随机信号分析与处理实验报告

随机信号分析与处理实

验

题目：对音频信号的随机处理

班级：0312412

姓名：肖文洲

学号：031241217

指导老师：钱楷

时间：2014年11月25日

实验目的：

1、学会利用MATLAB模拟产生各类随机序列。

2、熟悉和掌握随机信号数字特征估计的基本方法。

3、熟悉掌握MATLAB的函数及函数调用、使用方法。

4、学会在MATLAB中创建GUI文件。

实验内容：

1、选用任意一个音频信号作为实验对象，进行各种操作并画出信号和波形。

2、操作类型：

（1）、概率密度；

（2）、希尔伯特变换；

（3）、误差函数；

（4）、randn;

（5）、原始信号频谱；

（6）、axis；

（7）、原始信号；

（8）、normpdf;

（9）、unifpdf;

（10）、unifcdf;

（11）、raylpdf;

（12）、raylcdf;

（13）、exppdf;

（14）、截取声音信号的频谱；

（15）、expcdf;

（16）、periodogram;

（17）、weibrnd;

（18）、rand;

（19）、自相关函数；

（20）、截取信号的均方值。

实验步骤：

1、打开MATLAB软件，然后输入guide创建一个

GUI文件。

2、在已经创建好的GUI文件里面穿件所需要的.fig

面板（以学号姓名格式命名）。入下图所示：

图为已经创建好的.fig面板

3、右击“概率密度”，查看回调，然后点击“callback”.

在相应的位置输入程序。然后点击运行，出现下图：

4、依次对后续操作方式进行类似的操作。

5、当完成所有按键的“callback”后，出现的均为上

图。

实验程序：

function varargout = xiaowenzhou(varargin)

% XIAOWENZHOU M-file for xiaowenzhou.fig

% XIAOWENZHOU, by itself, creates a new XIAOWENZHOU or raises the existing

% singleton*.

%

% H = XIAOWENZHOU returns the handle to a new XIAOWENZHOU or the handle to

% the existing singleton*.

%

% XIAOWENZHOU('CALLBACK',hObject,eventData,handles,...) calls the local

% function named CALLBACK in XIAOWENZHOU.M with the given input arguments.

%

% XIAOWENZHOU('Property','Value',...) creates a new XIAOWENZHOU or raises the

% existing singleton*. Starting from the left, property value pairs are

% applied to the GUI before xiaowenzhou_OpeningFunction gets called. An

% unrecognized property name or invalid value makes property application

% stop. All inputs are passed to xiaowenzhou_OpeningFcn via varargin.

%

% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one

% instance to run (singleton)".

%

% See also: GUIDE, GUIDATA, GUIHANDLES

% Edit the above text to modify the response to help xiaowenzhou

% Last Modified by GUIDE v2.5 02-Dec-2014 23:14:41

% Begin initialization code - DO NOT EDIT

gui_Singleton = 1;

gui_State = struct('gui_Name', mfilename, ...

'gui_Singleton', gui_Singleton, ...

'gui_OpeningFcn', @xiaowenzhou_OpeningFcn, ...

'gui_OutputFcn', @xiaowenzhou_OutputFcn, ...

'gui_LayoutFcn', [] , ...

'gui_Callback', []);

if nargin && ischar(varargin{1})

gui_State.gui_Callback = str2func(varargin{1});

end

if nargout

[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});

else

gui_mainfcn(gui_State, varargin{:});

end

% End initialization code - DO NOT EDIT

% --- Executes just before xiaowenzhou is made visible.

function xiaowenzhou_OpeningFcn(hObject, eventdata, handles, varargin)

% This function has no output args, see OutputFcn.

% hObject handle to figure

% eventdata reserved - to be defined in a future version of MATLAB

% handles structure with handles and user data (see GUIDATA)

% varargin command line arguments to xiaowenzhou (see VARARGIN)

% Choose default command line output for xiaowenzhou

handles.output = hObject;

% Update handles structure

guidata(hObject, handles);

% UIWAIT makes xiaowenzhou wait for user response (see UIRESUME)

% uiwait(handles.figure1);

% --- Outputs from this function are returned to the command line. function varargout = xiaowenzhou_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT);

% hObject handle to figure

% eventdata reserved - to be defined in a future version of MATLAB

% handles structure with handles and user data (see GUIDATA)

% Get default command line output from handles structure

varargout{1} = handles.output;

% --- Executes on button press in pushbutton1.

function pushbutton1_Callback(hObject, eventdata, handles)

[y,Fs,bits]=wavread('í?·?.wav');

y=y(1:5000);

N=length(y);

i=1:N;

[f,i]=ksdensity(y);

plot(i,f);

grid;

xlabel('x');

ylabel('f(x)');

axis();

title('???ê?ü?è');

% hObject handle to pushbutton1 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB

% handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton2.

function pushbutton2_Callback(hObject, eventdata, handles)

x=wavread('í?·?.wav');

x=x(20000:40000);

y=hilbert(x);

y=real(y);

plot(x);

% hObject handle to pushbutton2 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton3.

function pushbutton3_Callback(hObject, eventdata, handles)

x=wavread('í?·?.wav');

x=randn(500,1);

plot(x);

% hObject handle to pushbutton3 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton4.

function pushbutton4_Callback(hObject, eventdata, handles)

x=wavread('í?·?.wav');

y=erf(x);

plot(y);

% hObject handle to pushbutton4 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton5.

