随机信号分析实验报告Word文件下载.doc
《随机信号分析实验报告Word文件下载.doc》由会员分享,可在线阅读,更多相关《随机信号分析实验报告Word文件下载.doc(17页珍藏版)》请在冰豆网上搜索。
number=44;
%学号44
I=8;
%幅值为8
u=1/number;
Ex=I*0.5+(-I)*0.5;
N=64;
C0=1;
%计数
p
(1)=exp(-u);
form=2:
N
k=1:
m/2;
p(m)=exp(-u*m)+sum((u*m).^(2*k)./factorial(2*k)*exp(-u*m));
end;
pp=[fliplr(p)C0p];
Rx=(2*pp-1)*I^2;
m=-N:
N;
Kx=Rx-Ex*Ex;
rx=Kx/25;
subplot(211),stem(m,Rx);
axis([-NN0I*I]);
title('
自相关序列'
);
subplot(212),stem(m,rx);
axis([-NN03]);
自相关序数'
四、实验结果及分析
自相关序列的特点分析:
m>
0时Rx(m)随着m的增大而减小,m<
0时Rx(m)随着m的增大而增大。
在m=0的点,Rx(m)有最大值。
五、实验心得体会
通过本次实验,我从不知道用MATLAB软件,慢慢的一步步从新建文件、敲源程序、编译等初步了解了MATLAB软件,并学会用绘图功能,通过实验结果与书上的知识互相应证,对平稳随机序列的期望、自相关函数有了更深的了解。
1、复习信号采样的定理
2、理解功率谱密度函数与自相关函数的关系
3、掌握对功率谱密度函数的求解和分析
平稳随机过叶变程的谱分析和傅里换
1、
2、如果时间信号的采样间隔为T0,那么在频谱上的采样间隔为1/(N*T0),保持时域和频域的采样点一致N
3、注意实际信号以原点对称,画图时以中心对称,注意坐标的变换
三、实验过程
functiony=experiment2
closeall;
clc;
T=number*3;
T0=0.1%input('
采样间隔T0='
t=-T:
T0:
T;
t1=-2*T:
2*T;
n=T/T0;
Rx1=1-abs(t)/T;
Rx=[zeros(1,n)Rx1zeros(1,n)];
figure
(1),
subplot(211),plot(t1,Rx);
title('
自相关函数'
);
%自相关函数
F=1/(2*T0);
F0=1/(4*T);
f=-F:
F0:
F;
w=2*pi*f;
a=w*T/2;
Sx=T*sin(a).*sin(a)./(a.*a);
Sx(2*n+1)=T;
subplot(212),plot(f,Sx);
title('
功率谱密度函数'
%功率谱密度函数
figure
(2),
R1=Rx;
subplot(211),stem(R1);
%自相关序列
S1=T0*abs(fft(R1));
S1=fftshift(S1);
subplot(212),stem(S1);
自相关序列FFT得到功率谱密度函数'
%自相关序列FFT得到功率谱密度函数
figure(3),
S=Sx;
subplot(211),stem(S);
功率谱密度函数采样序列'
)%功率谱密度函数采样序列
R=1/T0*abs(ifft(S));
R=ifftshift(R);
subplot(212),stem(R);
功率谱密度序列IFFT得到自相关序列'
)%功率谱密度序列IFFT得到自相关序列
通过本次对平稳随机过程的谱分析的实验,进一步加深了对信号处理的采样定理的理解,明白功率谱密度函数与自相关函数是一对傅里叶变换关系,更了解了功率谱密度函数的性质,如非负性、是ω的实函数和偶函数等等。
实验三:
随机信号通过线性系统的分析
1、掌握随机信号通过线性系统的分析方法
2、掌握系统输出信号的数字特征和功率谱密度的求解
1、线性系统的时域分析方法
系统输入和输出的关系为:
输出期望:
输出的自相关函数:
输出平均功率:
互相关:
2、线性系统的频域分析方法
系统输入和输出的关系为:
输出的功率谱:
功率谱:
functiony=experiment3
R_x=zeros(1,81);
R_x(41)=sqrt(5);
%输入自相关
S_x=fftshift(abs(fft(R_x)));
%输入功率谱密度
No=44;
%学号
r=1-1/(No+1);
h0=zeros(1,40);
i=1:
41;
h1=r.^i;
h=[h0,h1];
%系统单位冲激函数
H=fftshift(abs(fft(h)));
%频率响应函数
m_x=0;
%输入期望,方差,平均功率
sigma_x=R_x(41);
P_x=R_x(41);
subplot(221),stem(R_x),title('
RX'
gtext('
1105064344李鑫'
subplot(222),stem(S_x),title('
SX'
subplot(223),stem(h),title('
h'
subplot(224),stem(H),title('
H'
%时域法求解
R_xy=conv(R_x,h);
R_xy=R_xy(41:
121);
R_yx=conv(R_x,fliplr(h));
R_yx=R_yx(41:
R_y=conv(R_yx,h);
R_y=R_y(41:
m_y=sqrt(R_y(81));
D_y=R_y
(1)-R_y(81);
subplot(321),stem(R_x);
title('
Rx'
gtext('
subplot(322),stem(R_xy);
Rxy'
%互相关
subplot(323),stem(R_yx);
Ryx'
subplot(324),stem(R_y);
Ry'
%输出自相关
subplot(325),stem(m_y);
m_y时域法期望值'
%输出时域法期望值
subplot(326),stem(D_y);
D_y时域法方差值'
%输出时域法方差值
S_xy=abs(fft(R_xy));
S_xy=fftshift(S_xy);
S_yx=fftshift(abs(fft(R_yx)));
S_y=fftshift(abs(fft(R_y)));
subplot(221),stem(S_x);
Sx'
subplot(222),stem(S_xy);
Sxy'
%互功率谱密度
subplot(223),stem(S_yx);
Syx'
subplot(224),stem(S_y);
Sy'
%输出功率谱密度
%%%%%%%%%%%%%%%%%%%%%%%
%频域分析法
S0_xy=S_x.*H;
S0_yx=S_x.*fliplr(H);
S0_y=S0_yx.*H;
figure(4),
subplot(222),stem(S0_xy);
S0xy'
)
subplot(223),stem(S0_yx);
S0yx'
subplot(224),stem(S0_y);
S0y'
%输出功率谱密度
R0_xy=fftshift(abs(ifft(S0_xy)));
R0_yx=fftshift(abs(ifft(S0_yx)));
R0_y=fftshift(abs(ifft(S0_y)));
m0_y=sqrt(R0_y(81));
D0_y=R0_y
(1)-R0_y(81);
figure(5),
subplot(321),stem(R_x);
subplot(322),stem(R0_xy);
R0xy'
%互相关
subplot(323),stem(R0_yx);
R0yx'
subplot(324),stem(R0_y);
R0y'
%输出自相关
subplot(325),stem(m0_y);
m0-y频域法期望值'
%输出频域法期望值
subplot(326),stem(D0_y);
D0-y'
%输出频域法方差值
通过本次实验,掌握了随机信号通过线性系统的分析方法,如从时域与频域分析,分析它的系统输出及其均值、自相关函数、功率谱密度与平均功率,系统输入与输出的互相关函数、互功率谱密度等。
实验四平稳时间序列模型预测
一、实验目的
1、掌握平稳时间序列分析模型的分析方法和步骤
2、会求平稳时间序列的自相关函数和偏相关函数
3、掌握模型类别和阶数的确定
二、实验原理
平稳时间序列的模型估