1、实验一0914彭洋生汕 头 大 学 实 验 报 告学院:工学院 系: 电子系 专业: 通信工程 年级: 2009 成绩:姓名:彭洋生 学号:09142029 实验时间: 2011.5.25 指导教师签字: _实验一 随机序列的产生与统计分析一、实验目的和要求利用计算机产生常见随机序列,并对不同分布的随机序列进行统计分析,目的是了解随机信号的产生与主要统计分析方法。1) 利用计算机产生常见随机序列;2) 随机序列的统计特性分析与特征估计;3) 数字图像直方图的均衡;二、实验内容及实验数据记录与分析1)利用计算机产生正态分布、均匀分布和指数分布的随机数,分别画出200点和2000点的波形;(1)正
2、态分布概率密度为,取m=0, =1,随机数分布所用MATLAB程序为:%200点标准正态分布x=0:1:199;y=randn(200,1) ;plot(y)xlabel(第n个随机数)ylabel(随机数幅值)title(标准正态分布随机数(200点) 所用MATLAB程序为:%2000点标准正态分布x=0:1:1999;y=randn(2000,1) ;plot(y)xlabel(第n个随机数)ylabel(随机数幅值)title(标准正态分布随机数(2000点) (2)均匀分布概率密度为,其随机数分布为:所用MATLAB程序为:%200点0-1均匀分布x=0:1:199;y=rand(2
3、00,1) ;plot(y)xlabel(第n个随机数)ylabel(随机数幅值)title(标准正态分布随机数(200点)所用MATLAB程序为:%2000点0-1均匀分布x=0:1:1999;y=rand(2000,1) ;plot(y)xlabel(第n个随机数)ylabel(随机数幅值)title(标准正态分布随机数(2000点)(3)指数分布概率密度为,其随机数分布为:所用MATLAB程序为:%200点指数分布x=0:1:199;y=exprnd(2,200,1)plot(y)xlabel(第n个随机数)ylabel(随机数幅值)title(指数分布随机数(200点)所用MATLAB
4、程序为:%2000点指数分布x=0:1:1999;y=exprnd(2,2000,1)plot(y)xlabel(第n个随机数)ylabel(随机数幅值)title(指数分布随机数(2000点)2) 计算上面三种分布的均值与方差的理论值,并画出理论的概率密度(图),利用计算机分析画出这3种随机序列分别在100、5000和10000点的概率密度、均值与方差,比较分析不同长度下的统计结果;正态分布均值理论值: 正态分布方差理论值: 标准正态分布均值为0,方差为1。其概率密度函数曲线如下:分析:曲线是关于x=0对称的,其顶点为(0,0.4)所用MATLAB程序为:%标准正态分布概率密度函数x=-5:
5、0.01:5;y=normpdf(x,0,1);plot(x,y)xlabel(x)ylabel(y)title(标准正态分布概率密度函数)均匀分布概率密度: 均匀分布均值理论值: 均匀分布方差理论值: 所以,(0-1)分布均值为0.5,方差为1/12=0.083333333其概率密度函数曲线如下:分析:0-1分布概率密度在0-1区间外为0,而在0-1区间内为1所用MATLAB程序为:%均匀分布概率密度函数x=-2:0.01:3;y=unifpdf(x,0,1);plot(x,y)xlabel(x)ylabel(y)title(均匀分布概率密度函数)axis(-2,3,0,1.2)指数分布:
6、指数分布均值理论值: 指数分布方差理论值: 所以,这里指数分布均值理论值为2,方差理论值为4。其概率密度函数曲线如下:分析:指数分布概率密度在x0区间为0,另外随着自变量的增大 ,曲线逼近x轴所用MATLAB程序为:%指数分布概率密度函数x=-4:0.01:10;y=exppdf(x,2);plot(x,y)xlabel(x)ylabel(y)title(指数分布概率密度函数)利用计算机分析画出这3种随机序列分别在100、5000和10000点的概率密度、均值与方差,比较分析不同长度下的统计结果(1) 正态分布随机序列概率密度M= -0.0727 SIGMA2= 0.9650所用MATLAB程
7、序为:x=randn(100,1) ;M=mean(x)SIGMA2=var(x)y,xi=ksdensity(x);plot(xi,y)title(100点正态分布随机序列的概率密度估计)M= -0.0166 SIGMA2= 0.9745所用MATLAB程序为:x=randn(5000,1) ;M=mean(x)SIGMA2=var(x)y,xi=ksdensity(x);plot(xi,y)title(5000点正态分布随机序列的概率密度估计)M= 0.0065 SIGMA2= 1.0101所用MATLAB程序为:x=randn(10000,1) ;M=mean(x)SIGMA2=var(
