工程设计报告—基于DSP的语音信号处理系统设计毕业论文.doc

工程设计报告基于DSP的语音信号处理系统小组成员：13020188002 王亨13020188006 谢瞻远13020188030 王雪一、 设计背景摘要语音信号是人类传播信息和情感交流的重要媒介，在许多领域中具有广泛的应用前景。然而在现实生活中，语音不可避免地要受到周围环境、传输系统本身产生的噪声以及其他讲话者的干扰，因此在接收端的信号为带噪语音信号。混叠在语音信号中的噪声按类别可分为加性噪声和乘性噪声；按性质可分为平稳噪声和非平稳噪声。当语音受到噪声干扰时,会使许多语音处理系统的性能急剧恶化。比如，语音识别在实验室环境下可以取得相当好的效果，但在噪声环境中,尤其是在强噪声环境中使用时，系统的识别率将受到严重的影响。此时,采用语音增强技术进行预处理，将有效改善系统性能。语音增强的目的就是从带噪语音中尽可能提取纯净的语音信号，但是噪声信号都是随机产生的，完全消噪是不可能的。因此，实际语音增强的目标主要是：改进语音质量，降低背景噪声，使听者乐于接受，不感到疲倦，提高语音的可懂度，方便听者理解。二、 设计原理本次工程设计中进行语音信号增强及降低背景噪声时，主要采用了两种设计方法。其中第一种为谱减法，第二种为LMS自适应滤波法。（一） 谱减法在处理未知噪声和线性滤波干扰的问题上，谱减法具有非常重要的影响。由于语音信号的短时谱具有较强的相关性，而噪声的前后相关性很弱，因此可利用短时谱估计的方法从带噪语音中估计原始语音。由于人耳对语音相位感受不敏感，可将估计的对象放在短时谱的幅度上。假设为纯净语音信号，为噪声信号,为带噪语音信号,则有用分别表示的傅里叶变换，则可得下式：由于假定语音信号与加性噪声是相互独立的，因此有因此，如果用分别表示为的功率谱,则有而由于平稳噪声的功率谱在发声前和发声后可以认为基本没有变化,这样可以通过发声前的所谓“寂静段”（认为在这一段时间内没有语音只有噪声）来估计噪声的功率谱，从而有这样减出来的功率谱即可认为是较为纯净的语音功率谱，然而，从这个功率谱可以恢复降噪后的语音时域信号。在具体运算中，为防止出现负功率谱的情况，减谱时，若，令，即完整的减谱运箅公式如下：（二） LMS自适应滤波自适应滤波法是现代信号处理技术的重要组成部分,对复杂信号的处理具有独特的功能。自适应滤波器实现的复杂性通常用它所需的乘法次数和阶数来衡量，并调节滤波器系数以改进性能。LMS算法采用n个权重不尽相同的自适应线性组合器来模拟真实的声音，假设理想信号为y(n)，实际输出信号为d(n)，那么误差信号可以表示为式中：为组合器的权重矩阵；x(n)为n个组合器的信号矩阵。运用最小均方误差准则，就是求使得最小时的W，因为是通过对其求导并令其等于0求得的，而在最小点不可导，所以采用。均方误差表示为：代入d(n)的表达式，得：式中：为n×n 的自相关矩阵，它是输入信号相关性矩阵；P = Ed(n)x(n) 代表理想信号d(n)与输入矢量的相关性。当最小时: 式中：为要求的最佳权系数。常见的两种系数求法是最陡梯度法和随机梯度法。最陡梯度法的思路是先假设W(0)，利用迭代公式计算。当W(n+1)和W(n)的误差小于目标值则认为迭代完成。随机梯度法的思路是用瞬时代替，此时迭代公式为:式中是步长因子，满足，一般认为步长越大，收敛速度越慢。当d(n) 0 或y(n) 0 时可认为没有语音信号输入，可以不对这一段的语音信号数据进行处理。三、 分模块设计与实现本次设计共分为三个模块进行实现，分别为谱减法处理、LMS自适应信号处理和DSP平台实现。（一） 谱减法进行语音信号处理（1） 基本谱减法谱减法语音增强的算法流程如下图所示。谱减法在频域将带噪语音的功率谱减去噪声的功率谱得到纯净语音功率谱估计，开方后就得到语音幅度谱估计，用带噪语音的相位来近似纯净语音的相位，再采用反傅里叶变换恢复时域信号。（2） 基本谱减法的改进如完整的谱减运算公式所示的基本谱减法对于整个语音段采用减去相同噪声功率谱的办法，这样，实际处理效果不是很理想，原因是，语音的能量往往集中在某些频段内，在这些频段内的幅度相对较高,尤其是共振峰处的幅度一般远大于噪声，因此，不应用同一标准处理。由上述分析可知,在谱减法中噪声功率谱的估计至关重要，如果噪声估计偏差较大的话，将毫无疑问地影响语音增强质量。可以采用基于语音端点检测技术来精确判断出每一帧的噪声，保证语音处理系统良好的性能。该方法可以综述为：从输入信号中提取一个或一系列的对比特征参数,然后将其和一个或一系列的门限阈值进行比较,如果超过门限则表示当前为有音段，否则就表示当前为无音段。门限通常是根据无音段时的语音特征确定的，这里采用了基于能零比的语音端点检测技术进行端点检测，改进算法的步骤如下：（1） 计算每一帧的能量和过零率，得到每一帧语音的能零比参数；（2） 通过对背景噪声能量的统计，定出门限，利用门限来确定无声段，在无语音期间估计出噪声谱。