《信号检测理论》.docVIP

《信号检测理论》 实验一：时间序列信号模型 程序源代码如下： N=1000; x=normrnd(0,1,N,1); b=[1];a=[1,-0.9]; y=filter(b,a,x); x_mean=mean(x);x_variance=var(x); y_mean=mean(y);y_variance=var(y); x_autocorr=xcorr(x,x,biased); y_autocorr=xcorr(y,y,biased); x_psd=(abs(fft(x))).^2/N; y_psd=(abs(fft(y))).^2/N; subplot(4,2,1);plot(x(1:200)); subplot(4,2,2);plot(y(1:200)); subplot(4,2,3);hist(x,100); subplot(4,2,4);hist(y,100); subplot(4,2,5);plot(-100:100,x_autocorr(900:1100)); subplot(4,2,6);plot(-100:100,y_autocorr(900:1100)); subplot(4,2,7);plot(x_psd); subplot(4,2,8);plot(y_psd); 运行结果如下： 分析：（其中X为白噪声，Y为低通滤波后的信号） ① X和Y（0~200点）的输出比较： 从图中，我们明显可以看到，X为白噪声，均匀地包含各个频率成分，高频和低频。而Y为经过低通滤波器后的信号，所以被滤去了很多高频成分，只剩下了低频成分，在时域内就表现为只留下了变化缓慢的信号成分，因而右图是左图原信号的一个大致的轮廓。 ② X和Y的直方图比较： 左右两图展现了信号的分布情况。左图为白噪声，右图为经过滤波器后的噪声，所以两者都符合高斯分布，与图中表现的一致。但右图因为去除了一些高频成分，所以均值不再为0，而方差也明显变大，在图中也就表现为数值分布比原信号更广、更宽。 ③ X和Y的自相关比较： 因为白噪声X的自相关是幅度为σ平方的冲激函数，所以在图中表现为，只在零点处有值，其他地方近似为零。而通过低通滤波器后的Y信号，由于滤去了高频成分，即高频为零，所以Y的自相关函数当m较大时为零，当m较小时并不为零，所以在图中表现为非冲激函数。 ④ X和Y的功率谱比较： 首先，从图中可以看到，因为原信号（白噪声）其功率谱为σ的平方，且在各个频率下均匀分布，所以在图中表现为各个频率段都有值。而经过低通滤波器的信号，高频成分为0，所以在图中表现为在高频段功率谱为0。 其次，由于功率谱是通过FFT求得的，而白噪声是离散的，因此做傅立叶变换时必须截取一段，就造成了在频域内的周期延拓，且负半轴-N/2~0的频谱与正半轴0~N/2的频谱关于Y轴对称，因此图中在0~N内的频谱关于N/2点对称。