信号处理仿真题作业.doc

信 号 处 理 基 础 仿 真 作 业 学号：S120101057 姓名：贾雪婷 3.17在计算机上用如下方法产生随机信号的观测样本：首先产生一段零均值、方差为的复高斯白噪声序列；然后在上叠加三个复正弦信号，它们的归一化频率分别是f1=0.15，f2=0.17和f3=0.26。调整和正弦信号的幅度，使在f1、f2和f3处得信噪比分别为30dB、30dB和27dB。 （1），并与教材式（3.1.2）估计出的自相关函数做比较。 产生零均值、方差为1的复高斯白噪声序列y y=randn(1,32); y=y-mean(y); y=y/std(y); a=0; b=sqrt(2); y=a+b*y 产生三个复正弦信号并产生观察样本： N=32; f1=0.15; f2=0.17; f3=0.26; SNR1=30; SNR2=30; SNR3=27; A1=10^(SNR1/20); A2=10^(SNR2/20); A3=10^(SNR3/20); signal1=A1*exp(j*2*pi*f1*(0:N-1)); signal2=A2*exp(j*2*pi*f2*(0:N-1)); signal3=A3*exp(j*2*pi*f3*(0:N-1)); un=signal1+signal2+signal3+y 基于FFT的自相关函数快速计算方法： ?N=32; Uk=fft(un, 2*N); Sk=(1/N)* abs(Uk).^2; r0=ifft(Sk); r1=[r0(N+2:2*N),r0(1:N)]; figure(1); stem(real(r1)); figure(2); stem(imag(r1)) 输出结果为： 图 1 基于FFT的自相关函数快速计算 实部： 虚部： 教材中式（3.1.2）估计自相关函数 r=xcorr(un, N-1,biased); figure(1); stem(real(r)) figure(2); stem(imag(r)) 输出结果为： 图 2 教材式（3.1.2）估计的自相关函数 实部： 虚部： （2）令信号观测样本长度N=256，试用BT法和周期图法估计的功率谱，这里设BT法中所用自相关函数的单边长度M=64。 周期图法 N=256; noise=(randn(1, N)+j*randn(1, N) )/sqrt(2); f1=0.15; f2=0.17; f3=0.26; SNR1=30; SNR2=30; SNR3=27; A1=10^(SNR1/20); A2=10^(SNR2/20); A3=10^(SNR3/20); signal1=A1*exp(j*2*pi*f1*(0:N-1)); signal2=A2*exp(j*2*pi*f2*(0:N-1)); signal3=A3*exp(j*2*pi*f3*(0:N-1)); xn=signal1+signal2+signal3+noise NF=1024; Spr=fftshift((1/NF)*abs(fft(xn,NF)).^2); Spr= Spr/max(Spr); t=[-0.5:1/NF:0.5-1/NF]; plot(t,10*log10(Spr)); 图 3 周期图法所得功率谱 BT法 M=64; r=xcorr(xn, M, biased); NF=1024; BT=fftshift(fft(r, NF)); BT=BT/max(BT); plot((-511:512)/1024,10*log10(BT))图 4 BT法所得功率谱 （3）令信号观测样本长度N=256，试用Levinson-Durbin迭代算法求解AR模型的系数并估计的功率谱，模型的阶数取为p=16。 p=16; r0=xcorr(xn, p, biased); r=r0(p + 1 : 2 * p + 1); a(1, 1)=-r(2)/r(1); sigma(1)=r(1)-(abs(r(2))^2)/r(1); for m=2:p k(m)= -(r(m+1)+sum(a(m-1,1:m-1).*r(m:-1:2)))/sigma(m-1); a(m,m)=k(m); for i=1:m-1 a(m, i)=a(m