3.随机过程的模拟与特征估计-随机信号分析实验报告.docxVIP

3.随机过程的模拟与特征估计-随机信号分析实验报告.docx

  1. 1、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。。
  2. 2、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
  3. 3、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)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、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
  6. 6、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。
  7. 7、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
查看更多
计算机与信息工程学院验证性实验报告 专业: 通信工程 年级/班级:2011级 第3学年 第1学期 课程名称 随机信号分析 指导教师 杨育婕 本组成员 学号姓名 实验地点 计算机学院111 实验时间 周二7-8节 项目名称 随机过程的模拟与特征估计 实验类型 验证性 实验目的 1、 了解随机过程特征估计的基本概念和方法 2、 学会运用MATLAB^件产生各种随机过程 3、 学会对随机过程的特征进行估计 4、 通过实验了解不同估计方法所估计出来的结果之间的差异 实验仪器或设备 1、 一台计算机 2、 MATLAB r2013a 实验原理 1、 高斯白噪声的产生:利用 MATLAB!数randn产生 2、 自相关函数的估计:MATLAB!带的函数:xcorr Rx(m)二 Rx(m)二 1 N-|m| N 4m|_J Z x(n + m)x (n) n=0 (3.1 ) 换: 换: 3、功率谱的估计:MATLAB!带的函数为pyulear 先估计自相关函数Rx(m),再利用维纳—辛钦定理,功率谱为自相关函数的傅立叶变 N 1 Gx( X Rx(m)e” (3.2) m=N 4) 4、 均值的估计:MATLAB!带的函数为mean 1 N 4 mx 二一 x(n) (3.3 ) N n =1 5、 方差的估计:MATLAB!带的函数为var 1 N -1 「[x(n) -mix]2 (3.4 ) N n# 6 AR(1)模型的理论自相关函数和理论功率谱 对于AR(1)模型 (3.5)X(n) (3.5) 自相关函数 2 m 2 m a a 门 Rx(m) 2 , m-° 1 -a (3.6) 功率谱为 Gx ( J Gx ( J 二 2 CT (1-ae」)2 (3.7) 四、实验内容 (1)按如下模型产生一组随机序列x(n) =ax(n_1)?w(n),其中w(n)为均值为1,方差 为4的正态分布白噪声序列。 1、 产生并画出a=°.8和a=°.2的x(n)的波形; 2、 估计x(n)的均值和方差; 3、 估计x(n)的自相关函数。 (2)设有AR(1)模型, X(n) ?°.8X(n -1) W(n), 1、 W(n)是零均值正态白噪声,方差为 4。 2、 用MATLA模拟产生X(n)的500个样本,并估计它的均值和方差; 3、 画出X(n)的理论的自相关函数和功率谱; 4、 估计X(n)的自相关函数和功率谱。 五、实验程序及其运行结果 澈验(1) a=0.8; sigma=2; N=500; u=1+4*ra ndn (N,1); x(1)=sigma*u(1)/sqrt(1-aA2); for i=2:N x(i)=a*x(i-1)+sigma*u(i); end subplot (2,2,1) plot(x);title(a=0.8) Rx=xcorr(x,coeff); subplot (2,2,2) plot(Rx);title(a=0.8 时,自相关函数) jun zhix=mea n( x); fan gchax=var(x); b=0.2; y(1)=sigma*u(1)/sqrt(1-bA2); for j=2:N y(j)=b*y(j-1)+sigma*u(j); end subplot (2,2,3) plot(y);title(a=0.2) Ry=xcorr(y,coeff); subplot (2,2,4) plot(Ry);title(a=0.2 jun zhiy=mea n( y); fan gchay=var(y); 时,自相关函数) 100 50 0 -50 0 200 400 600 a=0.8 1 0.5 0 -0.5 a=0.8时,自相关函数 0 500 1000 40 20 0 -20 -40 a=0.2 0 200 400 600 a=0.2时,自相关函数 0.5 ? 0 ”51册卅e枷r叭性—” -0.5 c : 0 500 1000 澈验(2) a=-0.8; sigma=2; N=500; u=sigma*ra ndn( N,1); x(1)=sigma*u(1)/sqrt(1-aA2); for i=2:N; x(i)=a*x(i-1)+u(i); en d; jun zhi=mea n( x); fan gcha=var(x); for i=1:N; R(i)=(sigmaA2)*(aAi)/(1-sigmaA2); en d; for j=1:998 if j=499 R1(j)=R(500-j); else R1(j)=R(j-499); end end R2=xcorr(x); subplot(2,1,1),stem(-499:1:498,R1,.),title(

文档评论(0)

cooldemon0601 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档