随机信号马尔可夫仿真
随即信号分析仿真
专业：电子信息工程
实验一、离散时间马尔科夫链仿真
1.源程序：见附录shiyanyi.m 文件
2.实验步骤：
(a)设置初始状态X0，令时刻n=1，当前状态i=1；
(b)生成u ，利用条件分布{Pi1，Pi2,,,,PiI}，计算Yi 并令Xi=Yi ；
(c)如果n Pi2,,,,PiI} 计算Yi ，令n=n+1并令Xn=Yi ；如果n>=N 则停止。 （调用while 循环两次） (d)回到第三步继续循环。 最后算法运行得到的Xn 与n 之间的关系即为马尔可夫链的一个样本函数。 3.程序运行截图： 10 20 30 40 5060 70 80 90 100 00.511.522.53 3.54 4.55 步长n x (n ) 4.实验一分析总结：仿真图得到与实际理论图一样，满足离散时间马尔 科夫链。总结：这个实验用到了两次循环，内循环是找出符合要求的j 值，外重循环是判断n 是否小于N ，然后重复。 实验二、泊松过程仿真 1.源程序：见附录 shiyaner.m 文件 2.实验步骤： (a)令当前时刻t=0，泊松事件计数值N=0。 (b) 生成U ，令 。 (c) 令t=t+E ，N=N+1并且设tN=t ，如果t>T ，则停止。 （此步处用一个while 循环实现，判断条件是t>T ） (d)回到第2步继续循环。 最后，算法运行得到的N 与tN 之间的关系即为泊松过程的一个样本函数。 3.运行截图： 05 1015 5 10 15 20 25 30 时间t 计数器N （t ） 4.实验二分析总结：程序每产生一个指数分布随机数E ，行坐标时间t 就增加 E ，纵坐标N 也相应的增加1.得到如上图的泊松过程的一个仿真图，实验现象与实际相符合。程序中也是将时间t 和N 各存在一个数组中，然后调用画图阶梯函数stairs()。 实验三、关于布朗运动的仿真 1.源程序：见附录 shiyansan.m 文件 2.实验步骤： (a)设初始状态W=0，t0=0，n=1。 (b) 如果n 如果n>=N ，停止。 （用一个while 循环实现，判断条件是n 3.运行截图： 0102030 405060708090 -30 -20 -10 10 2030 40 时间点数t 布朗运动过程 4.实验三分析总结：得到的实验现象与理论分析的一致。具体，程序在每次 循环开始就调用normrnd产生一个正态分布随机数，根据所给公式产生一个增量W作为纵坐标的数值，横坐标为以一定间隔dt增加的时间t。其中程序中也是将时间t和W各存在一个数组中，然后调用画图函数plot()。 实验心得：通过本次随机信号分析课后实验，不仅自己在课后主动的翻阅复 习了离散时间马尔科夫链、泊松过程、布朗运动的相关内容，通过实验现象加深对它们在宏观上的理解，而且通过应用matlab软件编程，也提高了自己对matlab 编程的能力，对自己的很多方面的都有很大的提高。 附件： %实验二关于泊松过程仿真 %************************************** %样本函数一源程序 T=10; %设置步长T为10 t=0; %初始化变量时间t为0 N=0; %计数器N初始化为0 n=0; %计数器初始化为0 x=2; %设置参数 while t u=rand(); %产生一个随机数u E=-log(u)/x; %获得一个指数分布随机数 n=n+1; %计数器加1 t=t+E; %t加e，作为今后的判断条件 t1(n)=t; %将时间t存在一个数组中 N=N+1;%计数器N加1 N1(n)=N; %将N存在一个数组中 end %************************************** %样本函数二源程序 T=10; %设置步长T为10 t=0; %初始化变量时间t为0 N=0; %计数器N初始化为0 n=0; %计数器初始化为0 x=2; %设置参数 while t u=rand(); %产生一个随机数u E=-log(u)/x; %获得一个指数分布随机数 n=n+1; %计数器加1 t=t+E; %t加e，作为今后的判断条件 t2(n)=t; %将时间t存在一个数组中 N=N+1;%计数器N加1 N2(n)=N; %将N存在一个数组中 end %************************************** %样本函数三源程序 T=10; %设置步长T为10 t=0; %初始化变量时间t为0 N=0; %计数器N初始化为0 n=0; %计数器初始化为0 x=2; %设置参数 while t u=rand(); %产生一个随机数u E=-log(u)/x; %获得一个指数分布随机数 n=n+1; %计数器加1 t=t+E; %t加e，作为今后的判断条件 t3(n)=t; %将时间t存在一个数组中 N=N+1;%计数器N加1 N3(n)=N; %将N存在一个数组中 end stairs(t1,N1),hold on, stairs(t2,N2,'r'),hold on,stairs(t3,N3,'g');%调用stairs函数画图legend('样本函数一','样本函数二','样本函数三'); axis([0 15 0 30]);xlabel('时间t');ylabel('计数器N（t）'); %标记x、y轴 %实验三关于布朗运动的仿真 %************************************************* %样本函数一源程序 W=0; %初始状态W的初始化 t=0; %时间t的初始化 n=1; %计数器n的初始化为1 N=100; %给定时间步长100个时间点 dt=0.9; %设定时间间隔并初始化 while n Z=normrnd(0,2); %产生一个正态随机数 W=W+sqrt(dt)*Z; %每一个正态随机数对应产生的增量 W1(n)=W; %将增量放在一个数组中 t=t+dt; %时间循环增加dt t1(n)=t; %每一个相应的时刻存在一个数组中 n=n+1; %计数器加1 end %****************************************************** %样本函数二源程序 W=0; %初始状态W的初始化 t=0; %时间t的初始化 n=1; %计数器n的初始化为1 N=100; %给定时间步长100个时间点 dt=0.9; %设定时间间隔并初始化 while n Z=normrnd(0,2); %产生一个正态随机数 W=W+sqrt(dt)*Z; %每一个正态随机数对应产生的增量 W2(n)=W; %将增量放在一个数组中 t=t+dt; %时间循环增加dt t2(n)=t; %每一个相应的时刻存在一个数组中 n=n+1; %计数器加1 end %*************************************************** %样本函数三源程序 W=0; %初始状态W的初始化 t=0; %时间t的初始化 n=1; %计数器n的初始化为1 N=100; %给定时间步长100个时间点 dt=0.9; %设定时间间隔并初始化 while n Z=normrnd(0,2); %产生一个正态随机数 W=W+sqrt(dt)*Z; %每一个正态随机数对应产生的增量 W3(n)=W; %将增量放在一个数组中 t=t+dt; %时间循环增加dt t3(n)=t; %每一个相应的时刻存在一个数组中 n=n+1; %计数器加1 end plot(t1,W1),hold on, plot(t2,W2,'r'),hold on,plot(t3,W3,'g'); legend('样本函数一','样本函数二','样本函数三'); xlabel('时间点数t');ylabel('布朗运动过程'); %实验一、关于离散时间马尔科夫链仿真 %************************************* i=1; %设置当前第一个状态i为1 j=1; %设置初始状态 N=100; %设定步长N n=0; %n初始化，对计数器n清零 s=0; %累加器初始化清零 p=[0.2 0.3 0.5;0.5 0.1 0.4;0.6 0.2 0.2]; %p为一个3X3维矩阵 while n n=n+1; %计数器n加1 u=rand(); %每次循环产生一个随机数 i=j; %将j赋给i,接下来执行第i行 q(n)=i; %将x(n)放在一个一维数组中 j=1; %每一次外循环后再次对j初始化赋值为1 s=0; %依次循环后，累加器清零 while j<=size(p,2)&& u>s %内重循环，找出符合要求的j值 s=s+p(i,j); %概率和不断累加 j=j+1; %计数器j加1 end %内重循环结束 j=j-1; %得到符合要求的j，也即为Y(i) end stairs(q); %调用画图阶梯函数 axis([0 100 0 5]); %标注输出的图线的最大值最小值。 xlabel('步长n');ylabel('x(n)');legend('样本函数1'); %标记x、y轴，并对图像做注释 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。 中天会计事务所马尔可夫模型例题一、问题分析 中天会计事务所由于公司业务日益繁忙，常造成公司事务工作应接不暇，解决该公司出现的这种问题的有效办法是要实施人力资源的供给预测技术。根据对该公司材料的深入分析，可采用马尔可夫模型这一供给预测方法对该事务所的人力资源状况进行预测。 马尔可夫分析法是一种统计方法，其方法的基本思想是：找出过去人力资源变动的规律，用以来推测未来人力变动的趋势。马尔可夫分析法适用于外在环境变化不大的情况下，如果外在环境变化较大的时候这种方法则难以用过去的经验情况预测未来。马尔可夫分析法的分析过程通常是分几个时期来收集数据，然后在得出平均值，利用这些数据代表每一种职位的人员变动频率，就可以推测出人员的变动情况。 二、项目策划 （一）第一步是编制人员变动概率矩阵表。 根据公司提供的内部资料：公司的各职位人员如下表1所示。 表1：各职位人员表 职位代号人数 合伙人P 40 经理M 80 高级会计师S 120 会计员 A 160 制作一个人员变动概率矩阵表，表中的每一个元素表示从一个时期到另一个时期（如从某一年到下一年）在两个工作之间调动的雇员数量的历年平均百分比（以小数表示）。（注：一般以3—5年为周期来估计年平均百分比。周期越长，根据过去人员变动所推测的未来人员变动就越准确。） 