简介这份资源是南京邮电大学「信号分析与处理实验」课程的完整实验报告面向正在修读数字信号处理、信号与系统相关课程的高校学生以及需要借助 MATLAB 完成信号处理实验与课程设计的学习者。报告围绕信号的产生和运算、连续时间信号的频域分析、时域采样与重建、离散傅里叶变换及应用等核心实验展开并延伸至连续时间系统频域与复频域分析、数字滤波器设计及信号处理综合应用配有 MATLAB 程序示例与图形结果便于对照理解时域和频域特性。资源包共 1 个 docx 文件约 1.02MB内容为实验目的、实验内容、过程与结果分析的完整记录可直接参考实验思路、程序编写与数据解析方法。目前已有 952 人学习适合作为实验预习、报告撰写与 DSP 入门复习的参考材料。1. 信号处理实验的“黑匣子”为什么你照着敲代码却看不懂频谱很多人第一次做信号分析与处理实验时都有过这种体验MATLAB 代码一行行敲进去stem、plot、fft跑得飞起图也画出来了可一旦被问“这个频谱为什么长这样”“采样间隔改一下为什么就混叠了”脑子立刻空白。问题不在于不会用 MATLAB而在于把信号处理当成了“调包画图”的玄学——代码是抄的结果是懵的。这份实验报告合集实验 1 到 4真正的价值不是给你几段能跑的脚本而是把“信号从时域到频域、从连续到离散、从采样到重建”这条链路完整地摊开。它逼着你亲手产生单位阶跃、复指数、正弦序列亲手做卷积、算奇偶部、画双边谱、观察吉布斯过冲、验证奈奎斯特间隔。每一个现象背后都对应一个可推导的机制。搞懂这些机制你才算真正跨进了 DSP 的门而不是停留在“MATLAB 绘图员”的层面。下面就从信号怎么被“造”出来开始一层层拆到采样定理和重建误差的底层逻辑。2. 信号的产生与运算从序列定义到卷积的底层逻辑2.1 离散序列不是“连续曲线的采样点”而是独立定义的映射实验一里最先碰到的坑是把离散序列当成连续信号来理解。比如单位阶跃序列u[n]代码里写的是x[zeros(1,10) 1 ones(1,20)]配合n-10:20。这行代码的含义是在索引n-10到n-1上取 0在n0上取 1在n1到n20上取 1。它和连续阶跃函数u(t)最大的区别在于离散序列只在整数点上有定义点与点之间没有“过渡”也没有“无穷小的跳变”。这解释了一个常见困惑为什么u[n7]的代码是[zeros(1,10M) 1 ones(1,20-M)]因为左移 7 位意味着原本在n0处的跳变移到了n-7所以前面补的零从 10 个变成 17 个后面剩下的 1 从 20 个变成 13 个。移位在离散域就是索引的平移不涉及任何插值或重采样。理解这一点后面做卷积、做 DFT 的循环移位才不会翻车。复指数序列x[n]1.5e^{(0.2j3)n}更值得细看。代码里c0.23*1i然后xK*exp(c*n)最后分别画real(x)和imag(x)。这里藏着一个关键机制复指数序列的实部和虚部都是衰减或增长振荡的。实部对应1.5e^{0.2n}\cos(3n)虚部对应1.5e^{0.2n}\sin(3n)。很多新手看到实部图里幅度在涨以为是“信号不稳定”其实只是e^{0.2n}这个包络在起作用。把复指数拆成包络和振荡两部分是理解 Z 变换和傅里叶变换的起点。2.2 奇偶分解为什么fliplr能拆出对称分量实验一里有一个看似简单但极其重要的操作对x[n]{1,2,4,-5,-2}n-2到n2做奇偶分解。代码只有三行核心y fliplr(x); % 时间反转x[-n] xe 0.5*(xy); % 偶部 xo 0.5*(x-y); % 奇部这里fliplr做的是左右翻转对应时域反转x[-n]。但要注意这个操作成立的前提是序列的索引关于n0对称。如果序列从n0开始直接fliplr会得到错误的“反转”结果因为x[0]翻转后应该还在n0而不是跑到末尾。实验里特意选了n-2:2这个对称区间就是为了让fliplr和真正的时域反转等价。偶部xe[n](x[n]x[-n])/2满足xe[n]xe[-n]奇部xo[n](x[n]-x[-n])/2满足xo[n]-xo[-n]。