现象，给出理论解释；(3) 播放调制音乐信号，注意不同调制频率下的声音，解释现象。 4、AM调制音乐信号的同步解调(1) 设计巴特沃斯IIR滤波器完成同步解调；观察滤波器频率响应曲线；(2) 用窗函数法设计FIR滤波器完成同步解调，观察滤波器频率响应曲线；（要求： 分别使用矩形窗和布莱克曼窗，进行比较）；(3) 输出解调信号的波形和频谱，观察现象，给出理论解释；(4) 播放解调音乐信号，比较不同滤波器下的声音，解释现象。5、设计系统界面为了使编制的程序操作方便，设计处理系统的用户界面，在所设计的系统界面上可以显示音乐信号、抽样音乐信号、调制信号、解调信号的波形、频谱，选择滤波器的类型，输入滤波器的参数、显示滤波器的频率响应等。第二章 设计方案2.1.1 采样定理在进行模拟/数字信号的转换过程中，当采样频率fs.max大于信号中，最高频率fmax的2倍时，即：fs.max=2fmax,则采样之后的数字信号完整地保留了原始信号中的信息，一般实际应用中保证采样频率为信号最高频率的510倍；采样定理又称奈奎斯特定理。 1924年奈奎斯特(Nyquist)就推导出在理想低通信道的最高大码元传输速率的公式:理想低通信道的最高大码元传输速率=2W*log2 N (其中W是理想低通信道的带宽,N是电平强度)2.1.2 采样频率采样频率是指计算机每秒钟采集多少个声音样本，是描述声音文件的音质、音调，衡量声卡、声音文件的质量标准。采样频率越高，即采样的间隔时间越短，则在单位时间内计算机得到的声音样本数据就越多，对声音波形的表示也越精确。采样频率与声音频率之间有一定的关系，根据奎斯特理论，只有采样频率高于声音信号最高频率的两倍时，才能把数字信号表示的声音还原成为原来的声音。这就是说采样频率是衡量声卡采集、记录和还原声音文件的质量标准。2.1.3 采样位数与采样频率采样位数即采样值或取样值，用来衡量声音波动变化的参数，是指声卡在采集和播放声音文件时所使用数字声音信号的二进制位数。采样频率是指录音设备在一秒钟内对声音信号的采样次数，采样频率越高声音的还原就越真实越自然。采样位数和采样率对于音频接口来说是最为重要的两个指标，也是选择音频接口的两个重要标准。无论采样频率如何，理论上来说采样的位数决定了音频数据最大的力度范围。每增加一个采样位数相当于力度范围增加了6dB。采样位数越多则捕捉到的信号越精确。对于采样率来说你可以想象它类似于一个照相机，44.1kHz意味着音频流进入计算机时计算机每秒会对其拍照达441000次。显然采样率越高，计算机摄取的图片越多，对于原始音频的还原也越加精确。2.2 音乐信号的音谱和频谱观察使用windows下的录音机录制一段音乐信号或采用其它软件截取一段音乐信号（要求：时间不超过5s、文件格式为wav文件）(1) 使用wavread语句读取音乐信号，获取抽样率；（注意：读取的信号是双声道信号，即为双列向量，需要分列处理）；(2) 输出音乐信号的波形和频谱，观察现象；(3) 使用sound语句播放音乐信号，注意不同抽样率下的音调变化，解释现象。2.2.1 语音的录入与打开 一、在MATLAB中，用wavread函数读取语音，wavread函数调用格式：（1）、y=wavread(file)，读取file所规定的wav文件，返回采样值放在向量y中。（2）、y,fs,nbits=wavread(file)，采样值放在向量y中，fs表示采样频率（Hz）nbits表示采样位数。（3）、y=wavread(file,N)，读取前N点的采样值放在向量y中。（4）、y=wavread(file,N1,N2)，读取从N1点到N2点的采样值放在向量y中。二、sound(y,fs,bits); 用于对声音的回放。向量y则就代表了一个信号（也即一个复杂的“函数表达式”）也就是说可以像处理一个信号表达式一样处理这个声音信号。三、本实验我们是通过输入间语音存放的路径来打开语音文件的。具体实现如下所示：程序如下：value1=get(handles.edit1,string);y,fs,bit=wavread(value1);2.2.2 时域信号的FFT分析FFT即为快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。在MATLAB的信号处理工具箱中函数FFT和IFFT用于快速傅立叶变换和逆变换。函数FFT用于序列快速傅立叶变换，其调用格式为y=fft(x)，其中，x是序列，y是序列的FFT，x可以为一向量或矩阵，若x为一向量，y是x的FFT且和x相同长度；若x为一矩阵，则y是对矩阵的每一列向量进行FFT。