简介：一份面向工程技术人员和在校学生的《数字信号处理MATLAB仿真》PDF文档，围绕数字信号处理中连续与离散两大主线，系统讲解如何在MATLAB环境下完成信号的表示、基本运算、时域分析和频域分析。实验内容从单位冲击信号、单位阶跃函数、斜坡函数、实指数函数到正弦函数，再到单位冲激序列、任意序列、斜坡序列、随机序列等离散信号，并结合stepfun、stem等函数的用法展示具体仿真过程；文档还介绍了离散傅里叶变换（DFT/FFT）以及IIR、FIR滤波器设计要点，每个知识模块均配有可直接运行参考的MATLAB代码，覆盖课程实验与入门实战常见场景。整份资源为1个PDF文件，压缩包大小仅1.15MB，轻巧实用。已有452人学习使用。通过这份资料，读者可逐步掌握用MATLAB生成常见信号波形、完成序列延迟/运算/频谱分析的基本技能，为后续深入研究数字信号处理打下扎实基础。
1. 用 MATLAB 做数字信号处理仿真，最容易踩的坑是“波形跑通了但参数对不上”
很多人拿到“数字信号处理 MATLAB 仿真”这类文档或题目，第一反应是把代码跑一遍、看到正弦波或滤波器幅频响应曲线就觉得完事了。但在实际工程里，仿真和真实系统之间的差距，往往就卡在几个容易被忽略的参数上：采样频率、量化位数、FFT 点数、滤波器阶数、数据截断长度。这些参数在浮点仿真里随便给都能出图，但一旦换到定点处理器或者硬件描述语言里，结果立刻对不上。本文会顺着数字信号处理 MATLAB 仿真最常见的落地路径，把从信号建模、滤波器设计、频谱分析到仿真结果自检的关键步骤拆开讲，适合正在做课程设计、准备毕设，或者在嵌入式平台上做算法预研的工程师参考。
2. 数字信号处理的仿真基础：离散序列、采样率与量化位数的关系
2.1 仿真正确的第一步，是把连续信号变成 MATLAB 能算的离散序列
MATLAB 里没有真正意义上的连续信号，所有的“模拟信号”都是用高采样率离散点近似表达的。做数字信号处理仿真时，首先要确认这个近似是否足够精细。核心参数是采样频率 (f_s) 和序列长度 (N)。对于实信号，分析带宽最高到 (f_s/2)（奈奎斯特频率），低于这个范围的频率分量才能被仿真还原。
下面这个代码片段是生成一段包含两个频率分量的离散信号，并叠加一个直流偏置：
fs = 8000; % 采样率 8 kHz t = 0:1/fs:0.1; % 100 ms 时间轴，按采样周期离散化 f1 = 500; f2 = 1200; x = sin(2*pi*f1*t) + 0.5*sin(2*pi*f2*t) + 0.1; % 叠加直流分量 plot(t, x); xlabel('Time (s)'); ylabel('Amplitude'); title('Discrete-time signal');这里t = 0:1/fs:0.1用采样周期1/fs作为步长生成时间序列，得到的x就是采样后的离散序列。注意fs必须大于两倍最高信号频率，否则仿真结果会出现频率混叠，时域波形看起来似乎完整，频谱上却多出不存在的分量。
2.2 量化位数对仿真结果的影响，不是“精度越高越好”
数字信号处理仿真中，量化位数nbits决定每个采样点的幅度分辨率。浮点仿真默认使用双精度，但实际系统里 ADC 的位数通常是 12 到 16 位。如果仿真始终用浮点，做算法验证时可能低估了量化噪声的影响。
用以下代码可以模拟不同量化位数下的信号失真：
nbits = 12; xq = round(x / (2 / 2^nbits)) * (2 / 2^nbits); e = xq - x; snr_quant = 10*log10(sum(x.^2) / sum(e.^2)); fprintf('SNR with %d-bit quantization: %.2f dB\n', nbits, snr_quant);这段代码把x按照满幅 ±1 的假设做了均匀量化：先除以量化步长2/2^nbits，四舍五入后再乘回去。量化误差e的功率和信号功率之比换算成 dB，就是量化信噪比。理论上的近似公式是 (SNR \approx 6.02n + 1.76) dB，用上面的代码得到的结果会和理论值非常接近，这是检验仿真配置是否合理的常用方法。
2.3 采样率与信号参数的匹配：仿真发散或毛刺的常见原因
仿真中常见的“毛刺”或“发散”现象，往往不是算法问题，而是采样率没有跟信号频率配合好。比如用 50 Hz 工频信号做仿真，采样率只有 200 Hz，那么每个周期只有 4 个采样点，波形看起来像锯齿，滤波器边界也会偏移。
我一般的做法是先设定信号最高频率 (f_{\text{max}})，然后取采样率 (f_s \ge 5\sim 10) 倍的 (f_{\text{max}})，留出足够的过渡带。对数字信号处理仿真来说，fs的选择直接影响滤波器设计中的归一化频率，这一点在下一节会看到具体影响。
3. 数字滤波器设计与仿真：fir1、butter 和 designfilt 的参数怎么设
