随机信号分析课程设计报告.docVIP

. . 随机信号分析课程设计报告 题目 学 院 信息电子技术 专 业 电子信息工程 班 级 15级1班 学 籍 号 姓 名 朱李伟 指导教师 刘文科 信息电子技术学院 2018年6月18日  PAGE  . . 实验二 随机过程的模拟与数字特征 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。 如果要产生服从N ( QUOTE , QUOTE ) 分布的随机序列.则可以由标准正态随机序列产生。如果X ~ N(0,1).则 QUOTE N ( QUOTE , QUOTE )。 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 对于平稳随机序列X QUOTE (n).如果它的相关函数满足那么它的功率谱定义为自相关函数 RX QUOTE (m)的傅里叶变换： 功率谱表示随机信号频域的统计特性.有着重要的物理意义。我们实际所能得到的随机信号的长度总是有限的.用有限长度的信号所得的功率谱只是真实功率谱的估计.称为谱估计或谱分析。功率谱估计的方法有很多种.这里我们介绍基于傅里叶分析的两种通用谱估计方法。 （1）自相关法 先求自相关函数的估计 QUOTE X QUOTE (m).然后对自相关函数做傅里叶变换  QUOTE  其中N 表示用于估计样本序列的样本个数。 （2）周期图法 先对样本序列x(n)做傅里叶变换 其中0 QUOTE n QUOTE  N-1.则功率谱估计为  QUOTE  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.这种用法种对数据进行了加窗.对数据加窗是为了减少功率谱估计中因为数据截断产生的截断误差.表2.1列出了产生常用窗函数的 MATLAB函数 nfft设定 FFT算法的长度； fs表示采样频率； 如果不指定输出参数（最后一种用法） .则直接会出功率谱估计的波形。 三、实验内容 1. 按如下模型产生一组随机序列 x(n)=0.8x(n-1) QUOTE (n) 其中 QUOTE (n)是均值为1.方差为 4的正态分布白噪声序列。估计过程的自相关函数和功率谱。 （1）实验程序 文件如下： #输入变量p表示x(n)里n的数值# function f=func1(p) w=randn(1,p)*2+1; #或 f=normrnd(1,2,1000,1)# x=zeros(1,p); for n = 2:1:p x(n)=0.8*x(n-1)+ w(n); end figure(1)