function pushbutton5_Callback(hObject, eventdata, handles)

x=wavread('í?·?.wav');

plot(x);

axis([0 5000 -0.01 0.01]);

% hObject handle to pushbutton5 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton6.

x=wavread('í?·?.wav');

x=x(20000:40000);

plot(x);

% hObject handle to pushbutton6 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton7.

function pushbutton7_Callback(hObject, eventdata, handles)

x=wavread('í?·?.wav');

x=-6:0.01:7;

y=normpdf(x,1,2);

plot(y);

% hObject handle to pushbutton7 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton8.

function pushbutton8_Callback(hObject, eventdata, handles)

x=wavread('í?·?.wav');

x=0:0.1:5;

y=unifpdf(x,1,30);

plot(y);

% hObject handle to pushbutton8 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton9.

function pushbutton9_Callback(hObject, eventdata, handles)

x=wavread('í?·?.wav');

x=0:0.1:5;

y=unifcdf(x,1,5);

plot(y);

% hObject handle to pushbutton9 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton10.

x=wavread('í?·?.wav');

x=0:0.1:3;

y=raylpdf(x,2);

plot(y);

% hObject handle to pushbutton10 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton11.

function pushbutton11_Callback(hObject, eventdata, handles)

x=wavread('í?·?.wav');

x=0:0.1:3;

y=raylcdf(x,10);

plot(y);

% hObject handle to pushbutton11 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton12.

function pushbutton12_Callback(hObject, eventdata, handles)

x=wavread('í?·?.wav');

x=0:0.01:5;

y=exppdf(x,1);

plot(y);

% hObject handle to pushbutton12 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton13.

function pushbutton13_Callback(hObject, eventdata, handles)

x=wavread('í?·?.wav');

x=0:0.01:5;

y=expcdf(x,1);

plot(y);

% hObject handle to pushbutton13 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton14.

[y,Fs,bits]=wavread('í?·?.wav');

y1=y(1:1000);

t=0:1/Fs:1;

y1=periodogram(y1,[],1000,Fs);

plot(y1);

% hObject handle to pushbutton14 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton15.

function pushbutton15_Callback(hObject, eventdata, handles)

x=wavread('í?·?.wav');

x=0:0.01:5;

x=weibrnd(1,1.5,100,1);

plot(x);

% hObject handle to pushbutton15 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton16.

function pushbutton16_Callback(hObject, eventdata, handles)

x=wavread('í?·?.wav');

x=rand(200,1);

plot(x);

% hObject handle to pushbutton16 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton17.

function pushbutton17_Callback(hObject, eventdata, handles)

[x,Fs,bits]=wavread ('í?·?.wav');

x=x (:,1);

X=fft (x,4096);

magX=abs (X);

angX=angle (X);

plot (X); title ('?-ê?D?o??μ?×');

% hObject handle to pushbutton17 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton18.

function pushbutton18_Callback(hObject, eventdata, handles)

[y,Fs,bits]=wavread('í?·?.wav');

y=y(500:1000);

h=[ones(1,20) zeros(1,20)];

y2=conv(h,y);

stem(y2,'.');

grid;

title('??è?éùò?D?o?μ??í?y');

% hObject handle to pushbutton18 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton19.

function pushbutton19_Callback(hObject, eventdata, handles)

[y,Fs,bits]=wavread('í?·?.wav');

y=y(1:5000);

R=xcorr(y);

plot(R);

grid;

title('×??à1?oˉêy');

% hObject handle to pushbutton19 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)

% --- Executes on button press in pushbutton20.

function pushbutton20_Callback(hObject, eventdata, handles)

[y,Fs,bits]=wavread('í?·?.wav');

y=y(1:1000);

n=length(y);

x=randn(50,n);

square=zeros(1,50);

for i=1:50

for j=1:1000

square(i)=square(i)+x(i,j).^2;

end

square(i)=square(i)/1000;

end

RMS=sum(square)/30;

plot(square);

grid;

title('??è?éùò?D?o?μ??ù·??μ');

% hObject handle to pushbutton20 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB

% handles structure with handles and user data (see GUIDATA)

% --- Executes during object creation, after setting all properties. function pushbutton1_CreateFcn(hObject, eventdata, handles)

% hObject handle to pushbutton1 (see GCBO)

% eventdata reserved - to be defined in a future version of MATLAB

% handles empty - handles not created until after all CreateFcns called 实验结果：

（1）概率密度

（2）希尔伯特变换

（3）randn

（4）误差函数

（5）axis

（6）原始信号

（7）normpdfd

（8）unifpdf

（9）unifcdf

（10）raylpdf

（11）raylcdf

（12）exppdf

（13）截取声音信号的卷积

（14）expcdf

（15）periodogram

（16）weibrnd

（17）rand

（18）原始信号频谱

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： )(m od ,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、10 N 10,k 7==，周期7 510≈?； 2、（IBM 随机数发生器）31 16 N 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

