MATLAB数字信号处理常用函数详解

MATLAB 数字信号处理常用函数整理：从信号生成、FFT 到数字滤波

处理一段 ADC 采样数据时，我们通常会遇到这些问题：怎样画出时域波形？怎样判断里面包含哪些频率？如何抑制高频干扰？设计好滤波器后，又怎样查看它的效果？

MATLAB 提供了许多相关函数。与其按字母顺序记忆，不如沿着实际处理流程学习：

生成或导入数据 → 预处理 → 时域与频域分析 → 设计并执行滤波 → 验证结果。

本文按照速查图中的12个类别，整理常用函数及其用途，并通过一个完整示例串起这条流程。内容面向数字信号处理入门，也适合做嵌入式采样数据分析时查阅。

使用说明：文中的函数包括 MATLAB 基础函数和 Signal Processing Toolbox 函数，部分功能需要相应工具箱。不同版本的接口可能存在差异，可用 doc 函数名 查看本机文档。本文是常用函数精选，并非 MATLAB 全部数字信号处理 API。

一、先分清三个基本量

在编写代码之前，先区分采样率、采样点数和信号频率：

例如，用1000 Hz采样率生成1000个采样点：

Fs = 1000;
N = 1000;
t = (0:N–1) / Fs;
x = sin(2*pi*50*t);

这里的 t 从0开始，最后一个点是0.999 s。采用 (0:N-1)/Fs 可以准确控制点数，避免把 0:1/Fs:1 产生的1001个点误当成1000个点。

对长度为 N 的数据做 N 点 FFT，频率网格间距为 Fs/N。它与观察时长、窗函数共同影响频谱分析；仅增加补零长度，并不会让原本无法区分的两个近邻频率真正变得可分辨。

二、12类常用函数速查

为了方便建立整体认识，我将 MATLAB 数字信号处理中常用的函数按用途整理成了下面这张速查图，涵盖信号生成、频谱分析、滤波器设计和重采样等12个类别。初学时可以用它梳理知识框架，后续处理采样数据时，也可以对照查找需要的函数。

01 信号生成与序列

例如 randn(size(t)) 可以生成与时间向量同尺寸的标准正态随机序列。写成 0.1*randn(size(t)) 时，噪声标准差为0.1。sinc(x) 使用归一化定义，即 sin(pi*x)/(pi*x)，在零点取值为1。

02 数据导入与预处理

导入数据后，先检查有没有表头、缺失值、异常点和单位换算问题。detrend(x) 默认去除线性趋势，detrend(x,0) 去除均值。去直流也可以写成 x-mean(x)，但如果直流分量本身就是测量目标，就不应随意删除。

03 时域运算与信号特征

rms 适合计算采样信号的有效值，peak2peak 表示最大值与最小值之差。xcorr 可用于观察周期性或估计两路信号的时延，实际使用时应结合返回的 lags，并确认输入顺序对应的时延符号。

04 FFT 与频域变换

fft 的输出通常是复数。abs(X) 得到模值，angle(X) 得到相位，但原始模值不能直接视为正确标定的单边幅度谱。对于幅值很小的频率分量，相位容易被噪声影响，解释时应结合幅度。

05 窗函数

截取有限长度的数据，相当于给信号加了一个窗。不同窗函数在主瓣宽度和旁瓣抑制之间有不同取舍。加窗后若要精确读取正弦幅值，需要考虑窗的相干增益；估计功率谱密度时则应采用相应的功率归一化方式。

06 FIR 滤波器设计

fir1(64,0.2) 中，64是阶数，返回65个系数；0.2表示相对于奈奎斯特频率的归一化截止频率。常见对称线性相位 FIR 的群延迟为阶数的一半，64阶对应32个采样周期，这一点在实时控制中尤其需要注意。

07 IIR 滤波器设计

IIR 通常能用较低阶数实现较陡的幅频变化，但需要关注相位、稳定性和数值精度。高阶 IIR 采用高阶多项式系数直接实现时可能数值敏感，工程中常采用二阶节结构；设计时也应尽量采用适合数值计算的表示形式。

08 滤波执行与降噪

fir1、butter 主要用于设计系数，filter 才是把系数应用到数据上。filtfilt 执行前后向滤波，可获得零相位效果，但等效幅频响应也会改变，并存在边界处理问题，不能把它看成普通实时滤波器的无延迟替代品。

09 系统响应与稳定性

fft(x) 回答“这段数据中有什么频率”，freqz(b,a) 回答“这个滤波器如何改变不同频率”。零极点图可以帮助理解系统特性；对因果有理系统，约去公因子后，BIBO稳定要求所有极点严格位于单位圆内。

10 功率谱与时频分析

pwelch 通过分段、加窗和平均估计功率谱密度，适合观察含噪信号的频率能量分布。spectrogram 适合查看频率成分随时间的变化，例如扫频信号。功率谱密度的单位通常为“信号单位的平方/Hz”，不能与幅度谱混为一谈。

11 重采样与多速率处理

downsample 只负责抽取数据，不自动完成抗混叠滤波。降采样前应限制信号带宽，或者使用包含相应滤波的 decimate、resample。interp1 是通用插值工具，不能简单认为它等同于带抗混叠处理的采样率转换。

12 绘图、查询与工具

plot 使用连线展示数据，stem 更适合强调离散采样点。即使画成连续曲线，输入的数据仍然可以是离散序列。遇到函数找不到时，可先用 which 函数名 和 ver 检查路径及工具箱，而不是直接判断为代码写错。

