当前位置：文档之家› 常用伪随机码序列的相关性分析与MATLAB仿真

常用伪随机码序列的相关性分析与MATLAB仿真

常用相关分析方法及其计算

二、常用相关分析方法及其计算在教育与心理研究实践中，常用的相关分析方法有积差相关法、等级相关法、质量相关法，分述如下。（一）积差相关系数 1. 积差相关系数又称积矩相关系数，是英国统计学家皮尔逊（Pearson ）提出的一种计算相关系数的方法，故也称皮尔逊相关。这是一种求直线相关的基本方法。积差相关系数记作XY r ，其计算公式为 ∑∑∑===----= n i i n i i n i i i XY Y y X x Y y X x r 1 2 1 2 1 ) ()() )(( (2-20) 式中i x 、i y 、X 、Y 、n 的意义均同前所述。若记X x x i -=,Y y y i -=，则（2-20）式成为 Y X XY S nS xy r ∑= (2-21) 式中n xy ∑称为协方差，n xy ∑的绝对值大小直观地反映了两列变量的一致性程度。然而，由于X 变量与Y 变量具有不同测量单位，不能直接用它们的协方差 n xy ∑来表示两列变量的一致性，所以将各变量的离均差分别用各自的标准差除，使之成为没有实际单位的标准分数，然后再求其协方差。即： ∑∑?= = )()(1Y X Y X XY S y S x n S nS xy r

Y X Z Z n ∑?= 1 (2-22) 这样，两列具有不同测两单位的变量的一致性就可以测量计算。计算积差相关系数要求变量符合以下条件：（1）两列变量都是等距的或等比的测量数据；（2）两列变量所来自的总体必须是正态的或近似正态的对称单峰分布；（3）两列变量必须具备一一对应关系。 2. 积差相关系数的计算利用公式 (2-20)计算相关系数，应先求两列变量各自的平均数与标准差，再求离中差的乘积之和。在统计实践中，为方便使用数据库的数据格式，并利于计算机计算，一般会将(2-20)式改写为利用原始数据直接计算XY r 的公式。即： ∑∑∑∑∑∑∑---= 2 22 2 ) () (i i i i i i i i XY y y n x x n y x y x n r (2-23) （二）等级相关在教育与心理研究实践中，只要条件许可，人们都乐于使用积差相关系数来度量两列变量之间的相关程度，但有时我们得到的数据不能满足积差相关系数的计算条件，此时就应使用其他相关系数。等级相关也是一种相关分析方法。当测量得到的数据不是等距或等比数据，而是具有等级顺序的测量数据，或者得到的数据是等距或等比的测量数据，但其所来自的总体分布不是正态的，出现上述两种情况中的任何一种，都不能计算积差相关系数。这时要求两列变量或多列变量的相关，就要用等级相关的方法。 1. 斯皮尔曼(Spearman)等级相关斯皮尔曼等级相关系数用R r 表示，它适用于两列具有等级顺序的测量数据，或总体为非正态的等距、等比数据。

matlab在统计数据的描述性分析的应用

统计数据的描述性分析一、实验目的熟悉在matlab中实现数据的统计描述方法，掌握基本统计命令：样本均值、样本中位数、样本标准差、样本方差、概率密度函数pdf、概率分布函数df、随机数生成rnd。二、实验内容 1 、频数表和直方图数据输入,将你班的任意科目考试成绩输入 >> data=[91 78 90 88 76 81 77 74]; >> [N,X]=hist(data,5) N = 3 1 1 0 3 X = 75.7000 79.1000 82.5000 85.9000 89.3000 >> hist(data,5)

2、基本统计量 1) 样本均值语法: m=mean(x) 若x 为向量，返回结果m是x 中元素的均值；若x 为矩阵，返回结果m是行向量，它包含x 每列数据的均值。 2) 样本中位数语法: m=median(x) 若x 为向量，返回结果m是x 中元素的中位数；若x 为矩阵，返回结果m是行向量，它包含x 每列数据的中位数3) 样本标准差语法:y=std(x) 若x 为向量，返回结果y 是x 中元素的标准差；若x 为矩阵，返回结果y 是行向量，它包含x 每列数据的标准差

std(x)运用n-1 进行标准化处理，n是样本的个数。 4) 样本方差语法：y=var(x); y=var(x,1) 若x 为向量，返回结果y 是x 中元素的方差；若x 为矩阵，返回结果y 是行向量，它包含x 每列数据的方差 var(x)运用n-1 进行标准化处理（满足无偏估计的要求），n 是样本的个数。var(x,1)运用n 进行标准化处理，生成关于样本均值的二阶矩。 5) 样本的极差（最大之和最小值之差）语法：z= range(x) 返回结果z是数组x 的极差。 6) 样本的偏度语法：s=skewness(x) 说明：偏度反映分布的对称性，s>0 称为右偏态，此时数据位于均值右边的比左边的多；s<0,情况相反；s 接近0 则可认为分布是对称的。 7) 样本的峰度语法：k= kurtosis(x) 说明：正态分布峰度是3，若k 比3 大得多，表示分布有沉重的尾巴，即样本中含有较多远离均值的数据，峰度可以作衡量偏离正态分布的尺度之一。 >> mean(data) ,

