相关正态随机过程的仿真实验报告材料

实验名称：相关正态随机过程的仿真

一、实验目的

以正态随机过程为例，掌握离散时间随机过程的仿真方法，理解正态分布随机过程与均匀分布随机过程之间的相互关系，理解随机过程的相关函数等数值特征;培养计算机编程能力。

二、实验容

相关正态分布离散随机过程的产生

（1）利用计算机语言的[0,1]区间均匀分布随机数产生函数生成两个相互独立的序列

{U1(n)|n=1,2,…100000}，{U2(n)|n=1,2,…100000}

程序代码：

clc;

N=100000;

u1=rand(1,N);

u2=rand(1,N);%----------------在[0,1] 区间用rand函数生成两个相互独立的随机序列

n1=hist(u1,10);%--------------------------hist函数绘制分布直方图

subplot(121);%-----------------------------一行两列中的第一个图

bar(n1);

n2=hist(u2,10);

subplot(122);

bar(n2);

实验结果：

（2）生成均值为m=0，根方差σ=1的白色正态分布序列

{e(n)|n=1,2, (100000)

[][]

m n u n u n +=)(2cos )(ln 2-)(e 21πσ

程序代码：

clc;

N=100000;

u1=rand(1,N);

u2=rand(1,N);%---------------在[0,1] 区间用rand 函数生成两个相互独立的随机序列

en=sqrt(-2*log(u1)).*cos(2*pi*u2);%--------定义白色正态分布e(n)

n=hist(en,100);%--------------------------hist 函数绘制分布直方图

bar(n); 实验结果：

（3）假设离散随机过程x(n)服从均值为x m =0、根方差为2x =σ、相关函数为||2)(r k x x k ασ= )6.0(=α

功率谱函数为

∑∞

-∞=----=-=k jw jw x x x e e jwk k r w P )1)(1()1()exp()()(22ααασ 1

211)(---=z z G x αασ 随机过程x(n)的生成方法为

)(1)1()(x 2n e n x n x ασα-+-= (n=1,2,…100000)

给定初始条件x(0)=0

程序代码：

clc;

N=100000;

u1=rand(1,N);

u2=rand(1,N);%---------------在[0,1] 区间用rand 函数生成两个相互独立的随机序列

en=sqrt(-2*log(u1)).*cos(2*pi*u2);%--------定义白色正态分布e(n)

a=0.6;

x(1)=2*sqrt(1-a*a)*en(1);%-----------------初始化

for n=1:100000-1;

x(n+1)=a*x(n)+2*sqrt(1-a*a).*en(n+1);

end%------------------------------------生成随机过程x(n)

hist(x,100);%--------------------------hist 函数绘制分布直方图

实验结果：

（4）采用集合统计的方法计算

∑==100000

1')(1000001n x n x m

∑==10000012'

)(1000001n x n x σ ∑-=+-=k n x k n x n x k r 1000001'

)()(1000001 )4,3,2,1(=k 验证计算出来的统计参数与理论值是否一致，差异大小

程序代码：

sum=0;

for i=1:100000

sum=sum+x(i);%--------------------表示x(n)的1到100000项的累加和

end

mx=sum/100000%-----------------------------算出mx 的值

sum=0;

for i=1:100000

sum=sum+x(i)*x(i);%--------------------表示x(n)*x(n)的1到100000项的累加和

end

ax=sqrt(sum/100000)%-----------------------算出标准差

for k=1:4

sum=0;%--------------------------------sum 清零

for j=1:100000-k

sum=sum+x(j)*x(j+k);

end

r(k)=sum/(100000-k);%------------------用集合统计的方法算出相关函数

end

r%-----------------------------------------算出r 的值

实验结果：

（5）采用计算机程序计算正态分布的区间积分

00001.0]22)00001.0(ex p[221

]22ex p[2212000001

222

22???-?=?-?=∑?=i i ds s P ππ 根据已生成的序列x(n)，在100000个数据中，分别计算（-∞，-2），

[-2，0]，(0，2]，[2，∞)区间上数据出现的比例P1，P2，P3，P4。比较P1，P2，P3，P4与理想值（0.5-P ）, P , P ,（0.5-P ）的一致性。 程序代码：

num1=0;num2=0;num3=0;num4=0;

for i=1:100000

if(x(i)<-2)

num1=num1+1;

else if(x(i)>=-2)&(x(i)<=0)

num2=num2+1;

else if(x(i)>0)&(x(i)<=2)

num3=num3+1;

else

num4=num4+1;

end

end

end

随机信号分析实验报告

一、实验名称 微弱信号的检测提取及分析方法 二、实验目的 1．了解随机信号分析理论如何在实践中应用 2．了解随机信号自身的特性，包括均值、方差、相关函数、频谱及功率谱密度等 3．掌握随机信号的检测及分析方法 三、实验原理 1．随机信号的分析方法 在信号与系统中，我们把信号分为确知信号和随机信号。其中随机信号无确定的变化规律，需要用统计特新进行分析。这里我们引入随机过程的概念，所谓随机过程就是随机变量的集合，每个随机变量都是随机过程的一个取样序列。 随机过程的统计特性一般采用随机过程的分布函数和概率密度来描述，他们能够对随机过程作完整的描述。但由于在实践中难以求得，在工程技术中，一般采用描述随机过程的主要平均统计特性的几个函数，包括均值、方差、相关函数、频谱及功率谱密度等来描述它们。本实验中算法都是一种估算法，条件是N要足够大。 2．微弱随机信号的检测及提取方法 因为噪声总会影响信号检测的结果，所以信号检测是信号处理的重要内容之一，低信噪比下的信号检测是目前检测领域的热点，而强噪声背景下的微弱信号提取又是信号检测的难点。 噪声主要来自于检测系统本身的电子电路和系统外空间高频电磁场干扰等，通常从以下两种不同途径来解决 ①降低系统的噪声，使被测信号功率大于噪声功率。 ②采用相关接受技术，可以保证在信号功率小于噪声功率的情况下，人能检测出信号。 对微弱信号的检测与提取有很多方法，常用的方法有：自相关检测法、多重自相法、双谱估计理论及算法、时域方法、小波算法等。 对微弱信号检测与提取有很多方法，本实验采用多重自相关法。 多重自相关法是在传统自相关检测法的基础上，对信号的自相关函数再多次做自相关。即令： 式中，是和的叠加；是和的叠加。对比两式，尽管两者信号的幅度和相位不同，但频率却没有变化。信号经过相关运算后增加了信噪比，但其改变程度是有限的，因而限制了检测微弱信号的能力。多重相关法将 当作x（t），重复自相关函数检测方法步骤，自相关的次数越多，信噪比提高的越多，因此可检测出强噪声中的微弱信号。

