随机信号分析实验报告Word文件下载.doc

1、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）;for m = 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） C0 p;Rx = （2*pp - 1）*I2;m = -N:N;Kx = Rx - Ex*Ex;rx = Kx/25;subplot（211）, stem（m,Rx）; axis（-N N 0

2、I*I）; title（自相关序列）;subplot（212）, stem（m,rx）; axis（-N N 0 3）;自相关序数四、实验结果及分析自相关序列的特点分析：m0时Rx（m）随着m的增大而减小，m0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

3、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N3、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function y = experiment2close all;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） Rx1 zeros（1, n）; figure（1）,subplot（211）, pl

4、ot（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（

5、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、是的实函数和偶函数

6、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：function y = experiment3R_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（1,4

7、0）;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（RXgtext（1105064344 李鑫subplot（222）,stem（S_x）,title（SXsubplot（223）,stem（h）,title（hsubplot（224）,stem（H）,title（H%时域法求解R_xy = conv（R_x,h）;R_xy =

8、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）;Ryxsubplot（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

9、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）;Sxsubplot（222）,stem（S_xy）;Sxy %互功率谱密度 subplot（223）,stem（S_yx）;Syxsubplot（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_

10、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（

11、321）, stem（R_x）;subplot（322）, stem（R0_xy）;R0xy %互相关 subplot（323）, stem（R0_yx）;R0yxsubplot（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