通信原理实验报告-LABVIEW2.1重点.docVIP

通信原理实验报告 实验项目： 实验1 掌握用Labview 产主随机数的方法 实验2 统计随机数的概率分布密度函数及相关函数特性 实验3 产生m 序列信号源，验证m 序列的伪随机性以及伪随机序列的自相关函数的双 值特性。 实验4 模拟产生AWGN 及ISI 信道，添加到数字通信仿真系统中  随机数产生及直方图统计 一、实验目的 (1)掌握在一般微型计算机上产主随机数的方法。 (2)统计随机数的概率分布密度函数。 二、实验内容 1．用计算机产生[0，1]均匀分布的（伪）随机数。 2．由[0，1]均匀分布随机数产生其它分布的随机数，例：正态N（0，l）分布的随机数。 3．用直方图统计随机数的分布密度。 三、实验设备 微型计算机及其高级程序语言编译环境，例C++、FORTRAN、PASCAL等，也可以应用工程计算工具软件如MATLAB等。 四、实验原理 1. 计算机产生均匀分布随机数 在计算机算法中，为实现方便，通常使用伪随机数（序列）来代替（真）随机数。伪随机序列是有周期性的数值序列，当其周期N相对很大时，统计特性一定程度上逼近随机序列，故效果与（真）随机数相近。 2. 高斯分布随机数的获得 实际研究当中，高斯（正态）分布是经常被使用到的数学模型，可以近似描述很多随机事件的统计特性。，我们可以采用非线性变换法，对比较容易产生的均匀分布随机序列进行变换，（近似）得到高斯分布随机序列。 公式中，若R1和R2是[0，1]区间两个均匀分布随机变量，理论上可以证明XC是标准正态分布（均值为0，方差为1的高斯分布）的随机变量。 3. 直方图 对于一个随机变量，假如我们知道它是正态的（或其它分布形式）我们可以从随机变量的抽样估计它的均值和方差，从而得到它的分布密度函数。 预先对一个随机变量分布一无所知，要估计它的分布密度函数可借助于直方图统计方法： 设有图1所示密度函数fx(x)把随机变量X的取值量化，量化阶为2ε，例如对于以x=2为中心的量化阶内，如果ε足够小。有 当X 抽样X1 ,X2, ……, XN ，是独立且同分布时，则 当N较大能用频率代替概率。所以可以得到概率密度的估计值 k=1,…,N 显然x＝2并不特殊，可以重复进行其它x值上的密度估计。这样我们就得到密度函数fx(x)的离散估计值。这就是直方图方法。 这种直方图估计的准确度可以进行专门分析。分析它的方差可以知道，N 和ε的选择有一定的要求。显然，数据样点数N 越大越好，而区间密度ε选择与Ｎ值相适应为好。有表1可供参考。 表1 样点数与直方单元数 Ｎ 500 1000 2000 5000 10000 Ｋ 22 30 39 56 74 N－数据样点数；K－随机变量取值范围量化的单元数。 实验中要求用计算机对所产生的随机数用直方图估计其概率密度函数，井打印出分布函数的图形 五、实验步骤 1. 弄懂实验原理，设计结构框图： 2. 利用LabVIEW编写程序： 六、实验结果  相关噪声模型和相关函数计算 一、实验目的 熟悉相关噪声模型，掌握相关函数的计算方法。 二、实验内容 1. 计算一下白噪声模型的相关函数。 2. 计算相关噪声的相关函数，它应是指数型的。 3. 计算正弦信号加噪声的相关函数，期望得到指数与余弦迭加的波形。 三、实验设备 微型计算机及其它外围设备。 四、实验原理 各态遍历的平稳随机过程x(t) 自相关函数可表示为 而对于周期性信号，自相关函数可表示为 其中T0为周期。 自相关函数的离散数值计算公式 r=0,1,2,…,m m N 如果我们有N个数据记录，上式就可以在数字计算机上进行相关函数的估计。 实验内容中的三个模型： 1．白噪声模型： 产生的[0,1]均匀分布随机序列，都强调要求它的分布均匀性要好，独立性要强。这独立性要求指的是前后相邻数据不相关。实际上这就是一种白噪声模型，如果把它变换为[- , ]均匀分布，则就是一种零均值的白噪声模型。我们记理想的白噪声序列为{wk}，则其自相关函数可表示为 其中 计算机产生的均匀分布随机数具有白噪声性质，就应该有尖峰自相关函数。反过来说，这相关函数的尖峰形状能用来检验随机数独立性的好坏。 2．相关噪声模型 对于相应的数据序列来说，可由白噪声模型变换出相关噪声的模型，白噪声wi，经图示装置处理，产生的输出为 （0a1） 我们看到ni与其前面几个值（ni-1,ni-2,……，）有依赖关系。这相关性的强弱取决于系数a的取值，这样得到的数据序列{ni}就是一个相关噪声模型。 相关噪声的相关函数应