这个分解在信号处理里的意义是任何序列都可以拆成对称部分和反对称部分而傅里叶变换的实部对应偶对称、虚部对应奇对称。后面做 DFT 时如果输入是实序列频谱的共轭对称性就是从这里来的。很多人背“实序列频谱共轭对称”这个结论却不知道它和奇偶分解是同一件事。2.3 线性卷积conv背后到底在算什么实验一里x[n](-1)^n0≤n≤14和h[n]cos(0.25πn)0≤n≤7做卷积代码直接调用yconv(x,h)结果长度是158-122对应n0:21。这里有两个必须搞清楚的机制。第一卷积的物理含义是“翻转、平移、相乘、求和”。conv函数内部做的就是这件事把h翻转然后沿着x滑动每个位置做点积。对于长度分别为L和M的序列输出长度是LM-1。这个公式不是随便定的而是因为滑动窗口从完全重叠到完全分离一共经历了LM-1个位置。第二conv默认从n0开始计算它不关心你原来的索引是0:14还是-5:9。如果你输入的序列索引不是从 0 开始conv的输出索引需要你自己平移。比如x的索引是-2:2h的索引是0:3那么卷积结果的起始索引是-20-2终点索引是235。实验里两个序列都从 0 开始所以输出索引直接是0:21不需要额外平移。这个细节在后续做系统响应、做滤波器时域分析时经常被忽略导致画出来的图“对不上”。连续正弦信号x_a(t)cos(5000πt)4sin(2000πt)sin(3000πt)的绘制则提醒另一件事连续信号在 MATLAB 里是用极密的采样点“假装”的。代码里t0:0.5e-6:6e-3采样间隔 0.5 微秒对应采样率 2 MHz。这个采样率远高于信号最高频率分量5000π rad/s 对应 2500 Hz2000π 和 3000π 的乘积产生 1000 Hz 和 5000 Hz 分量所以画出来的波形是可信的。如果采样率不够画出来的“连续波形”本身就是混叠的产物后面做频域分析会全盘皆错。3. 连续时间信号的频域分析从傅里叶级数到吉布斯过冲3.1 周期矩形脉冲的双边谱为什么 T 增大谱线变密实验二的核心是周期矩形脉冲信号的傅里叶级数。代码P2_1画的是A1, τ0.1s, T0.5s的双边幅度谱和相位谱。这里的关键参数是占空比τ/T和基频Ω₀2π/T。双边谱的谱线出现在kΩ₀处幅度正比于sinc(kΩ₀τ/2)。当T从 0.5s 增大到 1s 和 2s 时基频Ω₀从4π减小到2π和π谱线间隔变小所以谱变得更“密”。同时因为c₀Aτ/T直流分量随T增大而减小整体幅度谱的值也下降。这个现象背后是傅里叶级数到傅里叶变换的过渡周期趋于无穷大时离散谱线间隔趋于零谱线连成一片就变成了连续频谱密度。实验里让你比较T1s和T2s的图其实是在用肉眼观察这个极限过程。相位谱同样值得注意。对于实偶对称的矩形脉冲c_k是实数相位只有 0 和 π 两种取值对应正负号。如果脉冲不是关于原点对称的相位就会变成连续的斜线对应时移。这个“时移对应相位线性变化”的规律在后续做 DFT 的相位分析时反复出现。3.2 谐波叠加与吉布斯现象为什么过冲不会消失P2_2用有限项傅里叶级数合成矩形脉冲N取 15、25、50。现象是N越大合成波形越接近矩形但在不连续点附近始终存在过冲而且过冲的峰值不随N增大而减小只是越来越靠近跳变点。这就是吉布斯现象。实验里P2_4用代码算出了过冲最大值function p2_4(N) t-2:10^(-4):2; A1; tau1; T2; Omega_0 2*pi/T; c0A*tau/T; f_Nc0*ones(1,length(t)); for k1:1:N f_N f_N 2*A*tau/T*sinc(k*Omega_0*tau/2/pi)*cos(k*Omega_0*t); end overshoot max(f_N); fprintf(The maximum overshoot is %.4f\n, overshoot); end运行结果是1.0896也就是约 8.96% 的过冲。