实验2.1随机过程的模拟与特征估计.docVIP

实验2.1 随机过程的模拟与特征估计 实验结果及分析： 实验2.1 （1）估计x(n)=0.8*x(n-1)+1+4.*randn(N,1)随机序列的自相关函数和功率谱 MATLAB仿真程序 %估计x(n)=0.8*x(n-1)+1+4.*randn(N,1)随机序列的自相关函数和功率谱 %x(n)=0.8*x(n-1)+1+4.*randn(N,1)随机序列的产生 a=0.8; N=500; w=1+2.*randn(N,1); x(1)=w(1); for n=2:N x(n)=a*x(n-1)+w(n); end subplot(3,2,1); plot(x); title(随机序列x(n)=0.8*x(n-1)+1+4.*randn(N,1)); grid on %估计自相关函数 R=xcorr(x,coeff); subplot(3,2,2); axis([0 500 0 1]); plot(R); title(自相关函数); grid on %估计功率谱 %周期图功率谱估计 subplot(3,2,3); periodogram(x,[],512,1000); axis([0 500 -50 0]); title(周期图功率谱估计) %加汉宁窗 window=hann(500); subplot(3,2,4); periodogram(x,window,512,1000); axis([0 500 -50 10]); title(汉宁周期功率谱估计) %相关函数法 R=xcorr(x)/15000; Pw=fft(R); subplot(3,2,5); f=(0:length(Pw)-1)*1000/length(Pw); plot(f,10*log10(abs(Pw))); axis([0 500 -50 10]); title(BT功率谱估计) grid on  subplot(3,2,6); pwelch(x,128,64,[],1000); axis([0 500 -50 10]); title(韦尔奇功率谱估计); grid on； 实验2.1 （2）x=sin(2*pi*0.05*n)+2*cos(2*pi*0.12*n)+randn(N,1)随机序列的自相关函数和功率谱 N=256时的结果： N=1024时的结果： MATLAB仿真程序 N=256: %估计x=sin(2*pi*0.05*n)+2*cos(2*pi*0.12*n)+randn(N,1)随机序列的自相关函数和功率谱 %x=sin(2*pi*0.05*n)+2*cos(2*pi*0.12*n)+randn(N,1)随机序列的产生 N=256; %N=256或1024 w=randn(N,1); for n=1:N x(n)=sin(2*pi*0.05*n)+2*cos(2*pi*0.12*n)+w(n); end subplot(3,2,1); plot(x); axis([0 260 -8 8]); title(随机序列x(N)=sin(2*pi*0.05*n)+2*cos(2*pi*0.12*n)+randn(N,1)/N=256); grid on %估计自相关函数 R=xcorr(x,coeff); subplot(3,2,2); plot(R); axis([0 500 -1 1]); title(自相关函数/N=256); grid on %估计功率谱 %周期图功率谱估计 subplot(3,2,3); periodogram(x,[],512,1000); axis([0 500 -50 0]); title(周期图功率谱估计/N=256) %加汉宁窗 window=hann(256); subplot(3,2,4); periodogram(x,window,256,1000); axis([0 500 -50 10]); title(汉宁周期功率谱估计) %相关函数法 R=xcorr(x)/15000; Pw=fft(R); subplot(3,2,5); f=(0:length(Pw)-1)*1000/length(Pw); plot(f,10*log10(abs(Pw))); axis([0 500 -50 10]); title(BT功率谱估计/N=256) grid on subplot(3,2,6); pwelch(x,128,64,[],1000); axis([0 500 -50 10]); title(韦尔奇功率谱估计/N=256); grid on;   N=1024: %估计x=sin(2*pi*0.05*n)+2*cos(2*pi*0.12*n)+randn(N,1)随机