哈尔滨工业大学威海随机信号分析实验二.docx
- 文档编号:6121902
- 上传时间:2023-05-09
- 格式:DOCX
- 页数:17
- 大小:839.42KB
哈尔滨工业大学威海随机信号分析实验二.docx
《哈尔滨工业大学威海随机信号分析实验二.docx》由会员分享,可在线阅读,更多相关《哈尔滨工业大学威海随机信号分析实验二.docx(17页珍藏版)》请在冰点文库上搜索。
哈尔滨工业大学威海随机信号分析实验二
《随机信号分析》试验报告
班级1302503
学号
学生
《随机信号分析》实验报告
实验二
1、实验目的:
练习使用Matlab的函数分析随机信号
2、实验内容:
1、产生一组(0,1)均匀分布的白噪声序列,画出其自相关函数和功率谱密度;
程序如下:
clc;clearall;
closeall;
X=rand(1,1000)
R=xcorr(X,'coeff');%'coeff'实现归一化
periodogram(X,[],512,1000);
figure
(1)
plot(R,'r');
figure
(2)
periodogram(X)
图像如下:
2、产生一组服从N~(2,5)的正态白噪声序列,画出其自相关函数和功率谱密度;
程序如下:
clc;clearall;
closeall;
X=normrnd(2,sqrt(5),[11000]);
R=xcorr(X,'coeff');%'coeff'实现归一化
[pxxw]=periodogram(X);
figure
(1)
plot(R,'r');
figure
(2)
periodogram(X)
图像如下:
3、估计随机过程X(t)=cos(600*pi*t)+cos(640*pi*t)+N(t)的自相关函数和功率谱,其中N(t)服从N~(0,1)的高斯分布。
程序如下:
clc;clearall;
closeall;
Fs=1000;
T=1/Fs;
L=1000;
t=(0:
L-1)*T;%在(0,1)内取1000个采样点
X=cos(100*pi*t)+cos(200*pi*t)+randn(size(t));
R=xcorr(X,'coeff');%归一化
[pxxw]=periodogram(X);
figure
(1)
plot(R,'r');
figure
(2)
periodogram(X)
图像如下:
4、随机相位信号X(t)=Acos(wt+Ψ),其中A=2和w=1000*pi,Ψ是在(0,2π)上均匀分布的随机变量。
估计该随机信号的自相关函数和功率谱密度。
程序如下:
clc;clearall;
closeall;
Fs=1000;
T=1/Fs;
L=1000;
t=(0:
L-1)*T;
w=1000*pi;
A=2;
Y=2*pi*rand(1,1000);
X=A*cos(w*t+Y);
R=xcorr(X,'coeff');%归一化
[pxxw]=periodogram(X);
figure
(1)
plot(R,'r');
figure
(2)
periodogram(X)
图像如下:
5、随机过程通过线性系统分析
根据随机信号课程中的知识,任意分布的白噪声通过有限带宽的线性系统后的输出是服从高斯分布的;宽带白噪声通过窄带系统输出也近似服从高斯分布。
本实验的目的就是要验证以上结论。
假定滤波器为RC低通滤波器,如右图所示:
(1)将低通滤波器转换成数字低通滤波器;
(2)产生一组均匀分布的白噪声序列,让这组白噪声序列通过该滤波器,画出输出序列的直方图,并与输出的理论分布进行比较;
(3)改变RC的参数,重做
(1)~
(2),并与前一次的结果进行比较。
程序如下:
symsRCw;
J=sqrt(-1);
s=J*w;
H=(1/(s*C))/(R+(1/s*C));
disp(H)%数字滤波器传递函数
%-----------------------------------------------------------
clc;clearall;
closeall;
X=rand(1,1000);
[fxi]=ksdensity(X);
figure
(1)
plot(xi,f);
R=[1,0.05];C=0.05;N=1000;
t=0:
pi/N:
pi/256-pi/N;
H=1/(R
(1)*C)*exp(-1/(R
(1)*C)*t);%系统传递函数(时域)
y=conv(X,H);
figure
(2)
subplot(2,1,1)
hist(y);
title('白噪声经过R=1,C=0.05滤波器输出直方图');
t=0:
pi/N:
