实验报告
通信信号分析与处理
专业通信工程
学号j130510401
姓名王溪岩
日期2016.1.10
通信信号分析与处理实验指导书
1
1、实验过程与仿真
该实验主要包括函数确定、参数选择、仿真和分析几个部分，具体仿真程序和结果分析如下：
1.1二项分布随机过程
1.1.1信号产生
1）高斯分布随机过程：
n=input('n=');
x=0.25;
o=1;
m=1;
R=normrnd(x,o,m,n);
subplot(3,1,1);
plot(R)
R_a=xcorr(R);
subplot(3,1,2);
plot(R_a)
Pf=abs(fft(R_a,2048));
subplot(3,1,3);
plot(Pf)
(n输入1000，5000，10000)
运行结果：
2
结果分析：由图可看出，高斯随机分布的均值几乎在一条直线上，可看作为恒定值，与时间无关；自相关函数是仅与时间间隔T有关的
函数，高斯随机分布为平稳过程；当n=1000时，值返回到0时
的值，此时的自相关系数最大，表明自己与本身的自相关程度最高。
2）均匀分布：
m=1;
n=input('n=');
a=0;b=0.5;
R=unifrnd(a,b,m,n);
R_a=xcorr(R);
subplot(3,1,1);
plot(R);title('均匀随机分布');
Pf=abs(fft(R_a,10000));
3
4
subplot(3,1,2);
plot(R_a);title('
自相关'); subplot(3,1,3); plot(Pf);title('
功
率
');
结果分析：自相关系数在时间间隔为1的时候最高。 3）二项分布 n=input('n='); m=1; p=0.02; N=1;
R=binornd(N,p,m,n); subplot(3,1,1) plot(R); R_a=xcorr(R); subplot(3,1,2)
plot(R_a)
Pf=abs(fft(R_a,10000));
subplot(3,1,3);
plot(Pf)运行结果：
结果分析：二项随机分布的值在0.5左右震荡，均值为0.5，与时间无关；
自相关函数为仅与时间间隔t有关的函数，该过程为平稳过程。
T=0时，自相关系数最高。
1.2实验涉及函数及用法
1）normrnd函数：生成服从正态分布的随机数
语法：R＝normrnd(MU,SIGMA,m,n)
说明：R＝normrnd(MU,SIGMA,m,n)：生成m×n形式的正态分布
的随机数矩阵。MU参数代表均值，DELTA参数代表标准差参数：MU=2/4=0.5;SIGMA=2;m=1,n=1000。
5
2）unifrnd函数：是生成(连续)均匀分布的随机数
语法：R = unifrnd(A,B) 生成被A和B指定上下端点[A,B]的连续均匀分布的随机数组R。 R = unifrnd(A,B,m,n,...) 或 R =unifrnd(A,B,[m,n,...]
返回 m*n*...数组。
参数：学号=2，E=2/4=0.5,即A,B区间取[0,1],
随机数长度为5000，则m=1,n=5000。
3）binornd函数：是生成(连续)二项分布的随机数
语法：R=binornd(N,P,m,n,p,q,r........) 表示返回参数为N，P的二项分布随机数，其中m，n表示R的行数和列数，pqr后面的数，表示p*q*r*......
这么多个返回的mxn随机数据矩阵
参数：p=(1+2)/50=0.06; E=0.5=Np;N=E/p=8.33,N取8；
m=1,n=10000;
4) xcorr函数：是用于求解序列自相关和互相关的函数。
语法：若函数为x,则R=xcorr(x)即为函数x的自相关函数。
5）mean（）求平均数
2、实验中遇到的问题
3、心得体会
参考文献：
…………
程序源代码：
1）高斯分布随机过程：
n=input('n=');
x=0.25;
o=1;
m=1;
R=normrnd(x,o,m,n);
subplot(3,1,1);
plot(R)
R_a=xcorr(R);
subplot(3,1,2);
plot(R_a)
Pf=abs(fft(R_a,2048));
subplot(3,1,3);
plot(Pf)
6
2）均匀分布：
clear all;clc;
m=1;
n=input('n=');
a=0;b=0.5;
R=unifrnd(a,b,m,n);
R_a=xcorr(R);
subplot(3,1,1);
plot(R);title('均匀随机分布');
Pf=abs(fft(R_a,10000));
subplot(3,1,2);
plot(R_a);title('自相关');
subplot(3,1,3);
plot(Pf);title('功率');
3）二项分布
n=input('n=');
m=1;
p=0.02;
N=1;
R=binornd(N,p,m,n);
subplot(3,1,1)
plot(R);
R_a=xcorr(R);
subplot(3,1,2)
plot(R_a)
Pf=abs(fft(R_a,10000));
subplot(3,1,3);
plot(Pf)
7
通信信号分析与处理实验指导书
求其对应的功率谱。
8
1.3二项分布随机过程
1.3.1见实验一
1.3.2信号产生
自相关函数：
t=(-3:3);
R=(1-t/3).*(t>=0)+(1+t/3).*(t<0);
subplot(2,1,1);
plot(t,R) 自相关函数的傅立叶变换为功率谱：R_a=abs(fft(R)
结果为：
1.4abs()：绝对值函数
fft():快速傅里叶变换
……………..
9
2、实验中遇到的问题
矩阵维度不一致需要用点乘，
3、心得体会
理解了功率谱与自相关函数之间的关系
程序源代码：
t=(-3:3);
R=(1-t/3).*(t>=0)+(1+t/3).*(t<0); subplot(2,1,1);
plot(t,R)
R_a=abs(fft(R));
subplot(2,1,2);
plot(R_a)
10
通信信号分析与处理实验指导书
11
1、实验过程与仿真（黑体小三，段前段后个一行）
该实验主要包括分析、编写程序、仿真及和***几个部分，具体仿真程序和结果分析如下：（汉字宋体小四，1.25倍修改行距，英文用Time new roman字体）
1.5二项分布随机过程
1.5.1信号产生
clear all;clc;
Rx=5*ones(1);
n2=0:999;
h=0.5.^n2;
Rxy=conv(Rx,h);
h2=0.5.^(-n2);
Ry=conv(Rxy,h2);
n=-999:999;
subplot(3,1,1);stem(n,Ry);
s1=abs(fft(Ry,2048));
n=0:2047;
subplot(3,1,2);plot(n,fftshift(s1));
x=wgn(1,10000,5');
y=x.^2;
Ry2=xcorr(y,'unbiased');
s2=abs(fft(Ry2,32768));
n=0:32767;
subplot(3,1,3);plot(n,fftshift(s2));.
