《随机信号2.docVIP

实验二 熟悉MATLAB的随机信号处理相关命令 一、实验目的 1、熟悉GUI格式的编程及使用。 2、掌握随机信号的简单分析方法 3、熟悉语音信号的播放、波形显示、均值等的分析方法及其编程 二、实验原理 1、平滑滤波 平滑滤波可以与中值滤波结合使用，对应的线性平滑器可以仅仅用低阶的低通滤波器（如果采用高阶的系统，则将抹掉信号中应该保存的不连续性）。 2、IIR数字滤波器设计原理 利用双线性变换设计IIR滤波器（只介绍巴特沃斯数字滤波器的设计），首先要设计出满足指标要求的模拟滤波器的传递函数，然后由通过双线性变换可得所要设计的IIR滤波器的系统函数。 3、FIR数字滤波器原理 如果所希望的滤波器的理想频率响应函数为，则其对应的单位脉冲响应为 4、 概率密度估计 如果的一阶导数存在，则定义 为随机过程 的一维概率密度。如果知道了随机过程的一维概率密度，那么也就知道了随机过程在所有时刻上随机变量的一维概率密度。 5、最大似然估计 设观测矢量 ，把 称为似然函数，使似然函数最大所对应的参数θ作为对θ的估计，称为最大似然估计，记为 ?，即 6、互相关 互相关函数是两个随机过程联合统计特性中重要的数字特征，它的定义为 三、实验结果分析 平滑滤波 由图知，经过平滑滤波后，原始信号的峰值变化减小了，信号的频谱变得平滑了很多。说明平滑滤波对信号具有很好的平滑效果。 IIR高通滤波 由图知，经过滤波后，低频信号几乎全部被滤去。在频谱图中频率小于30的频段幅值几乎为0。在高频段内的信号被完好的保留下来。 IIR带通滤波 由图知，该带通滤波器的通带为0.2—0.6，在通带以外的频率范围内的信号在频谱图上的幅值几乎为0。很好的保留了通带内的信号。滤波后的波形峰值减小了，由原来的在-3—3之间波动变为在-2—2之间波动。 IIR带阻滤波 由图知，经过滤波后，在阻带范围内，频谱的幅值几乎为0，限制了频率在-15——35之间的信号通过，对阻带之外的信号为造成太大的影响。滤波后波形变化变得更加急剧。 幅值相位 由图知，幅值相位随信号的变化较大，波动明显。 概率密度估计 图中横轴表示样本中出现的数据。纵轴表示样本中相应数据出现的概率密度f。从图中可以看出样本0出现的概率密度为3.4；样本0.1出现的概率密度为2.25；样本0.2出现的概率密度为0.6； 自相关函数 功率谱 功率谱估计就是通过信号的相关性估计出接受到信号的功率随频率的变化关系，实际用途有滤波，信号识别（分析出信号的频率），信号分离，系统辨识等两个长度不同的白噪声在整个频谱内的功率谱密度的变化趋势都相似，其功率谱密度不为理想的在整个频谱内为一常数但大致都是在谱图中的1到5之间波动，都可近似为一常数 FIR低通滤波 由（1）图可知这个低通滤波器的截止频率为5000hz通带最大衰减为2db阻带截止频率为12000hz阻带最小衰减为30db。有图（2）可以看出原始语音信号通过这个滤波器之后12000hz后的的波形被有效地抑制了，滤波之后的信号还是随机信号。 加噪 图中对加入了白噪声信号的混合信号与未加噪声信号的原始信号的频谱图进行了比较。 由图知，在加入了白噪声之前，原始信号在中间一段频率段的幅值几乎为0，整频段的波形都以F等于4000为对称轴对称。而加入白噪声后，整频段的波形仍以F等于4000为对称轴对称，说明通过FFT分析可将周期性信号从噪声中提取出来。 互相关函数 图中对白噪声和加入了该白噪声的混合噪声求了互相关。由图知，在0到50之间两者的相关系数很小，几乎为0 。在50到150之间两者相关系数较大，在-20到20之间波动，其中在110附近混合噪声和白噪声相关系数最大。 最大似然估计 如图所示为对原始声音信号去不同点数求其最大似然估计的图形。从图中可以看出在前100个点中从1到2之间的数据出现的概率都要比在前1024个点中出现的概率大。如在前100个点中1.8出现的概率是0.11而在前1024个点出现的概率是0.08。而在整个声音信号中，1到2中的点出现的概率又要比前100个点中出现的概率大。 IIR低通滤波 图中描绘出了IIR低通滤波前后混合信号的波形和频谱。由图可知采用2阶IIR低通滤波，将频谱图中频率在40以上的都滤去了，对低频信号的破坏很小。滤波后的波形少了高频信号变的更加平缓了。 锐利分布概率密度函数 由上图可知，参数不同的信号参数的函数只是幅值不同，其他相位相同。 指数概率密度函数 由上图可知，0到50点函数曲线密集，参数越大50点之后越是趋近于方波. 四，实验心得 学会了运用帮助信息查阅自己不懂的一些问题，通过自己到处找资料学习和同学的指点及老师的讲解，通过查阅自己不懂的知识点，在对知识的验证方