表2：历年平均百分比人员变动概率矩阵表 职位合伙人 P 经理M 高级会计师S 会计员A 职位年度离职升为 合伙 人 离职升为经 理 降为 会计 员 离职升为高级 会计师 离职 2005 0.20 0.08 0.13 0.07 0.05 0.11 0.12 0.11 2006 0.23 0.07 0.27 0.05 0.08 0.12 0.15 0.29 2007 0.17 0.13 0.20 0.08 0.03 0.10 0.17 0.20 2008 0.21 0.12 0.21 0.03 0.07 0.09 0.13 0.19 2009 0.19 0.10 0.19 0.02 0.02 0.08 0.18 0.21 平均0.20 0.10 0.20 0.05 0.05 0.10 0.15 0.20 nGDOU-B-11-112广东海洋大学学生实验报告书（学生用表) 课程名称课程号学院(系)信息学院 专业班级 学生姓名学号 实验地点04002 实验日期 实验一连时间信号的MATLAB表示 和连续时间LTI系统的时域分析 一、实验目的 1．掌握MATLAB产生常用连续时间信号的编程方法，并熟悉常用连续时间信号的波形和特性； 2．运用MATLAB符号求解连续系统的零输入响应和零状态响应； 3．运用MATLAB数值求解连续系统的零状态响应； 4．运用MATLAB求解连续系统的冲激响应和阶跃响应； 5．运用MATLAB卷积积分法求解系统的零状态响应。 二、实验原理 1. 连续信号MATLAB实现原理 从严格意义上讲，MATLAB数值计算的方法并不能处理连续时间信号。然而，可用连续信号在等时间间隔点的取样值来近似表示连续信号，即当取样时间间隔足够小时，这些离散样值能够被MATLAB处理，并且能较好地近似表示连续信号。 MATLAB提供了大量生成基本信号的函数。比如常用的指数信号、正余弦信号等都是MATLAB的内部函数。为了表示连续时间信号，需定义某一时间或自变量的范围和取样时间间隔，然后调用该函数计算这些点的函数值，最后画出其波形图。 三、实验内容 1．实例分析与验证 根据以上典型信号的MATLAB函数，分析与验证下列典型信号MATLAB程序，并实现各信号波形图的显示，连续信号的图形显示使用连续二维图函数plot()。 (1) 正弦信号：用MATLAB命令产生正弦信号2sin(2/4) ππ+，并会出时间0≤t≤3的波形图。 程序如下： K=2;w=2*pi;phi=pi/4; t=0:0.01:3; ft=K*sin(w*t+phi); plot(t,ft),grid on; axis([0,3,-2.2,2.2]) title('正弦信号') 信号与系统仿真实验报告1．实验目的 了解MATLAB的基本使用方法和编程技术，以及Simulink平台的建模与动态仿真方法，进一步加深对课程内容的理解。 2．实验项目 信号的分解与合成，观察Gibbs现象。 信号与系统的时域分析，即卷积分、卷积和的运算与仿真。 信号的频谱分析，观察信号的频谱波形。 系统函数的形式转换。 用Simulink平台对系统进行建模和动态仿真。 3．实验内容及结果 3.1以周期为T，脉冲宽度为2T1的周期性矩形脉冲为例研究Gibbs现象。 已知周期方波信号的相关参数为：x(t)=∑ak*exp(jkω),ω=2*π/T,a0=2*T1/T,ak=sin(kωT1)/kπ。画出x(t)的波形图（分别取m=1,3,7,19,79,T=4T1）,观察Gibbs现象。 m=1; T1=4; T=4*T1;k=-m:m; w0=2*pi/T; a0=2*T1/T; ak=sin(k*w0*T1)./(k*pi); ak(m+1)=a0; t=0:0.1:40; x=ak*exp(j*k'*w0*t); plot(t,real(x)); 3.2求卷积并画图 (1)已知：x1(t)=u(t-1)-u(t-2), x2(t)=u(t-2)-u(t-3)求：y(t)=x1(t)*x2(t)并画出其波形。 t1=1:0.01:2; f1=ones(size(t1)); f1(1)=0; f1(101)=0; t2=2:0.01:3; f2=ones(size(t2)); f2(1)=0; f2(101)=0; c=conv(f1,f2)/100; t3=3:0.01:5; subplot(311); plot(t1,f1);axis([0 6 0 2]); subplot(312); plot(t2,f2);axis([0 6 0 2]); subplot(313); plot(t3,c);axis([0 6 0 2]); (2）已知某离散系统的输入和冲击响应分别为：x[n]=[1,4,3,5,1,2,3,5], h[n]=[4,2,4,0,4,2].求系 统的零状态响应，并绘制系统的响应图。 