结果为：
12
.
1.5.2期望
.
……………..
2、实验中遇到的问题
3、心得体会
参考文献：
…………
程序源代码：
clear all;clc;
Rx=5*ones(1);
n2=0:999;
h=0.5.^n2;
Rxy=conv(Rx,h);
13
h2=0.5.^(-n2);
Ry=conv(Rxy,h2);
n=-999:999;
subplot(3,1,1);stem(n,Ry);
s1=abs(fft(Ry,2048));
n=0:2047;
subplot(3,1,2);plot(n,fftshift(s1));
x=wgn(1,10000,5');
y=x.^2;
Ry2=xcorr(y,'unbiased');
s2=abs(fft(Ry2,32768));
n=0:32767;
subplot(3,1,3);plot(n,fftshift(s2));.
14
本科实验报告实验名称：随机信号分析实验
实验一 随机序列的产生及数字特征估计 一、实验目的 1、学习和掌握随机数的产生方法。 2、实现随机序列的数字特征估计。 二、实验原理 1、随机数的产生 随机数指的是各种不同分布随机变量的抽样序列（样本值序列）。进行随机信号仿真分析时，需要模拟产生各种分布的随机数。 在计算机仿真时，通常利用数学方法产生随机数，这种随机数称为伪随机数。伪随机数是按照一定的计算公式产生的，这个公式称为随机数发生器。伪随机数本质上不是随机的，而且存在周期性，但是如果计算公式选择适当，所产生的数据看似随机的，与真正的随机数具有相近的统计特性，可以作为随机数使用。 (0，1)均匀分布随机数是最最基本、最简单的随机数。(0，1)均匀分布指的是在[0，1]区间上的均匀分布，即 U(0，1)。实际应用中有许多现成的随机数发生器可以用于产生(0，1)均匀分布随机数，通常采用的方法为线性同余法，公式如下： )(m od ,110N ky y y n n -= N y x n n /= 序列{}n x 为产生的(0，1)均匀分布随机数。 下面给出了上式的3组常用参数： 1、10 N 10,k 7==，周期7 510≈?； 2、（IBM 随机数发生器）31 16 N 2,k 23,==+周期8 510≈?； 3、（ran0）31 5 N 21,k 7,=-=周期9 210≈?； 由均匀分布随机数，可以利用反函数构造出任意分布的随机数。 定理 1.1 若随机变量 X 具有连续分布函数F X (x)，而R 为(0,1)均匀分布随机变量，则有 )(1R F X x -= 由这一定理可知，分布函数为F X (x)的随机数可以由(0,1)均匀分布随机数按上式进行变
一、实验名称 微弱信号的检测提取及分析方法 二、实验目的 1．了解随机信号分析理论如何在实践中应用 2．了解随机信号自身的特性，包括均值、方差、相关函数、频谱及功率谱密度等 3．掌握随机信号的检测及分析方法 三、实验原理 1．随机信号的分析方法 在信号与系统中，我们把信号分为确知信号和随机信号。其中随机信号无确定的变化规律，需要用统计特新进行分析。这里我们引入随机过程的概念，所谓随机过程就是随机变量的集合，每个随机变量都是随机过程的一个取样序列。 随机过程的统计特性一般采用随机过程的分布函数和概率密度来描述，他们能够对随机过程作完整的描述。但由于在实践中难以求得，在工程技术中，一般采用描述随机过程的主要平均统计特性的几个函数，包括均值、方差、相关函数、频谱及功率谱密度等来描述它们。本实验中算法都是一种估算法，条件是N要足够大。 2．微弱随机信号的检测及提取方法 因为噪声总会影响信号检测的结果，所以信号检测是信号处理的重要内容之一，低信噪比下的信号检测是目前检测领域的热点，而强噪声背景下的微弱信号提取又是信号检测的难点。 噪声主要来自于检测系统本身的电子电路和系统外空间高频电磁场干扰等，通常从以下两种不同途径来解决 ①降低系统的噪声，使被测信号功率大于噪声功率。 ②采用相关接受技术，可以保证在信号功率小于噪声功率的情况下，人能检测出信号。 对微弱信号的检测与提取有很多方法，常用的方法有：自相关检测法、多重自相法、双谱估计理论及算法、时域方法、小波算法等。 对微弱信号检测与提取有很多方法，本实验采用多重自相关法。 多重自相关法是在传统自相关检测法的基础上，对信号的自相关函数再多次做自相关。即令： 式中，是和的叠加；是和的叠加。对比两式，尽管两者信号的幅度和相位不同，但频率却没有变化。信号经过相关运算后增加了信噪比，但其改变程度是有限的，因而限制了检测微弱信号的能力。多重相关法将 当作x（t），重复自相关函数检测方法步骤，自相关的次数越多，信噪比提高的越多，因此可检测出强噪声中的微弱信号。
实验三 随机信号通过线性和非线性系统后的特性分析 一、实验目的 1、了解随机信号的均值、均方值、方差、自相关函数、互相关函数、概率密度、频谱及功率谱特性。 2、研究随机信号通过线性系统和非线性系统后的均值、均方值、方差、自相关函数、互相关函数、概率密度、频谱及功率谱有何变化，分析随机信号通过线性系统和非线性系统后的特性 二、实验仪器与软件平台 1、 微计算机 2、 Matlab 软件平台 三、实验步骤 1、 根据本实验内容和要求查阅有关资料，设计并撰写相关程序流程。 2、 选择matlab 仿真软件平台。 3、 测试程序是否达到设计要求。 4、 分析实验结果是否与理论概念相符 四、实验内容 1、 随机信号通过线性系统和非线性系统后的特性分析 （1）实验原理 ①随机信号的分析方法 在信号系统中，可以把信号分成两大类：确定信号和随机信号。确定信号具有一定的变化规律，二随机信号无一定的变化规律，需要用统计特性进行分析。在这里引入了一个随机过程的概念。所谓随机过程，就是随机变量的集合，每个随机变量都是随机过程的一个采样序列。随机过程可以分为平稳的和非平稳的，遍历的和非遍历的。如果随机信号的统计特性不随时间的推移而变化。则随机过程是平稳的。如果一个平稳的随机过程的任意一个样本都具有相同的统计特性。则随机过程是遍历的。下面讨论的随机过程都认为是平稳的遍历的随机过程，因此，可以随机取随机过程的一个样本值来描述随机过程中的统计特性。 随机过程的统计特性一般采用主要的几个平均统计特性函数来描述，包括、均方值、方差、自相关系数、互相关系数、概率密度、频谱及功率谱密度等。 a.随机过程的均值 均值E[x(t)]表示集合平均值或数学期望值。基于过程的各态历经行，可用时间间隔T 内的幅值平均值表示，即 ∑-==1 /)()]([N t N t x t x E 均值表达了信号变化的中心趋势，或称之为直流分量。
