现代信号处理例的题目及matlab代码实现.docVIP

实用标准文案 精彩文档 《现代信号处理》期末考核作业 1 MATLAB仿真均值为0，方差为1的白噪声信号，信号长度N=1024，并用周期图法分别求500、1000和1500次实现的平均功率谱密度，画图。 程序代码如下： clear; clear all; N=1024;%数据长度 Nfft=1024;%FFT所采用的数据长度 n=0:N-1; wn=randn(1,N);%产生随机白噪声 subplot(2,2,1);%绘出白噪声序列 plot(n,wn); title(白噪声); %500次实现的平均功率谱密度 s=zeros(1,N); for i=1:500 wn=randn(1,N);%产生随机白噪声 Pxx=10*log10(abs(fft(wn,Nfft).^2)/N);%Fourier振幅谱平方的平均值，并转换为db s=s+Pxx; end s=s/500; f=(0:length(Pxx)-1)/length(Pxx);%绘出频率序列 subplot(222); plot(f,s); xlabel(频率/Hz);ylabel(功率谱/dB); title(500次实现的平均功率谱密度); grid on; %1000次实现的平均功率谱密度 s=zeros(1,N); for i=1:1000 wn=randn(1,N);%产生随机白噪声 Pxx=10*log10(abs(fft(wn,Nfft).^2)/N);%Fourier振幅谱平方的平均值，并转换为db s=s+Pxx; end s=s/1000; f=(0:length(Pxx)-1)/length(Pxx);%绘出频率序列 subplot(223); plot(f,s); xlabel(频率/Hz);ylabel(功率谱/dB); title(1000次实现的平均功率谱密度); grid on; %500次实现的平均功率谱密度 s=zeros(1,N); for i=1:1500 wn=randn(1,N);%产生随机白噪声 Pxx=10*log10(abs(fft(wn,Nfft).^2)/N);%Fourier振幅谱平方的平均值，并转换为db s=s+Pxx; end s=s/1500; f=(0:length(Pxx)-1)/length(Pxx);%绘出频率序列 subplot(224); plot(f,s); xlabel(频率/Hz);ylabel(功率谱/dB); title(1500次实现的平均功率谱密度); grid on; 实验结果图如下： 2仿真如下随机过程： 其中：Vn是均值为0，方差为1的Gaussian白噪声过程，Φ为随机相位，在[0，2π]间服从均匀分布。试对其中的正弦波频率进行估计（在不同的数据长度下，N=16，64，128，1024，可使用经典谱估计中的任何一种方法），并讨论数据长度对估计分辨率和平滑特性的影响。 解答：使用周期图法对不同数据长度的信号进行估计。 程序代码如下： clear all; %********************N=16;第一种情况数据长度为16********************** N = 16; Nfft = 16; n = 0:N-1; xn = sin(0.5*pi*n+2*pi*rand)+sin(0.3333*pi*n+2*pi*rand)+randn(1,N); figure(1); subplot(2,1,1); plot(n,xn); ylabel(幅值(V)); xlabel(时间(s)); title(原始信号); Pxx=10*log10(abs(fft(xn,Nfft).^2)/N); Fourier振幅谱平方的平均值，并转换为db f = 0:length(Pxx)-1; 绘出频率序列 subplot(212);plot(f,Pxx); xlabel(频率/Hz);ylabel(功率谱/dB); title(周期图N=16); grid on; %*******************N=64********************* N = 64; Nfft = 64; n = 0:N-1; xn = sin(0.5*pi*n+2*pi*rand)+sin(0.3333*pi*n+2*pi*rand)+randn(1,N); figure(2); subplot(2,1,1); plot(n,xn); ylabel(幅值(V)); xlabel(时间(s)); title(原始信号); Pxx=10*log10(abs(fft(xn,Nfft).^2)/N); f = 0:len