这个数字不是偶然的它等于(2/π)∫₀^π (sin t / t) dt - 1是一个只与跳变幅度有关的常数。无论N取多大只要是用有限项傅里叶级数去逼近有跳变的函数这个过冲就存在。要消除它只能换用其他基函数比如小波或者对级数做求和加速比如 Fejér 求和。实验里让你亲手算出这个数比背十遍“吉布斯现象”定义都管用。3.3 男女声频谱差异基音频率和共振峰的物理含义实验二最后一部分用 FFT 分析男女声录音的频谱。现象是男声波形基音频率低、振幅变化大频谱能量集中在低频女声基音频率高、波形细致频谱能量分布更均匀。这里涉及两个概念基音频率pitch和共振峰formant。基音频率由声带振动决定男性通常在 100-150 Hz女性在 200-300 Hz。在频谱上表现为一系列间隔为基音频率的谐波。共振峰由声道形状决定表现为频谱包络上的峰值。男声声道更长共振峰频率更低女声声道更短共振峰频率更高。实验里让你“查阅资料回答男声转女声的方法”答案里提到的基频调整、声道长度调整、谐波调整本质上都是在改这两个东西。用 MATLAB 做 FFT 只是第一步真正难的是从频谱里把基音和共振峰分离出来——这通常需要倒谱分析或线性预测编码实验报告里没有展开但方向已经指出来了。4. 时域采样与重建奈奎斯特间隔不是“经验值”而是硬约束4.1 采样定理的验证为什么 Ts2 一定会混叠实验三用升余弦脉冲信号做采样和频谱分析。提示里给了一个关键推导升余弦脉冲的频谱大部分集中在[0, 2π/τ]设截止频率Ω_m2π/τ代入参数得Ω_m2所以奈奎斯特间隔T_s1/(2f_m)π/2。当T_sπ/2时采样频谱刚好不混叠当T_s2时T_s π/2采样频谱发生混叠。这个推导里有一个容易忽略的点Ω_m2是角频率对应的实际频率是f_mΩ_m/(2π)1/π。奈奎斯特率是2f_m2/π奈奎斯特间隔是1/(2f_m)π/2。实验里直接给T_sπ/2是因为升余弦脉冲的频谱不是严格带限的Ω_m只是一个“大部分能量集中”的边界。如果信号严格带限T_sπ/2刚好满足如果信号有高频拖尾即使T_sπ/2也可能有轻微混叠。实验里判断“未发生混叠”是基于频谱图的主瓣是否重叠不是严格的数学证明。当T_s2时采样率f_s1/T_s0.5远低于奈奎斯特率2/π≈0.637混叠不可避免。频谱图上会看到原本在高频的副本搬移到了低频和主瓣重叠。这个现象在音频处理里就是“ aliasing ”听起来像金属声或鸟叫。实验里让你亲眼看到混叠后的频谱比记公式深刻得多。4.2 信号重建理想低通滤波器为什么在现实中做不到P3_2做的是采样后重建。理想重建是用一个截止频率为Ω_cΩ_m的理想低通滤波器对采样信号做滤波恢复出原始连续信号。代码里用sinc插值实现。当T_sπ/2时重建误差很小当T_s2且Ω_cΩ_m时重建误差大大增加。误差增大的原因有两层第一采样间隔增大导致频谱混叠高频分量被“折叠”到低频这部分信息在重建时无法恢复第二低通滤波器的截止频率设为Ω_m但混叠后的信号里包含了原本高于Ω_m的频率分量这些分量被滤波器保留了一部分表现为噪声。实验报告里写“高频分量噪声成分增加”指的就是这个。这里有一个常见的误解很多人以为只要采样率满足奈奎斯特定理重建就完美。实际上理想低通滤波器在时域是sinc函数它无限长、非因果物理不可实现。实际重建只能用近似滤波器会引入相位失真和幅度失真。实验里用sinc插值是在“模拟”理想重建不是真的实现了它。理解这个区别才能明白为什么实际音频系统里过采样和抗混叠滤波器那么重要。4.3 采样间隔与误差的定量关系实验里没有给出误差的定量公式但可以从机制上推导。对于升余弦脉冲采样后的重建误差主要来自两部分混叠误差和截断误差。混叠误差随T_s增大而增大大致正比于T_s超过奈奎斯特间隔的部分。截断误差来自sinc插值的有限长度在实验里因为t的范围足够大可以忽略。如果要在实验里定量验证可以计算重建信号与原始信号的均方误差error mean((xa_recon - xa_original).