中心极限定理和高斯噪声的产生、白噪声的分析、色噪声的产生。.pptx

实验二中心极限定理和高斯噪声的产生、白噪声的分析、色噪声的产生。;（1）根据伪随机序列理论，由混合同余法产生均匀分布的随机数，进而根据中心极限定理来产生高斯噪声。（2）分析所产生的均匀分布和高斯分布随机信号的均值、方差、自相关等数字特征，估计其概率密度函数并进行分析，估计其功率谱密度并进行分析。说明该高斯噪声是否符合白噪声特性。（3）对该高斯噪声进行FIR低通滤波，估计输出低通型限带白噪声的功率谱、相关时间等，并结合白噪声通过线性系统相关理论来进行分析。;三、理论准备;混合同余法：;独立同分布的中心极限定理;白噪声定义：;1.利用混合同余法产生一组均匀分布的随机序列，序列长度为10000点。根据中心极限定理，利用这串随机序列产生高斯噪声。;A=A/m; B=zeros(1,N); for n=1:N B(1,n)=A(1,n); end s=sum(A); figure(1); plot(B); title(均匀分布序列); %%%%%%%%%%%%产生高斯噪声 y=(s-mean(s))./sqrt((var(s))); figure(2); plot(y); title(高斯噪声); ; 2.接下来我们关注一下此高斯分布随机信号的均值、方差、自相关等数字特征，估计其概率密度函数并进行分析，估计其功率谱密度并进行分析。 ; 程序代码： %%%%%%%%%%分析均值、方差、自相关函数和概率密度 y_u=mean(y); y_d=var(y); zi=xcorr(y); figure(3); plot(zi);title(高斯噪声的自相关函数),xlabel(t); [f,x] = ksdensity(y); figure(4); plot(x,f),title(高斯噪声的概率密度); Sw=fft(zi,2024); figure(5); pwelch(zi,34,32,[]);title(高斯噪声的功率谱密度函数); title(welch法计算高斯噪声的功率谱密度);;实验分析：用matlab计算得此高斯信号的均值为-5.95076876663825e-14，约等于0。自相关函数近似为一冲击，功率谱在某一值附近波动，在整个频率轴上均匀分布。这些数学特征表明该高斯随机信号满足白噪声的相关特性。;3. 对该高斯噪声进行FIR低通滤波，估计输出低通型限带白噪声的功率谱、相关时间等，根据白噪声通过线性系统相关理论来进行分析。;代码： wd=0.5;N=80;window=blackman(N);%wd为通带截止频率 h=fir1(N-1,wd,window); q=filter(h,1,y); %q=conv(h,y);%使用卷积实现信号过系统 Q=xcorr(q);%输出信号的自相关函数 figure(7);subplot(3,1,1);plot(Q);title(输出信号的自相关函数); Gw=fft(Q,2048); subplot(3,1,2);plot(20*log10(abs(Gw)));%输出信号的功率谱密度 subplot(3,1,3);pwelch(Q,34,32,[]);title(输出信号的功率谱密度函数); mm=max(Q); t1=0:length(Q)-1; syms Q; it=int(rm1,1,201);%?à1?ê±?? t=it/mm; ;低通滤波后的信号自相关函数 公式法求得的功率谱密度函数图像;调用pwelch函数获得的功率谱密度;实验分析： 1.经过FIR低通滤波后输出的信号为一低通型带限白噪声，功率谱密度在到 到 上均匀分布，自相关函数为一sa函数，实验结果符合理论分析。我们使用两种方法绘出输出信号的功率谱密度函数，通过DFT计算得到的功率谱密度图像毛刺较多，而调用pwelch函数获得的功率谱密度图像则较为平滑，更好地符合实际。 ;四、实验总结