北京理工大学随机信号分析实验2.docVIP

一、实验目的 1. 学习利用MATLAB 模拟产生随机过程的方法。 2. 熟悉和掌握特征估计的基本方法及其MATLAB 实现。 二、实验原理 1.正态分布白噪声序列的产生 MATLAB 提供了许多产生各种分布白噪声序列的函数，其中产生正态分布白噪声序列的函数为randn。 函数：randn 用法：x = randn(m,n) 功能：产生m×n 的标准正态分布随机数矩阵。 2.相关函数估计 MATLAB 提供了函数xcorr 用于自相关函数的估计。 函数：xcorr 用法：c = xcorr(x,y) c = xcorr(x) c = xcorr(x,y,opition) c = xcorr(x,opition) 功能：xcorr(x,y)计算X (n)与Y(n)的互相关，xcorr(x)计算X (n)的自相关。 option 选项可以设定为： biased 有偏估计。 unbiased 无偏估计。 coeff m = 0 时的相关函数值归一化为1。 none 不做归一化处理。 3.功率谱估计 MATLAB 函数periodogram 实现了周期图法的功率谱估计。 函数：periodogram 用法：[Pxx,w] = periodogram(x) [Pxx,w] = periodogram(x,window) [Pxx,w] = periodogram(x,window,nfft) [Pxx,f] = periodogram(x,window,nfft,fs) periodogram(...) 功能：实现周期图法的功率谱估计。其中： Pxx 为输出的功率谱估计值； f 为频率向量； w 为归一化的频率向量； window 代表窗函数  三、实验结果 (1)信号、自相关函数、功率谱密度 （2）N=256时信号，自相关函数，功率谱密度  N=1024时信号，自相关函数，功率谱密度 结果分析：由功率谱密度图可以看出，功率主要集中在两个频点处，这两个频点对应的是信号的两个频率。而噪声所产生的功率则平均分布在功率谱上，不能明显看出。 四、实验程序 x(1)=0; for i=2:1000 x(i)=x(i-1)*0.8+1+randn(1)*2; end data1=x; data1x=xcorr(data1); [Pxx1,f1]=periodogram(data1); figure; subplot(311); plot(data1); data1x=xcorr(data1); subplot(312); plot(data1x); [Pxx1,f1]=periodogram(data1); subplot(313); plot(f1,Pxx1); for i=1:256 data21(i)=sin(2*pi*0.05*i)+2*cos(2*pi*0.12*i)+randn(1); end for i=1:1024 data22(i)=sin(2*pi*0.05*i)+2*cos(2*pi*0.12*i)+randn(1); end figure; subplot(311); plot(data21); data21x=xcorr(data21); subplot(312); plot(data21x); [Pxx2,f2]=periodogram(data21); subplot(313); plot(f2,Pxx2); figure; subplot(311); plot(data22); data22x=xcorr(data22); subplot(312); plot(data22x); [Pxx3,f3]=periodogram(data22); subplot(313); plot(f3,Pxx3);