（3） 对带噪语音进行功率谱计算，如果当前帧为语音帧，噪声功率谱按最临近的无声帧的功率谱来替代，当前帧功率谱减去噪声功率谱即可得到去噪后语音的功率谱。（4） 对其做傅里叶逆变换后得到增强后的语音信号。（二） LMS自适应滤波进行语音信号处理自适应滤波器的一般形式如下图所示,图中输入信号x(n)加权到数字滤波器产生输出信号y(n),自适应算法调节滤波器权系数使输出y(n)和滤波器期望的响应d(n)之间的误差信号为最小。自适应滤波器的系数受误差信号的控制,根据的值和自适应算法自动调整。一旦输入信号的统计规律发生了变化, 滤波器能够自动跟踪输入信号的变化，自动调整滤波器的权系数，实现自适应过程, 最终达到滤波效果。滤波器结构自适应算法但鉴于实际情景下，理想参考信号d(n)无法获得，所以该模型不能够直接被实现出来。但是，我们注意到，语音信号可以看作一种短时平稳信号，在一定的范围内具有较强的周期性和相关性，然而白噪声却是一种互不相干的信号，因此，我们可以将语音信号延时后作为参考信号输入。具体结构如下图。该系统仍然利用LMS算法迭代调节W系数。（三） DSP平台实现DSPDSP实现总共分两大部分，第一部分是语音信号的A/D采集和D/A输出，第二部分是对语音信号的自适应滤波。我们使用SSM2603芯片进行A/D采集，数据精度为16bit，采样率为48kHz。然后使用DMA的方式将采集到的数字信号拷贝到内存中，将其解码成对应的音量值。接着进行滤波操作。最后是将滤波后的结果再转换为对应格式，写到D/A输出的缓存区中去以便输出模拟信号。四、 测试结果（一） 基本谱减法图1 谱减法语音增强波形图2 谱减法语音误差对比波形从以上波形可以看出，谱减法可以达到去噪的效果，然而在去噪的同时会削弱一部分原唱语音，导致重构误差为78.33%。对比增强后的语音与原始语音及带噪语音的波形可以看出，对于这两者的误差较为相似。（二） 谱减法的改进图3 改进谱减法语音增强波形图4 改进谱减法语音误差对比波形对比上图可以看出，该方法在信噪比方面提高幅度更明显，去噪的效果优于基本谱减方法。利用短时能零比和谱减过程实时地改进噪声功率谱比重，实现了对于噪声门限和噪声功率谱估计这二者的更新，得出准确噪声功率谱估计和语音起止点，利用得到的准确的噪声功率谱估计进一步去噪。仿真实验表明，无论在视觉效果还是在信噪比客观意义上，本方法的去噪效果均优于传统的基本谱减法，此时的重构误差为11.41%。（三） LMS自适应滤波图5 输入周期信号与随机噪声信号波形图6 滤波器输入信号波形与滤波后输出信号波形图7 自适应滤波器输出波形与预期输出对比及误差曲线由上图可以看出，加噪信号经自适应滤波器滤波后，输出波形与预期波形几乎完全吻合。经计算，两者误差幅值范围在-0.20.2之间。自适应滤波器之所以能够自动跟踪输入信号,是在于算法不断地根据实际输出和期望输出的误差调整滤波器的系数,从而使输出跟踪输入。程序调试过程中改变自适应滤波器输入正弦信号的频率或将输入改为阶跃信号等其他不同的信号, 滤波器的输出同样能够跟踪输入。（四） LMS自适应滤波对不同信噪比信号的处理效果在代码实现初期，我们发现语音信号滤波处理效果不理想，在之后寻找原因时发现信噪比大小会影响滤波效果。在调整了信噪比大小后发现滤波效果明显改善。在之后的仿真时，我们同时进行了信噪比对滤波效果的影响。研究结果如下：S/N(dB)=138.1551S/N(dB)=92.1034S/N(dB)=46.0517S/N(dB)=0S/N(dB)=-46.0517S/N(dB)=-92.1034由上六张图图形相互对比可见，信噪比越大时，自适应滤波输出与预期输出图线吻合度越高，滤波效果越好。当信噪比为负值时，滤波输出曲线基本失真，无实际使用价值。（五） DSP平台DSP将混杂有白噪声的音频信号通过音频线输入DSP板，再通过耳机接收DSP 输出的信号，可以听出噪声被明显削弱。但是局限于硬件性能和算法本身，还是有部分噪声残余。五、 结论与展望通过三种算法的对比可以看出，在谱减法、改进后的谱减法及LMS自适应滤波中，改进后的谱减法及LMS自适应滤波有较好的语音增强效果。其中，自适应滤波在处理语音信号时，误差明显小于谱减法及改进后的谱减法处理结果。在实际生活中，语音信号经常会受到噪声的干扰。语音增强技术作为语音去噪的一个重要研究方向，其目的是从带噪的语音信号中尽可能提取纯净的原始语音。在本次工程设计中，通过三种算法的实验，我们基本达到了增强语音信号的目的。在查找资料时，我们也发现了其他语音信号处理的方法，例如小波阈值降噪、自适应的维纳和卡尔曼滤波器等，这些将是我们以后探索的方向。