x=[1 4 3 5 1 2 3 5]; nx=-4:3; h=[4 2 4 0 4 2]; nh=-3:2; y=conv(x,h); ny1=nx(1)+nh(1); ny2=nx(length(nx))+nh(length(nh)); ny=[ny1:ny2]; subplot(311); stem(nx,x); axis([-5 4 0 6]); ylabel('输入') subplot(312); stem(nh,h); axis([-4 3 0 5]); ylabel('冲击效应') subplot(313); stem(ny,y); axis([-9 7 0 70]); ylabel('输出'); xlabel('n'); 3.3 求频谱并画图 (1) 门函数脉冲信号x1(t)=u(t+0.5)-u(t-0.5) N=128;T=1; t=linspace(-T,T,N); x=(t>=-0.5)-(t>=0.5); dt=t(2)-t(1); f=1/dt; X=fft(x); F=X(1:N/2+1); f=f*(0:N/2)/N; plot(f,F) 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 基于马尔可夫模型的语言发展趋势预测 发表时间：2019-03-14T15:24:06.727Z 来源：《知识-力量》2019年6月中作者：张浩1 姜晓丽1 朱英豪2 [导读] 为了预测世界语言发展趋势，将语言使用者分为两个部分来分别预测其数量。 （1.华北理工大学建筑工程学院，河北唐山 063210；2.华北理工大学以升教育创新基地，河北唐山 063210）摘要：为了预测世界语言发展趋势，将语言使用者分为两个部分来分别预测其数量。对于母语使用者，根据语言区域的自然增长率和净移民率计算出随时间变化的母语使用者的人数。对于第二或第三语言使用者，将影响使用者人数的三种因子归一化处理，利用层次分析法赋予相应的权重后得到各种语言的发展强度数值。建立马尔可夫预测模型模拟若干年后的第二或第三语言使用者数量，并模拟50年内排名前十四的语言的母语使用者数量的变化趋势。关键词：层次分析法；马尔可夫模型；聚类分析；语言使用者 人类不仅仅只掌握母语这一种语言，越来越多的人开始说第二语言甚至第三语言。在考虑某种语言的总使用人数时，需要在母语使用者人数的基础上加上第二或者第三语言使用者人数。根据可能影响语言的使用的因素，模拟各种语言的使用者随时间变化的分布。建立模型预测在未来50年里，英语的母语使用者的数量和语言的总使用者的数量的变化，并考虑它们是否会被另一种语言替代。 1.模型假设 ●忽略小概率灭绝事件，比如重大自然灾害的影响导致某一语言的灭绝等。 ●在几十年的时间里，各个语言区域都是稳定的发展，不会出现特别大的起伏的情况。 ●假设每个国家的移民一旦定居，他们的子孙都以此国家的官方语言为母语。 2.数量预测模型对于语言使用者数量的预测，我们需要将其分为母语使用者和其它的语言使用者（包括第二和第三语言使用者）两个方向来调查。 2.1母语使用者针对国家而言，母语使用者人数与该国家的居民人数直接相关。根据该国家的移民率，我们可以得到母语使用者人数随时间的变化为： 2.2 总使用者对于一种语言的总使用者人数，我们需要全面考虑它的变化，不仅仅考虑语言区域居民人数的增加或者减少，还需要考虑其它的语言使用者的变化。上文我们已经得知母语使用者的数量随时间的变化，下面我们将解决其它的语言使用者的预测问题。 2.2.1三种影响因子根据上文可得，我们将影响语言发展的因素分为区域的综合实力、商业往来和旅游业的发展状况三个部分。针对这三个部分，我们选取三个指标作为影响因子，分别是区域人均GDP、区域贸易对GDP的贡献度、区域国际游客数量。[1~2] 为进行统一，我们将十种语言的三种影响因子均除以该影响因子中的最大值。将得到的新结果运用层次分析法构造判断矩阵，得出三种影响因子的权重向量分别为0.545、0.272、0.183。我们可以得到关于语言发展强度的方程： 2.2.2马尔科夫模型以其亲代的第二语言作为他的初始状态，余下的九种语言是另外的九种状态，建立马尔科夫预测模型[3]。然后基于语言的发展强度，根据两种语言之间的强度比值来确定一个人的语言从一种状态转移到另一种状态的概率值。定义世界十大母语依次用数字0-9表示其语言状态，由此计算状态转移矩阵。 2.3 模型的应用 2. 3.1英语的语言使用者我们搜集到英语语言区域的平均自然增长率和平均净移民率[4]分别为1.04和0.0039，根据公式1我们可以求解得出英语的母语使用者在五十年以后的数量为：（4） 信号与系统 单项选择题 1、 ( ) 1. D. x(t) 2. -x(t) 3. x(0) 4. -x(0) 2、设是带限信号， rad/s，则对进行均匀采样的最大间隔为( ) 1. 0.2s 2. 0.5s 3. 0.1s 4. 0.3s 3、下列信号中属于数字信号的是（）。 1. 2. 3. 4. 4、设系统输入输出关系为y(t)=x(t)cos(t) ，则系统为（）。 1.因果稳定 2.非因果稳定 3.因果不稳定 4.非因果不稳定 5、关于无失真传输的充要条件，下列叙述中正确的是（）。 1.系统的幅频特性为常数 2.系统的相频特性与频率成正比 3. 4. 6、 1. 0 2. 1 3.无穷大 4.不存在 7、 1. 2. 1 3. 4.无法确定 8、关于数字频率，下列表达中错误的是（） 1.数字频率的高频为π附近 2.数字频率的低频为0和2π附近 3.数字频率为模拟频率对采样频率归一化的频率 4.数字频率的单位为Hz 9、 1. 2. 3. 4. 10、关于三个变换之间的关系，下列叙述错误的是（）。 1.若原信号收敛，虚轴上的拉氏变换就是傅里叶变换 2. s域的左半平面映射到z域的单位圆内部 3.从s域到z域的映射是单值映射 4. s域的右半平面映射到z域的单位圆外部 11、关于信号的分解，下列叙述正确的是（） 1.