3.1 滤波器设计函数的归一化频率：采样率是隐藏参数
MATLAB 的滤波器设计函数使用归一化频率，范围是 0 到 1，其中 1 对应 (f_s/2)。很多初学者直接写fir1(20, 0.5)，意思是截止频率在 (0.5 \times (f_s/2) = f_s/4) 处，而不是“0.5 Hz”。这一点不搞清楚，仿真结果会完全偏离预期。
下面是一个带通滤波器的设计和频率响应计算示例：
fs = 8000; fc_low = 300; fc_high = 3000; Wn = [fc_low fc_high] / (fs/2); % 归一化到奈奎斯特频率 b = fir1(64, Wn, 'bandpass'); [H, f] = freqz(b, 1, 2048, fs); plot(f, 20*log10(abs(H))); xlabel('Frequency (Hz)'); ylabel('Magnitude (dB)'); grid on;这里fir1的第二个参数必须是归一化截止频率，freqz第四个参数传fs只是为了把频率轴显示成 Hz，不会影响滤波器本身。2048是 freqz 计算频响的点数，点数越多曲线越平滑，但计算量也随之增大。
3.2 IIR 滤波器仿真中的稳定性与数值溢出
IIR 滤波器在数字信号处理仿真中常用于对相位不敏感的场景，比如音频均衡、振动信号调理。但在 MATLAB 仿真里直接用高阶级联实现，往往会出现数值问题。
常用butter或cheby1设计后进行分解，避免直接使用高阶传递函数：
fs = 8000; [b, a] = butter(4, 1000/(fs/2), 'low'); % 4 阶低通 [sos, g] = tf2sos(b, a); % 转为二阶分段结构 [q, r] = sosfilt(sos, x, g); % 稳定滤波tf2sos把高阶传递函数分解成多个二阶节的串联，sosfilt按分段结构逐段滤波。这样既能减少数值溢出风险，也便于后续把系数移植到定点 DSP 上。在仿真时观察q的幅度是否超过信号范围，如果超过，说明滤波器内部增益过大，需要调整g或改用浮点配置。
3.3 仿真结果验证：滤波前后的时域与频域对比
滤波器设计完成后，不能只看幅频响应曲线，还要把信号实际通过滤波器验证。下面代码比较输入输出信号的频谱：
y = sosfilt(sos, x, g); X = fft(x); Y = fft(y); f = (0:length(x)-1) * fs / length(x); plot(f, 20*log10(abs(X)), 'b'); hold on; plot(f, 20*log10(abs(Y)), 'r'); legend('Input', 'Filtered Output');这里的关键逻辑是：如果滤波器的通带设置正确，Y在阻带范围内的能量会显著降低，而通带内的幅度基本保持不变。如果发现阻带衰减不够，优先检查fir1或butter的阶数是否过低。阶数每增加一倍，过渡带会变窄约一倍，但计算量也随之增加。
4. 频谱分析仿真的参数选择：FFT 点数、窗函数与仿真精度的关系
4.1 FFT 点数等于频率分辨率的上限
数字信号处理仿真中做频谱分析，最常见的错误是直接把fft(x)的结果画出来，而不关心频率轴。实际上，频率分辨率 (\Delta f = f_s / N_{\text{fft}})，其中 (N_{\text{fft}}) 是 FFT 点数。如果采样率 8000 Hz，Nfft = 1024，那么频率分辨率约 7.8 Hz。要区分两个频率间隔小于 7.8 Hz 的分量，必须增加Nfft或降低采样率。
推荐做法是先预览信号长度，然后选择合适的 FFT 点数：
Nfft = 4096; X = fft(x, Nfft); f = (0:Nfft-1) * fs / Nfft; plot(f, abs(X));使用fft(x, Nfft)时，如果信号长度小于Nfft，MATLAB 自动补零；如果信号更长，则截断。补零只能让频谱看起来更平滑，不能提升真实分辨率，真正的频率分辨率只受物理采样长度限制。
4.2 窗函数的选择与频谱泄漏抑制
信号截断带来的频谱泄漏是数字信号处理仿真中不可避免的问题。对周期信号而言，如果截断长度不是信号周期的整数倍，频谱会出现明显的旁瓣。窗函数是应对泄漏的标准手段。
表格列出常见窗函数的特性与场景：
| 窗函数 | 主瓣宽度（归一化） | 旁瓣衰减 | 适用场景 |
|---|---|---|---|
| 矩形窗 | 窄 | -13 dB | 瞬态信号、频率精确已知 |
| 汉宁窗 | 较宽 | -31 dB | 一般频谱分析 |
| 海明窗 | 较窄 | -41 dB | 语音、窄带信号 |
| 布莱克曼窗 | 宽 | -58 dB | 幅度精度优先 |
应用窗函数的仿真写法如下：