如果x长度是2的幂次方，函数fft执行高速基2FFT算法，否则fft执行一种混合基的离散傅立叶变换算法，计算速度较慢。函数FFT的另一种调用格式为y=fft(x,N)，式中，x，y意义同前，N为正整数。函数执行N点的FFT，若x为向量且长度小于N，则函数将x补零至长度N；若向量x的长度大于N，则函数截短x使之长度为N；若x 为矩阵，按相同方法对x进行处理。【MATLAB程序如下所示】value1=get(handles.edit1,string);y,fs,bit=wavread(value1);size(y);%示矩阵的行数各列数y1=y(:,1);%对信号进行分列处理n1=length(y1);%取y的长度t1=(0:n1-1)/fs;%设置波形图横坐标figuresubplot(2,1,1);plot(t1,y1);%画出时域波形图ylabel(幅值);xlabel(时间);title(原始信号的波形);subplot(2,1,2);Y1=fft(y1);w1=2/n1*(0:n1-1);%设置角频率plot(w1,abs(Y1);%画频谱图title(原始信号的频谱);xlabel(角频率);ylabel(幅度);grid on;sound(y,fs);【程序运行结果如下所示】2.3 音乐信号的抽取（减抽样）(1) 观察音乐信号频率上限，选择适当的抽取间隔对信号进行减抽样（给出两种抽取间隔，代表混叠与非混叠）；(2) 输出减抽样音乐信号的波形和频谱，观察现象，给出理论解释；(3) 播放减抽样音乐信号，注意抽样率的改变，比较不同抽取间隔下的声音，解释现象。 2.3.1理论基础再现：时域抽样定理：一个频谱受限的信号f(t)，如果频谱只占据-wm+wm的范围，则信号f(t)可以用等间隔的抽样值唯一的表示。而抽样间隔必须不大于1/（2*fm）。频域抽样定理：一个频谱受限的信号f(t)，它集中在-tm+tm的时间范围内，若在频域中以不大于1/（2*tm）的频率间隔对f(t)的频谱F(w)进行抽样，则抽样后频谱F1(w)可以唯一的表示原信号。2.3.2、本实验我们通过输入抽样间隔来实现的。抽样间隔D的控制程序如下：E=get(handles.edit2,string);%设置抽样间隔 D=str2num(E);【MATLAB程序设计如下】value1=get(handles.edit1,string);y,fs,bit=wavread(value1);y1=y(:,1);n1=length(y1);E=get(handles.edit2,string);%设置抽样间隔D=str2num(E);y2=y1(1:D:n1);%减抽样n2=length(y2);%抽样后的长度t2=(0:n2-1)/fs;%设置横坐标figuresubplot(2,1,1);plot(t2,y2);%绘制减抽样信号波形图ylabel(幅度);xlabel(时间);title(n:1减抽样信号波形);Y2=fft(y2);%对y2进行n2点fft谱分析w2=2/n2*(0:n2-1);subplot(2,1,2);plot(w2,abs(Y2);%绘制减抽样信号频谱图title(n:1减抽样频谱);xlabel(角频率);ylabel(幅度);grid on;sound(y2,fs/D);【抽样间隔为5的程序运行结果如图1所示】图1 抽样间隔为5【抽样间隔为25的程序运行结果如图2所示】图2 抽样间隔为25分析：通过观察两种不同抽样间隔（5倍频和25倍频）下的音乐信号可知，当采用较大的抽样间隔对音乐信号进行抽样时，频谱发生了混叠，而采用较小的抽样间隔对音乐信号进行抽样时，频谱并未发生混叠。这是因为，抽样时频谱发生混叠的条件是fs2fh，即抽样频率小于信号频谱的最高频率。当采用较大的抽样间隔时抽样频率时fs=2fh，则不会发生混叠。当我们播放不同抽样间隔下的音乐信号时，会发现大抽样的音乐信号会伴有杂音并且声音低沉，而小抽样的音乐信号和原有的音乐信号几乎无差别，这间接证明了我们以上理论分析的正确性。2.4、音乐信号的AM调制(1) 观察音乐信号频率上限，选择适当调制频率对信号进行调制（给出高、低两种调制频率）；(2) 输出调制信号的波形和频谱，观察现象，给出理论解释；(3) 播放调制音乐信号，注意不同调制频率下的声音，解释现象。241、理论基础：信号的调制过程就是将信号频谱搬移到任何所需的较高频率范围。调制的实质是把各种信号的频谱搬移，使它们互不重叠的占据不同的频率范围，也即信号分别托付于不同频率的载波上。具体的调制原理推导在此不再叙述，仅将结论列出：f(t)=g(t)*cos(w0*t)。由此将信号g(t)的频谱搬移到（2*n+1）w附近，同时音乐信号的频谱幅度变为原来的1/2。