傅里叶级数是一致性意义下的正交分解 2.任意普通信号可分解为冲激函数的叠加，可用卷积形式来描述 3.信号能分解为实分量和虚部分量，故可对信号进行滤波 4.由于信号的可分解性，故在时域中可用冲激响应来表征系统12、 1. 2 2. 4 3. -2 4. -4 13、 1. 2. 3. 4. 14、关于稳定性的描述，下列叙述中错误的是（）。 《模式识别与机器学习》 课程实验报告 1实验内容 1. Design an HMM model, and generate sequential data (training and test) with the model. 2. Learning model parameters on the training data. 3. Test the model learned on the test data：Estimate the most probable values for the latent variables. 2实验环境 Window7, matlab 7.11.0 3实验原理 HMM即隐性马尔可夫模型，此模型可认为是状态空间模型的一个特殊情况。当令状态空间模型中的潜变量为离散的时，我们即得到了隐性马尔可夫模型。 3.1模型状态 在一个典型的HMM模型中，通常有两个状态集合来描述该模型状态： 1. 隐含状态，通常用S表示。 这些状态之间满足马尔可夫性质，是马尔可夫模型中实际所隐含的状态。这些状态通常无法通过直接观测而得到。（例如S1、S2、S3等等)。 2. 可观测状态，通常用O表示。 在模型中与隐含状态相关联，可通过直接观测而得到。(例如O1、O2、O3 等等）。可观测状态的数目不一定要和隐含状态的数目一致。 3.2模型参数 一个典型的HMM模型包含以下参数： 1. 初始状态概率矩阵π。 表示隐含状态在初始时刻t=1时刻的概率矩阵，(例如t=1时，P(S1) =p1、P(S2)=P2、P(S3)=p3，则初始状态概率矩阵π=[ p1 p2 p3 ]). 2. 隐含状态转移概率矩阵A。 描述了HMM模型中各个状态之间的转移概率，N代表隐含状态数目。其中Aij = P( Sj | Si ),1≤i,,j≤N。表示在 t 时刻、状态为 Si 的条件下，在t+1 时刻状态是 Sj 的概率。 3. 观测状态发射概率矩阵B。 表示在 t 时刻、隐含状态是 Sj 条件下，观察状态为 Oi 的概率。令N代表隐含状态数目，M代表可观测状态数目，则：Bij = P( Oi |Sj ), 1≤i≤M,1≤j≤N. 一般来说，可以用λ=(A,B,π)三元组来表示一个隐性马尔可夫模型。给定了这三个参数，我们便得到了一个HMM模型。在实验过程中，我们在matlab环境下指定各组参数，得到一个HMM后，便可以利用这个模型生成一定量的数据作为训练集与测试集。 3.3相关算法 根据实验内容，可以得知这个实验中主要涉及到利用HMM解决的三类问题： 1.给定观察得到的序列O，如何调整参数λ，使P(O|λ)最大。即通过给定 O，不断估算一个适合的参数λ=(A,B,π)，使发生这个O的概率P(O|λ)最大。这个问题的一种有效解决算法是Baum-Welch算法，即EM算法的一种特殊形式。且通过对BW算法的分析可以看出，该算法以前后向算法为基础。前后向算法用于计算在某一时刻t，潜变量处于某一状态的概率。EM 算法的具体过程在此不再赘述。 2.给定观测序列O=O1O2O3…Ot和模型参数λ=(A,B,π)，怎样有效计算某一 交通仿真实验报告 篇一：交通仿真实验报告 目录 1 上机性质与目的.................................. 2 2 上机内容....................................... 2 3 交叉口几何条件、信号配时和交通流数据描述.......... 3 3.1 交叉口几何数据................................ 3 3.2 交叉口信号配时系统............................ 3 3.3 交叉口交通流数据.............................. 4 4 交叉口交通仿真.................................. 4 4.1 交通仿真步骤.................................. 4 4.2 二维输出..................................... 13 4.3 3D输出...................................... 14 5 仿真结果分析................................... 15 6 实验总结和体会 (15) 实验上机名称：信号交叉口仿真 1 上机性质与目的 本实验属于计算机仿真实验，借助仿真系统模拟平面信号交叉口场景，学生将完成从道路条件设计到信号相位配置等一系列仿真实验。 实验目的： 1. 了解平面信号交叉口在城市交通中的地位； 2. 了解平面信号交叉口的主要形式、规模等基本情况； 3. 