基于MATLAB的随机信号分析方法(1).ppt

Matlab语言介绍;整理ppt;整理ppt; 对于给定的MU（?）和SIGMA（?），上式计算正态概率密度在X处的值，X为标量或矢量。对于标准正态分布，MU=0，SIGMA=1，这时可简写为normpdf(X)。; 对于给定的MU（?）和SIGMA（?），上式计算 正态概率密度在X处的值，X为标量或矢量，对于标准 正态分布，MU=0，SIGMA=1，这时可简写为normcdf(X)。 ;计算参数为?的瑞利分布概率密度函数在X处的值。 ;基于MATLAB的随机信号分析方法;蒙特卡洛方法： 也称为统计试验方法，它是采用统计的抽样理论来近似求解数学问题或物理??题，它即可以求解概率问题，也可以求解非概率问题，蒙特卡洛方法是系统模拟的重要方法。;用一个例子来说明蒙特卡洛的基本思想：;蒙特卡洛模拟的基本步骤;二、随机序列的产生;2、任意分布随机数的产生;举例：指数分布随机数的产生;% 指数分布随机数的产生 N=200; r=rand(N,1); l=0.1; x=-log(r)/l; Subplot(2,1,1); plot(x); xlabel(N); ylabel(x); title(指数分布随机数); y=ksdensity(x)；%概率密度函数 subplot(2,1,2); plot(y); xlabel(N); ylabel(x); title(概率密度函数); ;瑞利分布：;% 产生瑞利分布随机数 N=500; sigma=1; r=rand(N,1); x=sigma*sqrt(-2*log(r)); subplot(2,1,1); plot(x); y=ksdensity(x)；%概率密度函数 subplot(2,1,2); plot(y);;韦泊分布;(2) 变换法;3 MATLAB的随机数生成函数; （2） 正态分布白噪声序列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，例如，x=randn(100,1），产生一个100个样本的正态分布白噪声列矢量。如果要产生服从N(?,?2)分布的随机矢量，则可以通过标准正态随机矢量来产生， MATLAB的语句为: x=?+?.*randn(100,1)。;正态分布白噪声序列randn();（3） 韦伯分布白噪声序列weibrnd() 用法：x=weibrnd(A,B,m,n); 功能：产生m?n的韦伯分布随机数矩阵，其中A、B是韦伯分布的两个参数。例如，x=weibrnd(1,1.5,100,1)，产生一个100个样本的韦分布白噪声列矢量，韦伯分布参数a=1，b=1.5。 其他分布的随机数产生函数还有瑞利分布、伽玛分布、指数分布等，在此不一一列举。 ;韦伯分布白噪声序列weibrnd();4、相关正态随机矢量的产生;基本方法是先产生零均值、单位方差，且各个分量相互独立的标准正态随机矢量U，然后做变换 X=AU+M;其中A由协方差矩阵K确定;5 相关正态随机序列的产生----已知相关函数;a=0.8; sigma=2; N=500; u=randn(N,1); x(1)=sigma*u(1)/sqrt(1-a^2); for i=2:N x(i)=a*x(i-1)+sigma*u(i); end plot(x); xlabel(N); ylabel(x);title(‘相关正态随机序列); ;如果要产生任意形式的相关函数的相关正态随机序列;随机信号分析的MATLAB函数; 1 均值函数mean() 用法：m=mean(x) 功能：返回X(n)按 估计的均值，其中x为样本序列x(n)(n=1,2,…,N-1)构成的数据矢量。 ;互相关函数的估计;biased unbiased coeff none ;3、功率谱估计;例2.27 估计两个正弦信号加正态白噪声的功率谱，信号为 ， 其中 =300Hz, =310Hz。;%加窗的周期图谱估计 subplot(2,2,2); window = hann(301); periodogram(x,window,512,1000); title(汉宁周期图功率谱估计); axis([0 500 -50 0]); %相关函数法 R = xcorr(x)/15000;%15000为数据点数乘频点宽度，因纵轴为dB/Hz Pw = fft(R); subplot(2,2,3); f = (0:length(Pw)-1)*1000/length(Pw);%不太明白 plot(f,10*log10(abs(P