材料力学实验报告册概要

实验日期_____________教师签字_____________ 同组者_____________审批日期_____________ 实验名称：拉伸和压缩试验 一、试验目的 1.测定低碳钢材料拉伸的屈服极限σs 、抗拉强度σb、断后延伸率δ及断 面收缩率ψ。 2.测定灰铸铁材料的抗拉强度σb、压缩的强度极限σb。 3.观察低碳钢和灰铸铁材料拉伸、压缩试验过程中的变形现象，并分析 比较其破坏断口特征。 二、试验仪器设备 1.微机控制电子万能材料试验机系统 2.微机屏显式液压万能材料试验机 3.游标卡尺 4.做标记用工具 三、试验原理（简述） 1

四、试验原始数据记录 1.拉伸试验 低碳钢材料屈服载荷 最大载荷 灰铸铁材料最大载荷 2.灰铸铁材料压缩试验 直径d0 最大载荷 教师签字：2

五、试验数据处理及结果 1.拉伸试验数据结果 低碳钢材料： 铸铁材料： 2.低碳钢材料的拉伸曲线 3.压缩试验数据结果 铸铁材料： 3

4.灰铸铁材料的拉伸及压缩曲线： 5.低碳钢及灰铸铁材料拉伸时的破坏情况，并分析破坏原因 ①试样的形状（可作图表示）及断口特征 ②分析两种材料的破坏原因 低碳钢材料： 灰铸铁材料： 4

6.灰铸铁压缩时的破坏情况，并分析破坏原因 六、思考讨论题 1.简述低碳钢和灰铸铁两种材料的拉伸力学性能，以及力-变形特性曲线 的特征。 2.试说明冷作硬化工艺的利与弊。 3.某塑性材料，按照国家标准加工成直径相同标距不同的拉伸试样，试 判断用这两种不同试样测得的断后延伸率是否相同，并对结论给予分析。 5

七、小结（结论、心得、建议等）6

随机过程上机实验报告讲解.pdf

2015-2016第一学期随机过程第二次上机实验报告 实验目的：通过随机过程上机实验，熟悉Monte Carlo计算机随机模拟方法，熟悉Matlab的运行环境，了解随机模拟的原理，熟悉随机过程的编码规律即各种随机过程的实现方 法，加深对随机过程的理解。 上机内容： （1）模拟随机游走。 （2）模拟Brown运动的样本轨道。 （3）模拟Markov过程。 实验步骤： （1）给出随机游走的样本轨道模拟结果，并附带模拟程序。 ①一维情形 %一维简单随机游走 %“从0开始，向前跳一步的概率为p，向后跳一步的概率为1－p” n=50; p=0.5; y=[0 cumsum(2.*(rand(1,n-1)<=p)-1)]; % n步。 plot([0:n-1],y); %画出折线图如下。

%一维随机步长的随机游动 %选取任一零均值的分布为步长, 比如，均匀分布。n=50; x=rand(1,n)-1/2; y=[0 (cumsum(x)-1)]; plot([0:n],y);

②二维情形 %在(u, v)坐标平面上画出点(u(k), v(k)), k=1:n, 其中(u(k))和(v(k)) 是一维随机游动。例 %子程序是用四种不同颜色画了同一随机游动的四条轨 道。 n=100000; colorstr=['b' 'r' 'g' 'y']; for k=1:4 z=2.*(rand(2,n)<0.5)-1; x=[zeros(1,2); cumsum(z')]; col=colorstr(k); plot(x(:,1),x(:,2),col);

hold on end grid ③%三维随机游走ranwalk3d p=0.5; n=10000; colorstr=['b' 'r' 'g' 'y']; for k=1:4 z=2.*(rand(3,n)<=p)-1; x=[zeros(1,3); cumsum(z')]; col=colorstr(k); plot3(x(:,1),x(:,2),x(:,3),col);

实验三 随机过程通过线性系统

实验名称线性系统对随机过程的响应 一、实验目的 通过本仿真实验了解正态白色噪声随机过程通过线性系统后相关函数以及功率谱的变化；培养计算机编程能力。 二、实验平台 MATLAB R2014a 三、实验要求 (1)运用正态分布随机数产生函数产生均值为m=0,根方差σ=1的白色正态分布 序列{u(n)|n=1,2,…,2000}，画出噪声u(n)的波形图。 (2)设离散时间线性系统的差分方程为 x(n)=u(n)-0.36u(n-1)+0.85u(n-2)(n=3,4,…,2000). 画出x(n)的波形图。 (3)随机过程x(n)的理论上的功率谱函数为 在[0,π]范围内对w进行采样，采样间隔0.001π，计算S(i×0.001π) (i=1,2,…,1000);画出波形图。 (4)根据步骤二产生的数据序列x(n)计算相关函数的估计值 与理论值1.1296、-0.666、0.85、0、0、0的差异。 (5)根据相关函数的估计值对随机过程的功率谱密度函数进行估计 在[0，π]范围内对w进行采样，采样间隔0.001π，计算S(i×0.001π) (i=1,2,…,1000);画出波形图，比较其与理论上的功率谱密度函数S(w)的差异。 (6)依照实验1的方法统计数据x(n)在不同区间出现的概率，计算其理论概率， 观察二者是否基本一致。