pi/256-pi/N;
H=1/(R
(2)*C)*exp(-1/(R
(2)*C)*t);
y=conv(X,H);
figure
(2)
subplot(2,1,2)
hist(y);
title('白噪声经过R=0.05,C=0.05滤波器输出直方图');
图像如下:
%------------------------------------------------
%绘制数字滤波器频率响应曲线
clc;clearall;
closeall;
J=sqrt(-1);%H(t)=1/(R*C)*exp(-1/(R*C)*t)
R=[10.01];C=0.05;
Fs=1000;b=[0,1];a=[J*R*C,1];%a为分母的系数,b为分子的系数
td=0:
pi/Fs:
pi-pi/Fs;
[bzaz]=impinvar(b,a,Fs);%模拟数字滤波器转换的脉冲响应不变法
Hd=freqz(bz,az,td);%求滤波器的频率响应
figure
(1);
plot(td,abs(Hd));%窄带系统幅度谱
axis([0,0.15,-inf,inf])
title('数字滤波器的幅度谱');
图像如下:
6、窄带随机过程的产生
模拟产生一个窄带随机过程,首先产生两个互相独立的随机过程Ac(t)和As(t)并将用两个正交载波cos2*π*f0*t和sin2*π*f0*t进行调制,如下图所示,然后进行抽样得到窄带随机过程的抽样。
低通过程Ac(t)和As(t)的抽样是通过将两个独立的白噪声序列通过两个相同的低通滤波器产生的,分别得到Ac(t)和As(t)的抽样Ac(n)和As(n),低通滤波器的传递函数选择为:
然后将Ac(n)乘以cos2*π*f0*n*T,As(n)乘以sin2*π*f0*n*T,再通过相减得到窄带随机过程的抽样值,其中T为抽样间隔,假定T=1,f0=1000/π。
估计窄带随机过程的自相关函数和功率谱,并绘出图形。
程序如下:
Ac=200*randn(1,1000);
As=200*randn(1,1000);
figure
(1);
subplot(211);
periodogram(Ac,[],512,1000);
title('Ac的功率谱密度');
subplot(212);
periodogram(As,[],512,1000);
title('As的功率谱密度');
n=0:
1:
1100;J=sqrt(-1);
h=(0.9).^n;
w=0:
0.1:
pi;
form=1:
length(w)
H(m)=10*log(1/(1-0.9*exp(J*w(m))));
end
figure
(2);
plot(w,abs(H));
title('H(jw)的频率响应');
xlabel('w');
ylabel('|H(jw)|dB');
Ac_n=conv(Ac,h);
As_n=conv(As,h);
Ac_n=Ac_n(1:
1100);%卷积后只取前1100个离散值
As_n=As_n(1:
1100);
figure(3);
subplot(211);
periodogram(Ac_n,[],512,1100);
title('Ac_n的功率谱密度');
subplot(212);
periodogram(As_n,[],512,1100);
title('As_n的功率谱密度');
n1=0:
1:
1099;
x=Ac_n.*cos(2*pi*1000/pi.*n1)-As_n.*sin(2*pi*1000/pi.*n1);
figure(4);
R=xcorr(x,'coeff');
plot(R,'r');
title('窄带随机过程的自相关函数R');
figure(5);
periodogram(x,[],512,1100);
title('窄带随机过程的功率谱密度');
图像如下:
程序如下:
symsx
fx=0.5*exp(-x);
f=x^2*fx;
E=2*int(f,x,0,inf)%计算均值
f1=x^4*fx;
EY2=2*int(f1,x,0,inf)
DY=EY2-E^2%计算方差
>>E=
2
EY2=
24
DY=
20
3、实验结论
通过实验了解了有关的Matlab的函数分析随机信号的方法,明确了各函数的功能和内部参数的意义,学会了使用Matlab产生均匀分布随机变量的语句,利用Matlab现有xcorr和periodogram函数画出其自相关函数和功率谱密度。
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 哈尔滨工业大学 威海 随机 信号 分析 实验