随机信分析实验指导书.docVIP

东北林业大学 随机信号分析实验指导书 　乔世坤　刘楠　编写 2008年3月 实验一 随机变量及统计特性 一、实验目的 　 1、掌握随机变量的数字特征。 2、熟悉随机变量的各种实用分布率。 二、实验仪器 计算机一台。 2、MATLAB软件。 三、实验原理 1、随机变量的数字特征 （1）随机变量定义 设随机试验的样本空间为，如果对样本空间的每个元素，都有一个实数与之对应，对所有元素，就得到一个定义在空间上的单值函数，称为随机变量。 （2）概率分布函数和概率密度函数 定义随机变量的取值不超过x的概率为概率分布函数或累积分布函数。分布率的另一种形式是概率密度函数，定义为概率分布函数的导数。 （3）数学期望 对于离散随机变量，其数学期望为 如果是连续随机变量，则有 （4）方差 方差是用来衡量随机变量偏离数学期望的程度，或者说是随机变量在数学期望附近的离散程度。对于离散和连续随机变量，分别有 （5）矩函数 随机变量X的n阶原点矩定义为 随机变量X的n阶中心矩定义为 2、随机变量的实用分布率 （1）指数分布 概率密度函数满足 （2）分布 概率密度函数满足，式中， （3）二项式分布 在n次独立试验中，若每次试验事件A出现的概率为P，不出现的概率为1-P，那么事件A在n次试验中出现m次的概率为二项式分布，即 （4）泊松分布 当事件A在每次试验中出现的概率P很小时，试验次数n很大，且为常数时，泊松分布为 （5）均匀分布 概率密度函数满足 （6）三角分布 概率密度函数满足 （7）高斯分布 一维高斯分布概率密度函数满足 （8）分布 如果n个相互独立的高斯变量的数学期望为零，方差各为1，它们的平方和的分布是具有n个自由度的中心分布。如果相互独立的高斯变量的方差为，数学期望不为零，则其平方和为n个自由度的非中心分布。 （9）瑞利分布 对于两个自由度的分布，当 时，是数学期望为零，方差为且相互独立的高斯变量，则就是瑞利分布。 （10）莱斯分布 当高斯变量的数学期望不为零，是非中心分布，那么则是莱斯分布。 四、实验内容 1、根据随机变量的实用分布率产生出三至五种随机变量。 2、画出各种分布率随机变量的概率密度曲线。 3、利用已经产生的随机变量，计算它们的数学期望、方差等数字特征值。 五、预习要求 1、随机变量理论，掌握其相关知识。 2、随机变量的数字特征和实用分布率。 六、实验报告要求 1、写出产生各种随机变量的MATLAB程序 2、画出各种实用分布率的概率密度曲线。 3、给出产生的随机变量数值，计算相应的数学期望和方差结果。 4、程序调试过程中所遇到问题解决方法的心得、体会。 实验二 随机过程和功率谱密度 一、实验目的 1、掌握随机过程、平稳随机过程和各态历经过程的概念。 2、掌握平稳随机过程概念，相关函数定义、性质。 3、利用直接法和间接法计算平稳随机过程的功率谱密度。 二、实验仪器 1、计算机一台。 2、MATLAB软件。 三、实验原理 1、随机过程定义 设随机试验的样本空间，对于空间的每一个样本，总有一个时间函数与之对应（），对于空间的所有样本，可有一族时间函数与其对应，这族时间函数称为随机过程 计算功率谱密度方法 对于随机过程的功率谱密度，可用直接法和间接法求功率谱密度。 （1）直接法，在MATLAB中可以通过Periodogram语句完成对平稳随机过程功率谱密度的求解。 而经典的求解方法则是周期图法，直接由傅立叶变换得到，将随机信号看成N个样本的能量有限信号，取其傅立叶变换，再平方后除以N作为功率谱的估计，即利用功率谱密度公式 （2）间接法又称自相关法，间接法先由XN(n)估计出自相关函数R(m)，然后求出R(m)的傅里叶变换，便得到XN(n)的功率谱密度估计(ejW)： 由于这种方法是通过自相关函数间接得到功率谱密度的，所以又称自相关法。需要指出的是，当M较大，特别是接近等于N-1时，(m)对R(m)的估计偏差变大，因此估计出的功率谱密度质量随之下降．一般情况下，使用间接法都取MN-1． 四、实验内容 1、利用直接法和间接法分别产生出随机过程的功率谱密度曲线。 2、通过自定义的一个随机过程，利用直接法和间接法再次产生出相应的功率谱密度曲线。 五、预习要求 1、随机过程的功率密度定义、性质。 2、MATLAB相关语句。 六、实验报告要求 1、写出利用直接法和间接法计算随机过程的功率谱密度的程序语句。 2、画出功率谱密度曲线。 3、写出自定义随机过程的函数，画出其功率谱密度曲线。 4、程序调试过程中所遇到问题解决方法的心得、体会。