四川大学随机信号实验介绍.docx

随机信号分析基础 实验报告 课 程 随 机 信 号 分 析 基 础 　 实验题目 随 机 信 号 通 过 线 性 系 统 学生姓名 笔 墨 东 韵 专 业 电 子 信 息 科 学 与 技 术 实验目的 理解白噪声通过线性系统后统计特性的变化规律。 熟悉几种常用的时间序列。 实验内容 白噪声通过线性系统后的统计特性分析。 （1）白噪声通过低通系统后的统计特性变化：对比输入输出的波形，自相关函数，功率谱密度，功率，互相关函数等； （2）白噪声通过不同带宽的低通系统后的概率密度； （3）窄带随机过程的产生与特性分析。（调制，滤波） 典型时间序列模型分析。 （1）模拟产生AR，ARMA模型序列，画出波形，并估计其均值，方差，自相关函数，功率谱密度； *（2）模拟产生指定功率密度的正态随机序列。 实验设备 Matlab软件 四、实验步骤以及实验结果分析 1.白噪声通过线性系统后的统计特性分析。 （1）白噪声通过低通系统后的统计特性变化： 对比输入输出的波形：输入前波形： 时域： y=wgn(1000,1,5); plot(y)频域 y1=fft(y,1000); plot(abs(y1)); 输入后： y2=conv(y,fir1(1000,0.02*pi)); %w=2*pi*通带截止频率/采样频率,采样频率为10 plot(abs(y2));  自相关函数：输入前 [a,b]=xcorr(y,unbiased); plot(b,a); 输入后 [a,b]=xcorr(y2,unbiased); plot(b,a); 功率谱密度：输入前 a1=fft(a); a2=fftshift(a1); l=(0:length(a2)-1)*200/length(a2)-100; a3=abs(a2); plot(l,a3); 输入后 a1=fft(a); a2=fftshift(a1); l=(0:length(a2)-1)*200/length(a2)-100; a3=abs(a2); plot(l,a3); 互相关函数：输入前后 [a,b]=xcorr(y2,y); plot(b,a); （2）白噪声通过不同带宽的低通系统后的概率密度： [f,x]=ksdensity(y2);\\10 plot(x,f); y2=conv(y,fir1(1000,0.2*pi));\\100 [f,x]=ksdensity(y2); plot(x,f); 窄带随机过程的产生与特征分析：(调制，滤波) function wgn(p,R,C) %产生一个p个点的随机过程%-----高斯窄带随机过程代码-----% n=1:p; w=linspace(-pi,pi,p); wn=1/2*pi*R*C; [b,a]=butter(1,wn,low); xt=wgn(1,p,5); at=filter(b,a,xt); yat=at.*cos(w.*n); ybt=at.*sin(w.*n); yt=yat-ybt; %sunplot(211); plot(yt); title(窄带过程y(t)); pdf_ft=ksdensity(yt); plot(pdf_ft); title(y(t)的概率密度图); disp(均值如下); E_xt=mean(yat); E_at=mean(yat); E_bt=mean(ybt); E_ft=mean(yt); %------相关函数代码------% figure(2) R_xt=xcorr(xt); R_at=xcorr(at); R_yat=xcorr(yat); R_ybt=xcorr(ybt); R_ft=xcorr(yt); subplot(2,2,1); plot(R_xt); title(白噪声的自相关函数R_xt); subplot(2,2,2); plot(R_at); title(限带高斯白噪声的自相关函数R_at); subplot(2,2,3); plot(R_ybt); title(随机过程b(t)的自相关函数R_bt); subplot(2,2,4); plot(R_ft); title(窄带随机过程的自