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。

数字信号处理实验报告

数字信号处理作业提交日期：2016年7月15日

实验一 维纳滤波器的设计 第一部分 设计一维纳滤波器。 (1)产生三组观测数据，首先根据()(1)()s n as n w n =-+产生信号()s n ，将其加噪(信噪比分别为20,10,6dB dB dB )，得到观测数据123(),(),()x n x n x n 。 (2)估计()i x n ，1,2,3i =的AR 模型参数。假设信号长度为L ，AR 模型阶数为N ，分析实验结果，并讨论改变L ，N 对实验结果的影响。 1 实验原理 滤波技术是信号分析、处理技术的重要分支，无论是信号的获取、传输，还是信号的处理和交换都离不开滤波技术，它对信号安全可靠和有效灵活地传递是至关重要的。信号分析检测与处理的一个十分重要的内容就是从噪声中提取信号，实现这种功能的有效手段之一是设计一种具有最佳线性过滤特性的滤波器，当伴有噪声的信号通过这种滤波器的时候，它可以将信号尽可能精确地重现或对信号做出尽可能精确的估计，而对所伴随噪声进行最大限度地抑制。维纳滤波器就是这种滤波器的典型代表之一。 维纳（Wiener ）是用来解决从噪声中提取信号的一种过滤（或滤波）方法。这种线性滤波问题，可以看做是一种估计问题或一种线性估计问题。 设一线性系统的单位样本响应为()h n ，当输入以随机信号()x n ，且 ()() () x n s n v n =+，其中()s n 表示原始信号，即期望信号。()v n 表示噪声，则输出()y n 为()=()()m y n h m x n m -∑，我们希望信号()x n 经过线性系统()h n 后得到的()y n 尽可能接近 于()s n ，因此称()y n 为估计值，用?()s n 表示。 则维纳滤波器的输入-输出关系可用下面表示。 设误差信号为()e n ,则?()()()e n s n s n =-,显然)(n e 可能是正值，也可能是负值，并且它是一个随机变量。因此，用它的均方误差来表达误差是合理的，所谓均方误差最小即 它的平方的统计期望最小：222?[|()|][|()()|][|()()|]E e n E s n s n E s n y n =-=-=min 。而要使均方误差最小，则需要满足2[|()|]j E e n h ?=0. 进一步导出维纳-霍夫方程为：()()()()*(),0,1,2...xs xx xx i R m h i R m i R m h m m =-==∑ 写成矩阵形式为：xs xx R R h =，可知：1xs xx h R R -=。表明已知期望信号与观测数据的互相关函数以及观测信号的自相关函数时，可以通过矩阵求逆运算，得到维纳滤波器的

数字信号处理实验报告

一、实验名称：基本信号的产生 二、实验目的：I 利用MATLAB 产生连续信号并作图 II 利用MATLAB 产生离散序列并作图 III 利用MATLAB 进行噪声处理 三、 实验内容： I 利用MATLAB 产生下列连续信号并作图 ①X(t)=-2u(t-1),-1=0); plot(t,x); 图形如右： ② X(t)=-(e^-0.1t)*sin(2/3*t),0

-1.5-1 -0.5 0.5 1 1.5 2 II 利用MATLAB 产生下列离散序列并作图 ① X(t)=1,-5<=t<=5 else 0,-15<=t<=15 MATLAB 程序如下: k= -15: 15; x=[zeros(1,10),ones(1,11),zeros(1,10)]; stem(k,x) 图形如下： ② X(t)=0.9^k*(cos(0.25*pi*k)+sin(0.25*pi*p),-20

随机信号通过线性和非线性系统后地特性分析报告 实验报告材料

实验三 随机信号通过线性和非线性系统后的特性分析 一、实验目的 1、了解随机信号的均值、均方值、方差、自相关函数、互相关函数、概率密度、频谱及功率谱特性。 2、研究随机信号通过线性系统和非线性系统后的均值、均方值、方差、自相关函数、互相关函数、概率密度、频谱及功率谱有何变化，分析随机信号通过线性系统和非线性系统后的特性 二、实验仪器与软件平台 1、 微计算机 2、 Matlab 软件平台 三、实验步骤 1、 根据本实验内容和要求查阅有关资料，设计并撰写相关程序流程。 2、 选择matlab 仿真软件平台。 3、 测试程序是否达到设计要求。 4、 分析实验结果是否与理论概念相符 四、实验内容 1、 随机信号通过线性系统和非线性系统后的特性分析 （1）实验原理 ①随机信号的分析方法 在信号系统中，可以把信号分成两大类：确定信号和随机信号。确定信号具有一定的变化规律，二随机信号无一定的变化规律，需要用统计特性进行分析。在这里引入了一个随机过程的概念。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采样序列。随机过程可以分为平稳的和非平稳的，遍历的和非遍历的。如果随机信号的统计特性不随时间的推移而变化。则随机过程是平稳的。如果一个平稳的随机过程的任意一个样本都具有相同的统计特性。则随机过程是遍历的。下面讨论的随机过程都认为是平稳的遍历的随机过程，因此，可以随机取随机过程的一个样本值来描述随机过程中的统计特性。 随机过程的统计特性一般采用主要的几个平均统计特性函数来描述，包括、均方值、方差、自相关系数、互相关系数、概率密度、频谱及功率谱密度等。 a.随机过程的均值 均值E[x(t)]表示集合平均值或数学期望值。基于过程的各态历经行，可用时间间隔T 内的幅值平均值表示，即 ∑-==1 /)()]([N t N t x t x E 均值表达了信号变化的中心趋势，或称之为直流分量。

