宋星辰-随机信号.docxVIP

随机信号分析实验报告 专业：通信工程班级：通信四班姓名：宋星辰 学号：实验一 随机序列的产生及数字特征估计实验目的学习和掌握随机数的产生方法。实现随机序列的数字特征估计。实验原理 随机数的产生随机数是指各种不同分布随机变量的抽样序列（样本值序列）。进行随机信号仿真分析时，需要模拟产生各种分布的随机数。在计算机仿真时，通常利用数学方法产生随机数，这种随机数称为伪随机数。伪随机数是按照一定的计算公式产生的，这个公式称为随机数发生器。伪随机数本质上不是随机的，而且存在周期性，但是如果计算公式选择适当，所产生的数据看似随机数，与真正的随机数具有相近的统计特性，可以作为随机数使用。实验内容及实验结果采用线性同余法产生均匀分布随机数1000个，计算该序列均值和方差与理论值之间的误差大小。改变样本个数重新计算。实验源程序num=input(num= );N=2^31; k=2^16+3;Y=zeros(1, num); X=zeros(1, num);Y(1)=1; for i = 2:num Y(i)=mod(k*Y(i-1), N); end X=Y/N; a=0; b=1; m0=(a+b)/2; sigma0=((b-a)^2)/12;m1=mean(X); sigma1=var(X);delta_m=abs(m1-m0) delta_sigma=abs(sigma1-sigma0)plot(X, k); xlabel(n); ylabel(X(n)); axis tight;实验结果： run(D:\matlab7\work\R1.m)num= 1000delta_m = 0.0110delta_sigma =0.0011改变输入数据 num=300输出结果delta_m =0.0127delta_sigma =0.0031参数为八的指数分布函数为Fx(x)=1-e-λx利用反函数法产生参数为0.5的指数分布随机数1000个，测试其方差和相关函数。实验源程序：R = rand(1, 1000); lambda = 0.5; X = -log(1-R)/lambda;Dx = var(X) [Rm, m] = xcorr(X);subplot(2,1,1); plot(X, k); xlabel(n); ylabel(X(n)); axis tight;subplot(2,1,2); plot(m, Rm, k); xlabel(m); ylabel(R(m)); axis tight;实验结果：Dx =3.8838产生一组N(1,4)分布的高斯随机数（1000个样本）估计该序列的均值、方差、和相关函数。实验源程序：X = normrnd(1, 2, [1, 1000]);mx = mean(X) Dx = var(X)[Rm, m] = xcorr(X);subplot(2,1,1); plot(X, k); xlabel(n); ylabel(X(n)); axis tight;subplot(2,1,2); plot(m, Rm, k); xlabel(m); ylabel(R(m)); axis tight; 实验结果：mx = 0.9138Dx = 3.5607实验二 随机过程的模拟与数字特征实验目的1. 学习利用MATLAB模拟产生随机过程。2.熟悉和掌握特征估计的基本方法及其MATLAB实现。实验原理1.正态分布白噪声序列的产生MATLAB提供了许多产生各种分布白噪声序列的函数，其中产生正态分布白噪声序列函数：randn用法：x=randn（m，n）功能：产生m*n的标准正态分布随机数矩阵。如果要产生服从N（）分布的随机序列，则可以由标准正态随机序列产生。2.相关函数估计MATLAB提供了函数xcorr用于自相关函数的估计。函数：xcoor用法：c=xcorr（x，y）c=xcorr（x）c=xcorr（x，y，‘opition’）c=xcorr（x，‘opition’）功能：xcorr（x，y）计算X（n）与Y（n）的互相关，xcorr（x）计算X（n）的自相关。实验内容及实验结果1.按如下模型产生一组随机序列x(n)=0.8x(n-1)+ω(n)其中ω(n)是均值为1 ，方差为4的正态分布白噪声序列。估计过程的自相关函数和功率谱。实验源程序：a=0.8;sigma=2;N=500;u=1+2*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);endsubplot(2,2,1)plot(x);title(0.8)Rx=xcorr(x,coeff);subplot(2,2,2)plot(Rx);title