了解交叉口信号相位配时及对交叉口通行能力的影响； 《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 MATLA仿真实验报告 学院：计算机与信息学院 课程：—随机信号分析 姓名： 学号： 班级： 指导老师： 实验一 题目：编写一个产生均值为1,方差为4的高斯随机分布函数程序, 求最大值，最小值，均值和方差，并于理论值比较。 解：具体的文件如下，相应的绘图结果如下图所示 G仁random( 'Normal' ,0,4,1,1024); y=max(G1) x=mi n(G1) m=mea n(G1) d=var(G1) plot(G1); 实验二 题目：编写一个产生协方差函数为CC)=4e":的平稳高斯过程的程序，产生样本函数。估计所产生样本的时间自相关函数和功率谱密度，并求统计自相关函数和功率谱密度，最后将结果与理论值比较。 解：具体的文件如下，相应的绘图结果如下图所示。 N=10000; Ts=0.001; sigma=2; beta=2; a=exp(-beta*Ts); b=sigma*sqrt(1-a*a); w=normrnd(0,1,[1,N]); x=zeros(1,N); x(1)=sigma*w(1); for i=2:N x(i)=a*x(i-1)+b*w(i); end %polt(x); Rxx=xcorr(x0)/N; m=[-N+1:N-1]; Rxx0=(sigma A2)*exp(-beta*abs(m*Ts)); y=filter(b,a,x) plot(m*Ts,RxxO, 'b.' ,m*Ts,Rxx, 'r'); periodogram(y,[],N,1/Ts); 文件旧硯化）插入（1〕 ZMCD 克闻〔D ］窗口曲） Frequency (Hz) 50 100 150 200 250 300 350 400 450 500 NH---.HP)&UO 二 balj/ 」- □歹 《信号与系统》复习题 1． 已知f(t)如图所示，求f(-3t-2)。 2． 已知f(t)，为求f(t0-at)，应按下列哪种运算求得正确结果？（t0和a 都为正值） 3．已知f(5-2t)的波形如图，试画出f(t)的波形。 解题思路：f(5-2t)?? ???→?=倍 展宽乘22/1a f(5-2×2t)= f(5-t) ??→?反转f(5+t)??→?5 右移f(5+t-5)= f(t) 4．计算下列函数值。 （1） dt t t u t t )2(0 0--?+∞ ∞-） （δ （2） dt t t u t t )2(0 --?+∞ ∞ -） （δ （3） dt t t e t ?+∞ ∞ --++） （2)(δ 5．已知离散系统框图，写出差分方程。 解：2个延迟单元为二阶系统，设左边延迟单元输入为x(k) 左○ ∑:x(k)=f(k)-a 0*x(k-2)- a 1*x(k-1)→ x(k)+ a 1*x(k-1)+ a 0*x(k-2)=f(k) (1) 右○ ∑: y(k)= b 2*x(k)- b 0*x(k-2) (2) 为消去x(k)，将y(k)按（1）式移位。 a 1*y(k-1)= b 2* a 1*x(k-1)+ b 0* a 1*x(k-3) (3) a 0*y(k-2)= b 2* a 0*x(k-2)-b 0* a 0*x(k-4) (4) (2)、（3）、（4）三式相加：y(k)+ a 1*y(k-1)+ a 0*y(k-2)= b 2*[x(k)+ a 1*x(k-1)+a 0*x(k-2)]- b 0*[x(k-2)+a 1*x(k-3)+a 0*x(k-4)] ∴ y(k)+ a 1*y(k-1)+ a 0*y(k-2)= b 2*f(k)- b 0*f(k-2)═>差分方程 6．绘出下列系统的仿真框图。 )()()()()(10012 2t e dt d b t e b t r a t r dt d a t r dt d +=++ 7．判断下列系统是否为线性系统。 （2） 8．求下列微分方程描述的系统冲激响应和阶跃响应。 MATLAB通信系统仿真实验报告 实验一、MATLAB的基本使用与数学运算 目的：学习MATLAB的基本操作，实现简单的数学运算程序。 内容： 1-1要求在闭区间[0，2π]上产生具有10个等间距采样点的一维数组。试用两种不同的指令实现。 运行代码：x=[0:2*pi/9:2*pi] 运行结果： 1-2用M文件建立大矩阵x x=[0.10.20.30.40.50.60.70.80.9 1.11.21.31.41.51.61.71.81.9 2.12.22.32.42.52.62.72.82.9 3.13.23.33.43.53.63.73.83.9] 代码：x=[0.10.20.30.40.50.60.70.80.9 1.11.21.31.41.51.61.71.81.9 2.12.22.32.42.52.62.72.82.9 3.13.23.33.43.53.63.73.83.9] m_mat 运行结果： 1-3已知A=[5，6;7，8]，B=[9，10;11,12]，试用MATLAB分别计算 A+B,A*B,A.*B,A^3，A.^3，A/B,A\B. 代码：A=[56;78]B=[910;1112]x1=A+B X2=A-B X3=A*B X4=A.*B X5=A^3 X6=A.^3X7=A/B X8=A\B 运行结果： 1-4任意建立矩阵A，然后找出在[10,20]区间的元素位置。 