附录一、 谱减法代码clcclear all;close all%读取原始纯净语音数据%x_geshou,fs=audioread('C:UsersAdministratorDesktopfinalprojectyuanchang.wav'); %读取语音文件load('C:UsersAdministratorDesktopsignal_me.mat');for i=1:length(signal_me) signal_me(i)=10*signal_me(i);end%=length(x_geshou);randn('state',sum(length(signal_me)*clock);%去除伪随机数影响noise=0.1*randn(1,length(signal_me);%noise=wgn(1,length(signal_me),-40);%产生高斯白噪声Length = min(length(signal_me),length(noise); %得到带噪语音数据for m = 1: Length; signal_noise(m) = signal_me(m) + noise(m);endframelength =32; %设置帧长framenumber = fix(Length/framelength); %计算帧数PureSignal(1:framelength* 3/4 + framelength* framenumber) = 0; %存放增强后的语音数据H = hamming (framelength);NoisePower (1:framelength) =0; %计算噪声功率谱for L=1:2; for m = 1: framelength; data_noise(m) = signal_noise(L-1) * framelength/4 + m); end Z = fft(data_noise, framelength); NoisePower = NoisePower + abs(Z);endNoisePower = NoisePower /4; NoisePower = NoisePower.2;for m = 1: framelength * 3/4; %去噪 xx(m) = 0;endfor m = 1:framenumber * framelength; xx(m + framelength * 3/4) = signal_noise(m);endfor L = 1:framenumber * 4; for m = 1:framelength; data(m) = xx(L-1)*framelength/4+m); end Y = fft(data,framelength); %带噪语音的傅里叶变换 noise_angle =angle(Y); %带噪语音信号相位 Mag = abs(Y); %带噪语音的幅度 Mag = Mag.2; %带噪语音的功率谱 for m = 1:framelength; if(Mag(m)>= NoisePower(m) PureMag(m) = Mag(m) - NoisePower(m); end if(Mag(m)< NoisePower(m) PureMag(m) = 0; end end PureMag = sqrt(PureMag); Puredata = PureMag.* exp(1i*noise_angle); Puredata = ifft(Puredata,framelength); Puredata = real(Puredata); for m = 1:framelength; PureSignal(L-1)*framelength/4+m)=PureSignal(L-1)*framelength/4+m)+Puredata(m)/3; end;endsubplot(3,1,1) %画图plot(signal_me) title('原始语音信号波形')subplot(3,1,2) plot(signal_noise) title( '带噪声语音信号波形')subplot(3,1,3) plot(PureSignal)axis(0,length(signal_me),-2,2);title('增强后的语音信号波形')Length2 = min(length(signal_me),length(PureSignal);ERROR1=;ERROR1=(PureSignal(1:Length2)-signal_me(1:Length2)./signal_me(1:Length2);for i =1:length(signal_me) if ERROR1(i)>1 ERROR1(i)=1; elseif ERROR1(i)<-1 