报告编号：YT-FS-1915-76 计算机上机实验内容及实验报告要求(完整版) After Completing The T ask According To The Original Plan, A Report Will Be Formed T o Reflect The Basic Situation Encountered, Reveal The Existing Problems And Put Forward Future Ideas. 互惠互利共同繁荣 Mutual Benefit And Common Prosperity
计算机上机实验内容及实验报告要 求(完整版) 备注：该报告书文本主要按照原定计划完成任务后形成报告，并反映遇到的基本情况、实际取得的成功和过程中取得的经验教训、揭露存在的问题以及提出今后设想。文档可根据实际情况进行修改和使用。 一、《软件技术基础》上机实验内容 1．顺序表的建立、插入、删除。 2．带头结点的单链表的建立（用尾插法）、插入、删除。 二、提交到个人10m硬盘空间的内容及截止时间 1．分别建立二个文件夹，取名为顺序表和单链表。 2．在这二个文件夹中，分别存放上述二个实验的相关文件。每个文件夹中应有三个文件(.c文件、.obj 文件和.exe文件)。 3.截止时间：12月28日（18周周日）晚上关机时为止，届时服务器将关闭。 三、实验报告要求及上交时间（用a4纸打印）
1．格式： 《计算机软件技术基础》上机实验报告 用户名se××××学号姓名学院 ①实验名称： ②实验目的： ③算法描述（可用文字描述，也可用流程图）： ④源代码：（.c的文件） ⑤用户屏幕（即程序运行时出现在机器上的画面）： 2．对c文件的要求： 程序应具有以下特点：a 可读性：有注释。 b 交互性：有输入提示。 c 结构化程序设计风格：分层缩进、隔行书写。 3.上交时间：12月26日下午1点-6点，工程设计中心三楼教学组。请注意：过时不候哟！ 四、实验报告内容 0．顺序表的插入。 1.顺序表的删除。
《随机信号处理》课程设计
————————————————————————————————作者：————————————————————————————————日期：
华北水利水电大学 随机信号处理上机实验报告 学院：数学与信息科学 专业：信息与计算科学 姓名：孙志攀 学号：201216511 指导老师：蒋礼 日期：2015年10月20日
实验一 1、熟悉并练习使用下列Matlab 的函数，给出各个函数的功能说明和内部参数的意义，并给出至少一个使用例子和运行结果 1.rand() (1)Y = rand(n) 生成n×n 随机矩阵，其元素在（0，1）内 (2)Y = rand(m,n) 生成m×n 随机矩阵 (3)Y = rand([m n]) 生成m×n 随机矩阵 (4)Y = rand(m,n,p,…) 生成m×n×p×…随机矩阵或数组 (5)Y = rand([m n p…]) 生成m×n×p×…随机矩阵或数组 (6)Y = rand(size(A)) 生成与矩阵A 相同大小的随机矩阵 选择（3）作为例子，运行结果如下： 2.randn() 产生随机数数组或矩阵，其元素服从均值为0，方差为1的正态分布 （1）Y = randn 产生一个伪随机数 （2）Y = randn(n) 产生n×n的矩阵，其元素服从均值为0，方差为1的正态分布（3）Y = randn(m,n) 产生m×n的矩阵，其元素服从均值为0，方差为1的正态分布（4）Y= randn([m n]) 产生m×n的矩阵，其元素服从均值为0，方差为1的正态分布选择（3）作为例子，运行结果如下： 3．normrnd() 产生服从正态分布的随机数 （1）R = normrnd(mu,sigma) 产生服从均值为mu，标准差为sigma的随机数，mu和sigma 可以为向量、矩阵、或多维数组。 （2）R = normrnd(mu,sigma,v) 产生服从均值为mu 标准差为sigma的随机数，v是一个行向量。如果v是一个1×2的向量，则R为一个1行2列的矩阵。如果v是1×n的，那么R 是一个n维数组 （3）R = normrnd(mu,sigma,m,n) 产生服从均值为mu 标准差为sigma的随机数，标量m和n是R的行数和列数。
随机信号分析 实验报告 目录 随机信号分析 (1) 实验报告 (1) 理想白噪声和带限白噪声的产生与测试 (2) 一、摘要 (2) 二、实验的背景与目的 (2) 背景： (2) 实验目的: (2) 三、实验原理 (3) 四、实验的设计与结果 (4) 实验设计: (4) 实验结果: (5) 五、实验结论 (12) 六、参考文献 (13) 七、附件 (13) 1
理想白噪声和带限白噪声的产生与测试一、摘要 本文通过利用MATLAB软件仿真来对理想白噪声和带限白噪声进行研究。理想白噪声通过低通滤波器和带通滤波器分别得到低通带限白噪声和帯通带限白噪声。在仿真的过程中我们利用MATLAB工具箱中自带的一些函数来对理想白噪声和带限白噪声的均值、均方值、方差、功率谱密度、自相关函数、频谱以及概率密度进行研究，对对它们进行比较分析并讨论其物理意义。 关键词：理想白噪声带限白噪声均值均方值方差功率谱密度自相关函数、频谱以及概率密度 二、实验的背景与目的 背景： 在词典中噪声有两种定义：定义1：干扰人们休息、学习和工作的声音，引起人的心理和生理变化。定义2：不同频率、不同强度无规则地组合在一起的声音。如电噪声、机械噪声，可引伸为任何不希望有的干扰。第一种定义是人们在日常生活中可以感知的，从感性上很容易理解。而第二种定义则相对抽象一些，大部分应用于机械工程当中。在这一学期的好几门课程中我们都从不同的方面接触到噪声，如何的利用噪声，把噪声的危害减到最小是一个很热门的话题。为了加深对噪声的认识与了解，为后面的学习与工作做准备，我们对噪声进行了一些研究与测试。 实验目的: 了解理想白噪声和带限白噪声的基本概念并能够区分它们，掌握用MATLAB 或c/c++软件仿真和分析理想白噪声和带限白噪声的方法，掌握理想白噪声和带限白噪声的性质。