《数字信号处理》实验报告

数字信号处理》 实验报告 年级：2011 级班级：信通 4 班姓名：朱明贵学号： 111100443 老师：李娟 福州大学 2013 年11 月

实验一快速傅里叶变换(FFT)及其应用 一、实验目的 1. 在理论学习的基础上，通过本实验，加深对FFT的理解，熟悉MATLAB^的有关函数。 2. 熟悉应用FFT对典型信号进行频谱分析的方法。 3. 了解应用FFT进行信号频谱分析过程中可能出现的问题，以便在实际中正确应用FFT。 4. 熟悉应用FFT实现两个序列的线性卷积和相关的方法。 二、实验类型 演示型 三、实验仪器 装有MATLA爵言的计算机 四、实验原理 在各种信号序列中，有限长序列信号处理占有很重要地位，对有限长序列，我们可以 使用离散Fouier变换(DFT)。这一变换不但可以很好的反映序列的频谱特性，而且易于用快速算法在计算机上实现，当序列x(n)的长度为N时，它的DFT定义为： JV-1 $生 反变换为： 如-器冃吋 科— 有限长序列的DFT是其Z变换在单位圆上的等距采样，或者说是序列Fourier变换的等 距采样，因此可以用于序列的谱分析。 FFT并不是与DFT不同的另一种变换，而是为了减少DFT运算次数的一种快速算法。它 是对变换式进行一次次分解，使其成为若干小点数的组合，从而减少运算量。常用的FFT 是以2为基数的，其长度A - o它的效率高，程序简单，使用非常方便，当要变换的 序列长度不等于2的整数次方时，为了使用以2为基数的FFT，可以用末位补零的方法，使其长度延长至2的整数次方。 (一)在运用DFT进行频谱分析的过程中可能的产生三种误差 1 .混叠 序列的频谱是被采样信号频谱的周期延拓，当采样速率不满足Nyquist定理时，就会 发生频谱混叠，使得采样后的信号序列频谱不能真实的反映原信号的频谱。避免混叠现象的 唯一方法是保证采样速率足够高，使频谱混叠现象不致出现，即在确定采样频率之前，必须

数字信号处理实验报告

实验一MATLAB语言的基本使用方法 实验类别：基础性实验 实验目的： （1）了解MATLAB程序设计语言的基本方法，熟悉MATLAB软件运行环境。 （2）掌握创建、保存、打开m文件的方法，掌握设置文件路径的方法。 （3）掌握变量、函数等有关概念，具备初步的将一般数学问题转化为对应计算机模型并进行处理的能力。 （4）掌握二维平面图形的绘制方法，能够使用这些方法进行常用的数据可视化处理。 实验内容和步骤： 1、打开MATLAB，熟悉MATLAB环境。 2、在命令窗口中分别产生3*3全零矩阵，单位矩阵，全1矩阵。 3、学习m文件的建立、保存、打开、运行方法。 4、设有一模拟信号f(t)=1.5sin60πt,取?t=0.001,n=0,1,2,…,N-1进行抽样，得到 序列f(n),编写一个m文件sy1_1.m,分别用stem,plot,subplot等命令绘制32 点序列f(n)(N=32)的图形，给图形加入标注，图注，图例。 5、学习如何利用MATLAB帮助信息。 实验结果及分析： 1）全零矩阵 >> A=zeros(3,3) A = 0 0 0 0 0 0 0 0 0 2）单位矩阵 >> B=eye(3) B = 1 0 0 0 1 0 0 0 1 3）全1矩阵 >> C=ones(3) C = 1 1 1 1 1 1 1 1 1 4)sy1_1.m N=32; n=0:N-1; dt=0.001; t=n*dt; y=1.5*sin(60*pi*t); subplot(2,1,1), plot(t,y); xlabel('t'); ylabel('y=1.5*sin(60*pi*t)'); legend('正弦函数'); title('二维图形'); subplot(2,1,2), stem(t,y) xlabel('t'); ylabel('y=1.5*sin(60*pi*t)'); legend('序列函数'); title('条状图形'); 00.0050.010.0150.020.0250.030.035 t y = 1 . 5 * s i n ( 6 * p i * t ) 二维图形 00.0050.010.0150.020.0250.030.035 t y = 1 . 5 * s i n ( 6 * p i * t ) 条状图形

信号处理实验报告、

第一题 如何用计算机模拟一个随机事件，并估计随机事件发生的概率以计算圆周率π。 解： （一）蒙特卡洛方法可用于近似计算圆周率：让计算机每次随机生成两个0到1之间的数，看以这两个实数为横纵坐标的点是否在单位圆内。生成一系列随机点，统计单位圆内的点数与总点数，（圆面积和外切正方形面积之比为π：4），当随机点取得越多时，其结果越接近于圆周率。 代码： N=100000000; x=rand(N,1); y=rand(N,1); count=0; for i=1:N if (x(i)^2+y(i)^2<=1) count=count+1; end end PI=vpa(4*count/N,10) PI = 3.1420384

蒙特卡洛法实验结果与试验次数相关，试验次数增加，结果更接近理论值 （二）18世纪，法国数学家布丰和勒可莱尔提出的“投针问题”，记载于布丰1777年出版的著作中：“在平面上画有一组间距为d的平行线，将一根长度为l （l

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。

数字信号处理期末综合实验报告

数字信号处理综合实验报告 实验题目：基于Matlab的语音信号去噪及仿真 专业名称： 学号： 姓名： 日期： 报告内容： 一、实验原理 1、去噪的原理 1.1 采样定理 在进行模拟/数字信号的转换过程中，当采样频率fs.max大于信号中，最高频率fmax的2倍时，即：fs.max>=2fmax,则采样之后的数字信号完整地保留了原始信号中的信息，一般实际应用中保证采样频率为信号最高频率的5～10倍；采样定理又称奈奎斯特定理。1924年奈奎斯特(Nyquist)就推导出在理想低通信道的最高大码元传输速率的公式: 理想低通信道的最高大码元传输速率=2W*log2 N (其中W是理想低通信道的带宽,N是电平强度)为什么把采样频率设为8kHz?在数字通信中，根据采样定理, 最小采样频率为语音信号最高频率的