ERROR1(i)=-1; endendfigure;plot(ERROR1);title('增强语音与原始语音误差');二、 谱减法改进代码clcclear allclose all%读取经预处理的语音文件load('C:UsersAdministratorDesktopsignal_me.mat');for i=1:length(signal_me) signal_me(i)=10*signal_me(i);endnoise=wgn(1,length(signal_me),-40);%产生高斯白噪声N= length(noise); N1 = length(signal_me);N2 = min(N,N1) ;signal_noise = signal_me(1:N2) + noise(1:N2);%参数设置framelength = 32;frameinc = 16;H = hamming(framelength);framenumber =2* fix(length(signal_noise)/framelength)-1;PureSignal(1:length(signal_noise) = 0; %存放去噪后的数据%计算能量for i = 1:framenumber; E(i) =0; for m=1:framelength; data(m) = signal_noise(frameinc*(i-1)+m)*H(m); end E(i) = sum(data.2);end%计算过零率for i=1:framenumber; Z(i) = 0; for m=1:framelength; data(m)=signal_noise(frameinc*(i-1)+m)*H(m); end for m = 2:framelength; Z(i)=Z(i)+abs(sign(data(m)-sign(data(m-1); endend%得到能零比for i=1:framenumber; K(i)=E(i)/Z(i);end%确定语音断电阈值大小，如果小于这个值，认为是噪声段Threshold=min(K)*1.8;%去噪for i=1:framenumber; for m = 1: framelength; data(m) = signal_noise( frameinc*(i-1)+m)*H(m); end Y = fft(data,framelength); A = angle(Y); Amplitudevalue(i,:)=abs(Y); fftangle(i,:) = A;end%如果有连续10帧为噪声帧，则认为该帧是真正的噪声帧count = 0;for i =2:framenumber; if(K(i)>= Threshold) startframe = i; count = count +1; else endframe= i; if count >= 10; for m=startframe-count+1:endframe-1; Amplltudevalue(m,:)=Amplitudevalue(m,:)-Amplitudevalue(startframe-count,:); end end count=0; Amplitudevalue(i-1,:)=0; endendAmplitudevalue(framenumber,:) = 0;%重构语音for i=1:framenumber; PureY=Amplitudevalue(i,:).*exp(1i*fftangle( i,:); PureY = real(ifft(PureY,framelength); for m=1:framelength; PureSignal(i-1)*framelength/2+m)=PureSignal(i-1)*framelength/2+m)+PureY(m); endendsubplot(3,1,1) %画图plot(signal_me) title('原始语音信号波形')subplot(3,1,2) plot(signal_noise) title( '带噪声语音信号波形')subplot(3,1,3) plot(PureSignal)title('增强后的语音信号波形')Length2 = min(length(signal_me),length(PureSignal);ERROR1=;ERROR1=(PureSignal(1:Length2)-signal_me(1:Length2)./signal_me(1:Length2);for i =1:length(signal_me) if ERROR1(i)>1 ERROR1(i)=1; elseif ERROR1(i)<-1 