四、实验代码及结果 A、运用正态分布随机数产生函数产生均值为m=0,根方差σ=1的白色正态分布序列{u(n)|n=1,2,…,2000}，画出噪声u(n)的波形图。 代码实现： 波形图： 分析：运用正态分布随机数产生函数产生均值为0，根方差σ=1的白色噪声样本序列。 B、设离散时间线性系统的差分方程为 x(n)=u(n)-0.36u(n-1)+0.85u(n-2)(n=3,4,…,2000). 画出x(n)的波形图。 代码实现：

通信原理软件实验报告材料单人地

标准文档 实验目的： 通过仿真测量占空比为25%、50%、75%以及100%的单、双极性归零码波形及其功率谱。（1）流程图 （2）源代码 ①单极性归零码 clear all close all L=64; %每码元采样点数 N=1024;%采样点数 M=N/L;%码元数 Rs=2;%码元速率 Ts=1/Rs;%比特间隔 fs=L/Ts;%采样速率 Bs=fs/2;%系统带宽 T=N/fs;%截短时间 t=[-(T/2):1/fs:(T/2-1/fs)];%时域采样点 f=-Bs+[0:N-1]/T;%频域采样点 EP=zeros(1,N); 实用文案

for loop=1:1000 a=(randn(1,M)>0);%产生单极性数据 tmp=zeros(L,M); L1=L*0.5; %0.5是占空比 tmp([1:L1],:)=ones(L1,1)*a; s=tmp(:)'; S=t2f(s,fs); P=abs(S).^2/T;%样本信号的功率谱密度 %随机过程的功率谱是各个样本的功率谱的数学期望 EP=EP*(1-1/loop)+P/loop; end figure(1) plot(t,s) axis equal grid figure(2) plot(f,EP) axis([-20,20,0,max(EP)]) grid 实验结果： 占空比为50%的单极性归零码

占空比为50%的单极性归零码功率谱修改占空比可得到以下图形 占空比为75%的单极性归零

占空比为75%的单极性归零码功率谱 占空比为100%的单极性归零码

占空比为100%的单极性归零码功率谱 ②双极性归零码 L=64; N=512; M=N/L; Rs=2; Ts=1/Rs; fs=L/Ts; Bs=fs/2; T=N/fs; t=[-(T/2):1/fs:(T/2-1/fs)]; f=-Bs+[0:N-1]/T; EP=zeros(1,N); for loop=1:1000 a=sign(randn(1,M)); tmp=zeros(L,M); L1=L*0.5; tmp([1:L1],:)=ones(L1,1)*a; s=tmp(:)'; S=t2f(s,fs); P=abs(S).^2/T; EP=EP*(1-1/loop)+P/loop; end figure(1) plot(t,s)

相关正态随机过程的仿真实验报告

实验名称：相关正态随机过程的仿真 一、实验目的 以正态随机过程为例，掌握离散时间随机过程的仿真方法，理解正态分布随机过程与均匀分布随机过程之间的相互关系，理解随机过程的相关函数等数值特征;培养计算机编程能力。 二、实验内容 相关正态分布离散随机过程的产生 （1）利用计算机语言的[0,1]区间均匀分布随机数产生函数生成两个相互独立的序列 {U1(n)|n=1,2,…100000}，{U2(n)|n=1,2,…100000} 程序代码： clc; N=100000; u1=rand(1,N); u2=rand(1,N);%----------------在[0,1] 区间用rand函数生成两个相互独立的随机序列 n1=hist(u1,10);%--------------------------hist函数绘制分布直方图 subplot(121);%-----------------------------一行两列中的第一个图 bar(n1); n2=hist(u2,10); subplot(122); bar(n2); 实验结果：

（2）生成均值为m=0，根方差σ=1的白色正态分布序列 {e(n)|n=1,2, (100000) [][]m n u n u n +=)(2cos )(ln 2-)(e 21πσ 程序代码： clc; N=100000; u1=rand(1,N); u2=rand(1,N);%---------------在[0,1] 区间用rand 函数生成两个相互独立的随机序列 en=sqrt(-2*log(u1)).*cos(2*pi*u2);%--------定义白色正态分布e(n) n=hist(en,100);%--------------------------hist 函数绘制分布直方图 bar(n); 实验结果： （3）假设离散随机过程x(n)服从均值为x m =0、根方差为2x =σ、相关函数为||2)(r k x x k ασ= )6.0(=α 功率谱函数为

北理工随机信号分析实验报告

本科实验报告实验名称：随机信号分析实验

实验一 随机序列的产生及数字特征估计 一、实验目的 1、学习和掌握随机数的产生方法。 2、实现随机序列的数字特征估计。 二、实验原理 1、随机数的产生 随机数指的是各种不同分布随机变量的抽样序列（样本值序列）。进行随机信号仿真分析时，需要模拟产生各种分布的随机数。 在计算机仿真时，通常利用数学方法产生随机数，这种随机数称为伪随机数。伪随机数是按照一定的计算公式产生的，这个公式称为随机数发生器。伪随机数本质上不是随机的，而且存在周期性，但是如果计算公式选择适当，所产生的数据看似随机的，与真正的随机数具有相近的统计特性，可以作为随机数使用。 (0，1)均匀分布随机数是最最基本、最简单的随机数。(0，1)均匀分布指的是在[0，1]区间上的均匀分布，即 U(0，1)。实际应用中有许多现成的随机数发生器可以用于产生(0，1)均匀分布随机数，通常采用的方法为线性同余法，公式如下： )(mod ,110N ky y y n n -= N y x n n /= 序列{}n x 为产生的(0，1)均匀分布随机数。 下面给出了上式的3组常用参数： 1、10N 10,k 7==，周期7 510≈?； 2、（IBM 随机数发生器）3116N 2,k 23,==+周期8 510≈?； 3、（ran0）31 5 N 21,k 7,=-=周期9 210≈?； 由均匀分布随机数，可以利用反函数构造出任意分布的随机数。 定理 1.1 若随机变量 X 具有连续分布函数F X (x)，而R 为(0,1)均匀分布随机变量，则有 )(1R F X x -= 由这一定理可知，分布函数为F X (x)的随机数可以由(0,1)均匀分布随机数按上式进行变