2倍 频带为F的连续信号f(t)可用一系列离散的采样值f(t1),f(t1±Δt)，f(t1±2Δt)，...来表示,只要这些采样点的时间间隔Δt≤1/2F，便可根据各采样值完全恢复原来的信号f(t)。这是时域采样定理的一种表述方式。 时域采样定理的另一种表述方式是：当时间信号函数f(t)的最高频率分量为fM时,f(t)的值可由一系列采样间隔小于或等于1/2fM的采样值来确定,即采样点的重复频率f≥2fM。图为模拟信号和采样样本的示意图。 时域采样定理是采样误差理论、随机变量采样理论和多变量采样理论的基础。对于时间上受限制的连续信号f(t)（即当│t│>T时,f(t)=0,这里T=T2-T1是信号的持续时间），若其频谱为F（ω）,则可在频域上用一系列离散的采样值 （1-1） 采样值来表示,只要这些采样点的频率间隔 （1-2） 。 1.2 采样频率 采样频率，也称为采样速度或者采样率，定义了每秒从连续信号中提取并组成离散信号的采样个数，它用赫兹（Hz）来表示。采样频率的倒数是采样周期或者叫作采样时间，它是采样之间的时间间隔。通俗的讲采样频率是指计算

数字信号处理实验报告一

武汉工程大学 数字信号处理实验报告 姓名：周权 学号：1204140228 班级：通信工程02

一、实验设备 计算机，MATLAB语言环境。 二、实验基础理论 1.序列的相关概念 2.常见序列 3.序列的基本运算 4.离散傅里叶变换的相关概念 5.Z变换的相关概念 三、实验内容与步骤 1.离散时间信号（序列）的产生 利用MATLAB语言编程产生和绘制单位样值信号、单位阶跃序列、指数序列、正弦序列及随机离散信号的波形表示。 四实验目的 认识常用的各种信号，理解其数字表达式和波形表示，掌握在计算机中生成及绘制数字信号波形的方法，掌握序列的简单运算及计算机实现与作用，理解离散时间傅里叶变换，Z变换及它们的性质和信号的频域分

实验一离散时间信号（序列）的产生 代码一 单位样值 x=2; y=1; stem(x,y); title('单位样值 ') 单位阶跃序列 n0=0; n1=-10; n2=10; n=[n1:n2]; x=[(n-n0)>=0]; stem(n,x); xlabel('n'); ylabel('x{n}'); title('单位阶跃序列');

实指数序列 n=[0:10]; x=(0.5).^n; stem(n,x); xlabel('n'); ylabel('x{n}'); title('实指数序列');

正弦序列 n=[-100:100]; x=2*sin(0.05*pi*n); stem(n,x); xlabel('n'); ylabel('x{n}'); title('正弦序列');

随机序列 n=[1:10]; x=rand(1,10); subplot(221); stem(n,x); xlabel('n'); ylabel('x{n}'); title('随机序列');

哈尔滨工程大学 语音信号处理实验报告

实 验 报 告 实验课程名称： 语音信号处理实验 姓名： 班级： 20120811 学号： 指导教师 张磊 实验教室 21B#293 实验时间 2015年4月12日 实验成绩 实验序号 实验名称 实验过程 实验结果 实验成绩 实验一 语音信号的端点检测 实验二 语音信号的特征提取 实验三 语音信号的基频提取

实验一 语音信号的端点检测 一、实验目的 1、掌握短时能量的求解方法 2、掌握短时平均过零率的求解方法 3、掌握利用短时平均过零率和短时能量等特征，对输入的语音信号进行端点检测。 二、实验设备 HP 计算机、Matlab 软件 三、实验原理 1、短时能量 语音信号的短时能量分析给出了反应这些幅度变化的一个合适的描述方法。对于信号)}({n x ，短时能量的定义如下： ∑ ∑∞ -∞ =∞ -∞ =*=-= -= m m n n h n x m n h m x m n w m x E )()()()()]()([222 2、短时平均过零率 短时平均过零率是指每帧内信号通过零值的次数。对于连续语音信号，可以 考察其时域波形通过时间轴的情况。对于离散信号，实质上就是信号采样点符号变化的次数。过零率在一定程度上可以反映出频率的信息。短时平均过零率的公式为： ∑∑-+=∞ -∞=--= ---=1)] 1(sgn[)](sgn[2 1 ) ()]1(sgn[)](sgn[21N n n m w w m n m x m x m n w m x m x Z 其中，sgn[.]是符号函数，即 ? ? ?<-≥=0)(10)(1 )](sgn[n x n x n x

随机信号分析实验报告(基于MATLAB语言)

随机信号分析实验报告 ——基于MATLAB语言 姓名： _ 班级： _ 学号： 专业：

目录 实验一随机序列的产生及数字特征估计 (2) 实验目的 (2) 实验原理 (2) 实验内容及实验结果 (3) 实验小结 (6) 实验二随机过程的模拟与数字特征 (7) 实验目的 (7) 实验原理 (7) 实验内容及实验结果 (8) 实验小结 (11) 实验三随机过程通过线性系统的分析 (12) 实验目的 (12) 实验原理 (12) 实验内容及实验结果 (13) 实验小结 (17) 实验四窄带随机过程的产生及其性能测试 (18) 实验目的 (18) 实验原理 (18) 实验内容及实验结果 (18) 实验小结 (23) 实验总结 (23)