ERROR1(i)=-1; endendfigure;plot(ERROR1);title('增强语音与原始语音误差');三、 LMS自适应滤波代码function yn,W,en=LMS(xn,dn,M,mu,itr)% LMS(Least Mean Squre)算法% 输入参数:% xn 输入的信号序列 (列向量)% dn 所期望的响应序列 (列向量)% M 滤波器的阶数 (标量)% mu 收敛因子(步长) (标量) 要求大于0,小于xn的相关矩阵最大特征值的倒数 % itr 迭代次数 (标量) 默认为xn的长度,M<itr<length(xn)% 输出参数:% W 滤波器的权值矩阵 (矩阵)% 大小为M x itr,% en 误差序列(itr x 1) (列向量) % yn 实际输出序列 (列向量)% 参数个数必须为4个或5个if nargin = 4 % 4个时递归迭代的次数为xn的长度 itr = length(xn);elseif nargin = 5 % 5个时满足M<itr<length(xn) if itr>length(xn) | itr<M error('迭代次数过大或过小!'); endelse error('请检查输入参数的个数!');end% 初始化参数en = zeros(itr,1); % 误差序列,en(k)表示第k次迭代时预期输出与实际输入的误差W = zeros(M,itr); % 每一行代表一个加权参量,每一列代表-次迭代,初始为0% 迭代计算for k = M:itr % 第k次迭代 x = xn(k:-1:k-M+1); % 滤波器M个抽头的输入 y = W(:,k-1).' * x; % 滤波器的输出 en(k) = dn(k) - y ; % 第k次迭代的误差 % 滤波器权值计算的迭代式 W(:,k) = W(:,k-1) + 2*mu*en(k)*x;end% 求最优时滤波器的输出序列yn = inf * ones(size(xn);for k = M:length(xn) x = xn(k:-1:k-M+1); yn(k) = W(:,end).'* x;end1. 基于C8051F单片机直流电动机反馈控制系统的设计与研究2. 基于单片机的嵌入式Web服务器的研究 3. MOTOROLA单片机MC68HC（8）05PV8/A内嵌EEPROM的工艺和制程方法及对良率的影响研究 4. 基于模糊控制的电阻钎焊单片机温度控制系统的研制 5. 基于MCS-51系列单片机的通用控制模块的研究 6. 基于单片机实现的供暖系统最佳启停自校正（STR）调节器7. 单片机控制的二级倒立摆系统的研究8. 基于增强型51系列单片机的TCP/IP协议栈的实现 9. 基于单片机的蓄电池自动监测系统 10. 基于32位嵌入式单片机系统的图像采集与处理技术的研究11. 基于单片机的作物营养诊断专家系统的研究 12. 基于单片机的交流伺服电机运动控制系统研究与开发 13. 基于单片机的泵管内壁硬度测试仪的研制 14. 基于单片机的自动找平控制系统研究 15. 基于C8051F040单片机的嵌入式系统开发 16. 基于单片机的液压动力系统状态监测仪开发 17. 模糊Smith智能控制方法的研究及其单片机实现 18. 一种基于单片机的轴快流CO,2激光器的手持控制面板的研制 19. 基于双单片机冲床数控系统的研究 20. 基于CYGNAL单片机的在线间歇式浊度仪的研制 21. 基于单片机的喷油泵试验台控制器的研制 22. 基于单片机的软起动器的研究和设计 23. 基于单片机控制的高速快走丝电火花线切割机床短循环走丝方式研究 24. 基于单片机的机电产品控制系统开发 25. 基于PIC单片机的智能手机充电器 26. 基于单片机的实时内核设计及其应用研究 27. 基于单片机的远程抄表系统的设计与研究 28. 基于单片机的烟气二氧化硫浓度检测仪的研制 29. 基于微型光谱仪的单片机系统 30. 单片机系统软件构件开发的技术研究 31. 基于单片机的液体点滴速度自动检测仪的研制32. 基于单片机系统的多功能温度测量仪的研制 33. 基于PIC单片机的电能采集终端的设计和应用 34. 基于单片机的光纤光栅解调仪的研制 35. 气压式线性摩擦焊机单片机控制系统的研制 36. 基于单片机的数字磁通门传感器 37. 基于单片机的旋转变压器-数字转换器的研究 38. 基于单片机的光纤Bragg光栅解调系统的研究 39. 单片机控制的便携式多功能乳腺治疗仪的研制 40. 基于C8051F020单片机的多生理信号检测仪 41. 基于单片机的电机运动控制系统设计 42. Pico专用单片机核的可测性设计研究 43. 基于MCS-51单片机的热量计 44. 基于双单片机的智能遥测微型气象站 45. MCS-51单片机构建机器人的实践研究 46. 