2015-2016第一学期随机过程第二次上机实验报告 实验目的：通过随机过程上机实验，熟悉Monte Carlo计算机随机模拟方法，熟悉Matlab的运行环境，了解随机模拟的原理，熟悉随机过程的编码规律即各种随机过程的实现方 法，加深对随机过程的理解。 上机内容： （1）模拟随机游走。 （2）模拟Brown运动的样本轨道。 （3）模拟Markov过程。 实验步骤： （1）给出随机游走的样本轨道模拟结果，并附带模拟程序。 ①一维情形 %一维简单随机游走 %“从0开始，向前跳一步的概率为p，向后跳一步的概率为1－p” n=50; p=0.5; y=[0 cumsum(2.*(rand(1,n-1)<=p)-1)]; % n步。 plot([0:n-1],y); %画出折线图如下。
%一维随机步长的随机游动 %选取任一零均值的分布为步长, 比如，均匀分布。n=50; x=rand(1,n)-1/2; y=[0 (cumsum(x)-1)]; plot([0:n],y);
②二维情形 %在(u, v)坐标平面上画出点(u(k), v(k)), k=1:n, 其中(u(k))和(v(k)) 是一维随机游动。例 %子程序是用四种不同颜色画了同一随机游动的四条轨 道。 n=100000; colorstr=['b' 'r' 'g' 'y']; for k=1:4 z=2.*(rand(2,n)<0.5)-1; x=[zeros(1,2); cumsum(z')]; col=colorstr(k); plot(x(:,1),x(:,2),col);
hold on end grid ③%三维随机游走ranwalk3d p=0.5; n=10000; colorstr=['b' 'r' 'g' 'y']; for k=1:4 z=2.*(rand(3,n)<=p)-1; x=[zeros(1,3); cumsum(z')]; col=colorstr(k); plot3(x(:,1),x(:,2),x(:,3),col);
随机信号分析实验报告 ——基于MATLAB语言 姓名： _ 班级： _ 学号： 专业：
目录 实验一随机序列的产生及数字特征估计 (2) 实验目的 (2) 实验原理 (2) 实验内容及实验结果 (3) 实验小结 (6) 实验二随机过程的模拟与数字特征 (7) 实验目的 (7) 实验原理 (7) 实验内容及实验结果 (8) 实验小结 (11) 实验三随机过程通过线性系统的分析 (12) 实验目的 (12) 实验原理 (12) 实验内容及实验结果 (13) 实验小结 (17) 实验四窄带随机过程的产生及其性能测试 (18) 实验目的 (18) 实验原理 (18) 实验内容及实验结果 (18) 实验小结 (23) 实验总结 (23)
实验一随机序列的产生及数字特征估计 实验目的 1.学习和掌握随机数的产生方法。 2.实现随机序列的数字特征估计。 实验原理 1.随机数的产生 随机数指的是各种不同分布随机变量的抽样序列（样本值序列）。进行随机信号仿真分析时，需要模拟产生各种分布的随机数。 在计算机仿真时，通常利用数学方法产生随机数，这种随机数称为伪随机数。伪随机数是按照一定的计算公式产生的，这个公式称为随机数发生器。伪随机数本质上不是随机的，而且存在周期性，但是如果计算公式选择适当，所产生的数据看似随机的，与真正的随机数具有相近的统计特性，可以作为随机数使用。 (0,1)均匀分布随机数是最最基本、最简单的随机数。(0,1)均匀分布指的是在[0,1]区间上的均匀分布， U(0,1)。即实际应用中有许多现成的随机数发生器可以用于产生(0,1)均匀分布随机数，通常采用的方法为线性同余法，公式如下： y0=1，y n=ky n(mod N) ? x n=y n N 序列{x n}为产生的(0,1)均匀分布随机数。 定理1.1若随机变量X 具有连续分布函数F x(x)，而R 为(0,1)均匀分布随机变量，则有 X=F x?1(R) 2.MATLAB中产生随机序列的函数 (1)(0,1)均匀分布的随机序列函数：rand 用法：x = rand(m,n) 功能：产生m×n 的均匀分布随机数矩阵。 (2)正态分布的随机序列 函数：randn 用法：x = randn(m,n) 功能：产生m×n 的标准正态分布随机数矩阵。 如果要产生服从N(μ,σ2)分布的随机序列，则可以由标准正态随机序列产生。 (3)其他分布的随机序列 分布函数分布函数 二项分布binornd 指数分布exprnd 泊松分布poissrnd 正态分布normrnd 离散均匀分布unidrnd 瑞利分布raylrnd 均匀分布unifrnd X2分布chi2rnd 3.随机序列的数字特征估计 对于遍历过程，可以通过随机序列的一条样本函数来获得该过程的统计特征。这里我们假定随机序列X(n)为遍历过程，样本函数为x(n)，其中n=0,1,2,……N-1。那么，
《随机信号分析》实验报告二 班级： 学号： 姓名：
实验二高斯噪声的产生和性能测试 １．实验目的 （1）掌握加入高斯噪声的随机混合信号的分析方法。 （2）研究随机过程的均值、相关函数、协方差函数和方差。 ⒉实验原理 （1）利用随机过程的积分统计特性，给出随机过程的均值、相关函数、协方差函数和方差。 （2）随机信号均值、方差、相关函数的计算公式，以及相应的图形。 ⒊实验报告要求 （1）简述实验目的及实验原理。 （2）采用幅度为1，频率为25HZ的正弦信号错误!未找到引用源。为原信号，在其中加入均值为2，方差为0.04的高斯噪声得到混合随机信号X(t)。 试求随机过程 的均值、相关函数、协方差函数和方差。用MATLAB进行仿真，给出测试的随机过程的均值、相关函数、协方差函数和方差图形，与计算的结果作比较，并加以解释。 （3）分别给出原信号与混合信号的概率密度和概率分布曲线，并以图形形式分别给出原信号与混合信号均值、方差、相关函数的对比。 （4）读入任意一幅彩色图像，在该图像中加入均值为0，方差为0.01的高斯噪声，请给出加噪声前、后的图像。 （5）读入一副wav格式的音频文件，在该音频中加入均值为2，方差为0.04的高斯噪声，得到混合随机信号X(t)，请给出混合信号X(t)的均值、相关函数、协方差函数和方差，频谱及功率谱密度图形。 4、源程序及功能注释 （2）源程序： clear all; clc; t=0:320; %t=0:320 x=sin(2*pi*t/25); %x=sin(2*p1*t/25) x1=wgn(1,321,0); %产生一个一行32列的高斯白噪声矩阵，输出的噪声强度为0dbw