实验一随机序列的产生及数字特征估计 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。 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， U(0,1)。即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： y0=1，y n=ky n(mod N) ? x n=y n N 序列{x n}为产生的(0,1)均匀分布随机数。 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 X=F x?1(R) 2.MATLAB中产生随机序列的函数 (1)(0,1)均匀分布的随机序列函数：rand 用法：x = rand(m,n) 功能：产生m×n 的均匀分布随机数矩阵。 (2)正态分布的随机序列 函数：randn 用法：x = randn(m,n) 功能：产生m×n 的标准正态分布随机数矩阵。 如果要产生服从N(μ,σ2)分布的随机序列，则可以由标准正态随机序列产生。 (3)其他分布的随机序列 分布函数分布函数 二项分布binornd 指数分布exprnd 泊松分布poissrnd 正态分布normrnd 离散均匀分布unidrnd 瑞利分布raylrnd 均匀分布unifrnd X2分布chi2rnd 3.随机序列的数字特征估计 对于遍历过程，可以通过随机序列的一条样本函数来获得该过程的统计特征。这里我们假定随机序列X(n)为遍历过程，样本函数为x(n)，其中n=0,1,2,……N-1。那么，

随机信号分析实验报告二 2

《随机信号分析》实验报告二 班级： 学号： 姓名：

实验二高斯噪声的产生和性能测试 １．实验目的 （1）掌握加入高斯噪声的随机混合信号的分析方法。 （2）研究随机过程的均值、相关函数、协方差函数和方差。 ⒉实验原理 （1）利用随机过程的积分统计特性，给出随机过程的均值、相关函数、协方差函数和方差。 （2）随机信号均值、方差、相关函数的计算公式，以及相应的图形。 ⒊实验报告要求 （1）简述实验目的及实验原理。 （2）采用幅度为1，频率为25HZ的正弦信号错误!未找到引用源。为原信号，在其中加入均值为2，方差为0.04的高斯噪声得到混合随机信号X(t)。 试求随机过程 的均值、相关函数、协方差函数和方差。用MATLAB进行仿真，给出测试的随机过程的均值、相关函数、协方差函数和方差图形，与计算的结果作比较，并加以解释。 （3）分别给出原信号与混合信号的概率密度和概率分布曲线，并以图形形式分别给出原信号与混合信号均值、方差、相关函数的对比。 （4）读入任意一幅彩色图像，在该图像中加入均值为0，方差为0.01的高斯噪声，请给出加噪声前、后的图像。 （5）读入一副wav格式的音频文件，在该音频中加入均值为2，方差为0.04的高斯噪声，得到混合随机信号X(t)，请给出混合信号X(t)的均值、相关函数、协方差函数和方差，频谱及功率谱密度图形。 4、源程序及功能注释 （2）源程序： clear all; clc; t=0:320; %t=0:320 x=sin(2*pi*t/25); %x=sin(2*p1*t/25) x1=wgn(1,321,0); %产生一个一行32列的高斯白噪声矩阵，输出的噪声强度为0dbw

数字信号处理实验报告

语音信号的数字滤波 一、实验目的： 1、掌握使用FFT进行信号谱分析的方法 2、设计数字滤波器对指定的语音信号进行滤波处理 二、实验内容 设计数字滤波器滤除语音信号中的干扰（4 学时） 1、使用Matlab的fft函数对语音信号进行频谱分析，找出干扰信号的频谱； 2、设计数字滤波器滤除语音信号中的干扰分量，并进行播放对比。 三、实验原理 通过观察原语音信号的频谱，幅值特别大的地方即为噪声频谱分量，根据对称性，发现有四个频率的正弦波干扰，将它们分别滤掉即可。采用梳状滤波器，经过计算可知，梳状滤波器h[n]={1，A，1}的频响|H(w)|=|A+2cos(w)|，由需要滤掉的频率分量的频响w,即可得到A，进而得到滤波器的系统函数h[n]。而由于是在离散频域内进行滤波，所以令w=(2k*pi/N)即可。 对原信号和四次滤波后的信号分别进行FFT变换，可以得到它们的幅度相应。最后，将四次滤波后的声音信号输出。 四、matlab代码 clc;clear;close all; [audio_data,fs]=wavread('SunshineSquare.wav'); %读取未处理声音 sound(audio_data,fs); N = length(audio_data); K = 0:2/N:2*(N-1)/N; %K为频率采样点

%sound(audio_data,fs); %进行一次FFT变换 FFT_audio_data=fft(audio_data); mag_FFT_audio_data = abs(FFT_audio_data); %画图 figure(1) %原信号时域 subplot(2,1,1);plot(audio_data);grid; title('未滤波时原信号时域');xlabel('以1/fs为单位的时间');ylabel('采样值'); %FFT幅度相位 subplot(2,1,2);plot(K,mag_FFT_audio_data);grid; title('原信号幅度');xlabel('以pi为单位的频率');ylabel('幅度'); %构造h[n]={1，A，1}的梳状滤波器，计算A=2cosW，妻子W为要滤掉的频率%由原信号频谱可知要分四次滤波，滤掉频响中幅度大的频率分量 %第一次滤波 a = [1,0,0,0];%y[n]的系数 [temp,k]=max(FFT_audio_data); A1=-2*cos(2*pi*k/N); h1=[1,A1,1]; audio_data_h1 = filter(h1,a,audio_data); FFT_audio_data_h1=fft(audio_data_h1);