^2);当T_sπ/2时error应该很小当T_s2时error会显著增大。这个计算在实验报告里没有写但它是验证采样定理最直接的方法。很多新手做完实验只画图不量化结果对“误差增大”只有模糊的视觉印象没有数字概念。加上这一行整个实验的严谨性就上了一个台阶。5. 避坑与排查信号处理实验里最容易翻车的五个地方5.1 现象conv结果长度不对画图时横坐标对不上原因conv输出长度是LM-1但很多人直接用输入序列的索引作为输出索引。如果输入索引不是从 0 开始输出索引需要平移。解决先确定输出起始索引n_start n_x_start n_h_start然后生成n_out n_start : n_start length(y) - 1。画图时用stem(n_out, y)不要用stem(y)。5.2 现象fft得到的频谱和理论谱对不上幅度差一个系数原因MATLAB 的fft不除以N而傅里叶级数系数c_k通常要除以N或T。另外fft的输出顺序是[0, 1, ..., N-1]对应频率[0, f_s/N, ..., f_s(N-1)/N]不是双边谱的顺序。解决用fftshift把零频移到中心用abs(fft(x))/N得到幅度谱。如果要画双边谱频率轴用(-N/2:N/2-1)*f_s/N。5.3 现象采样后频谱图看起来“没混叠”但重建误差很大原因频谱图的分辨率不够或者只看了幅度谱没看相位谱。混叠可能发生在高频段幅度很小肉眼看不出来但重建时误差会累积。解决把频谱图放大到高频段用对数坐标20*log10(abs(X))观察。同时计算重建误差的均方值不要只靠肉眼判断。5.4 现象吉布斯过冲的数值每次运行都不一样原因t的步长10^(-4)可能没有刚好落在不连续点上导致max(f_N)取到的峰值位置有微小偏移。另外N越大过冲峰值越靠近跳变点但t的离散化可能错过真正的峰值。解决用更细的步长比如10^(-5)或者在跳变点附近加密采样。理论上过冲极限是1.0896实际计算值应该稳定在这个数附近。5.5 现象男女声频谱对比时发现女声低频能量反而更高原因录音设备的频响特性、录音距离、音量归一化都会影响频谱。如果女声录音音量更大低频能量可能反而更高。解决先对两段音频做归一化除以最大绝对值再计算频谱。比较时看的是频谱形状基音间隔、共振峰位置不是绝对幅度。6. 从实验到工程采样定理的边界与重建的取舍做完这四个实验最容易留下的印象是“采样率大于两倍最高频率就万事大吉”。但真实工程里这个结论只在理想条件下成立。信号不是严格带限的滤波器不是理想低通采样时钟有抖动量化有噪声。奈奎斯特间隔是一个下界不是舒适区。实际系统里通常把采样率做到奈奎斯特率的 2.5 到 10 倍就是为了给抗混叠滤波器留过渡带给时钟抖动留裕量。另一个取舍是重建滤波器的设计。理想sinc插值在数学上完美但时域无限长无法实时实现。实际系统用零阶保持器加补偿滤波器或者用多相滤波器组做插值。这些方法都会引入幅度失真和相位失真需要在通带平坦度和阻带衰减之间做权衡。实验里用sinc插值是在“事后”重建没有实时性要求所以可以用很长的窗口。如果换成实时音频流就必须用短滤波器误差会更大。还有一个容易被忽略的点采样定理保证的是“可以从采样点唯一恢复原信号”但前提是原信号严格带限。如果信号有宽带噪声即使采样率很高噪声也会混叠。这时候需要先做抗混叠滤波把噪声带宽限制在奈奎斯特频率以内。实验里没有涉及噪声但实际做音频采集或传感器信号处理时抗混叠滤波器是前端电路里最关键的模拟部分。我自己的习惯是每次做采样相关的设计先算奈奎斯特率然后问三个问题——信号真的带限吗抗混叠滤波器的过渡带够吗重建滤波器的相位失真在可接受范围内吗这三个问题答不上来采样率再高也是白搭。从那以后我每次看到“采样率 44.1 kHz 就够了”这种说法都会先确认信号带宽和滤波器特性再下结论。希望这份实验报告里的代码和现象能帮你把采样定理从公式变成直觉。本文还有配套的精品资源点击获取