C语言程序设计上机实验报告 学院：机械工程学院 班级：机自161213 姓名：刘昊 学号：20162181310 实验时间：2017 年3 月6 号 任课老师：张锐
C语言程序设计上机实验报告 实验一 一、实验名称: C 程序的运行环境和运行C程序的方法 二、实验目的：了解在 程序 C 编译系统上如何编辑、编译、连接和运行一个 C 三、实验内容： (1). (2). (3). 输入并运行一个简单的C程序。 设计程序，对给定的两个数求和。 设计程序，对给定的两个数进行比较，然后输出其中较大的数。 四、源程序代码： 代码1： 运行结果1：
程序分析1： 该程序用来判断所输入的整数是否为一个素数，如果一个数能被除了 1 和它本身整除，还能被其它数整除，那么它就不是一个素数，因此，用for 循环来进行整除过程的简写。 代码2： 运行结果2：
程序分析2： 简单的使用printf() 和scanf() 函数进行简单的数据运算。代码3： 运行结果3：
程序分析3： 使用if 语句进行判断。 五．实验总结 C语言程序设计上机实验报告 实验二 一、实验名称：顺序结构程序设计 二、实验目的：正确使用常用运算符（算术运算符、赋值运算符）的用法， 熟练掌握算术运算符及其表达式，逻辑运算符和逻辑表达式。 三、实验内容： (1). 编写程序，实现小写字母转大写。
(2). 编写程序，实现输入两个不同类型数据后，经过适当的运算（加、减、乘、除）后输出。 (3). 编写程序，计算三角形面积、立方体的体积和表面积、圆的面积和周长。 (4). 编写程序，实现单字符getchar 和putchar 输入输出。 (5). 编写程序，实现十进制、八进制、十六进制不同数制的输出。 四、源程序代码 代码1： 运行结果1： 程序分析1：
H a r b i n I n s t i t u t e o f T e c h n o l o g y 实验报告 课程名称：随机信号分析 院系：电子与信息工程学院班级： 姓名： 学号： 指导教师： 实验时间： 实验一、各种分布随机数的产生
（一）实验原理 1.均匀分布随机数的产生原理 产生伪随机数的一种实用方法是同余法，它利用同余运算递推产生伪随机数序列。最简单的方法是加同余法 )(mod 1M c y y n n +=+ M y x n n 1 1++= 为了保证产生的伪随机数能在[0,1]内均匀分布，需要M 为正整数，此外常数c 和初值y0亦为正整数。加同余法虽然简单，但产生的伪随机数效果不好。另一种同余法为乘同余法，它需要两次乘法才能产生一个[0,1]上均匀分布的随机数 )(mod 1M ay y n n =+ M y x n n 1 1++= 式中，a 为正整数。用加法和乘法完成递推运算的称为混合同余法，即 )(mod 1M c ay y n n +=+ M y x n n 1 1++= 用混合同余法产生的伪随机数具有较好的特性，一些程序库中都有成熟的程序供选择。 常用的计算语言如Basic 、C 和Matlab 都有产生均匀分布随机数的函数可以调用，只是用各种编程语言对应的函数产生的均匀分布随机数的范围不同，有的函数可能还需要提供种子或初始化。 Matlab 提供的函数rand()可以产生一个在[0,1]区间分布的随机数， rand(2,4)则可以产生一个在[0,1]区间分布的随机数矩阵，矩阵为2行4列。Matlab 提供的另一个产生随机数的函数是random('unif',a,b,N,M)，unif 表示均匀分布，a 和b 是均匀分布区间的上下界，N 和M 分别是矩阵的行和列。 2.随机变量的仿真 根据随机变量函数变换的原理，如果能将两个分布之间的函数关系用显式表达，那么就可以利用一种分布的随机变量通过变换得到另一种分布的随机变量。 若X 是分布函数为F(x)的随机变量，且分布函数F(x)为严格单调升函数，令Y=F(X)，则Y 必为在[0,1]上均匀分布的随机变量。反之，若Y 是在[0,1]上 均匀分布的随机变量，那么)(1 Y F X X -= 即是分布函数为FX(x)的随机变量。式中F X -?1 ()为F X ()?的反函数。这样，欲求某个分布的随机变量，先产生在[0,1]区间上的均匀分布随机数，再经上式变 换，便可求得所需分布的随机数。 3.高斯分布随机数的仿真 广泛应用的有两种产生高斯随机数的方法，一种是变换法，一种是近似法。 如果X1,X2是两个互相独立的均匀分布随机数，那么下式给出的Y1,Y2
随机信号分析与处理实验报告院系：信息工程学院 专业：电子信息科学与技术 姓名: 方静 学号：030941209 指导老师：廖红华
实验一 熟悉MATLAB 的随机信号处理相关命令 一、实验目的 1、利用Matlab 对随机熟悉各种随机信号函数的用法 2、掌握随机信号的简单分析方法 二、实验原理 1、语音的录入与打开 在MATLAB 中，wavread 函数用于读取语音信号，采样值放在向量y 中，s f 表示采样频率(Hz)，bits 表示 采样位数。[N1 N2]表示读取从N1点到N2点的值。 2、语音信号的频域分析 FFT 即为快速傅氏变换，是离散傅氏变换的快速算法，它是根据离散傅氏变换的奇、偶、虚、实等特性，对离散傅立叶变换的算法进行改进获得的。在Matlab 信号处理工具箱中，语音信号的频域分析就是对信号进行傅里叶变换后的分析。 4、方差 定义22)]}()({[t t m t X E X X -=）（δ 为随机过程的方差。方差通常也记为DX （t ） ，随机过程的方差也是时间 t 的函数, 由方差的 定义可以看出，方差是非负函数。 5、自相关与互相关 自相关和互相关分别表示的是两个时间序列之间和同一个时间序列在任意两个不同时刻的取值之间的相关程度，即互相关函数是描述随机信号x(t),y(t)在任意两个不同时刻t1，t2的取值之间的相关程度，自相关函数是描述随机信号x(t)在任意两个不同时刻t1，t2的取值之间的相关程度。 