8、x)y,xi=ksdensity(x);plot(xi,y)title(10000点正态分布随机序列的概率密度估计)比较分析如下:点均值方差100-0.07270.96505000-0.0166 0.9745100000.00651.0101从实验结果看,点数越大,均值和方差越接近理论值的0和1, 概率密度曲线接近理想正态分布,顶点越接近(0,0.4).(2)0-1均匀分布随机序列概率密度M= 0.5255 SIGMA2= 0.0890所用MATLAB程序为:x=rand(100,1) ;M=mean(x)SIGMA2=var(x)y,xi=ksdensity(x);plot(xi,y)tit
9、le(100点0-1均匀分布随机序列的概率密度估计)M= 0.4989 SIGMA2= 0.0833所用MATLAB程序为:x=rand(5000,1) ;M=mean(x)SIGMA2=var(x)y,xi=ksdensity(x);plot(xi,y)title(5000点0-1均匀分布随机序列的概率密度估计)M= 0.5005 SIGMA2=0.0828所用MATLAB程序为:x=rand(10000,1) ;M=mean(x)SIGMA2=var(x)y,xi=ksdensity(x);plot(xi,y)title(10000点0-1均匀分布随机序列的概率密度估计)比较分析如下:点均
10、值方差1000.52550.089050000.4989 0.0833100000.50050.0828从实验结果看,点数越大,均值和方差越接近理论值的0.5和1/12,概率密度也越接近0-1分布的情况,接近于1的范围更开阔,转折点越接近0和1.(2) 指数分布随机序列概率密度M= 2.0386 SIGMA2= 5.5487所用MATLAB 程序为:x=exprnd(2,100,1) ;M=mean(x)SIGMA2=var(x)y,xi=ksdensity(x);plot(xi,y)title(100点指数分布随机序列的概率密度估计)M= 1.9990 SIGMA2= 4.1461所用MAT
11、LAB程序为:x=exprnd(2,5000,1) ;M=mean(x)SIGMA2=var(x)y,xi=ksdensity(x);plot(xi,y)title(5000点指数分布随机序列的概率密度估计)M= 1.9670 SIGMA2= 3.8383所用MATLAB程序为:x=exprnd(2,10000,1) ;M=mean(x)SIGMA2=var(x)y,xi=ksdensity(x);plot(xi,y)title(10000点指数分布随机序列的概率密度估计)比较分析如下:点均值方差1002.03865.548750001.9990 4.1461100001.96703.8383
12、从实验结果看,点数越大,均值和方差越接近理论值的2和4,但5000点与10000点的均值和方差相差不大,而且5000点的较接近0和4,这是因为点数还不够大,出现这种情况也正常。点数越大,概率密度也越接近指数分布的情况。(3)画出2种指定参数下的二维正态概率密度曲线,其联合概率密度为:1)所用MATLAB程序为:x1=-5:0.2:5;x2=-5:0.2:5;X,Y=meshgrid(x1,x2);f=1/(2*pi).*exp(-1/2.*(X.2+Y.2);waterfall(X,Y,f)2)所用MATLAB程序为:x1=-5:0.2:5;x2=-5:0.2:5;X,Y=meshgrid(x
13、1,x2);f=1/(4*pi*sqrt(0.75).*exp(-1/1.5.*(X-2).2-(X-2).*(Y-4)./2+(Y-4).2/4);waterfall(X,Y,f)(4)实现一个信号处理的应用实例:处理所给图片素材(Lena.jpg),进行图像直方图的均衡,画出原始图像和经过均衡处理后的图像以及它们的直方图,并做比较分析。 实验所用MATLAB程序为:I = imread(lena.jpg);J = histeq(I);imshow(I)title(原始图像)figureimshow(J)title(经过均衡处理后的图像)figure; imhist(I)title(原始图像
14、直方图)figure; imhist(J)title(经过均衡处理后的图像直方图)三、实验体会和收获通过这次实验,我对于MATLAB编程有了更好的掌握,学会了各种随机序列产生的方法,绘制一维,二维的概率密度曲线,以及图像处理的初步知识,体会到了MATLAB强大的信号与图像处理能力,包括画随机序列分布,二维概率密度,以及进行图像直方图均衡处理。这次实验也提高了我分析处理实验数据的能力。在实验内容外,我还了解了一些其他的MATLAB图像处理,包括对图片加噪声、增强图片对比度,对图片进行灰度处理,检测图像边缘,放大旋转图片,直方图均衡化等等,体会到MATLAB软件给我们的生活科研带来极大的便利性,学会了MATLAB对于我们信号与系统课程中信号的仿真与处理,以及本课程随机信号分析与处理无疑是一大助手,让我们电子系的学生受益匪浅。我相信随着对MATLAB编程学习的深入,将帮助我在本专业的学习中“披荆斩棘”,更好的掌握本专业知识。
copyright@ 2008-2022 冰豆网网站版权所有
经营许可证编号:鄂ICP备2022015515号-1