w = hann(length(x), 'periodic'); xw = x .* w; Xw = fft(xw, Nfft);窗函数会降低信号总能量，所以幅度谱需要用窗函数的相干增益做归一化；否则仿真得到的幅值会偏低，继续做后续的功率计算时误差更明显。
4.3 仿真中频域能量与理论值的对比方法
做数字信号处理仿真时，频域结果是否可信，可以通过帕塞瓦尔定理来验证：时域能量与频域能量相等。这个验证过程通常放在仿真流程的后段。
energy_time = sum(x.^2) / fs; energy_freq = sum(abs(X).^2) / (fs * Nfft); fprintf('Time-domain energy: %.6f\n', energy_time); fprintf('Frequency-domain energy: %.6f\n', energy_freq);两者数值上的差异如果超过 1%，说明 FFT 配置或者窗函数处理有问题。常见原因是未考虑窗函数能量校正系数，或者Nfft太小导致截断误差偏大。
5. 仿真结果发散或失真时的排查顺序与定点化验证
5.1 先查采样率，再查量化，最后查算法复杂度
数字信号处理仿真出现发散，第一反应不是怀疑算法，而是检查数值链路。我会按这个顺序排查：
- 第一步，确认
fs大于两倍信号最高频率，且滤波器截止频率归一化没有写错。 - 第二步，检查中间变量的动态范围：用
max(abs(x))或max(abs(y))看是否接近 NaN 或 Inf。 - 第三步，用
whos检查变量类型，确认抽样值没有被意外强制转成整型。 - 第四步，确认滤波器系数没有因
sosfilt的增益参数g设置错误导致内部溢出。
5.2 从浮点仿真到定点仿真的转换验证
在数字信号处理仿真中，浮点模型通过验证后，还要做定点化测试。最简单的办法是使用fi对象直接量化中间结果：
F = fimath('RoundingMethod', 'Round', 'OverflowAction', 'Saturate', 'ProductMode', 'FullPrecision'); x_fi = fi(x, 1, 16, 14, 'fimath', F); % 有符号，16 位字长，14 位小数 y_fi = filter(b, a, x_fi);这里1表示有符号数，16是总位宽，14是小数位。量化后做一次滤波，再和浮点结果比较，计算 RMS 误差。误差在 -60 dB 附近，说明定点位宽基本够用；误差过大，则要考虑增大数据位宽或改用分段结构。
5.3 仿真结果与理论值的自动对比脚本
为了在修改参数后快速判断仿真是否回归异常，会写一个简单的自检脚本，把关键指标输出到命令行：
fprintf('Peak input amplitude: %.4f\n', max(abs(x))); fprintf('RMS output value: %.4f\n', rms(y)); fprintf('Output vs input energy ratio: %.2f dB\n', 10*log10(sum(y.^2)/sum(x.^2)));输出能量比是一个很关键的中间指标：低通滤波后能量降低是正常的，但如果能量比大于 0 dB，说明滤波过程引入了额外能量，通常是 IIR 滤波器的数值稳定性出问题，需要立刻检查滤波器结构。
6. 用系统对象把仿真改成流式处理，提前暴露内存与实时性问题
数字信号处理仿真多数是基于整段信号的一次性计算，但很多实际系统是边采集边处理。MATLAB 的dsp.SystemObject可以用来把离线仿真改成逐帧调用，提前验证算法在持续输入下会不会积累误差或越界。
下面是使用dsp.FIRFilter系统对象做流式滤波的示例：
filt_obj = dsp.FIRFilter('Numerator', b); frame_len = 128; total_len = length(x); y_stream = zeros(size(x)); for idx = 1:frame_len:total_len frame = x(idx:min(idx+frame_len-1, total_len)); y_stream(idx:min(idx+frame_len-1, total_len)) = filt_obj(frame); end系统对象内部保存了滤波器状态，每次调用只处理一个帧，不需要像filter那样手动维护状态向量。这样做的优势在于：每个帧的处理时间更接近真实嵌入式场景，也更容易观察到数据边界处的瞬态效应。如果仿真结果在帧与帧的衔接处出现跳变，说明滤波器状态管理有误，需要检查是否存在重复初始化。
流式处理仿真还可以搭配dsp.TimeScope做实时波形观察，但这个组件依赖图形界面，在服务器环境跑模型时可以直接改用record方法把输出帧写入工作区，效果等价且更适合批量测试。数字信号处理 MATLAB 仿真做到这一步，算法本身的正确性已经验证得比较充分，再往下走就是针对具体硬件平台做代码生成或手动移植，那就进入另一个阶段了。
本文还有配套的精品资源，点击获取
