信号处理实验全流程：从时域到频域再到滤波器设计

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 完成信号处理实验的初学者。报告系统记录了信号的产生和运算、连续时间信号的频域分析、信号的时域采样和重建、离散傅里叶变换与应用等核心实验，并延伸至连续时间系统的频域与复频域分析、数字滤波器设计及信号处理综合应用，覆盖从基本序列绘制到卷积运算、频谱分析的完整流程。资源包内含 1 个 docx 文档，压缩后约 1.02MB，文档中配有 MATLAB 程序示例、运行结果与图形分析，便于对照理解时域和频域特性。目前已有 952 人学习下载，适合作为实验预习、报告撰写参考与 DSP 入门练习的实操素材。

1. 信号分析与处理实验：一张从时域到频域再到滤波器的完整地图

如果你正在学信号与系统、数字信号处理，或者正在准备这门课的实验验收，大概率会有一种感觉：公式都认识，一上 MATLAB 就不知道从哪下手。这份实验报告覆盖了八个实验模块，从最基础的信号产生与运算，一路走到连续时间频域分析、时域采样与重建、离散傅里叶变换、系统频域与复频域分析、数字滤波器设计，最后落到综合应用。梳理下来会发现，它其实是一条非常清晰的主线：先学会“造信号”，再学会“看信号”，然后学会“采样与重建”，接着掌握“DFT 这个工具”，最后用“滤波器”把理论变成能用的系统。适合谁？适合正在做信号处理实验、准备实验考试、或者想用 MATLAB 把课本公式跑通一遍的人。这张地图的价值在于：它把零散的实验步骤串成了可复习的体系，而不是八个孤立的代码片段。

2. 信号产生与基本运算：从单位阶跃到线性卷积的复习重点

2.1 连续信号与离散序列的生成套路

实验一的核心是“用 MATLAB 把数学表达式变成可画的波形”。梳理下来会发现，所有序列生成都遵循同一个模式：先定义自变量范围，再定义参数，最后用向量化运算生成序列值。比如单位阶跃序列 u[n] 和 u[n+7] 的对比，本质上是在复习“移位”这个运算——u[n+7] 就是把 u[n] 向左移了 7 个点。代码里用zeros(1,10)和ones(1,20)拼接，实际上是在手动构造分段序列，这种写法在实验报告里很常见，但复习时要理解它背后的含义：序列在 n=-10 到 n=-1 取 0，n=0 到 n=20 取 1。

复指数序列 x[n]=1.5e^{(0.2+j3)n} 的实部和虚部分别绘制，这个实验点最容易忽略的是：复指数序列的实部是衰减振荡，虚部也是衰减振荡，但两者相位差 90 度。实指数序列 x[n]=2(0.8)^n 则是在复习“指数衰减”的基本形态。正弦序列 x[n]=2.5sin(0.16πn-π/2) 的基本周期计算是重点：数字频率 ω=0.16π，周期 N=2π/ω=12.5，但序列周期必须是整数，所以基本周期是 25。这里最容易翻车的地方是：很多人直接写 12.5，忽略了离散序列周期必须为整数的约束。

% 单位阶跃序列 u[n] 与 u[n+7] 的对比生成 n = -10:20; x = [zeros(1,10) 1 ones(1,20)]; % u[n]：n=0 处跳变 M = 7; xd = [zeros(1,10+M) 1 ones(1,20-M)]; % u[n+7]：左移7点 subplot(1,2,1); stem(n,x); xlabel('n'); ylabel('u[n]'); subplot(1,2,2); stem(n,xd); xlabel('n'); ylabel('u[n+7]');

这段代码的关键参数是zeros(1,10)对应 n=-10 到 n=-1 的 10 个点，ones(1,20)对应 n=0 到 n=20 的 21 个点。移位操作通过改变零填充的长度实现，左移 7 点就是在前面多补 7 个零，同时后面少 7 个一。复习时要能徒手写出这个拼接逻辑，而不是背代码。

2.2 序列运算与线性卷积的易错细节

序列的加法和乘法看起来简单，但实验里 x[n]={1,2,3,4} 和 y[n]={3,4,5,6} 的逐点乘，用的是.*而不是*。这是 MATLAB 里最容易踩的坑：矩阵乘法*和逐点乘法.*混用，结果完全不对。偶部与奇部的分解是另一个重点：偶部 xe[n]=0.5(x[n]+x[-n])，奇部 xo[n]=0.5(x[n]-x[-n])。实验里用fliplr(x)实现翻转，但要注意fliplr只翻转数值顺序，不改变时间轴索引，所以当 n 的范围不是以 0 为中心时，直接翻转会出错。正确的做法是先确认序列的时间轴关于原点对称，或者手动构造 x[-n]。