BPSK实验报告

基于MATLAB 仿真的BPSK 在AWGN 信道的误码性能 姜杰 通信1班 20080820103 摘要：BPSK 全称 ： Binary Phase Shift Keying 。把模拟信号转换成数据值 的转换方式之一。是利用偏离相位的复数波浪组合来表现信息键控移相方式的一种。BPSK 使用了基准的正弦波和相位反转的波浪，使一方为0，另一方为1，从而可以同时传送接受2值(1比特)的信息。由于最单纯的键控移相方式虽抗噪音较强但传送效率差，所以常常使用利用4个相位的QPSK 和利用8个相位的8PSK 。在载波相位调制中，通信信道传输的信息寄寓在载波相位中，于二进制相位调制而言，两个载波的相位即θ =0和θ =π ，用以代表二进制“1”和“0”，而载波振幅和频率保持不变。基于MATLAB 的Monte Carlo 仿真可用于分析BPSK 调制在AWGN 信道中的误码性能。 关键字：BPSK 误码性能 AWGN 一． BPSK 调制原理： 理论上二进制相移键控（BPSK ）可以用幅度恒定，而其载波相位随着输入信号m （1、0码）而改变，通常这两个相位相差180°。如果每比特能量为E b ，则传输的BPSK 信号为： )2cos(2)(c c b b f T E t S θπ+= 其中 ???===1 180 000 m m c θ 二．BPSK 解调原理： AWGN 信道中，接受信号可表示为：

其中和是加性噪声的两个正交分量。 将接受信号与和做互相关，两个相关器的输出即可产生受噪声污染的信号分量，可表示为 其中 且两正交噪声分量是零均值互不相关的高斯随机过程，于是和的方差是： 最佳检测器将接受信号向量r投射到所有可能的传输信号向量之一上，并选对应于最大投影的向量，据此相关准则即为 由于全部信号都具有相等的能量，因此数字相位调制的一种等效检测器标准就是计算接收信号向量 的相位：

随机实验报告

随机信号实验报告 课程：随机信号 实验题目：随机过程的模拟与特征估计 学院： 学生名称：

实验目的： 1.学会利用MATLAB模拟产生各类随即序列。 2.熟悉和掌握随机信号数字特征估计的基本方法。 实验内容： 1.模拟产生各种随即序列，并画出信号和波形。 （1）白噪声（高斯分布，正弦分布）。 （2）随相正弦波。 （3）白噪声中的多个正弦分布。 （4）二元随机信号。 （5）自然信号：语音，图形（选做）。 2.随机信号数字特征的估计 （1）估计上诉随机信号的均值，方差，自相关函数，功率谱密度，概率密度。 （2）各估计量性能分析（选做） 实验仪器： PC机一台 MATLAB软件 实验原理：

随机变量常用到的数字特征是数字期望值、方差、自相关函数等。相应地，随机过程常用到的数字特征是数字期望值、方差、相关函数等。它们是由随机变量的数字特征推广而来，但是一般不再是确定的数值，而是确定的时间函数。 1.均值：m x(t)=E[X(t)]=；式中，p(x,t)是X（t）的 一维概率密度。m x(t)是随机过程X（t）的所有样本函数在 时刻t的函数值的均值。在matlab中用mea()函数求均值。 2.方差：（t）=D[X(t)]=E[]；（t）是t的确定 函数，它描述了随机过程诸样本函数围绕数学期望m x(t) 的分散程度。若X（t）表示噪声电压，则方差（t）则 表示瞬时交流功率的统计平均值。在matlab中用var()函 数求均值。 3.自相关函数：Rx(t1,t2)=E[X(t1)X(t2)]；自相关函数就是用来描 述随机过程任意两个不同时刻状态之间相关性的重要数 字特征。在matlab中用xcorr（）来求自相关函数。 4.在matlab中可用函数rand、randn、normr、random即可生成 满足各种需要的近似的独立随机序列。 实验步骤： （一）大体实验步骤 （1）利用MATLAB编写程序。 （2）调试程序。

北邮通信原理软件实验报告XXXX27页

通信原理软件实验报告 学院：信息与通信工程学院 班级： 一、通信原理Matlab仿真实验 实验八 一、实验内容 假设基带信号为m(t)=sin(2000*pi*t)+2cos(1000*pi*t),载波频率为20kHz，请仿真出AM、DSB-SC、SSB信号，观察已调信号的波形和频谱。 二、实验原理 1、具有离散大载波的双边带幅度调制信号AM 该幅度调制是由DSB-SC AM信号加上离散的大载波分量得到，其表达式及时间波形图为： 应当注意的是，m(t)的绝对值必须小于等于1，否则会出现下图的过调制： AM信号的频谱特性如下图所示： 由图可以发现，AM信号的频谱是双边带抑制载波调幅信号的频谱加上离散的大载波分量。 2、双边带抑制载波调幅（DSB—SC AM）信号的产生 双边带抑制载波调幅信号s(t)是利用均值为0的模拟基带信号m(t)和正弦载波 c(t)相乘得到，如图所示： m(t)和正弦载波s(t)的信号波形如图所示：

若调制信号m(t)是确定的，其相应的傅立叶频谱为M(f)，载波信号c(t)的傅立叶频谱是C(f),调制信号s(t)的傅立叶频谱S(f)由M(f)和C(f)相卷积得到，因此经过调制之后，基带信号的频谱被搬移到了载频fc处，若模拟基带信号带宽为W，则调制信号带宽为2W，并且频谱中不含有离散的载频分量，只是由于模拟基带信号的频谱成分中不含离散的直流分量。 3、单边带条幅SSB信号 双边带抑制载波调幅信号要求信道带宽B=2W, 其中W是模拟基带信号带宽。从信息论关点开看，此双边带是有剩余度的，因而只要利用双边带中的任一边带来传输，仍能在接收机解调出原基带信号，这样可减少传送已调信号的信道带宽。 单边带条幅SSB AM信号的其表达式： 或 其频谱图为： 三、仿真设计 1、流程图：