互相关函数给出了在频域内两个信号是否相关的一个判断指标，把两测点之间信号的互谱与各自的自谱联系了起来。它能用来确定输出信号有多大程度来自输入信号，对修正测量中接入噪声源而产生的误差非常有效. 事实上，在图象处理中，自相关和互相关函数的定义如下：设原函数是f(t)，则自相关函数定义为R(u)=f(t)*f(-t)，其中*表示卷积；设两个函数分别是f(t)和g(t)，则互相关函数定义为R(u)=f(t)*g(-t)，它反映的是两个函数在不同的相对位置上互相匹配的程度。 6. 短时过零率与短时能量 语音一般分为无声段，清音段和浊音段。由于语音信号是一个非平稳过程，不能用处理平稳信号的信号处理技术对其进行分析处理。但由于语音信号本身的特点，在10-30ms 的短时间范围内，其特性可以看作是一个准稳态过程，具有短时性，因此采用短时能量和过零率来对语音进行端点检测是可行的。 信号的短时能量定义为：设语音波形时域信号为x(t)，加窗分帧处理后得到第n 帧语音信号为xn(m),则定义的短时能量函数如下： ) ()()(x m n x m w m n +=，10-≤≤ N m ，,0)(),1(~0,1)(=-==n w N m m w m 为其他值，其中n=0,1T,2T……并且N 为帧长，T 为帧移长度。 短时过零率表示一帧语音中语音信号的波形穿过横轴的零电平的次数，他可以用来区分清音和浊音，因为语音信号中高音段有高的过零率，低音段有低的过零率，短时能量大的地方过零率小，短时能量小的地方过零率大。 过零率可以反映信号的频谱特性。当离散时间信号相邻两个样点的正负号相异时，我们称之为“过零”，即此时信号的时间波形穿过了零电平的横轴。统计单位时间内样点值改变符号的次数具可以得到平均过零
随机实验报告 班级：通信1301班姓名：郭世康 学号：U201313639 指导教师：卢正新
一、模块功能描述 CMYRand类是整个系统的核心，它产生各种随机数据供后面的类使用。可以产生伪随机序列、均匀分布、正态分布、泊松分布、指数分布等多种随机数据。 CRandomDlg类是数据的采集处理类。它可以将CMYRand产生的随机数据处理分析，再送入CScope等类进行模拟示波器显示。 CScope等类是有关示波器显示的类。 二、模块间的关系 CRandomDlg类在整个程序中是一个不可缺少的环节，它调用CMYRand中的函数来产生符合所需分布的随机序列，再将产生的结果统计分析，送到CScope类中的函数进行模拟示波器显示。CMYRand为整个程序的核心，就是这个类产生所需分布的随机序列。CAboutDlg是模拟示波器界面上的有关按钮选项的类。我们在示波器界面上点击一个按钮，它就会执行这个按钮所对应功能，比如点击正态分布，它就会调用CRandomDlg中的对应函数，在调用CMYRand中的产生正态分布的函数，再将结果送到CScope类中进行显示，最后我们可以在示波器上看到图形。 三、数据结构 在本次随机试验中所填写的代码部分并没有用到有关于结构体等数据结构的东西。 四、功能函数 1、 /* 函数功能，采用线性同余法，根据输入的种子数产生一个伪随机数. 如果种子不变，则将可以重复调用产生一个伪随机序列。 利用CMyRand类中定义的全局变量：S, K, N, Y。 其中K和N为算法参数，S用于保存种子数，Y为产生的随机数 */ unsigned int CMyRand::MyRand(unsigned int seed) { //添加伪随机数产生代码 if(S==seed)
随机信号分析与处理实 验 题目：对音频信号的随机处理 班级：0312412 姓名：肖文洲 学号：031241217 指导老师：钱楷 时间：2014年11月25日
实验目的： 1、学会利用MATLAB模拟产生各类随机序列。 2、熟悉和掌握随机信号数字特征估计的基本方法。 3、熟悉掌握MATLAB的函数及函数调用、使用方法。 4、学会在MATLAB中创建GUI文件。 实验内容： 1、选用任意一个音频信号作为实验对象，进行各种操作并画出信号和波形。 2、操作类型： （1）、概率密度； （2）、希尔伯特变换； （3）、误差函数； （4）、randn; （5）、原始信号频谱； （6）、axis； （7）、原始信号； （8）、normpdf; （9）、unifpdf; （10）、unifcdf; （11）、raylpdf; （12）、raylcdf; （13）、exppdf;
（14）、截取声音信号的频谱； （15）、expcdf; （16）、periodogram; （17）、weibrnd; （18）、rand; （19）、自相关函数； （20）、截取信号的均方值。 实验步骤： 1、打开MATLAB软件，然后输入guide创建一个 GUI文件。 2、在已经创建好的GUI文件里面穿件所需要的.fig 面板（以学号姓名格式命名）。入下图所示： 图为已经创建好的.fig面板
3、右击“概率密度”，查看回调，然后点击“callback”. 在相应的位置输入程序。然后点击运行，出现下图： 4、依次对后续操作方式进行类似的操作。 5、当完成所有按键的“callback”后，出现的均为上 图。 实验程序： function varargout = xiaowenzhou(varargin) % XIAOWENZHOU M-file for xiaowenzhou.fig % XIAOWENZHOU, by itself, creates a new XIAOWENZHOU or raises the existing % singleton*. % % H = XIAOWENZHOU returns the handle to a new XIAOWENZHOU or the handle to % the existing singleton*. % % XIAOWENZHOU('CALLBACK',hObject,eventData,handles,...) calls the local % function named CALLBACK in XIAOWENZHOU.M with the given input arguments.
