随机信号实验报告新.docVIP

PAGE  PAGE 19 随机信号分析实验报告 实验一：平稳随机过程的数字特征 实验目的 1、加深理解平稳随机过程数字特征的概念 2、掌握平稳随机序列期望、自相关序列的求解 3、分析平稳随机过程数字特征的特点 实验原理 平稳随机过程数字特征求解的相关原理 当m0时， 实验过程 number= ; I=1; lamda=1/number; mx=I*0.5+(-I)*0.5 N=64; m=-N:N; Rx=I^2*exp(-2*lamda*abs(m)); Cx=Rx-mx^2; rx=Cx/Cx(N+1); subplot(211),plot(m,Rx);axis([-N N 0 I^2]);title(自相关序列); subplot(212);plot(m,rx);axis([-N N 0 1]);title(相关系数); 实验结果及分析 实验体会 通过本次实验初步了解了MATLAB软件，了解到随机过程的数字特征，随机过程的数字特征既能描述随机过程的重要统计特征，又便于实际的测量和运算。随机过程常用的基本数字特征有数学期望、方差、相关函数等。随机过程是随时间变化的随机变量，因此随机过程的数字特征可以由随机变量的数字特征演变而来。 随机信号分析实验报告 实验二：平稳随机过程的谱分析 实验目的 1、复习信号采样的定理 2、理解功率谱密度函数与自相关函数的关系 3、掌握对功率谱密度函数的求解和分析 实验原理 平稳随机过叶变程的谱分析和傅里叶换 1、 2、如果时间信号的采样间隔为T0，那么在频谱上的采样间隔1/（N*T0），保持时域和频域的采样点一致N 3、注意实际信号以原点对称，画图时是以中心对称，注意坐标的变换 实验过程 function y = experiment2 close all;clc; number = ; T = number*3; T0 = 0.1%input(采样间隔T0=); t = -T: T0: T; t1 = -2*T: T0: 2*T; n = T/T0; Rx1 = 1 - abs(t)/T; Rx = [zeros(1, n) Rx1 zeros(1, n)]; figure(1), subplot(211), plot(t1, Rx); title(自相关函数) ; %自相关函数 F = 1/(2*T0); F0 = 1/(4*T); f = -F: F0: F; w = 2* pi* f; a = w*T/2; Sx = T*sin(a).*sin(a)./(a.*a); Sx(2*n + 1) = T; subplot(212), plot(f, Sx); title(功率谱密度函数) ; %功率谱密度函数 figure(2), R1 = Rx; subplot(211),plot(R1); title(自相关序列) ; %自相关序列 S1 = T0*abs(fft(R1)); S1 = fftshift(S1); subplot(212), plot(S1); title(自相关序列FFT得到功率谱密度函数) ; %自相关序列FFT得到功率谱密度函数 figure(3), S = Sx; subplot(211), plot(S); title(功率谱密度函数采样序列) % 功率谱密度函数采样序列 R = 1/T0*abs(ifft(S)); R = ifftshift(R); subplot(212), plot(R); title(功率谱密度序列IFFT得到自相关序列) %功率谱密度序列IFFT得到自相关序列 实验结果及分析 实验体会 通过这次实验我加深了对平稳随机过程的谱分析的认识，功率普密度是从频率的角度描述随机过程统计规律的最主要的数字特征。功率谱密度仅仅描述了随机过程的平均功率按频率分布的情况。确定信号与它的频谱在时域和频域之间构成一对傅立叶变换，平稳随机过程的自相关函数与其功率谱密度之间也构成一对傅立叶变换。 随机信号分析实验报告 实验三：随机信号通过线性系统的分析 一、实验目的 1、掌握随机信号通过线性系统的分析方法 2、掌握系统输出信号的数字特征和功率谱密度的求解 实验原理 1.线性系统的时域分析方法 系统输入和输出的关系为： 输出期望： 输出的自相关函数： 输出的平均功率： 互相关： 2.线性系统的频域分析方法 系统输入和输出的关系为： 输出的功率谱： 功率谱： 实验过程 function y = e