程序代码及运行结果： 代码：A=[1252221417;111024030;552315865]c=A>=10&A<=20运行结果： 1-5总结：实验过程中，因为对软件太过生疏遇到了些许困难，不过最后通过查书与同学交流都解决了。例如第二题中，将文件保存在了D盘，而导致频频出错，最后发现必须保存在MATLAB文件之下才可以。第四题中，逻辑语言运用到了ij，也出现问题，虽然自己纠正了问题，却也不明白错在哪了，在老师的讲解下知道位置定位上不能用ij而应该用具体的整数。总之第一节实验收获颇多。 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。 小论文写作: 隐马尔可夫模型及其应用 学院：数学与统计学院专业：信息与计算科学学生：卢富毓学号：20101910072 内容摘要：隐马尔可夫模型是序列数据处理和统计学习的重要概率模型，已经成功被应用到多工程任务中。本小论文首先从隐马尔可夫模型基本理论和模型的表达式出发，进一步阐述了隐马尔可夫模型的应用。 HMM 隐马尔可夫模型（Hidden Markov Model，HMM）作为一种统计分析模型，创立于20世纪70年代。80 年代得到了传播和发展，成为信号处理的一个重要方向，现已成功地用于语音识别，行为识别，文字识别以及故障诊断等领域。 隐马尔可夫模型状态变迁图（例子如下） x—隐含状态 y—可观察的输出 a—转换概率（transition probabilities） b—输出概率（output probabilities） 隐马尔可夫模型它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。然后利用这些参数来作进一步的分析，例如模式识别。 在正常的马尔可夫模型中，状态对于观察者来说是直接可见的。这样状态的转换概率便是全部的参数。而在隐马尔可夫模型中,状态并不是直接可见的，但受状态影响的某些变量则是可见的。每一个状态在可能输出的符号上都有一概率分布。因此输出符号的序列能够透露出状态序列的一些信息。 HMM的基本理论 隐马尔可夫模型是马尔可夫链的一种，它的状态不能直接观察到，但能通过观测向量序列观察到，每个观测向量都是通过某些概率密度分布表现为各种状态，每一个观测向量是由一个具有相应概率密度分布的状态序列产生。所以，隐马尔可夫模型是一个双重随机过程----具有一定状态数的隐马尔可夫链和显示随机函数集。自20世纪80年代以来，HMM被应用于语音识别，取得重大成功。到了 大连理工大学 本科实验报告 课程名称：信号与系统实验 学院(系）：电子信息与电气工程学部专业: 通信工程 班级: 1401班 学号：20148３091 学生姓名：李睿 20１6年 5 月2１日 ?实验项目列表 ?大连理工大学实验预习报告 学院（系）：电信专业:通信工程班级:1401班 姓名:李睿学号：20148309１组:5 _＿_ 实验时间：2016、5、6 实验室：创新园大厦c0221 实验台： 5 指导教师签字：成绩： 信号得频谱图 一、实验目得与要求 1、掌握周期信号得傅里叶级数展开 ２、掌握周期信号得有限项傅里叶级数逼近 3、掌握周期信号得频谱分析 4、掌握连续非周期信号得傅立叶变换 5、掌握傅立叶变换得性质 二、实验用得mａｔlａb命令与例子 １、ａ:b：ｃ：产生一个从ａ到 c，间隔为ｂ得等间隔数列例：5：1:11,产生一个从 5 到11,间隔为 1 得等间隔数列 ２、ｑuａrｅ（t，dutｙ)：周期性矩形脉冲信号(duty 表示占空比）调用形式： y=squaｒe(ｔ，dｕtｙ）例：产生一个周期为2π，幅值为±１得周期性方波。y＝sｑuarｅ(2＊pi＊30*t,７5）； plot（ｔ,y）,grｉd on aｘis（[—０、１,０、1，—1、5，1、5]） 3、plot（）：ｍaｔlab 中二维线画图函数ｐloｔ（x，ｙ，’颜色与标识’）：若 y 与ｘ为同维向量，则以ｘ为横坐标，y 为纵坐标绘制连线图. 若x 就是向量，y 就是行数或列数与ｘ长度相等得矩阵,则绘制多条不同色彩得连线图，x 被作为这些曲线得共同横坐标.若 x 与 y 为同型矩阵，则以ｘ，ｙ对应元素分别绘制曲线,曲线条数等于矩阵列数. 例:在０≤x≤2π区间内，绘制曲线 y=2ｅ-0、5xcoｓ(４πx）。 ｘ=0：2＊pi； y＝２＊eｘp(－０、5*x）、＊cos（４＊ｐｉ＊x); plot（x，y) ‘’：y 黄ｍ紫 c 青 r 红 g 绿 b 蓝ｗ白 k 黑—实线、点 <小于号 :点线ｏ圆s 正方形 -、点划线x 叉号 d 菱形- -虚线 +加号h 六角星 *星号 p 五角星 v 向下三角形 ^向上三角形〉大于号 4、grｉd ｏｎ:有网格 gｒｉｄ off:关掉格网下面就是加上命令grｉd on后画得图，有网格. 5、 aｘis（[a b c d］）:表明图线得x轴范围为a～by轴范围为c～ｄ例：ｐlｏt(x,ｙ）ａｘis(［０ 1 ２３]) ｇｒｉｄ oｎ ６、 lengｔｈ（a)：表示矩阵ａ得最大得长度比如lｅngth([1 2 3；4 5 ６]) 等于3，因为2行与3列中最大就是3。当a就是向量时,即表示向量得元素个数，因为向量总就是１×n或ｎ×1得，而n一定大于或等于1、所以得到得结果一定就是n. ７、 1、/tan(pi、*x)：表示点乘。