工程信号处理实验报告

( 2011-2012 学年 第二学期) 重庆理工大学研究生课程论文 课程论文题目： 《工程信号处理实验报告》 课程名称 工程信号处理实验 课程类别 □学位课 非学位课 任课教师 谢明 所在学院 汽车学院 学科专业 机械设计及理念 姓名 李文中 学 号 50110802313 提交日期 2012年4月12日

工程信号处理实验报告 姓名：李文中学号：50110802313 实验报告一 实验名称：数据信号采集及采样参数选定 1实验目的 1.1了解信号采集系统的组成，初步掌握信号采集系统的使用。 1.2加深对采样定理的理解，掌握采样参数的选择方法 1.3了解信号采集在工程信号处理中的实际应用，及注意事项。 2 实验原理 2.1 模数转换及其控制 对模拟信号进行采集，就是将模拟信号转换为数字信号，即模/数（A/D）转换，然后送入计算机或专用设备进行处理。模数转换包括三个步骤：（1）采样，（2）量化，（3）编码。采样，是对已知的模拟信号按一定的间隔抽出一个样本数据。若间隔为一定时间 T，则称这种采样为等时间间隔采样。除特别注明外，一般都采用等时间间隔采样；量化，是一种用有限字长的数字量逼近模拟量的过程。编码，是将已经量化的数字量变为二进制数码，因为数字处理器只能接受有限长的二进制数。模拟信号经过这三步转换后，变成了时间上离散、幅值上量化的数字信号。A/D转换器是完成这三个步骤的主要器件。 在信号采集系统中，A/D 转换器与计算机联合使用完成模数转换。用计算机的时钟或用软件产生等间隔采样脉冲控制 A/D 转换器采样。A/D 转换器通过内部电路进行量化与编码，输出有限长的二进制代码。信号采集系统中，通常由以 A/D转换器为核心的接口电路及控制软件，进行信号采集控制。 *注这部分是由本实验所用的信号采集器自动完成的，以上也是实验器材-信号采集器的部分工作原理。以后实验中就不再赘述。 2.2 信号采集的参数选择

信号处理实验报告

数字信号处理 第四次实验报告 一、 实验目的 1.了解离散系统的零极点与系统因果性能和稳定性的关系 2.观察离散系统零极点对系统冲激响应的影响 3.熟悉MATLAB 中进行离散系统零极点分析的常用子函数 4.加深对离散系统的频率响应特性基本概念的理解 5.了解离散系统的零极点与频响特性之间的关系 6.熟悉MATLAB 中进行离散系统分析频响特性的常用子函数，掌握离散系统幅频响应和相频响应的求解方法。 二、实验过程 9.2已知离散时间系统函数分别为 ) 7.05.0)(7.05.0(3 .0)(1j z j z z z H ++-+-= )1)(1(3 .0)() 8.06.0)(8.06.0(3 .0)(32j z j z z z H j z j z z z H ++-+-= ++-+-= 求这些系统的零极点分布图以及系统的冲击响应，并判断系统因果稳定性。 %---------第一式-----------------------------------------------------------------------------% z1=[0.3,0]';p1=[-0.5+0.7j,-0.5-0.7j]';k=1; %z1零点向量矩阵，p1极点向量矩阵,k 系统增益系数---------------------------% [bl,al]=zp2tf(z1,p1,k); %将零极点增益函数转换为系统传递函数 subplot(3,2,1),zplane(bl,al); %zplane 显示离散系统的零极点分布图 ylabel('极点在单位圆内'); subplot(3,2,2),impz(bl,al,20); %impz 绘制系统的冲激响应图 %---------第二式-----------------------------------------------------------------------------% z2=[0,3,0]';p2=[-0.6+0.8j,-0.6-0.8j]'; %z2零点向量矩阵，p2极点向量矩阵---------------------------------------------------% [b2,a2]=zp2tf(z2,p2,k); %将零极点增益函数转换为系统传递函数 subplot(3,2,3),zplane(b2,a2); %zplane 显示离散系统的零极点分布图 ylabel('极点在单位圆上'); subplot(3,2,4),impz(b2,a2,20); %impz 绘制系统的冲激响应图 %---------第三式-----------------------------------------------------------------------------%

数字信号处理综合设计实验报告

数字信号处理实验八 调制解调系统的实现 一、实验目的: （1）深刻理解滤波器的设计指标及根据指标进行数字滤波器设计的过程（2）了解滤波器在通信系统中的应用 二、实验步骤: 1.通过SYSTEMVIEW软件设计与仿真工具，设计一个FIR数字带通滤波器，预先给定截止频率和在截止频率上的幅度值，通过软件设计完后，确认滤波器的阶数和系统函数，画出该滤波器的频率响应曲线，进行技术指标的验证。 建立一个两载波幅度调制与解调的通信系统，将该滤波器作为两个载波分别解调的关键部件，验证其带通的频率特性的有效性。系统框图如下： 规划整个系统，确定系统的采样频率、观测时间、细化并设计整个系统，仿真调整并不断改进达到正确调制、正确滤波、正确解调的目的。（参考文件

zhan3.svu） （1）检查滤波器的波特图，看是否达到预定要求； （2）检查幅度调制的波形以及相加后的信号的波形与频谱是否正常； （3）检查解调后的的基带信号是否正常，分析波形变形的原因和解决措施；（4）实验中必须体现带通滤波器的物理意义和在实际中的应用价值。 2.熟悉matlab中的仿真系统； 3.将1.中设计的SYSTEMVIEW（如zhan3.svu）系统移植到matlab中的仿真环境中，使其达到相同的效果； 4.或者不用仿真环境，编写程序实现该系统，并验证调制解调前后的信号是否一致。 实验总共提供三个单元的时间（6节课）给学生，由学生自行学习和自行设计与移植 三、系统设计 本系统是基于matlab的simulink仿真软件设计的基带信号调制与解调的系统，利用matlab自带的数字信号仿真模块构成其原理框图并通过设置载波、带通滤波器以及低通滤波器等把基带信号经过载波调制后再经乘法器、带通滤波器和低通滤波器等电路系统能解调出基带信号。 1、实验原理框图