MATLAB中产生高斯白噪声

MATLAB中产生高斯白噪声，涉及到awgn和wgn函数 MATLAB中产生高斯白噪声非常方便，可以直接应用两个函数，一个是WGN，另一个是AWGN。WGN用于产生高斯白噪声，AWGN则用于在某一信号中加入高斯白噪声。 1. WGN：产生高斯白噪声 y = wgn(m,n,p) 产生一个m行n列的高斯白噪声的矩阵，p以dBW为单位指定输出噪声的强度。 y = wgn(m,n,p,imp) 以欧姆(Ohm)为单位指定负载阻抗。 y = wgn(m,n,p,imp,state) 重置RANDN的状态。在数值变量后还可附加一些标志性参数： y = wgn(…,POWERTYPE) 指定p的单位。POWERTYPE可以是'dBW', 'dBm'或 'linear'。线性强度(linear power)以瓦特(Watt)为单位。 y = wgn(…,OUTPUTTYPE) 指定输出类型。OUTPUTTYPE可以是'real'或 'complex'。 2. AWGN：在某一信号中加入高斯白噪声 y = awgn(x,SNR) 在信号x中加入高斯白噪声。信噪比SNR以dB为单位。x的强度假定为0dBW。如果x是复数，就加入复噪声。 y = awgn(x,SNR,SIGPOWER) 如果SIGPOWER是数值，则其代表以dBW为单位的信号强度；如果SIGPOWER为'measured'，则函数将在加入噪声之前测定信号强度。y = awgn(x,SNR,SIGPOWER,STATE) 重置RANDN的状态。 y = awgn(…,POWERTYPE)指定SNR和SIGPOWER的单位。POWERTYPE可以是'dB'或'linear'。如果POWERTYPE是'dB'，那么SNR以dB为单位，而SIGPOWER以dBW为单位。如果POWERTYPE是'linear'，那么SNR作为比值来度量，而SIGPOWER 以瓦特为单位。注释 1. 分贝(decibel,dB)：分贝（dB）是表示相对功率或幅度电平的标准单位，换句话说，就是我们用来表示两个能量之间的差别的一种表示单位，它不是一个绝对单位。例如，电子系统中将电压、电流、功率等物理量的强弱通称为电平，电平的单位通常就以分贝表示，即事先取一个电压或电流作为参考值（0dB），用待表示的量与参考值之比取对数，再乘以20作为电平的分贝数（功率的电平值改乘10）。 2. 分贝瓦(dBW, dB Watt)：指以1W的输出功率为基准时，用分贝来测量的功率放大器的功率值。 3. dBm (dB-milliWatt)：即与1milliWatt（毫瓦）作比较得出的数字。 0 dBm = 1 mW 10 dBm = 10 mW 20 dBm = 100 mW 也可直接用randn函数产生高斯分布序列，例如：程序代码 y=randn(1,2500); y=y/std(y);

MATLAB数据分析与多项式计算(M)

第7章 MATLAB数据分析与多项式计算 6.1 数据统计处理 6.2 数据插值 6.3 曲线拟合 6.4 离散傅立叶变换 6.5 多项式计算 6.1 数据统计处理 6.1.1 最大值和最小值 MATLAB提供的求数据序列的最大值和最小值的函数分别为max 和min，两个函数的调用格式和操作过程类似。 1．求向量的最大值和最小值求一个向量X的最大值的函数有两种调用格式，分别是： (1) y=max(X)：返回向量X的最大值存入y，如果X中包含复数元素，则按模取最大值。 (2) [y,I]=max(X)：返回向量X的最大值存入y，最大值的序号存入I，如果X中包含复数元素，则按模取最大值。求向量X的最小值的函数是min(X)，用法和max(X)完全相同。例6-1 求向量x的最大值。命令如下： x=[-43,72,9,16,23,47]; y=max(x) %求向量x中的最大值 [y,l]=max(x) %求向量x中的最大值及其该元素的位置 2．求矩阵的最大值和最小值求矩阵A的最大值的函数有3种调用格式，分别是： (1) max(A)：返回一个行向量，向量的第i个元素是矩阵A的第i 列上的最大值。 (2) [Y,U]=max(A)：返回行向量Y和U，Y向量记录A的每列的最大值，U向量记录每列最大值的行号。 (3) max(A,[],dim)：dim取1或2。dim取1时，该函数和max(A)完全相同；dim取2时，该函数返回一个列向量，其第i个元素是A矩阵的第i行上的最大值。求最小值的函数是min，其用法和max完全相同。

