随机信号分析实验报告.docVIP

随机信号分析实验报告 实验一：平稳随机过程的数字特征 实验二：平稳随机过程的谱分析 实验三：随机信号通过线性系统的分析 实验四：平稳时间序列模型预测 班 级： 姓 名： 学 号： 一、实验目的 1、加深理解平稳随机过程数字特征的概念 2、掌握平稳随机序列期望、自相关序列的求解 3、分析平稳随机过程数字特征的特点 二、实验原理 平稳随机过程数字特征求解的相关原理 三、实验过程 function y = experiment number = 49; %学号49 I = 8; %幅值为8 u = 1/number; Ex = I*0.5 + (-I)*0.5; N = 64; C0 = 1; %计数 p(1) = exp(-u); for m = 2:N k = 1:m/2; p(m) = exp(-u*m) + sum((u*m).^(2*k)./factorial(2*k)*exp(-u*m)); end; pp = [fliplr(p) C0 p]; Rx = (2*pp - 1)*I^2; m = -N:N; Kx = Rx - Ex*Ex; rx = Kx/25; subplot(211), plot(m,Rx); axis([-N N 0 I*I]); title(自相关序列); subplot(212), plot(m,rx); axis([-N N 0 1]); title(自相关序数); 四、实验结果及分析 自相关序列的特点分析：m0时Rx(m)随着m的增大而减小，m0时Rx(m)随着m的增大而增大。在m=0的点，Rx(m)有最大值。 五、实验心得体会 通过本次实验初步了解了MATLAB软件，知道了基本数学运算和绘图功能，进一步理解了随机过程的数字特征的概念，掌握了平稳随机序列期望，自相关序列的求解，直观的看到了自相关序列曲线和相关系数曲线。 实验二：平稳随机过程的分析 一、实验目的 1、复习信号采样的定理 2、理解功率谱密度函数与自相关函数的关系 3、掌握对功率谱密度函数的求解和分析 二、实验原理 平稳随机过叶变程的谱分析和傅里换 1、 2、如果时间信号的采样间隔为T0，那么在频谱上的采样间隔为1/(N*T0),保持时域和频域的采样点一致N 3、注意实际信号以原点对称，画图时以中心对称，注意坐标的变换 三、 实验过程 function y = experiment2 close all;clc; number = 49; T = number*3; T0 = 0.1%input(采样间隔T0=); t = -T: T0: T; t1 = -2*T: T0: 2*T; n = T/T0; Rx1 = 1 - abs(t)/T; Rx = [zeros(1, n) Rx1 zeros(1, n)]; figure(1), subplot(211), plot(t1, Rx); title(自相关函数) ; %自相关函数 F = 1/(2*T0); F0 = 1/(4*T); f = -F: F0: F; w = 2* pi* f; a = w*T/2; Sx = T*sin(a).*sin(a)./(a.*a); Sx(2*n + 1) = T; subplot(212), plot(f, Sx); title(功率谱密度函数) ; %功率谱密度函数 figure(2), R1 = Rx; subplot(211),plot(R1); title(自相关序列) ; %自相关序列 S1 = T0*abs(fft(R1)); S1 = fftshift(S1); subplot(212), plot(S1); title(自相关序列FFT得到功率谱密度函数) ; %自相关序列FFT得到功率谱密度函数 figure(3), S = Sx; subplot(211), plot(S); title(功率谱密度函数采样序列) % 功率谱密度函数采样序列 R = 1/T0*abs(ifft(S)); R = ifftshift(R); subplot(212), plot(R); title(功率谱密度序列IFFT得到自相关序列) %功率谱密度序列IFFT得到自相关序列 四、实验结果及分析 五、实验心得体会 通过本次对平稳随机过程的谱分析的实验，进一步加深了对信号处理的采样定理的理解，掌握了功率谱密度函数与自