线性卷积 y[n]=x[n]*h[n] 是实验一的压轴。x[n]=(-1)^n 长度 15，h[n]=cos(0.25πn) 长度 8，卷积结果长度是 15+8-1=22。用conv(x,h)计算后，时间轴要重新定义为 0:21。这里最容易漏掉的是：卷积后的时间轴起点是两序列起点之和，终点是两序列终点之和。如果 x 和 h 的起点不是 0，时间轴计算会更复杂。复习时要记住公式：y 的长度 = N1+N2-1，y 的起点 = n1_start + n2_start。

提示：conv函数只返回数值向量，不返回时间轴。画图前必须手动构造正确的时间轴，否则波形位置会整体偏移。

3. 连续时间信号频域分析：傅里叶级数、吉布斯现象与语音频谱

3.1 周期矩形脉冲的频谱变化规律

实验二的核心是“从时域波形到频域谱线”。周期矩形脉冲信号的指数形式傅里叶级数，双边幅度谱和相位谱的绘制，重点在于理解频谱的离散性和谐波性。当 A=1，τ=0.1s，T=0.5s 时，谱线间隔是 1/T=2Hz，包络是 sinc 函数。修改 T 为 1s 和 2s 后，梳理下来会发现两个规律：第一，T 增大，谱线间隔变小，频谱变得更密集；第二，T 增大，各次谐波的幅度整体减小，因为能量被分散到了更多谐波上。这个对比是考试和实验验收的高频考点，很多人只记得“T 变大谱线变密”，却忘了幅度也在变小。

各次谐波叠加的实验（N=15，25，50）是在验证傅里叶级数的收敛性。N 较小时，合成波形有较大的谐波失真，边缘不够陡峭；N 增大，波形逐渐逼近矩形脉冲。但这里有一个反直觉的点：即使 N 很大，不连续点附近仍然存在过冲，这就是吉布斯现象。实验里用程序求出过冲最大幅值为 1.0896，约等于跳变幅度的 9%。这个数字要记住：吉布斯现象中，过冲量不随 N 增大而消失，而是趋于一个常数，大约是跳变幅度的 8.95%。

% 计算周期矩形脉冲有限项傅里叶级数合成的过冲 function p2_4(N) t = -2:10^(-4):2; A = 1; tau = 1; T = 2; Omega_0 = 2*pi/T; c0 = A*tau/T; f_N = c0*ones(1,length(t)); for k = 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

这段代码的关键是sinc函数的参数写法：sinc(k*Omega_0*tau/2/pi)对应的是抽样函数 sin(x)/x 的形式。循环累加各次谐波，最后用max找过冲。复习时要能解释为什么过冲出现在不连续点附近，以及为什么 N 增大时过冲位置越来越靠近跳变点。

3.2 语音信号的频谱差异与男声转女声思路

实验二还包含一个非常实用的部分：录制男声和女声，做 FFT 后比较频谱。男声的基音频率低，波形振幅变化大，幅度谱能量集中在低频；女声基音频率高，波形更细致，幅度谱能量分布相对均匀。这个对比不仅是实验报告的内容，也是理解“基音频率”和“共振峰”概念的入口。男声转女声的方法，实验报告里列了五条：基频调整、声道长度调整、谐波调整、声道转换模型、声音特征转换。梳理下来会发现，最核心的是基频调整和声道长度调整，其他方法都是在这两个基础上的扩展。复习时要能说出：男声基频典型范围是 80-180Hz，女声是 160-300Hz，所以基频搬移是最直接的转换手段。

注意：语音频谱分析时，FFT 点数要足够大，否则频率分辨率不够，基音频率的谱峰可能分不开。通常取 1024 或 2048 点。

4. 时域采样与重建：奈奎斯特间隔、混叠判断与误差分析

4.1 采样定理的验证与混叠判断

实验三的核心是“采样间隔 Ts 如何影响频谱”。升余弦脉冲信号的频谱大部分集中在 [0, τ/2π] 之间，截止频率 Ωm=2，奈奎斯特间隔 Ts=π/2。当 Ts=π/2 时，采样后频谱未发生混叠；当 Ts=2 时，频谱发生了混叠。这个判断的逻辑是：采样后频谱是原频谱以 2π/Ts 为周期进行延拓，如果延拓后的频谱在相邻周期之间发生重叠，就是混叠。复习时要能画出频谱延拓的示意图，并解释为什么 Ts 越大，延拓周期越小，越容易混叠。

这里最容易翻车的地方是：很多人只记“Ts 小于奈奎斯特间隔就不混叠”，但实际判断时要看信号的最高频率分量，而不是只看信号的主瓣宽度。升余弦脉冲的频谱虽然大部分集中在 Ωm 以内，但理论上无限延伸，所以严格来说，只要 Ts 有限，总会有高频分量的混叠，只是混叠程度不同。实验里判断“未发生混叠”是指主瓣没有重叠，而不是绝对没有混叠。

4.2 信号重建与误差来源

信号重建的实验（P3_2）是用低通滤波器从采样信号中恢复原信号。当 Ts=2，低通滤波器截止频率 Ωc=Ωm 时，重建误差大大增加。误差来源有两个：第一，采样间隔增大导致混叠，高频分量折叠到低频，无法通过低通滤波器滤除；第二，低通滤波器截止频率减小，导致部分有效高频分量被滤除，表现为重建信号失真。这两个因素叠加，误差比 Ts=π/2 时大得多。