三、一个完整示例：保留50 Hz信号，抑制200 Hz干扰

下面构造一段同时包含50 Hz有效信号、200 Hz干扰和随机噪声的数据，再设计一个四阶低通滤波器，查看滤波前后的变化。

示例需要 Signal Processing Toolbox。代码展示的是算法流程，并非实际硬件测试结果。

clear;
clc;
close all;
rng(0); % 固定随机种子，便于复现

% 1. 生成信号
Fs = 1000; % 采样率，Hz
N = 2000; % 采样点数
t = (0:N–1)/Fs;
x = sin(2*pi*50*t) …
+ 0.5*sin(2*pi*200*t) …
+ 0.15*randn(size(t));

% 2. 设计低通滤波器
fc = 100; % 截止频率，Hz
Wn = fc/(Fs/2); % 归一化截止频率
[b,a] = butter(4,Wn,'low');

% 3. 执行因果滤波
y = filter(b,a,x);

% 4. 观察时域变化
figure;
subplot(2,1,1);
plot(t,x);
xlim([0 0.1]);
grid on;
xlabel('时间 / s');
ylabel('幅值');
title('滤波前');

subplot(2,1,2);
plot(t,y);
xlim([0 0.1]);
grid on;
xlabel('时间 / s');
ylabel('幅值');
title('滤波后：注意启动暂态与相位变化');

% 5. 查看滤波器自身的频率响应
figure;
freqz(b,a,1024,Fs);

% 6. 比较功率谱密度，跳过前200点启动暂态
win = hann(256);
[Pxx,f] = pwelch(x(201:end),win,128,1024,Fs);
[Pyy,~] = pwelch(y(201:end),win,128,1024,Fs);

figure;
plot(f,10*log10(Pxx+eps), …
f,10*log10(Pyy+eps));
grid on;
xlim([0 Fs/2]);
xlabel('频率 / Hz');
ylabel('功率谱密度 / dB（相对于1单位²/Hz）');
legend('滤波前','滤波后');
title('Welch 功率谱密度对比');

阅读结果时，重点检查三件事：

100 Hz截止频率不是一条“超过就全部删除”的边界。实际滤波器存在过渡带，四阶巴特沃斯滤波器在截止频率附近约为−3 dB，而不是幅值立即变成零。

这里跳过200点只是示例处理，实际暂态长度应根据滤波器响应判断。固定跳过一段数据并不是所有滤波器通用的规则。

四、FFT单边幅度谱怎样正确画？

如果目的是读取正弦信号的幅值，可以先用一个整周期、偶数长度的简单例子理解归一化过程：

Fs = 1000;
N = 1000; % 本例 N 为偶数
t = (0:N–1)/Fs;
x = 2*sin(2*pi*50*t);

X = fft(x);
A2 = abs(X)/N; % 双边幅度谱
A1 = A2(1:N/2+1); % 保留非负频率
A1(2:end–1) = 2*A1(2:end–1); % 直流与奈奎斯特点不翻倍
f = (0:N/2)*Fs/N;

figure;
plot(f,A1);
grid on;
xlabel('频率 / Hz');
ylabel('幅值');
xlim([0 150]);

在这个无噪声、整周期的例子中，50 Hz处幅值应接近2。若改成非整周期信号或加入窗函数，还要考虑频谱泄漏及窗增益；不能把这几行代码机械套用于所有幅值测量场景。

以上索引针对偶数 N。当 N 为奇数时，没有恰好位于奈奎斯特频率的最后一个频点，单边谱保留长度与翻倍范围应相应调整。

五、与嵌入式开发结合时，注意这几个区别

1. 离线滤波不等于实时滤波

在电脑上，整段数据通常已经存好，可以前后向处理；在单片机中，程序只能使用已经到达的样本。因此，filtfilt 适合某些离线分析，实时固件则需要可因果实现的算法，并考虑延迟。

2. 分块滤波必须保留状态

连续采集的数据分多块处理时，每块都从零状态开始会引入边界暂态。MATLAB 可以通过下面的方式传递状态：

zi = zeros(max(length(a),length(b))–1,1);
[y1,zf] = filter(b,a,x1,zi);
[y2,zf] = filter(b,a,x2,zf);

这里假设 x1、x2 是同一路连续信号的两个向量数据块。单片机实现同样需要保存历史输入、历史输出或滤波器内部状态。

3. 滤波越平滑，不一定越适合控制

滤波会改变动态响应。用于显示的波形可以接受较大的平滑延迟，而电源控制中的反馈滤波还要考虑相位滞后、控制带宽和稳定性。

4. 仿真系数还需要实现验证

把系数移植到STM32或DSP前，应核对差分方程、系数顺序、反馈项符号及是否要求 a(1)=1，同时检查浮点或定点精度、溢出和执行时间。MATLAB计算正确，并不代表换一种数据类型后仍有完全相同的结果。

六、初学时如何安排顺序？

建议先用少量函数完成一条完整流程，再逐步扩展：

每学一个函数，最好同时回答三个问题：输入是什么、输出代表什么、使用时有哪些条件。 这样遇到真实采样数据时，才能知道该选哪个函数，以及结果是否可信。

参考资料

• MathWorks：Signal Processing Toolbox 文档
• MathWorks：FFT
• MathWorks：FIR滤波器设计 fir1
• MathWorks：零相位滤波 filtfilt
• MathWorks：Welch功率谱密度 pwelch
• MathWorks：采样率转换 resample