随机信号实验报告

随机信号分析 实验报告 目录 随机信号分析 (1) 实验报告 (1) 理想白噪声和带限白噪声的产生与测试 (2) 一、摘要 (2) 二、实验的背景与目的 (2) 背景： (2) 实验目的: (2) 三、实验原理 (3) 四、实验的设计与结果 (4) 实验设计: (4) 实验结果: (5) 五、实验结论 (12) 六、参考文献 (13) 七、附件 (13) 1

理想白噪声和带限白噪声的产生与测试一、摘要 本文通过利用MATLAB软件仿真来对理想白噪声和带限白噪声进行研究。理想白噪声通过低通滤波器和带通滤波器分别得到低通带限白噪声和帯通带限白噪声。在仿真的过程中我们利用MATLAB工具箱中自带的一些函数来对理想白噪声和带限白噪声的均值、均方值、方差、功率谱密度、自相关函数、频谱以及概率密度进行研究，对对它们进行比较分析并讨论其物理意义。 关键词：理想白噪声带限白噪声均值均方值方差功率谱密度自相关函数、频谱以及概率密度 二、实验的背景与目的 背景： 在词典中噪声有两种定义：定义1：干扰人们休息、学习和工作的声音，引起人的心理和生理变化。定义2：不同频率、不同强度无规则地组合在一起的声音。如电噪声、机械噪声，可引伸为任何不希望有的干扰。第一种定义是人们在日常生活中可以感知的，从感性上很容易理解。而第二种定义则相对抽象一些，大部分应用于机械工程当中。在这一学期的好几门课程中我们都从不同的方面接触到噪声，如何的利用噪声，把噪声的危害减到最小是一个很热门的话题。为了加深对噪声的认识与了解，为后面的学习与工作做准备，我们对噪声进行了一些研究与测试。 实验目的: 了解理想白噪声和带限白噪声的基本概念并能够区分它们，掌握用MATLAB 或c/c++软件仿真和分析理想白噪声和带限白噪声的方法，掌握理想白噪声和带限白噪声的性质。

材料力学实验报告

青岛黄海学院实验指导书 课程名称：材料力学 课程编码： 04115003 主撰人：吕婧 青岛黄海学院

目录 实验一拉、压实验 (1) 实验二扭转实验 (6) 实验三材料弹性模量E和泊松比μ的测定 (8) 实验四纯弯曲梁的正应力实验 (12)

实验一低碳钢拉伸实验 一、实验目的要求： （一）目的 σ、延伸率δ,截面收缩率ψ。 1．测定低碳钢的屈服极限σS,强度极限 b σ,观察上述两种材料的拉伸和破坏现象,绘制拉伸时2．测定铸铁的强度极限 b 的P-l?曲线。 （二）要求 1．复习讲课中有关材料拉伸时力学性能的内容;阅读本次实验内容和实设备中介绍万能试验机的构造原理、操作方法、注意事项,以及有关千分表和卡尺的使用方法。 2．预习时思考下列问题:本次实验的内容和目的是什么?低碳钢在拉伸过程中可分哪几个阶段,各阶段有何特征?试验前、试验中、试验后需要测量和记录哪些数据?使用液压式万能试验机有哪些注意事项? 二、实验设备和工具 1．万能实验 2．千分尺和游标卡尺。 3．低碳钢和铸铁圆形截面试件。 三、实验性质： 验证性实验 四、实验步骤和内容： （一）步骤 1．取表距L =100mm.画线 2．取上,中,下三点,沿垂直方向测量直径.取平均值

3．实验机指针调零. 4．缓慢加载,读出 s P .b P .观察屈服及颈缩现象,观察是否出现滑移线. 5．测量低碳钢断裂后标距长度1l ,颈缩处最小直径1d （二）实验内容： 1．低碳钢试件 (1)试件 (2)计算结果 屈服荷载 s P =22.1KN 极限荷载 b P =33.2KN 屈服极限 s σ=s P /0A =273.8MPa 强度极限 b σ=b P /0A =411.3MPa 延伸率 δ=(1l -0l )/0l *100%=33.24% 截面收缩率ψ=(0A -1A )/0A *100%=68.40% (3)绘制低碳钢P~ l ? 曲线

随机信号处理模实验报告

随机信号分析与处理实验报告院系：信息工程学院 专业：电子信息科学与技术 姓名: 方静 学号：030941209 指导老师：廖红华

实验一 熟悉MATLAB 的随机信号处理相关命令 一、实验目的 1、利用Matlab 对随机熟悉各种随机信号函数的用法 2、掌握随机信号的简单分析方法 二、实验原理 1、语音的录入与打开 在MATLAB 中，wavread 函数用于读取语音信号，采样值放在向量y 中，s f 表示采样频率(Hz)，bits 表示 采样位数。[N1 N2]表示读取从N1点到N2点的值。 2、语音信号的频域分析 FFT 即为快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。在Matlab 信号处理工具箱中，语音信号的频域分析就是对信号进行傅里叶变换后的分析。 4、方差 定义22)]}()({[t t m t X E X X -=）（δ 为随机过程的方差。方差通常也记为DX （t ） ，随机过程的方差也是时间 t 的函数, 由方差的 定义可以看出，方差是非负函数。 5、自相关与互相关 自相关和互相关分别表示的是两个时间序列之间和同一个时间序列在任意两个不同时刻的取值之间的相关程度，即互相关函数是描述随机信号x(t),y(t)在任意两个不同时刻t1，t2的取值之间的相关程度，自相关函数是描述随机信号x(t)在任意两个不同时刻t1，t2的取值之间的相关程度。 互相关函数给出了在频域内两个信号是否相关的一个判断指标，把两测点之间信号的互谱与各自的自谱联系了起来。它能用来确定输出信号有多大程度来自输入信号，对修正测量中接入噪声源而产生的误差非常有效. 事实上，在图象处理中，自相关和互相关函数的定义如下：设原函数是f(t)，则自相关函数定义为R(u)=f(t)*f(-t)，其中*表示卷积；设两个函数分别是f(t)和g(t)，则互相关函数定义为R(u)=f(t)*g(-t)，它反映的是两个函数在不同的相对位置上互相匹配的程度。 6. 短时过零率与短时能量 语音一般分为无声段，清音段和浊音段。由于语音信号是一个非平稳过程，不能用处理平稳信号的信号处理技术对其进行分析处理。但由于语音信号本身的特点，在10-30ms 的短时间范围内，其特性可以看作是一个准稳态过程，具有短时性，因此采用短时能量和过零率来对语音进行端点检测是可行的。 信号的短时能量定义为：设语音波形时域信号为x(t)，加窗分帧处理后得到第n 帧语音信号为xn(m),则定义的短时能量函数如下： ) ()()(x m n x m w m n +=，10-≤≤ N m ，,0)(),1(~0,1)(=-==n w N m m w m 为其他值，其中n=0,1T,2T……并且N 为帧长，T 为帧移长度。 短时过零率表示一帧语音中语音信号的波形穿过横轴的零电平的次数，他可以用来区分清音和浊音，因为语音信号中高音段有高的过零率，低音段有低的过零率，短时能量大的地方过零率小，短时能量小的地方过零率大。 过零率可以反映信号的频谱特性。当离散时间信号相邻两个样点的正负号相异时，我们称之为“过零”，即此时信号的时间波形穿过了零电平的横轴。统计单位时间内样点值改变符号的次数具可以得到平均过零