基于单片机的轮轨力检测 47. 基于单片机的GPS定位仪的研究与实现 48. 基于单片机的电液伺服控制系统 49. 用于单片机系统的MMC卡文件系统研制 50. 基于单片机的时控和计数系统性能优化的研究 51. 基于单片机和CPLD的粗光栅位移测量系统研究 52. 单片机控制的后备式方波UPS 53. 提升高职学生单片机应用能力的探究 54. 基于单片机控制的自动低频减载装置研究 55. 基于单片机控制的水下焊接电源的研究 56. 基于单片机的多通道数据采集系统 57. 基于uPSD3234单片机的氚表面污染测量仪的研制 58. 基于单片机的红外测油仪的研究 59. 96系列单片机仿真器研究与设计 60. 基于单片机的单晶金刚石刀具刃磨设备的数控改造 61. 基于单片机的温度智能控制系统的设计与实现 62. 基于MSP430单片机的电梯门机控制器的研制 63. 基于单片机的气体测漏仪的研究 64. 基于三菱M16C/6N系列单片机的CAN/USB协议转换器 65. 基于单片机和DSP的变压器油色谱在线监测技术研究 66. 基于单片机的膛壁温度报警系统设计 67. 基于AVR单片机的低压无功补偿控制器的设计 68. 基于单片机船舶电力推进电机监测系统 69. 基于单片机网络的振动信号的采集系统 70. 基于单片机的大容量数据存储技术的应用研究 71. 基于单片机的叠图机研究与教学方法实践 72. 基于单片机嵌入式Web服务器技术的研究及实现 73. 基于AT89S52单片机的通用数据采集系统 74. 基于单片机的多道脉冲幅度分析仪研究 75. 机器人旋转电弧传感角焊缝跟踪单片机控制系统 76. 基于单片机的控制系统在PLC虚拟教学实验中的应用研究77. 基于单片机系统的网络通信研究与应用 78. 基于PIC16F877单片机的莫尔斯码自动译码系统设计与研究79. 基于单片机的模糊控制器在工业电阻炉上的应用研究 80. 基于双单片机冲床数控系统的研究与开发 81. 基于Cygnal单片机的C/OS-的研究82. 基于单片机的一体化智能差示扫描量热仪系统研究 83. 基于TCP/IP协议的单片机与Internet互联的研究与实现 84. 变频调速液压电梯单片机控制器的研究 85. 基于单片机-免疫计数器自动换样功能的研究与实现 86. 基于单片机的倒立摆控制系统设计与实现 87. 单片机嵌入式以太网防盗报警系统 88. 基于51单片机的嵌入式Internet系统的设计与实现 89. 单片机监测系统在挤压机上的应用 90. MSP430单片机在智能水表系统上的研究与应用 91. 基于单片机的嵌入式系统中TCP/IP协议栈的实现与应用92. 单片机在高楼恒压供水系统中的应用 93. 基于ATmega16单片机的流量控制器的开发 94. 基于MSP430单片机的远程抄表系统及智能网络水表的设计95. 基于MSP430单片机具有数据存储与回放功能的嵌入式电子血压计的设计 96. 基于单片机的氨分解率检测系统的研究与开发 97. 锅炉的单片机控制系统 98. 基于单片机控制的电磁振动式播种控制系统的设计 99. 基于单片机技术的WDR-01型聚氨酯导热系数测试仪的研制 100. 一种RISC结构8位单片机的设计与实现 101. 基于单片机的公寓用电智能管理系统设计 102. 基于单片机的温度测控系统在温室大棚中的设计与实现103. 基于MSP430单片机的数字化超声电源的研制 104. 基于ADC841单片机的防爆软起动综合控制器的研究105. 基于单片机控制的井下低爆综合保护系统的设计 106. 基于单片机的空调器故障诊断系统的设计研究 107. 单片机实现的寻呼机编码器 108. 单片机实现的鲁棒MRACS及其在液压系统中的应用研究 109. 自适应控制的单片机实现方法及基上隅角瓦斯积聚处理中的应用研究110. 基于单片机的锅炉智能控制器的设计与研究 111. 超精密机床床身隔振的单片机主动控制 112. PIC单片机在空调中的应用 113. 单片机控制力矩加载控制系统的研究 项目论证，项目可行性研究报告，可行性研究报告，项目推广，项目研究报告，项目设计，项目建议书，项目可研报告，本文档支持完整下载，支持任意编辑！选择我们，选择成功！项目论证，项目可行性研究报告，可行性研究报告，项目推广，项目研究报告，项目设计，项目建议书，项目可研报告，本文档支持完整下载，支持任意编辑！选择我们，选择成功！单片机论文，毕业设计，毕业论文，单片机设计，硕士论文，研究生论文，单片机研究论文，单片机设计论文，优秀毕业论文，毕业论文设计，毕业过关论文，毕业设计，毕业设计说明，毕业论文，单片机论文，基于单片机论文，毕业论文终稿，毕业论文初稿，本文档支持完整下载，支持任意编辑！本文档全网独一无二，放心使用，下载这篇文档，定会成功！