MATLAB 数字信号处理 滤波器 低通滤波器 巴特沃斯滤波器 fir滤波器 iir滤波器 信号与系统 通信原理 相关实验和仿真 模拟系统调制解调仿真音频信号处理 脉冲压缩技术 GUI界面设计低通高通带通滤波器matlab 通信原理 信号的调制解调 AM调制解调 FM调制解调 基带信号调制 余弦滚降 数字信号处理 matlab仿真 通信原理仿真 OOK 2pSK BPSK 1.噪声信号的频谱分析。 2.设计数字滤波器和画出频率响应。 利用窗函数和最佳逼近的方法设计FIR滤波器；最后，利用MATLAB中的函数freqz画出各滤波器的频率响应。 3.用滤波器对噪声图像进行滤波。 4.比较几种滤波器去滤波前后噪声图像的波形及频谱。
先来点刺激的——生成白噪声并看它的频谱。MATLAB里造噪声就跟炒菜放盐一样简单：
fs = 1000; % 采样率 t = 0:1/fs:1; noise = 0.5*randn(size(t)); % 高斯白噪声 figure subplot(2,1,1) plot(t,noise) title('时域波形') N = length(noise); f = (-N/2:N/2-1)*(fs/N); subplot(2,1,2) plot(f, 20*log10(fftshift(abs(fft(noise))))) title('频域特性')这段代码里的骚操作：fftshift把负频率部分移到左边，20*log10转换成dB值显示。跑完就能看到噪声信号在全频带均匀分布的经典特征。
FIR滤波器设计实战：咱们用汉明窗和最小二乘法两种姿势搞起。窗函数法适合快速实现：
fc = 100; % 截止频率 order = 50; b = fir1(order, fc/(fs/2), 'low', hamming(order+1)); freqz(b,1,1024,fs)fir1的第三个参数要是归一化频率，这里用采样率的一半做分母。想提升阻带衰减？试试切比雪夫逼近：
b = firpm(order, [0 0.15 0.25 1], [1 1 0 0], [1 2]); freqz(b,1,1024,fs)这个设计参数里的[1 2]权重分配让通带波动比阻带小一半。跑出来的频率响应曲线明显比窗函数法的过渡带更陡峭。
IIR滤波器也不能少，巴特沃斯是经典选择：
[b,a] = butter(4, fc/(fs/2), 'low'); freqz(b,a,1024,fs)四阶巴特沃斯的相频特性明显非线性，这点在时域滤波时会产生相位失真。不过计算量比FIR小得多，适合实时处理。
MATLAB 数字信号处理 滤波器 低通滤波器 巴特沃斯滤波器 fir滤波器 iir滤波器 信号与系统 通信原理 相关实验和仿真 模拟系统调制解调仿真音频信号处理 脉冲压缩技术 GUI界面设计低通高通带通滤波器matlab 通信原理 信号的调制解调 AM调制解调 FM调制解调 基带信号调制 余弦滚降 数字信号处理 matlab仿真 通信原理仿真 OOK 2pSK BPSK 1.噪声信号的频谱分析。 2.设计数字滤波器和画出频率响应。 利用窗函数和最佳逼近的方法设计FIR滤波器；最后，利用MATLAB中的函数freqz画出各滤波器的频率响应。 3.用滤波器对噪声图像进行滤波。 4.比较几种滤波器去滤波前后噪声图像的波形及频谱。
图像降噪实战：读入带椒盐噪声的图片试试效果
img = im2double(imread('noisy_img.jpg')); h_fir = ftrans2(b); % FIR系数转2D滤波器 img_fir = imfilter(img, h_fir); h_iir = ftrans2(b,a); % IIR系数转换 img_iir = imfilter(img, h_iir);这里有个坑：IIR滤波器可能会引起图像边界震荡，记得用replicate选项处理边缘。滤波后的PSNR值计算：
psnr_fir = 10*log10(1/immse(img_fir, clean_img)); psnr_iir = 10*log10(1/immse(img_iir, clean_img));数据对比显示FIR通常比同阶IIR高3-5dB，但处理时间可能是IIR的两倍以上。
频谱对比神器：把原始信号和滤波后信号做FFT叠加显示
[Pxx_orig,f] = pwelch(noise, 1024, 512, 1024, fs); Pxx_filt = pwelch(filtered_sig, 1024, 512, 1024, fs); semilogy(f, Pxx_orig, f, Pxx_filt) legend('原始信号','滤波后')用pwelch做功率谱估计比直接FFT更平滑，特别适合观察阻带衰减效果。巴特沃斯滤波器在截止频率附近的"膝盖"曲线明显，而FIR最小二乘法的阻带波纹会周期性波动。
GUI设计彩蛋：做个交互式滤波器设计工具
function update_filter() fc = get(slider,'Value'); b = fir1(50, fc/500); freqz(b,1,1024,1000,'whole',ax1); % 实时显示滤波效果 y = filter(b,1,noise); plot(ax2, y(1:200)); end用uicontrol做个滑动条控制截止频率，实现动态更新频率响应曲线和时域波形。这种实时反馈对理解滤波器特性帮助极大，比看静态图强十倍。
避坑指南：
- FIR滤波器阶数选奇数可避免群延迟非整数
- IIR滤波用
filtfilt实现零相位失真 - 图像滤波前务必做边界扩展
- 用
fvtool工具可直接对比多个滤波器特性
不同场景的选择策略：实时系统首选IIR，音视频处理用FIR，图像处理可尝试中值滤波等非线性方法。下次试试把FM调制信号混入噪声，再用自适应滤波器来降噪，那才是真功夫！