随机过程上机实验报告-华中科技大学--HUST

随机实验报告 班级：通信1301班姓名：郭世康 学号：U201313639 指导教师：卢正新

一、模块功能描述 CMYRand类是整个系统的核心，它产生各种随机数据供后面的类使用。可以产生伪随机序列、均匀分布、正态分布、泊松分布、指数分布等多种随机数据。 CRandomDlg类是数据的采集处理类。它可以将CMYRand产生的随机数据处理分析，再送入CScope等类进行模拟示波器显示。 CScope等类是有关示波器显示的类。 二、模块间的关系 CRandomDlg类在整个程序中是一个不可缺少的环节，它调用CMYRand中的函数来产生符合所需分布的随机序列，再将产生的结果统计分析，送到CScope类中的函数进行模拟示波器显示。CMYRand为整个程序的核心，就是这个类产生所需分布的随机序列。CAboutDlg是模拟示波器界面上的有关按钮选项的类。我们在示波器界面上点击一个按钮，它就会执行这个按钮所对应功能，比如点击正态分布，它就会调用CRandomDlg中的对应函数，在调用CMYRand中的产生正态分布的函数，再将结果送到CScope类中进行显示，最后我们可以在示波器上看到图形。 三、数据结构 在本次随机试验中所填写的代码部分并没有用到有关于结构体等数据结构的东西。 四、功能函数 1、 /* 函数功能，采用线性同余法，根据输入的种子数产生一个伪随机数. 如果种子不变，则将可以重复调用产生一个伪随机序列。 利用CMyRand类中定义的全局变量：S, K, N, Y。 其中K和N为算法参数，S用于保存种子数，Y为产生的随机数 */ unsigned int CMyRand::MyRand(unsigned int seed) { //添加伪随机数产生代码 if(S==seed)

实验报告

实验报告 课程名称：高频电子线路 院系：信息工程学院 专业班级：电子信息 学号： 学生姓名： 指导教师： 开课时间：2013至2014学年第二学期 教务处制

一、学生撰写要求 按照实验课程培养方案的要求，每门实验课程中的每一个实验项目完成后，每位参加实验的学生均须在实验教师规定的时间内独立完成一份实验报告，不得抄袭，不得缺交。 学生撰写实验报告时应严格按照本实验报告规定的内容和要求填写。字迹工整，文字简练，数据齐全，图表规范，计算正确，分析充分、具体、定量。 二、教师评阅与装订要求 1.实验报告批改要深入细致，批改过程中要发现和纠正学生实验报告中的问题，给出评语和实验报告成绩，签名并注明批改日期。实验报告批改完成后，应采用适当的形式将学生实验报告中存在的问题及时反馈给学生。 2.实验报告成绩用百分制评定，并给出成绩评定的依据或评分标准（附于实验报告成绩登记表后）。对迟交实验报告的学生要酌情扣分，对缺交和抄袭实验报告的学生应及时批评教育，并对该次实验报告的分数以零分处理。对单独设课的实验课程，如学生抄袭或缺交实验报告达该课程全学期实验报告总次数三分之一以上，不得同意其参加本课程的考核。 3.各实验项目的实验报告成绩登记在实验报告成绩登记表中。本学期实验项目全部完成后，给定实验报告综合成绩。 4.独立设课的实验课程，实验报告综合成绩应按课程教学大纲规定比例（一般为10-15%）计入实验课总评成绩；实验总评成绩原则上应包括考勤、实验报告、考核（操作、理论）等多方面成绩； 5.非独立设课的实验课程，实验报告综合按教学大纲规定计入相关理论课程的总评成绩。 6.实验教师每学期负责对拟存档的学生实验报告按课程、学生收齐并装订，按如下顺序装订成册：实验报告封面、实验报告成绩登记表、实验报告成绩评定依据、实验报告（按教学进度表规定的实验项目顺序排序）。装订时统一靠左侧按“两钉三等分”原则装订。 7.根据课程性质，实验报告可提交电子版，但需要有教师的批改记录，并将电子版汇总后刻录在一张光盘上，并加上封面、实验报告成绩登记表、实验报告成绩评定依据。