如果信号的最高频谱wh超过了ws/2，则各周期延括分量产生频谱的交叠，称为是频谱的混叠现象。根据奈奎斯特定律可知，若希望频谱不会发生混叠，则fs=fh。2.42、本实验中我们是通过输入调制频率来进行AM调制的。当输入的频率为高频率时，则是高频率AM调制，当输入频率为低频率时，则是低频率AM调制。程序中调制频率：bb=get(handles.edit4,string);【程序如下图】2.43【MATLAB实现程序如下】value1=get(handles.edit1,string);bb=get(handles.edit4,string);a=str2num(bb);w,fs,b=wavread(value1);w1=w(:,1);l1=length(w1);%取y的长度w31=a*pi; n1=0:l1-1; c01=cos(w31*n1); f31=w1.*c01; cf1=fft(f31); l3=length(cf1); ww3=2/l3*(0:l3-1); sound(f31,fs);figuresubplot(211);plot(f31);title(高频调制波形);grid on;xlabel(time);ylabel(信号幅度);subplot(212);plot(ww3,abs(cf1);title(高频调制频谱);grid on;xlabel(角频率);ylabel(信号幅度);结果： 当输入的是0.5pi的高频调制频率时，结果如下图1所示；当输入的是0.2pi的低频调制频率时，结果如下图2所示；图1 0.5pi的高频调制频率 图2 0.2pi的低频调制频率 分析：通过观察原音乐信号的频谱图可知音乐信号的频率上限是0.3pi。取高频调制频率0.5pi，低频调制频率0.2pi对音乐信号进行调制。通过观察不同调制频率下的频谱图可以发现高频调制的音乐信号频谱发生了混叠，而采用低频调制的音乐信号频谱并未发生混叠。这是因为当采用高频调制（0.5pi）时，频谱被搬移到（2*n+1）*0,5pi，n=0.1.2.3.附近，此时高频调制频率高于原信号的频率上限，故发生了频谱混叠。同理，当采用低频调制（0.2pi）时，未发生频谱混叠。播放不同调制频率下的音乐信号，可以发现当采用低频调制时，音乐信号比原信号的声音低了很多，但是没有杂音；采用高频调制时，音乐信号比原信号的声音低了很多的同时还伴随有杂音。这是因为低频调制没有发生混叠，调制后的音乐信号频谱幅度为原音乐信号的1/2，而高频调制发生了混叠。2.5 AM调制音乐信号的同步解调(1) 设计巴特沃斯IIR滤波器完成同步解调；观察滤波器频率响应曲线；(2) 用窗函数法设计FIR滤波器完成同步解调，观察滤波器频率响应曲线；（要求： 分别使用矩形窗和布莱克曼窗，进行比较）；(3) 输出解调信号的波形和频谱，观察现象，给出理论解释；(4) 播放解调音乐信号，比较不同滤波器下的声音，解释现象。2.51、理论基础: 有一条信号f(t)恢复原始信号g(t)的过程称为解调。这里cos(w0*t)信号是接收端的本地载波信号，它与发送端的载波同频同相。f(t)与cos(w0*t)相乘的结果使频谱F(W)向左、右分别移动+w0、-w0（并乘以系数1/2），得到g0(t)=1/2*g(t)+1/2*g(t)*cos(w0*t) G0(w)=1/2*G(w)+1/4*G(w-2*w0)+G(w+2*w0) 再利用一个低通滤波器，滤除在频率为2*w0附近的分量，即可取出g(t),完成解调。窗函数法的设计步骤：a、给定所要求的频率响应函数Hd（w）；b、求出hd(n)；c、有过渡带宽及阻带最小衰减的要求，选定窗w(n)的形状以及N的大小，一般N要通过几次试探才能确定；d、求得所设计的FIR滤波器的单位抽样响应：h(n)=hd(n)*w(n)；e、求H(w),检验是否符合设计要求，如不满足，则需重新设计。函数格式说明：n,wn=buttord(wp,ws,rp,rs)：n为滤波器的阶数，wn为其截止频率，wp为通带截止频率，ws为阻带截止频率，rp为通带最大衰减,，rs为阻带最小衰减。a,b=butter(n,rp)：a，b为所设计的滤波器传输函数分子和分母的系数。h,w=freqz(a,b):求滤波器的频率响应h，w为频域坐标。252、我们通过两个按键来分别控制，一个按键是IIR滤波器，另一个是FIR滤波器，如下图：【IIR滤波器的MATLAB程序如下】value1=get(handles.edit1,string);bb=get(handles.edit4,string);a=str2num(bb);w,fs,b=wavread(value1);w1=w(:,1);l1=length(w1);%取y的长度w31=a*pi; n1=0:l1-1; c01=cos(w31*n1); f31=w1.