白噪声simulink仿真分析研究.docx

白噪声相关问题的 Simulink仿真研究 i前言 对于一个实际系统而言，其测量信号常会受到噪声的干扰，在理论分析时常常用白噪 声作为干扰信号，虽然理想的白噪声物理上并不存在，但由于白噪声在数学处理上具有简 单方便的特点，所以在实际应用中占有重要的地位。实际上，当我们所研究的随机过程， 在比所考虑的有用频带宽得多的范围内具有均匀的功率谱密度时，就可以把它当作白噪声 来处理，而不会带来多大的误差。在完成这次作业的过程中，我利用 Simulink对白噪声的 5个小问题进行仿真实验，以期加深对白噪声的理解。于当正弦信号通过线性系统时，其频率保持不变，而相位发生改变这样的事实，在个单一频率的正弦信号，其它频率信号的响应可以类似地得到。所用 5个小问题进行仿真实验，以期加深对白噪声的理解。 于当正弦信号通过线性系统时，其频率保持不变，而相位发生改变这样的事实，在 个单一频率的正弦信号，其它频率信号的响应可以类似地得到。所用 信号频率为 相关特性进行了探究，共对 甘、基 实验中我采用的是 正弦信号的相关参数如下图所示： 1Hz，振幅为1。叠加的白噪声信号参数为 均值为0，方差为1服从高斯分布。 Hearn Hearn 图1-1a原始信号的参数 图1-1b白噪声信号的参数 考虑到白噪声“均值为零，功率谱密度在整个频率轴上有非零常数”，由于原信号是 频率为1Hz的正弦信号，所以首先考虑用低通滤波器进行滤波，系统的完整结构图如下: El Fd-Fbvr Fd-Fbvr Ju Ju B-=T Ear?Fir: 图1-2 Simuli nk 系统模型 叠加了高斯白噪声的正弦信号、在上图中，右上角示波器的四个输入分别为原正弦信号、 高斯白噪声以及通过滤波器之后的信号。 叠加了高斯白噪声的正弦信号、 2.实验过程 2.1低通滤波 低通滤波器的参数如下：8阶Butterworth低通滤波器，截止频率 2Hz 图2-1低通滤波器参数 补充：滤波器的阶数 An g logFilter Design8阶Butterworth低通滤波器 An g log Filter Design 8阶Butterworth低通滤波器 1阶Butterworth低通滤波器2阶Butterworth低通滤波器 2.1.1频域分析结果 图2-2a原正弦信号的功率谱密度函数图 2-2b白噪声的功率谱密度函数 1QQ也M刖X1D 1QQ 也M刖X 1D 图2-2c叠加后信号的功率谱密度函数 图2-2d滤波后信号的功率谱密度函数 2.1.2时域分析 从上到下，依次为：原正弦信号、叠加了高斯白噪声的正弦信号、高斯白噪声以及低 通滤波之后的信号。 图2-3时域响应图 从图上可以看出滤波之后的信号大致恢复了原来的信号，但可以较明显地看出在原来 的正弦信号之上还叠加有低频信号，初步考虑之后认为，低通滤波器虽然滤除了信号的高 频部分，但白噪声的功率谱密度在整个频率轴上都有非零常数，于是自然想到利用带通滤 波器可以得到更好的滤波效果，以下为了简化，作图时只研究未加噪声的原始信号和滤波 后的信号。 2.2带通滤波 带通滤波器的参数如下图所示: Flits- D^ign图2-4带通滤波器参数图2-4 Flits- D^ign 图2-4带通滤波器参数 图2-4低通与带通滤波器结果对比 为了进行对比，这里给出低通滤波的放大结果。从图上可以直观地看出，带通滤波器 的滤波效果优于低通滤波器，但其不足在于动态响应特性不如低通滤波器。 2.3真实白噪声与理想白噪声 白噪声是一种不自相关的随机过程，我们可以这样理解，由于白噪声是不自相关的, 其组成一定是大量无限窄的彼此独立的脉冲的随机组合。下图是其示意图 图2-5理想白噪声示意图 而对于实际的随机过程而言，在非常邻近的两个时刻的状态总会存在一定的相关性， 也就是说其相关函数不可能是一个严格的 3函数。回顾以上实验中所用的白噪声信号。 对红色区域放大显示 图2-6Simulink 仿真中产生的白噪声 从上图可以看出，实验中使用的白噪声实际上并不是理想白噪声，为了更加接近理想 白噪声，可以对产生白噪声的参数进行调整 Paranreters Mean: 结合上两幅图，容易看到，如果改变 Sample time,则得到的信号可以更加接近白噪声。 2.4白噪声对系统基本频率的影响 由于滤波不可能完全滤除除信号之外的全部噪声，其它频率的噪声叠加在信号之上会 改变原信号的频率。以下用实验证实这个猜想。 对示波器的显示结果进行缩放，可以确定出这两个未知的时间，结果如下: 1肌 X — 1理’ i i i Q*樂 由上图可以看出滤波后的信号因为依然含有其它频率的噪声，使得其频率不再为 1Hz。 至于为什么会想到这点，从数学的角度来看并不困难，周期函数可以展开成傅里叶级 数，那么不