材料力学实验报告实验报告

材料力学实验报告_实验报告_ 材料力学实验报告 材料力学实验报告不会写的话，下面请看给大家整理收集的材料力学实验报告相关内容，供大家阅读参考。材料力学实验报告格式 一、实验目的： 二、实验设备和仪器： 三、实验记录和处理结果： 四、实验原理和方法： 五、实验步骤及实验结果处理： 六、讨论：材料力学实验报告 一、用途 该实验台配上引伸仪，作为材料力学实验教学中测定材料弹性模量E实验用。 二、主要技术指标 1. 试样：Q235钢，直径d =10mm，标距l=100mm。 2. 载荷增量△F=1000N ①砝码四级加载，每个砝码重25N; ②初载砝码一个，重16N; ③采用1：40杠杆比放大。 3. 精度：一般误差小于5%。 三、操作步骤及注意事项 1. 调节吊杆螺母，使杠杆尾端上翘一些，使之与满载时关于水平位置大致对称。 注意：调节前，必须使两垫刀刃对正V型槽沟底，否则垫刀将由于受力不均而被压裂。 2. 把引伸仪装夹到试样上，必须使引伸仪不打滑。

①对于容易打滑的引伸仪，要在试样被夹处用粗纱布沿圆周方向打磨一下。②引伸仪为精密仪器，装夹时要特别小心，以免使其受损。③采用球铰式引伸仪时，引伸仪的架体平面与实验台的架体平面需成45o左右的角度。 3. 挂上砝码托。 4. 加上初载砝码，记下引伸仪的读数。 5. 分四次加等重砝码，每加一次记一次引伸仪的读数。 注意:加砝码时要缓慢放手，以使之为静载，并注意防止失落而砸伤人、物。 6. 实验完毕，先卸下砝码，再卸下引伸仪。 7. 加载过程中，要注意检查传力机构的零件是否受到干扰，若受干扰，需卸载调整。 四、计算试样横截面积A 应力增量 d24 F A 引伸仪放大倍数K=20xx 引伸仪读数 Ni(i0,1,2,3,4) 引伸仪读数差 NjNiNi1(j1,2,3,4) 引伸仪读数差的平均值 N平均14Nj 4j1 N平均 K试样在标距l段各级变形增量的平均值 l 应变增量 l l 材料的弹性模量 E

随机信号实验报告

随机过程实验报告 通信1206班 U201213696 马建强 一、实验内容 1、了解随机模拟的基本方法，掌握随机数的概念及其产生方法； 2、掌握伪随机数的产生算法以及伪随机数发生器的特点； 3、掌握一般随机数的产生方法； 4、掌握平稳随机过程的数字特征的求解方法。 二、实验步骤 1、利用线性同余法产生在（min，max）上精度为4位小数的平均分布的随机数； 2、编程实现在min 到max 范围内产生服从正态分布的随机数； 3、编程产生服从指数分布的随机数； 4、编程产生服从泊松分布的随机数； 5、计算任意给定分布的随机过程的均值； 6、计算泊松过程的自相关序列。 三、实验代码与结果 1、均匀分布 /* 函数功能，采用线性同余法，根据输入的种子数产生一个伪随机数. 如果种子不变，则将可以重复调用产生一个伪随机序列。 利用CMyRand类中定义的全局变量：S, K, N, Y。 其中K和N为算法参数，S用于保存种子数，Y为产生的随机数 */ unsigned int CMyRand::MyRand(unsigned int seed) { //添加伪随机数产生代码 if(S != seed) { S = seed; Y = (seed * K) % N; } else { Y = (Y * K) % N; if(Y == 0) Y = rand(); }

return Y; } /*函数功能，产生一个在min~max范围内精度为4位小数的平均分布的随机数*/ double CMyRand::AverageRandom(double min,double max) { int minInteger = (int)(min*10000); int maxInteger = (int)(max*10000); int randInteger = MyRand(seed); int diffInteger = maxInteger - minInteger; int resultInteger = randInteger % diffInteger + minInteger; return resultInteger/10000.0; } 图一、均匀分布

湖南大学应用随机实验报告

HUNAN UNIVERSITY 随机游走过程 学生姓名冯吉禹 学生学号20110806110 专业班级信息安全1101班 指导老师黄生叶 2013 年4 月 27日

1.实验原理 核心概念：任何无规则行走者所带的守恒量都各自对应着一个扩散运输定律。 无规则行走 无规则行走在任意尺度上都具有相似结构。例如一个在二维（d=2）格子上游动，每一定时间以相同概率移动到其相邻位置，其轨迹即二维随机轨迹，同样可以扩展到三维。举个例子，你取2 个硬币一个1 分，一个5 分。你每五秒，将2 个硬币掷一次，1 分硬币用于左右移动标记，5 分硬币用于前后移动标记，绘出路径就是你的二维无规则行走。假如你走了1000 步那么你回到起点的方式M0 有多少种？那么么必须正反面各500 次。即，对一个特定投币序列将投出正面的序号列出清单，清单包括500 个不同的整数这个量为：1000！/50 0！，而任意两张清单只在元素存在换序的差异，则实际上并无区别所以必须除以可能的置换数500！。M0=1000！/（500！×500！），“！”表示阶乘。回到原点的概率P0=M0/ M，这个概率满足二项式分布。对于所有M 种可能可以用斯特林公式：lnM！≈M lnM－M + ½l n(2πM)。通过计算我们知道回到起点的概率很低。 要想找出第1000 步后你走了多远，你可以列出1000 次投币的结果序列然后对所有（x 1000）的2次方求平均，得到1000 步后的均方位置；这显然太复杂，好在还有另外的方法。我们可以将所有2的N次方种可能行走一一配对，每一配对由相同的x（N-1 ）；{（N-1)为x的下脚标}的两个可能性相等的行走组成，只是最后一步不同。N 步随机性走的均方位移比N－1 步大a的2次方，后者又比N－2 步大a的2次方，均方位移=Na的2次方。a 为格子间隔，每一个格子点上游动的可能方向有2d 个（d 是格子维数）单位时间内游动的方差为D=a2/(2d)t ，D 为扩散系数（一些参考书中也用字母K 表示，a后面的2为次方，后面凡数字在字母后面都表示指数）。对于一维无规则行走的均方位移随时间线性增加2Kt，扩散常数D=a2/(2Δt)。这个逻辑可以推广到二维和三维。 2.实验目标 见课本P25 描述： 随机游走:一个醉汉在路上行走,以概率P前进一步,以概率1P后退一步(假定其步长相同)。以()Xt记他t时刻在路上的位置,则()Xt就是直线上的随机游走。本实验模拟实现一

