随机过程的模拟特征估计.docVIP

随机过程的模拟与特征估计 一、实验目的 了解随机过程特征估计的基本概念和方法，学会运用MATLAB软件产生各种随机过程，对随机过程的特征进行估计，并通过实验了解不同估计方法所估计出来的结果之间的差异。 二、实验原理 （1）高斯白噪声的产生 提示：利用MATLAB函数randn产生 （2）自相关函数的估计 提示：MATLAB自带的函数为xcorr （3）功率谱的估计 先估计自相关函数，再利用维纳－辛钦定理，功率谱为自相关函数的傅立叶变换： 提示：MATLAB自带的函数为pyulear （4）均值的估计 提示：MATLAB自带的函数为mean （5）方差的估计 提示：MATLAB自带的函数为var (6)　AR(1)模型的理论自相关函数和理论功率谱 对于AR(1)模型 自相关函数， 功率谱为 (7)　ARMA(N,N)模型的理论自相关函数和理论功率谱 对于ARMA(N,N)模型 功率谱为 三、实验内容（带*为选作） 1. 相关高斯随机序列的产生 按如下模型产生一组随机序列，其中为均值为1，方差为4的正态分布白噪声序列。 （1）产生并画出a=0.8和a=0.2的x(n)的波形； （2）估计x(n)的均值和方差； （3）估计x(n)的自相关函数。 源代码： a=0.8; sigma=2; N=500; u=1+4*randn(N,1); x(1)=sigma*u(1)/sqrt(1-a^2); for i=2:N x(i)=a*x(i-1)+sigma*u(i); end subplot 221 plot(x);title(0.8) Rx=xcorr(x,coeff); subplot 222 plot(Rx);title(0.8自相关函数) junzhix=mean(x); fangchax=var(x); b=0.2; y(1)=sigma*u(1)/sqrt(1-b^2); for j=2:N y(j)=b*y(j-1)+sigma*u(j); end subplot 223 plot(y);title(0.2) Ry=xcorr(y,coeff); subplot 224 plot(Ry);title(0.2自相关函数) junzhiy=mean(y); fangchay=var(y); 2. 两个具有不同频率的正弦信号的识别 设信号为，，其中为正态白噪声，方差为。 假定，针对,和, 两种情况，使用周期图periodogram()的方法估计功率谱。 sigma=1; N=500; u=sigma*randn(N,1); for i=1:N; x(i)=sin(2*pi*0.05*i)+2*cos(2*pi*0.08*i)+u(i); end; subplot 221 plot(x);title(0.05 0.08) subplot 222 periodogram(x,[],512,1000); for j=1:N y(j)=sin(2*pi*0.05*j)+2*cos(2*pi*0.02*j)+u(j); end subplot 223 plot(y);title(0.05 0.02) Ry=xcorr(y,coeff); subplot 224 periodogram(y,[],512,1000); 假定,，针对和两种情况，用周期图periodogram()的方法估计功率谱 sigma=1; N=500; u=sigma*randn(N,1); for i=1:N; x(i)=sin(2*pi*0.05*i)+2*cos(2*pi*0.08*i)+u(i); end; subplot 221 plot(x);title(1) subplot 222 periodogram(x,[],512,1000); sig=4; M=500; m=sig*randn(M,1); for j=1:M y(j)=sin(2*pi*0.05*j)+2*cos(2*pi*0.08*j)+m(j); end subplot 223 plot(y);title(4) Ry=xcorr(y,coeff); subplot 224 periodogram(y,[],512,1000); *(3) 假定,,, 分别用pyulear()、periodogram() 和pburg()估计功率谱。 N=512;sigma2=4;f1=0.05;f2=0.08; W=sqrt(sigma2).*randn(1,N); for n=1:N x(n)=sin(2*pi*f1*n)+2*cos(2*pi*f2*n)+W(n); end subplot(3,1,1),pyulear(x,512,512