计算机与信息工程学院综合性实验报告 一、实验目的 1、基于随机过程的莱斯表达式产生窄带随机过程。 2、掌握窄带随机过程的特性，包括均值（数学期望）、方差、概率密度函数、相关函数及功率谱密度等。 3、掌握窄带随机过程的分析方法。 二、实验仪器或设备 1、一台计算机 2、MATLAB r2013a 三、实验内容及实验原理 基于随机过程的莱斯表达式 00()()cos ()sin y t a t t b t t ωω=- (3.1) 实验过程框图如下：
理想低通滤波器如图所示： 图1 理想低通滤波器 ()20 A H ?ω ?ω≤ ?ω=? ??其它 (3.2) 设白噪声的物理谱0=X G N ω（） ,则系统输出的物理谱为 2 2 0=()=20 Y X N A G H G ?ω ?0≤ω≤ ?ωωω???（）（） 其它 (3.3) 输出的自相关函数为: 01()()cos 2Y Y R G d τωωτωπ∞ = ? /22 1cos 2N A d ωωτωπ?=? (3.4) 2 0sin 242 N A ωτωωτπ ??=? ? 可知输出的自相关函数()Y R τ是一个振荡函数。计算高斯白噪声x(t)、限带白噪声()a t 、 ()b t 及窄带随机过程()y t 的均值，并绘出随机过程各个随机过程的自相关函数，功率谱密 度图形。 四、MATLAB 实验程序 function random(p,R,C) %产生一个p 个点的随机过程 %--------------------------高斯窄带随机过程代码--------------------------% n=1:p; w=linspace(-pi,pi,p); wn=1/2*pi*R*C; [b,a]=butter(1,wn,'low'); %产生低通滤波器 Xt=randn(1,p); %产生p 个点均值为0方差为1的随机数，即高斯白噪声 at=filter(b,a,Xt); %让高斯白噪声通过低通滤波器
随机过程实验报告 通信1206班 U201213696 马建强 一、实验内容 1、了解随机模拟的基本方法，掌握随机数的概念及其产生方法； 2、掌握伪随机数的产生算法以及伪随机数发生器的特点； 3、掌握一般随机数的产生方法； 4、掌握平稳随机过程的数字特征的求解方法。 二、实验步骤 1、利用线性同余法产生在（min，max）上精度为4位小数的平均分布的随机数； 2、编程实现在min 到max 范围内产生服从正态分布的随机数； 3、编程产生服从指数分布的随机数； 4、编程产生服从泊松分布的随机数； 5、计算任意给定分布的随机过程的均值； 6、计算泊松过程的自相关序列。 三、实验代码与结果 1、均匀分布 /* 函数功能，采用线性同余法，根据输入的种子数产生一个伪随机数. 如果种子不变，则将可以重复调用产生一个伪随机序列。 利用CMyRand类中定义的全局变量：S, K, N, Y。 其中K和N为算法参数，S用于保存种子数，Y为产生的随机数 */ unsigned int CMyRand::MyRand(unsigned int seed) { //添加伪随机数产生代码 if(S != seed) { S = seed; Y = (seed * K) % N; } else { Y = (Y * K) % N; if(Y == 0) Y = rand(); }
return Y; } /*函数功能，产生一个在min~max范围内精度为4位小数的平均分布的随机数*/ double CMyRand::AverageRandom(double min,double max) { int minInteger = (int)(min*10000); int maxInteger = (int)(max*10000); int randInteger = MyRand(seed); int diffInteger = maxInteger - minInteger; int resultInteger = randInteger % diffInteger + minInteger; return resultInteger/10000.0; } 图一、均匀分布
随机过程实验报告学院专业学号姓名
实验目的 通过随机过程的模拟实验，熟悉随机过程编码规律以 及各种随机过程的实现方法，通过理论与实际相结合的方式，加深对随机过程的理解。 二、实验内容 （1）熟悉Matlab 工作环境，会计算Markov 链的n 步转移概率矩阵和Markov 链的平稳分布。 （2）用Matlab 产生服从各种常用分布的随机数，会调用matlab 自带的一些常用分布的分布律或概率密度。 （3）模拟随机游走。 （4）模拟Brown 运动的样本轨道的模拟。 （5）Markov 过程的模拟。 三、实验原理及实验程序 n 步转移概率矩阵 根据Matlab的矩阵运算原理编程，Pn = P A n o 已知随机游动的转移概率矩阵为： P = 0.5000 0.5000 0 0 0.5000 0.5000 0.5000 0 0.5000