数字信号处理实验报告(同名22433)

《数字信号处理》 实验报告 课程名称：《数字信号处理》 学院：信息科学与工程学院 专业班级：通信1502班 学生姓名：侯子强 学号：0905140322 指导教师：李宏 2017年5月28日

实验一 离散时间信号和系统响应 一. 实验目的 1. 熟悉连续信号经理想采样前后的频谱变化关系，加深对时域采样定理的理解 2. 掌握时域离散系统的时域特性 3. 利用卷积方法观察分析系统的时域特性 4. 掌握序列傅里叶变换的计算机实现方法，利用序列的傅里叶变换对离散信号及系统响应进行频域分析 二、实验原理 1. 采样是连续信号数字化处理的第一个关键环节。对采样过程的研究不仅可以了解采样前后信号时域和频域特性的变化以及信号信息不丢失的条件，而且可以加深对离散傅里叶变换、Z 变换和序列傅里叶变换之间关系式的理解。 对连续信号()a x t 以T 为采样间隔进行时域等间隔理想采样，形成采样信号： ?()()()a a x t x t p t = 式中()p t 为周期冲激脉冲，$()a x t 为()a x t 的理想采样。 ()a x t 的傅里叶变换为μ ()a X j Ω： 上式表明将连续信号()a x t 采样后其频谱将变为周期的，周期为Ωs=2π/T 。也即采样信 号的频谱μ()a X j Ω是原连续信号xa(t)的频谱Xa(jΩ)在频率轴上以Ωs 为周期，周期延拓而成 的。因此，若对连续信号()a x t 进行采样，要保证采样频率fs ≥2fm ，fm 为信号的最高频率，才可能由采样信号无失真地恢复出原模拟信号 计算机实现时，利用计算机计算上式并不方便，因此我们利用采样序列的傅里叶变换来实现，即 ()() n P t t nT δ∞ =-∞ = -∑μ1()()*() 21 ()n a a a s X j X j P j X j jn T π∞ =-∞ Ω=ΩΩ= Ω-Ω∑μ()()|j a T X j X e ωω=ΩΩ=

随机信号分析实验报告

H a r b i n I n s t i t u t e o f T e c h n o l o g y 实验报告 课程名称：随机信号分析 院系：电子与信息工程学院班级： 姓名： 学号： 指导教师： 实验时间： 实验一、各种分布随机数的产生

（一）实验原理 1.均匀分布随机数的产生原理 产生伪随机数的一种实用方法是同余法，它利用同余运算递推产生伪随机数序列。最简单的方法是加同余法 )(mod 1M c y y n n +=+ M y x n n 1 1++= 为了保证产生的伪随机数能在[0,1]内均匀分布，需要M 为正整数，此外常数c 和初值y0亦为正整数。加同余法虽然简单，但产生的伪随机数效果不好。另一种同余法为乘同余法，它需要两次乘法才能产生一个[0,1]上均匀分布的随机数 )(mod 1M ay y n n =+ M y x n n 1 1++= 式中，a 为正整数。用加法和乘法完成递推运算的称为混合同余法，即 )(mod 1M c ay y n n +=+ M y x n n 1 1++= 用混合同余法产生的伪随机数具有较好的特性，一些程序库中都有成熟的程序供选择。 常用的计算语言如Basic 、C 和Matlab 都有产生均匀分布随机数的函数可以调用，只是用各种编程语言对应的函数产生的均匀分布随机数的范围不同，有的函数可能还需要提供种子或初始化。 Matlab 提供的函数rand()可以产生一个在[0,1]区间分布的随机数， rand(2,4)则可以产生一个在[0,1]区间分布的随机数矩阵，矩阵为2行4列。Matlab 提供的另一个产生随机数的函数是random('unif',a,b,N,M)，unif 表示均匀分布，a 和b 是均匀分布区间的上下界，N 和M 分别是矩阵的行和列。 2.随机变量的仿真 根据随机变量函数变换的原理，如果能将两个分布之间的函数关系用显式表达，那么就可以利用一种分布的随机变量通过变换得到另一种分布的随机变量。 若X 是分布函数为F(x)的随机变量，且分布函数F(x)为严格单调升函数，令Y=F(X)，则Y 必为在[0,1]上均匀分布的随机变量。反之，若Y 是在[0,1]上 均匀分布的随机变量，那么)(1 Y F X X -= 即是分布函数为FX(x)的随机变量。式中F X -?1 ()为F X ()?的反函数。这样，欲求某个分布的随机变量，先产生在[0,1]区间上的均匀分布随机数，再经上式变 换，便可求得所需分布的随机数。 3.高斯分布随机数的仿真 广泛应用的有两种产生高斯随机数的方法，一种是变换法，一种是近似法。 如果X1,X2是两个互相独立的均匀分布随机数，那么下式给出的Y1,Y2