点乘就是值对值得运算上面得式子中 X 可能就是一个向量或矩阵，PＩ后面得点就是一个ＰI 与一个向量相乘，得到得也就是一个向量;1 后面乘得自然也就是个向量所以要加点,也就就是对应不同得Ｘ，有不同得 Y 值. 8.fｉｇurｅ就是建立图形得意思. 系统自动从 1，2，3,4、、、来建立图形，数字代表第几幅图形,figure（1)，figurｅ（２）就就是第一第二副图得意思,在建立图形 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， 信号与系统的MATLAB 仿真 一、信号生成与运算的实现 1.1 实现)3(sin )()(π±== =t t t t S t f a )(sin )sin()sin(sin )()(t c t t t t t t t S t f a '=' '== ==πππ π ππ m11.m t=-3*pi:0.01*pi:3*pi; % 定义时间范围向量t f=sinc(t/pi); % 计算Sa(t)函数 plot(t,f); % 绘制Sa(t)的波形 运行结果： 1.2 实现)10() sin()(sin )(±== =t t t t c t f ππ m12.m t=-10:0.01:10; % 定义时间范围向量t f=sinc(t); % 计算sinc(t)函数 plot(t,f); % 绘制sinc(t)的波形 运行结果： 1.3 信号相加：t t t f ππ20cos 18cos )(+= m13.m syms t; % 定义符号变量t f=cos(18*pi*t)+cos(20*pi*t); % 计算符号函数f(t)=cos(18*pi*t)+cos(20*pi*t) ezplot(f,[0 pi]); % 绘制f(t)的波形 运行结果： 1.4 信号的调制：t t t f ππ50cos )4sin 22()(+= m14.m syms t; % 定义符号变量t f=(2+2*sin(4*pi*t))*cos(50*pi*t) % 计算符号函数f(t)=(2+2*sin(4*pi*t))*cos(50*pi*t) ezplot(f,[0 pi]); % 绘制f(t)的波形 运行结果： 1.5 信号相乘：)20cos()(sin )(t t c t f π?= m15.m t=-5:0.01:5; % 定义时间范围向量 f=sinc(t).*cos(20*pi*t); % 计算函数f(t)=sinc(t)*cos(20*pi*t) plot(t,f); % 绘制f(t)的波形 title('sinc(t)*cos(20*pi*t)'); % 加注波形标题 运行结果： 无线通信——OFDM系统仿真 一、实验目的 1、了解OFDM 技术的实现原理 2、利用MATLAB 软件对OFDM 的传输性能进行仿真并对结论进行分析。 二、实验原理与方法 1 OFDM 调制基本原理 正交频分复用(OFDM)是多载波调制(MCM)技术的一种。MCM 的基本思想是把数据流串并变换为N 路速率较低的子数据流，用它们分别去调制N 路子载波后再并行传输。因子数据流的速率是原来的1/N ，即符号周期扩大为原来的N 倍，远大于信道的最大延迟扩展，这样MCM 就把一个宽带频率选择性信道划分成N 个窄带平坦衰落信道，从而“先天”具有很强的抗多径衰落和抗脉冲干扰的能力，特别适合于高速无线数据传输。OFDM 是一种子载波相互混叠的MCM ，因此它除了具有上述毗M 的优势外，还具有更高的频谱利用率。OFDM 选择时域相互正交的子载波，创门虽然在频域相互混叠，却仍能在接收端被分离出来。 2 OFDM 系统的实现模型 利用离散反傅里叶变换( IDFT) 或快速反傅里叶变换( IFFT) 实现的OFDM 系统如图1 所示。输入已经过调制(符号匹配) 的复信号经过串P 并变换后,进行IDFT 或IFFT 和并/串变换,然后插入保护间隔,再经过数/模变换后形成OFDM 调制后的信号s (t ) 。该信号经过信道后,接收到的信号r ( t ) 经过模P 数变换,去掉保护间隔以恢复子载波之间的正交性,再经过串/并变换和DFT 或FFT 后,恢复出OFDM 的调制信号,再经过并P 串变换后还原出输入的符号。 图1 OFDM 系统的实现框图 从OFDM 系统的基本结构可看出, 一对离散傅里叶变换是它的核心,它使各子载波相互正交。设OFDM 信号发射周期为[0,T],在这个周期内并行传输的N 个符号为001010(,...,)N C C C -，,其中ni C 为一般复数, 并对应调制星座图中的某一矢量。比如00(0)(0),(0)(0)C a j b a b =+?和分别为所要传输的并行信号, 若将随机信号分析实验报告
5最标准全面的马尔可夫模型例题(以中天会计事务所为例)
信号与系统仿真作业
信号与系统仿真实验报告
北理工随机信号分析实验报告
基于马尔可夫模型的语言发展趋势预测
信号与系统
HMM隐形马尔可夫模型实验报告(可打印修改)
交通仿真实验报告
随机信号分析实验报告二 2
MATLAB仿真实验报告
信号与系统习题答案(教学参考)
MATLAB通信系统仿真实验报告1
随机信号实验报告
隐马尔可夫模型及其应用
信号实验报告
随机信号分析实验报告(基于MATLAB语言)
信号与系统的MATLAB仿真
OFDM系统仿真实验报告