基于python的数字信号处理的毕设

### 基于 Python 的数字信号处理毕业设计示例项目

#### 1. 数字滤波器的设计与实现
此项目旨在开发多种类型的数字滤波器，如低通、高通、带通和带阻滤波器。学生可以利用 `scipy` 和 `numpy` 库来构建这些滤波器，并应用到实际音频文件或其他时间序列数据中。

from scipy import signal
import numpy as np
import matplotlib.pyplot as plt

def design_filter(cutoff, fs, filter_order=5, ftype='lowpass'):
    nyquist = 0.5 * fs
    normal_cutoff = cutoff / nyquist
    b, a = signal.butter(filter_order, normal_cutoff, btype=ftype, analog=False)
    return b, a

b, a = design_filter(300, 2000, 'highpass')
w, h = signal.freqz(b, a)

plt.plot(w, abs(h))
plt.title('Frequency Response of High Pass Filter')
plt.xlabel('Frequency [radians/sample]')
plt.ylabel('|H(e^jω)|')
plt.grid()
plt.show()

#### 2. 音频增强与降噪算法研究
该项目专注于提高语音质量的技术，特别是去除背景噪音的方法。可以通过傅里叶变换将声音转换成频域表示形式，在那里更容易识别并移除不需要的部分[^1]。

import librosa.display
audio_data, sample_rate = librosa.load("noisy_audio.wav")

D = librosa.stft(audio_data)  
S, phase = librosa.magphase(D)
spectrogram = librosa.amplitude_to_db(S, ref=np.max)

librosa.display.specshow(spectrogram, sr=sample_rate, x_axis='time', y_axis='log')
plt.colorbar(format='%+2.0f dB')
plt.title('Power spectrogram after noise reduction')
plt.tight_layout()
plt.show()

#### 3. 生物医学信号分析工具包
创建一个用于心电图(ECG)或脑电图(EEG)等生物电信号预处理、特征提取及可视化展示的应用程序。该应用程序应该能够读取标准格式的数据集，并提供基本统计量计算功能。

ecg_signal = ... # Load ECG data here

# Example code snippet to detect R-peaks in an ECG signal using Pan-Tompkins algorithm.
peaks_indices = find_r_peaks(ecg_signal)

for peak_index in peaks_indices:
    print(f'R-Peak detected at index {peak_index}')
    
plt.figure(figsize=(8,4))
plt.plot(ecg_signal[:], label="ECG Signal")
plt.scatter(peaks_indices, ecg_signal[peaks_indices], color='red', marker='o', s=50, zorder=5, label="R Peaks")
plt.legend(loc="upper right")
plt.show()