求三步转移概率矩阵p3 及当初始分布为 P{x0 = 1} = p{x0 = 2} = 0, P{x0 = 3} = 1 时经三步转移后处于状态 3 的概率。 代码及结果如下： P = [0.5 0.5 0; 0 0.5 0.5; 0.5 0 0.5] % 一步转移概率矩阵 P3 = P A3 %三步转移概率矩阵 P3_3 = P3(3,3) %三步转移后处于状态的概率 1、两点分布x=0:1; y=binopdf(x,1,0.55); plot(x,y,'r*'); title(' 两点分 布'); 2、二项分布 N=1000;p=0.3;k=0:N; pdf=binopdf(k,N,p); plot(k,pdf,'b*'); title(' 二项分布'); xlabel('k'); ylabel('pdf'); gridon; boxon 3、泊松分布x=0:100; y=poisspdf(x,50); plot(x,y,'g.'); title(' 泊松分布') 4、几何分布 x=0:100; y=geopdf(x,0.2); plot(x,y,'r*'); title(' 几何分布'); xlabel('x'); ylabel('y'); 5、泊松过程仿真 5.1 % simulate 10 times clear; m=10; lamda=1; x=[]; for i=1:m s=exprnd(lamda,'seed',1); x=[x,exprnd(lamda)]; t1=cumsum(x); end [x',t1'] 5.2%输入：
随机信号实验报告 学院通信工程学院 专业信息工程 班级1401051班 制作人李文杰14010510039 制作人孙晓鹏14010510003
一、 摘要 根据实验的要求与具体内容，我们组做了一下分工，XXX 完成了本次的第一组实验即基于MATLAB 的信号通过线性系统与非线性系统的特性分析，具体内容有（高斯白噪声n ，输入信号x ，通过线性与非线性系统的信号a,b,y1,y2的均值，均方值，方差，自相关函数，概率密度，功率谱密度以及频谱并把它们用波形表示出来），XXX 和XXX 两人合力完成了基于QUARTUSII 的2ASK 信号的产生及测试实验具体内容有（XXX 负责M 序列发生器以及分频器，XXX 负责载波的产生以及开关函数和管脚配置），最后的示波器调试以及观察2ASK 信号的FFT 变换波形由我们组所有人一起完成的。 二、实验原理及要求 实验一、信号通过线性系统与非线性系统的特性分析 1、实验原理 ① 随机过程的均值（数学期望）： 均值E[x(t)](μ)表示集合平均值或数学期望值。基于随机过程的各态历经性，可用时间间隔T 内的幅值平均值表示，即： ∑-==1 /)()]([N t N t x t x E 均值表达了信号变化的中心趋势，或称之为直流分量。 ② 随机过程的均方值： 信号x(t)的均方值E[x2(t)](2?)，或称为平均功率，其表达式为： N t x t x E N t /)()]([(1 22 ∑-== 均方值表达了信号的强度，其正平方根值，又称为有效值，也是信号的平均能量的 一种表达。 ③ 随机信号的方差： 信号x(t)的方差定义为： N t x E t x N t /)]]([)([1 22 ∑-=-=σ
计算机与信息工程学院验证性实验报告 专业： 通信工程 年级/班级：2011级 第3学年 第1学期 实验目的 1、 了解随机过程特征估计的基本概念和方法 2、 学会运用MATLAB^件产生各种随机过程 3、 学会对随机过程的特征进行估计 4、 通过实验了解不同估计方法所估计出来的结果之间的差异 实验仪器或设备 1、 一台计算机 2、 M ATLAB r2013a 实验原理 1、 高斯白噪声的产生：利用 MATLAB!数randn 产生 2、 自相关函数的估计：MATLAB!带的函数：xcorr 3、功率谱的估计：MATLAB!带的函数为pyulear 先估计自相关函数R x (m)，再利用维纳—辛钦定理，功率谱为自相关函数的傅立叶变 N 1 G x ( X ' R x (m)e” (3.2) m=N 4) 4、 均值的估计：MATLAB!带的函数为mean 1 N 4 m x 二一' x(n) (3.3 ) N n =1 5、 方差的估计：MATLAB!带的函数为var 1 N -1 「[x(n) -mi x ]2 (3.4 ) N n# 6 AR(1)模型的理论自相关函数和理论功率谱 对于AR(1)模型 X(n) =aX(n-1) W(n) 自相关函数 R x (m)二 1 N-|m| N 4m|_J Z x(n + m)x (n) n =0 (3.1 ) 换: (3.5)
功率谱为 四、实验内容 (1)按如下模型产生一组随机序列x(n) =ax(n_1)?w(n)，其中w(n)为均值为1,方差 为4的正态分布白噪声序列。 1、 产生并画出a=°.8和a=°.2的x(n)的波形; 2、 估计x(n)的均值和方差； 3、 估计x(n)的自相关函数。 (2)设有AR(1)模型， X(n) ?°.8X(n -1) W(n)， 1、 W (n)是零均值正态白噪声，方差为 4。 2、 用MATLA 模拟产生X(n)的500个样本，并估计它的均值和方差; 3、 画出X(n)的理论的自相关函数和功率谱； 4、 估计X(n)的自相关函数和功率谱。 五、实验程序及其运行结果 澈验(1) a=0.8; sigma=2; N=500; u=1+4*ra ndn (N,1); x(1)=sigma*u(1)/sqrt(1-a A 2); for i=2:N x(i)=a*x(i-1)+sigma*u(i); end subplot (2,2,1) plot(x);title('a=0.8') Rx=xcorr(x,'coeff); subplot (2,2,2) plot(Rx);title('a=0.8 时，自相关函数') jun zhix=mea n( x); fan gchax=var(x); b=0.2; y(1)=sigma*u(1)/sqrt(1-bA2); for j=2:N y(j)=b*y(j-1)+sigma*u(j); end 2 m a a 门 R x (m) 2 , m -° 1 -a (3.6) G x ( J 二 2 CT (1-ae 」)2 (3.7)