数字信号处理仿真作业精选.docVIP

下载本文档

5
0
约7.2千字
约 15页
2018-04-08 发布于贵州
举报
版权申诉

数字信号处理仿真作业精选.doc

1、本文档共15页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

数字信号处理仿真作业精选

作业1 （1）求 A = [1 -a1 -a2; 0 -(1+a2) 0; 0 -a1 -1]; b = [r0 a1*r0 a2*r0]; x = inv(A)*b; %x = [sigma_v r1 r2]; sigma_v=x(1); r1=x(2); r2=x(3); 只要更改a1和a2的值，得到 a1 a2 P P r(1) r(2) -0.195 0.95 0.0965 0.0975+0.9698i 0.0975-0.9698i 0.1000 -0.9305 -1.595 0.95 0.0323 0.7975+0.5604i 0.7975-0.5604i 0.8179 0.3546 -1.9114 0.95 0.0038 0.9557+0.1914i 0.9557-0.1914i 0.9802 0.9236 产生序列 data_len = 1024; trials = 100; n = 1:data_len; a1 = -1.9114; a2 = 0.95; sigma_v_2 =0.; v = sqrt(sigma_v_2) * randn(data_len, 1 , trials); u0 = [0 0]; num = 1; den = [1 a1 a2]; Zi = filtic(num,den,u0); u = filter(num,den,v,Zi) un=zeros(1,1024) for h=1:1024 un(h)=u(h); end 的估计 p = 128; r0 = xcorr(u,p,unbiased); r = r0(p+1:2 * p+1) stem(1:257,r0) SAR(ω)、SBT(ω)、SPER(ω) SAR(ω)图和程序如下： NF=1024; Spr=fftshift((1/NF)*abs(fft(un,NF)).^2) Spr=Spr/max(Spr); Spr_unit=10*log10(Spr); plot(1:1024,Spr_unit); SBT(ω)图和程序如下： M=128; r=xcorr(un,M,biased); NF=1024; BT=fftshift(fft(r,NF)); BT=BT/max(BT); BT_unit=10*log10(BT); plot(1:1024,BT_unit); SPER(ω)图和程序如下： NF=1024; Par=sigma_v_2./fftshift(abs(fft([1,a1,a2],NF)).^2); Par=Par/max(Par); Par_unit=10*log10(Par); plot(1:1024,Par_unit); （1）产生序列 close all; clear; clc; N=1024; Pv=-10;%-10dB snr=10; a1=10^(snr/20); n=1:N; vn=randn(1,N); un=exp(j*pi*(1.4.*n-1))+exp(j*pi*(1.8.*n-0.9))+a1*vn; figure(); plot(n,un); xlabel(n); ylabel(un) title(产生序列un) 的估计 for m=0:500 rm_e(m+1)=un(m+1:N)*un(1:N-m)/(N-m); %r(m)估计 end figure(); plot(1:500,rm_e(1:500)); xlabel(m); ylabel(r(m)) title(自相关图); 估计四阶样本自相关矩阵 M=4; for k=1:N-M xs(:,k)=un(k+M-1:-1:k).; end R=xs*xs/(N-M); SBT(ω) L=256; r=xcorr(un,L,biased); NF=2048; BT=fftshift(fft(r,NF)); BT=BT/max(BT); BT_unit=10*log10(BT); plot(1:2048,BT_unit); SMVDR(ω) NF=2048; for n=1:NF Aq=exp(-j*2*pi*(n-1)/NF*(0:M-1)); Pmvdr(n)=1/(Aq*inv(R)*Aq); end Pmvdr=Pmvdr/max(Pmvdr); Pmvdr_unit=10*log10(Pmvdr); plot(1:2048,Pmvdr_unit); SAR(ω) 首先估计出自相关函数值r(0),r(1)...r(16); 利用Levinson-Durbin迭代算法实现AR模型的系数的求出；最后计算16阶AR模型的功率谱。 p =