% 采样与重建的核心参数设置 Ts = 2; % 采样间隔，大于奈奎斯特间隔 pi/2 Wc = 2; % 低通滤波器截止频率，等于信号截止频率 t = 0:Ts:10; % 采样时间轴 x = cos(t); % 示例信号 % 重建：理想低通滤波在频域是截断，在时域是 sinc 插值 % 实际实验中用滤波器函数实现，误差通过与原信号对比计算

复习时要能解释：为什么 Ts 增大导致误差增大？因为混叠分量落在了重建滤波器的通带内，无法被滤除。为什么 Wc 减小也导致误差增大？因为部分有效信号分量被滤除了。这两个原因要分开说，不能混在一起。

提示：重建误差的计算通常用均方误差或最大绝对误差。实验报告里用的是波形对比，复习时要能写出误差公式。

5. 离散傅里叶变换与数字滤波器：从 DFT 到系统频域分析

5.1 DFT 的基本概念与 MATLAB 实现

离散傅里叶变换（DFT）是连接时域和频域的桥梁。实验四的核心是理解 DFT 的定义：X[k]=Σx[n]e^{-j2πkn/N}，以及如何用 MATLAB 的fft函数计算。梳理下来会发现，DFT 的物理意义是：把有限长序列的频谱在 [0,2π] 上等间隔采样 N 个点。频率分辨率是 2π/N，所以 N 越大，频谱越精细。这里最容易忽略的是：DFT 隐含周期性，时域序列被周期延拓，频域也是离散周期谱。如果序列长度不是 N，需要补零到 N，补零不改变频谱形状，只是增加了采样密度。

数字滤波器的设计是实验四的另一个重点。不同类型的滤波器（低通、高通、带通、带阻）设计，核心是确定滤波器阶数和截止频率。MATLAB 里常用butter、cheby1、ellip等函数。复习时要能说出：巴特沃斯滤波器通带最平坦，切比雪夫滤波器过渡带更陡但有波纹，椭圆滤波器过渡带最陡但通带和阻带都有波纹。选择哪种取决于具体应用对幅频特性的要求。

5.2 连续时间系统的频域与复频域分析

连续时间系统的频域分析，核心是系统函数 H(jω) 和频率响应。复频域分析则是拉普拉斯变换，系统函数 H(s)，极点决定稳定性。梳理下来会发现，频域分析和复频域分析的关系是：频域是复频域在 s=jω 时的特例。实验里用 MATLAB 画波特图，观察幅频和相频特性，重点看截止频率、谐振峰和相位变化。最容易错的地方是：把 H(jω) 和 H(s) 混为一谈，忘记 s=σ+jω 中的实部 σ 对应衰减因子。

数字滤波器的应用实验，通常是用设计好的滤波器对含噪信号进行滤波，然后比较滤波前后的频谱。复习时要能解释：为什么滤波器能去噪？因为噪声的频谱通常分布在高频，而信号的频谱集中在低频，低通滤波器可以保留信号、抑制噪声。但如果噪声和信号频谱重叠，滤波器就无能为力了。

注意：设计滤波器时，截止频率要归一化到奈奎斯特频率。MATLAB 里butter函数的 Wn 参数是归一化频率，1 对应奈奎斯特频率。

6. 查漏补缺：一份可执行的复习清单与避坑指南

复习到这一步，最怕的是“每个实验都看过，但合上书就串不起来”。我的做法是：拿一张白纸，不翻代码，先画出八个实验的模块关系图——信号产生是输入，频域分析是观察手段，采样是离散化桥梁，DFT 是计算工具，滤波器是输出系统。画不出来，就说明某个环节还是散的。

下面这份清单是我自己每次复习都会走一遍的流程，按顺序过，基本能覆盖实验验收和笔试的高频考点：

最容易忽略的是“时间轴”这件事。实验一里所有序列运算，只要时间轴错了，波形位置就全错。我自己的血泪经验是：每次用conv或fliplr之后，强制检查一遍时间轴的起点和终点，确认长度匹配。另一个容易漏的是采样定理里的“截止频率”定义——升余弦脉冲的截止频率不是主瓣宽度，而是频谱包络第一次过零点的位置，这个在实验提示里写得很清楚，但复习时经常被跳过。

还有一个玄学问题：为什么 N 增大，吉布斯过冲不消失？因为傅里叶级数在跳变点处收敛到跳变幅度的中点，而不是跳变值本身。有限项合成时，跳变点附近的振荡幅度趋于常数，这个常数就是过冲量。理解这一点，就不会再纠结“为什么 N 不够大”。

从那以后我每次做信号处理实验，都强制走一遍“时间轴检查 → 参数归一化检查 → 频谱混叠判断”这三步，基本没再翻过车。希望这份梳理能帮到你。

本文还有配套的精品资源，点击获取