组 合 变 形 实 验材料力学实验报告

组合变形实验 一．实验目的： 1.学习组合变形情况下的应力测定方法。 2.熟悉应变仪全桥测量原理及接桥方法 3.对在弯扭组合受力状态下的薄壁圆管，分别测定其弯曲正应力和扭转剪应力，并与理论值比较。 二．实验设备： 多功能实验台、程控静态电阻应变仪、数字测力仪。 三．试验原理： 1）参阅材料力学、工程力学课程的教材及其他相关材料。 2）组合变形实验装置如图： 测试的试样为薄壁圆管，其长度为，一端固定在铸铁框架上，另一端通过扇形加力臂上的钢丝绳对薄壁圆管试样施加载荷。在钢丝绳与加载手柄之间连接一个力传感器，通过数字测力计把传感器的信号显示出来。在试样的上下边缘对称位置，粘贴互相垂直的鱼尾应变花2片，如图所示。当试样受到F 力作用时，薄壁圆管试样上的应变片均受到弯曲与扭转应变，即 。在比例极限内，应力与应变之间存在着正比关系，即σ=E ·ε通过测得 的应变值便可计算出该点的应力数值。 在理论课中已经学习了强度理论，也了解受弯扭组合变形的应力状态，因此也就可以分析出各应变片感受的应变关系，我们利用电桥输出特性，通过巧妙的全桥接桥方式，就可以只测出由扭矩产生的应变或由弯矩产生的应变，即ε 读 =4ε 弯 或ε 读 =4ε 扭 ， 在测量由弯矩产生的应变时，根据应力状态理论可知 ，所以对于由弯 矩产生的0o 方向的应变即为 ，由虎克定律得到弯曲正应力 。 在测量由扭矩产生的应变时，取薄壁圆管试样上测点处单元体，如下图所示的应力状态 l W N εε±±04521εμ ε?-= o 45012 εμε-= o 0εσ?=E

其中有： ，在比例极限内，近似地 同时 ， 所以 故，由于，所以。 在弯扭组合变形实验中，使用的是互相垂直的鱼尾应变花，其贴片方向且与轴线成±450， 故α=45o ，则 ， 即γR =2ε 45 o 。 由剪切虎克定律得到扭转剪应力 。 四．实验步骤 1.量取试样相关尺寸，加载力臂， 2.根据电测原理、电桥输出特性，通过讨论分析弯曲正应变和扭转剪应变的全桥接桥方式。 3.按照第二步分析的结果，将应变片接入应变仪。 4.打开电源开关，当程序结束后，用通道切换键，找到你所接入的通道，按下“自动平衡”键使应变仪通道清零。 5. 打开测力计电源开关，确定档位（SCLY-2数字测力计选20KN 档，XL2116A 测力仪选N 档）。在确认没有给薄壁圆管试样梁加力的情况下，按下“清零”键。 6.逐级加载，每增加0.1KN 记录一次应变仪的读数，载荷加至0.4KN 后，卸载。 7.在完成弯曲应变测量后，从第三步重复，测量扭转应变。 五．实验记录 1.试样及装置的相关数据： 内径d= 外径D= 弯矩力臂R W = 扭矩力臂R N = 弹性模量E= 泊松比μ= 2.实验记录： R dy tg dx γ?= dx dy R ?= γαcos dx dl = αsin dy dl ?=?α αααα2sin 21cos sin cos sin dx dy dx dy dx dy dl dl ?=?=?=?αγ2sin 21R dl dl =?dl dl ?=αεαγεα2sin 21?=R R o γε2 1 45=R G γτ?=

随机过程实验报告全

随机过程实验报告学院专业学号姓名

实验目的 通过随机过程的模拟实验，熟悉随机过程编码规律以 及各种随机过程的实现方法，通过理论与实际相结合的方式，加深对随机过程的理解。 二、实验内容 （1）熟悉Matlab 工作环境，会计算Markov 链的n 步转移概率矩阵和Markov 链的平稳分布。 （2）用Matlab 产生服从各种常用分布的随机数，会调用matlab 自带的一些常用分布的分布律或概率密度。 （3）模拟随机游走。 （4）模拟Brown 运动的样本轨道的模拟。 （5）Markov 过程的模拟。 三、实验原理及实验程序 n 步转移概率矩阵 根据Matlab的矩阵运算原理编程，Pn = P A n o 已知随机游动的转移概率矩阵为： P = 0.5000 0.5000 0 0 0.5000 0.5000 0.5000 0 0.5000

求三步转移概率矩阵p3 及当初始分布为 P{x0 = 1} = p{x0 = 2} = 0, P{x0 = 3} = 1 时经三步转移后处于状态 3 的概率。 代码及结果如下： P = [0.5 0.5 0; 0 0.5 0.5; 0.5 0 0.5] % 一步转移概率矩阵 P3 = P A3 %三步转移概率矩阵 P3_3 = P3(3,3) %三步转移后处于状态的概率 1、两点分布x=0:1; y=binopdf(x,1,0.55); plot(x,y,'r*'); title(' 两点分 布'); 2、二项分布 N=1000;p=0.3;k=0:N; pdf=binopdf(k,N,p); plot(k,pdf,'b*'); title(' 二项分布'); xlabel('k'); ylabel('pdf'); gridon; boxon 3、泊松分布x=0:100; y=poisspdf(x,50); plot(x,y,'g.'); title(' 泊松分布') 4、几何分布 x=0:100; y=geopdf(x,0.2); plot(x,y,'r*'); title(' 几何分布'); xlabel('x'); ylabel('y'); 5、泊松过程仿真 5.1 % simulate 10 times clear; m=10; lamda=1; x=[]; for i=1:m s=exprnd(lamda,'seed',1); x=[x,exprnd(lamda)]; t1=cumsum(x); end [x',t1'] 5.2%输入：