*c01; f41=f31.*c01; cf4=fft(f41); l5=length(cf4); ww5=2/l5*(0:l5-1); figure; subplot(2,2,1); plot(f41);title(解调时域图);grid on; subplot(2,2,2); plot(ww5,abs(cf4);title(解调频谱图);grid on; %IIR解调n0,wc0=buttord(0.3,0.5,1,15); %buttord通带截止频率,阻带截止频率,通带最大衰减，阻带最小衰减 b0,a0=butter(n0,wc0); h0,w10=freqz(b0,a0); y=filter(b0,a0,f41); fy=fft(y); ly=length(fy); wly=2/ly*(0:ly-1); l3=length(h0); wl3=2/l3*(0:l3-1); %sound(y); figure; plot(wl3/2,abs(h0);title(IIR滤波器频响图);grid on; figure; subplot(2,2,1); plot(y);title(IIR滤波后时域图);grid on; subplot(2,2,2); plot(wly,abs(fy);title(IIR滤波后频谱图);grid on; 【运行结果如下图所示】分析1：通过对比解调前后的音乐信号时域图和频谱图可知，解调后的音乐信号时域和频谱幅度变为原来的1/2，若想滤波后可以完全恢复原始音乐信号，可以在传输函数添加系数2即可。分析2：通过观察原始音乐信号的频谱图可知，原音通过对比不同调制频率下的音乐信号频谱可知，在调制频率为0.5pi时频谱发生混叠。所以，在设计IIR巴特沃斯率低通滤波器的时候我们选取wp=0.2pi为通带截止频率，ws=0.5pi为其阻带截止频率，rp=1db为其通带最大衰减,，rs=15db为阻带最小衰减。对比原音乐信号的频谱图和IIR滤波后的频谱图可知，两者除了幅度上的差异外并无大的差别。说明解调成功。【FIR滤波器的MATLAB程序如下】value1=get(handles.edit1,string);bb=get(handles.edit4,string);a=str2num(bb);w,fs,b=wavread(value1);w1=w(:,1);l1=length(w1);%取y的长度w31=a*pi; n1=0:l1-1; c01=cos(w31*n1); f31=w1.*c01; f41=f31.*c01; cf4=fft(f41); l5=length(cf4); ww5=2/l5*(0:l5-1); figure; subplot(2,2,1); plot(f41);title(解调时域图);grid on; subplot(2,2,2); plot(ww5,abs(cf4);title(解调频谱图);grid on; %fir调制wc=a*pi; N=33; W1=boxcar(N); W2=blackman(N); hd=ideal_lp(wc,N); h1=hd.*W1; m1=256; m2=0:m1-1; m3=2/m1*m2; fh1=fft(h1,m1); fh_db1=20*log10(abs(fh1)+eps)/max(abs(fh1); l41=length(fh1); wl4=2/l41*(0:l41-1); h2=hd.*W2; fh2=fft(h2,m1); fh_db2=20*log10(abs(fh2)+eps)/max(abs(fh2); l51=length(fh2); wl5=2/l51*(0:l51-1); fir1=conv(h1,f41); cfir1=fft(fir1); fir2=conv(h2,f41); cfir2=fft(fir2); l6=length(cfir1); ww6=2/l6*(0:l6-1); l7=length(cfir2); ww7=2/l7*(0:l7-1); %sound(fir1); %sound(fir2); figure subplot(2,2,1); plot(wl4(1:l41/2),abs(fh1(1:l41/2);title(矩形窗频响图);grid on; subplot(2,2,2); plot(wl5(1:l51/2),abs(fh2(1:l51/2);title(布莱克曼窗频响图);grid