随机信号与处理第八讲介绍.ppt

* * 第八讲 主要内容： 随机过程的模拟； 随机过程的数字特征估计 随机过程的概率密度估计 随机过程的功率谱估计 Matlab语言介绍 Matlab名字是由Matrix和Laboratory两词组合而成，20世纪70年代由美国新墨西哥大学Cleve Moler教授设计。 1984年成立MathWorks公司，将Matlab推向市场。其内核采用C语言编写，除了具有数值计算能力外，其数据图视功能、交互式操作的动态系统建模、仿真、分析集成环境Simulink都极其具特色，成为国际公认的标准计算软件。 随机过程的模拟－白噪声的模拟 （0，1）均匀分布白噪声 x=rand(m,n) 产生m?n的均匀分布随机数矩阵， 例如，x=rand(1000,1)，产生一个1000个样本的均匀分布 白噪声列矢量。 0 500 1000 0 0.5 1 -0.5 0 0.5 1 1.5 0 20 40 60 80 标准正态分布白噪声 x=randn(m,n) 产生m?n的标准正态分布随机数矩阵， 例如，x=randn(1000,1)，产生一个1000个样本的标准正态分布 白噪声列矢量。 0 500 1000 -4 -2 0 2 4 -5 0 5 0 20 40 60 韦伯分布随机数 x=weibrnd(A,B,m,n) ) 产生m?n的韦伯分布随机数矩阵，其中A、B是韦伯分布的两个参 数。x=weibrnd(1,1.5,100,1)，产生一个100个样本的韦分布白噪声 列矢量，韦伯分布参数a=1，b=1.5。 0 100 200 300 0 1 2 3 4 -2 0 2 4 6 0 10 20 30 随机过程的模拟－相关正态随机序列的模拟 假定有一N维的正态随机矢量 ， 其联合概率密度为 其中 为X的均值矢量，协方差矩阵为 X=AU+? 其中U为零均值、单位方差、且各个分量相互独立的标准正态随机矢量。 K=AAT A矩阵由协方差矩阵K给出。 例1、模拟产生一个正态随机序列X(n)，要求自相关函数满足 其中a、?为常数，且|a|1。 分析：设N=3 0 100 200 300 400 500 -10 -8 -6 -4 -2 0 2 4 6 8 10 -20 -15 -10 -5 0 5 10 15 -0.2 0 0.2 0.4 0.6 0.8 1 1.2 a=0.8,?=2的相关正态随机序列及其相关函数 随机过程的数字特征估计 均值函数： mean() 用法：m=mean(x) 功能：返回X(n) 均值估计 均值： 方差函数： var() 用法：sigma2=var(x) 功能：返回X(n) 方差估计 方差： 标准差函数： std() 用法：sigma=std(x) 功能：返回X(n) 标准差估计 自相关函数： xcorr() 用法：c = xcorr(x,option) 功能：返回X(n) 自相关函数估计 自相关函数： option选项是： biased：有偏估计 unbiased:：无偏估计 互相关函数： xcorr() 用法：c = xcorr(x,y,option) 功能：返回X(n) ,Y(n)互相关函数估计 互相关函数： option选项是： biased：有偏估计 unbiased:：无偏估计 函数： xcov() 用法：与自相关函数及互相关函数相同 协方差函数与互协方差函数： 0 0.5 1 1.5 2 -4 -2 0 2 4 t x(t) Original Signal x -0.2 -0.1 0 0.1 0.2 -1 -0.5 0 0.5 1 t Rx(t) Autocorrelation 0 0.5 1 1.5 2 -4 -2 0 2 4 t x1(t) Original Signal x1 -0.2 -0.1 0 0.1 0.2 -0.5 0 0.5 1 t Rx1(t) Autocorrelation 白噪声干扰的正弦信号与白噪声信号的自相关函数 利用互相关函数计算相对时移 0 0.5 1 1.5 2 -20 0 20 40 60 80 100 t x(1t) y1(t) Original Signal -0.4 -0.2 0 0.2 0.4 -1 0 1 2 3 4 5