随机信号分析实验报告.doc

随机信号分析实验报告
实验一:平稳随机过程的数字特征
实验二:平稳随机过程的谱分析
实验三:随机信号通过线性系统的分析
实验四:平稳时间序列模型预测
班级:
姓名:
学号:
实验一:平稳随机过程的数字特征
一、实验目的
1、加深理解平稳随机过程数字特征的概念
2、掌握平稳随机序列期望、自相关序列的求解
3、分析平稳随机过程数字特征的特点
二、实验原理
平稳随机过程数字特征求解的相关原理



三、实验过程
function y = experiment
number = 44; %学号44
I = 8; %幅值为8
u = 1/number;
Ex = I* + (-I)*;
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)*I^2;
m = -N:N;
Kx = Rx - Ex*Ex;
rx = Kx/25;
subplot(211), stem(m,Rx); axis([-N N 0 I*I]); title('自相关序列');
subplot(212), stem(m,rx); axis([-N N 0 3]); title('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。
实验二:平稳随机过程的谱分析
一、实验目的
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
二、实验原理
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
function y = experiment2
close all;clc;
number = 44;
T = number*3;
T0 = %input('采样间隔T0=');
t = -T: T0: T;
t1 = -2*T: T0: 2*T;
n = T/T0;
Rx1 = 1 - abs(t)/T;
Rx = [zeros(1, n) Rx1 zeros(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); title('自相关序列') ; %自相关序列
S1 = T0*abs(fft(R1));
S1 = fftshift(S1);
subplot(212), stem(S1); title('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); title('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); title('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
四、实验结果及分析


五、实验心得体会
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