on; subplot(2,2,3); plot(m3,fh_db1);title(矩形窗db频率幅度);grid on; subplot(2,2,4); plot(m3,fh_db2);title(布莱克曼窗db频率幅度);grid on; figure subplot(2,2,1); plot(fir1);title(矩形窗滤波后时域图);grid on; subplot(2,2,2); plot(ww6,abs(cfir1);title(矩形窗滤波后频谱图);grid on; subplot(2,2,3); plot(fir2);title(布莱克曼窗滤波后时域图);grid on; subplot(2,2,4); plot(ww7,abs(cfir2);title(布莱克曼窗滤波后频谱图);grid on; 【程序运行结果如下图】分析1：通过对比解调前后的音乐信号时域图和频谱图可知，解调后的音乐信号时域和频谱幅度变为原来的1/2，若想滤波后可以完全恢复原始音乐信号，可以在传输函数添加系数2即可。分析2：可以对FIR窗函数滤波器的设计参数进行选定：矩形窗（boxcar）：滤波器的截止频率wc=0.5pi，滤波器的阶数N=33，阻带衰减为25db；布莱克曼窗（blackman）：滤波器的截止频率wc=0.5pi，滤波器的阶数N=33，阻带衰减为80db。比较采用矩形窗和布莱克曼窗的频率特性图可以看出：最小阻带衰减只由窗形状决定，而不受阶数N的影响；而过渡带的宽度窗的形状有关；同时，布莱克曼窗的过滤带宽、旁瓣峰值和主瓣宽度均大于矩形窗的过滤带宽、旁瓣峰值和主瓣宽度。分析4：下图为经过加矩形窗和布莱克曼窗的滤波器滤波后的音乐信号的时域图和频谱图。比较两种窗函数滤波下的频谱图可知加矩形窗的滤波器的滤波效果明显没有加布莱克曼窗的滤波器滤波效果好，原因如分析3所示：布莱克曼窗的最小阻带衰减在同样阶数的前提条件下要比矩形窗的最小阻带衰减大，所以滤波更彻底，恢复的原信号也就会比矩形窗好。若想提高矩形窗的滤波效果可采取增加阶数的方法，但这种情况下会增加不必要的开支，所以在选定滤波器的时候要权衡各方面的条件，力争达到一个各方都满意的结果。 分析3：播放IIR滤波器和FIR滤波器滤波后的音乐信号，我们可以听到音乐信号的音调变低了，这是因为高频部分被滤掉了。同时还可以听到IIR滤波器滤波后的音乐信号没有FIR滤波器滤波后的音乐信号效果好，这是因为FIR滤波器是线性相位的，而IIR滤波器是非线性相位；矩形窗没有布莱克曼窗的滤波效果好，这一点可以从分析1、2看出。第三章 图形用户界面设计3.1图形用户界面制作MATLAB中图形用户界面的制作有两种方法：M文件和GUIDE，本设计采用GUIDE的方法制作GUI。1.新建一个空白GUI模板：进入MATLAB程序界面以后执行FileNewGUI过程，即可进入2.选择空白模板选项条，单击OK，一个空白GUI模板生成3.拖拉白色框的右下角调整界面大小，现在就可以开始设计GUI功能界面了。从左边控件框选择所需要的控件放置在GUI面板中，然后对各个控件进行编辑，包括位置、大小、颜色、名称以及编写回调函数等。本设计主要用到下拉菜单、坐标系、框架和按钮，现分别介绍。4.按钮设计：按钮键又称命令按钮或按钮，是小的长方形屏幕对象，常常在对象本身标有文本。将鼠标指针移至对象，单击鼠标按钮执行由回调字符串所定义的动作。单击空间框左侧的Push Button按钮，在图形编辑框中确定其位置后单击鼠标左键即可放置现在开始编写回调函数，确定按钮功能。在按钮上单击鼠标右键，选择view- callbackscallback即可在M文件中找到该按钮的回调函数位置。然后编写功能函数，本设计中该按钮的功能是绘制原始波形，那么只需要读取语音信号并画出波形。5.框架设计：框架对象仅是带色彩的矩形区域，框架提供了视觉的分隔性，框架的style属性值是Frame。在其他对象放入框架之前，框架应事先定义，否则框架可能覆盖控制框使他们不可见。本次课程设计的最终图形用户界面如图3-7所示四、问题讨论1、IIR数字滤波器和FIR数字滤波器的比较答：IIR滤波器：相位一般是非线性的，不一定稳定，不能使用fft做快速卷积，一定是递归结构，对频率分量的选择性好（零极点可同时起作用），相同性能下阶次较低，有噪声反馈，噪声大，运算误差大，有可能出现极限环振荡，设计时有大量图表可查，方便简单，主要用于设计分段常数的标准低通，带通，高通，带阻和全通滤波器。 FIR滤波器：相位可以做到严格线性，一定是稳定的，信号通过系统可采用快速卷积，主要是非递归结构，也可含递归结构，选择性差，相同性能下阶次高，噪声小，运算