随机信分析实验.docVIP

实验一 随机序列的产生及数字特征估计 一、实验目的 1、学习和掌握随机数的产生方法； 2、实现随机序列的数字特征估计。 二、实验原理 1. 随机数的产生 随机数指的是各种不同分布随机变量的抽样序列（样本值序列） 。进 行随机信号仿真分析时，需要模拟产生各种分布的随机数。 在计算机仿真时，通常利用数学方法产生随机数，这种随机数称为 伪 随机数 。伪随机数是按照一定的计算公式产生的，这个公式称为 随机数发 生器 。伪随机数本质上不是随机的，而且存在周期性，但是如果计算公式 选择适当，所产生的数据看似随机的，与真正的随机数具有相近的统计特 性，可以作为随机数使用。 (0，1) 均匀分布随机数是最最基本、最简单的随机数。 (0 ，1) 均匀分布 指的是在 [0 ，1] 区间上的均匀分布，即 U(0 ， 1)。实际应用中有许多现成的 随机数发生器可以用于产生 (0 ， 1)均匀分布随机数，通常采用的方法为 线 性同余法 ，公式如下： y0 ， Mod ( kyn 1 ( N )) 1 yn xn yn / N （） 序列 xn 为产生的 (0 ， 1) 均匀分布随机数。 下面给出了上式的 3 组常用参数： (1) N 1010， k 7，周期 5 107 ； (2) （ IBM 随机数发生器） N 231， k 216 3，周期 5 108 ； (3) （ ran0 ） N 231 1， k 75，周期 2 109 ； 由均匀分布随机数，可以利用反函数构造出任意分布的随机数。 定理 若随机变量 X 具有连续分布函数 FX (x) ，而 R 为 (0 ， 1) 均匀分布 随机变量，则有 X Fx 1 ( R) （） 由这一定理可知， 分布函数为  FX  (x) 的随机数可以由  (0 ，1) 均匀分布随 机数按上式进行变换得到。 2. MATLAB 中产生随机序列的函数 (0 ， 1) 均匀分布的随机序列函数： rand 用法： x = rand(m,n) 功能：产生 m×n 的均匀分布随机数矩阵。 正态分布的随机序列函数： 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( , 2 ) 分布的随机序列，则可以由标准正态随机序 列产生。 其他分布的随机序列 MATLAB 上还提供了其他多种分布的随机数的产生函数，下表列出 了部分函数。 MATLAB 中产生随机数的一些函数 表 MATLAB 中产生随机数的一些函数 3、随机序列的数字特征估计 对于遍历过程，可以通过随机序列的一条样本函数来获得该过程的统 计特性。这里我们假定随机序列 X (n) 为遍历过程，样本函数为 x(n) ，其中 n=0,1,2 ， ， N-1。那么， X (n) 的均值、方差和自相关函数的估计为 利用 MATLAB 的统计分析函数可以分析随机序列的数字特征。 (1) 均值函数 函数： mean 用法： m = mean(x) 功能：返回按上面第一式估计 X (n) 的均值，其中 x 为样本序列 x(n) 。 (2) 方差函数 函数： var 用法： sigma2 = var(x) 功能：返回按上面第二式估计 X (n) 的方差，其中 x 为样本序列 x(n) ， 这一估计为无偏估计。 (3) 互相关函数 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，即 unbiased 无偏估计，即按式估计。 coeff m = 0 时的相关函数值归一化为 1。 none 不做归一化处理。 三、实验内容 1. 采用线性同余法产生均匀分布随机数 1000 个，计算该序列均值和 方差与理论值之间的误差大小。改变样本个数重新计算。 实验代码： num=input(Num=); N=2^31; k=2^16+3; Y=zeros(1,num); X=zeros(1,num); Y(1)=1; for i=2:num Y(i)=mod(k*Y(i -1),N); end X=Y/N; a=0; b=1; m0=(a+b)/2; sigma0=(b - a)^2/12; m=mean(X); sigma=var(X); delta_m=abs(m -m0); delta_sigma=abs(sigma -sigma0); plot(X,k); xlabel(n)