例6-2 分别求3×4矩阵x中各列和各行元素中的最大值，并求整个矩阵的最大值和最小值。 3．两个向量或矩阵对应元素的比较函数max和min还能对两个同型的向量或矩阵进行比较，调用格式为： (1) U=max(A,B)：A,B是两个同型的向量或矩阵，结果U是与A,B 同型的向量或矩阵，U的每个元素等于A,B对应元素的较大者。 (2) U=max(A,n)：n是一个标量，结果U是与A同型的向量或矩阵，U的每个元素等于A对应元素和n中的较大者。 min函数的用法和max完全相同。例6-3 求两个2×3矩阵x, y所有同一位置上的较大元素构成的新矩阵p。 6.1.2 求和与求积数据序列求和与求积的函数是sum和prod，其使用方法类似。设X是一个向量，A是一个矩阵，函数的调用格式为： sum(X)：返回向量X各元素的和。 prod(X)：返回向量X各元素的乘积。 sum(A)：返回一个行向量，其第i个元素是A的第i列的元素和。 prod(A)：返回一个行向量，其第i个元素是A的第i列的元素乘积。 sum(A,dim)：当dim为1时，该函数等同于sum(A)；当dim为2时，返回一个列向量，其第i个元素是A的第i行的各元素之和。 prod(A,dim)：当dim为1时，该函数等同于prod(A)；当dim为2时，返回一个列向量，其第i个元素是A的第i行的各元素乘积。例6-4 求矩阵A的每行元素的乘积和全部元素的乘积。 6.1.3 平均值和中值求数据序列平均值的函数是mean，求数据序列中值的函数是median。两个函数的调用格式为： mean(X)：返回向量X的算术平均值。 median(X)：返回向量X的中值。

matlab实现：常见的离散时间信号

1．单位抽样序列，或称为离散时间冲激，单位冲激： ? ??=01)(n δ 00≠=n n 如果)(n δ在时间轴上延迟了k 个单位，得到)(k n -δ即： ???=-01)(k n δ 0≠=n k n 2．单位阶跃序列 ? ??01)(n u 00<≥n n 在MATLAB 中可以利用ones( )函数实现。 );,1(N ones x = 3．正弦序列 )(cos )(0φω+=n A n x 这里， ,,0ωA 和φ都是实数，它们分别称为本正弦信号)(n x 的振幅，角频率和初始相位。 πω200=f 为频率。 4．复正弦序列 n j e n x ω=)( 5．实指数序列 n A n x α=)( 6. 随机序列长度为N 的随机序列基本数学函数参考教材P69页以及随后的使用说明。注意使用行向量，特别是冒号运算符。举例，长度为N 的实指数序列在MATLAB 中实现： n a x N n .^1 :0=-= 1. 单位采样长度为N 的单位采样序列u(n)可以通过下面的MATLAB 命令获得：

u=[1 )1,1(-N zeros ]；延迟M 个采样点的长度为N 的单位采样序列ud(n)(M

Matlab对采样数据进行频谱分析

使用Matlab对采样数据进行频谱分析 1、采样数据导入Matlab 采样数据的导入至少有三种方法。第一就是手动将数据整理成Matlab支持的格式，这种方法仅适用于数据量比较小的采样。第二种方法是使用Matlab的可视化交互操作，具体操作步骤为：File --> Import Data，然后在弹出的对话框中找到保存采样数据的文件，根据提示一步一步即可将数据导入。这种方法适合于数据量较大，但又不是太大的数据。据本人经验，当数据大于15万对之后，读入速度就会显著变慢，出现假死而失败。第三种方法，使用文件读入命令。数据文件读入命令有textread、fscanf、load 等，如果采样数据保存在txt文件中，则推荐使用 textread命令。如 [a,b]=textread('data.txt','%f%*f%f'); 这条命令将data.txt中保存的数据三个三个分组，将每组的第一个数据送给列向量a，第三个数送给列向量b，第二个数据丢弃。命令类似于C语言，详细可查看其帮助文件。文件读入命令录入采样数据可以处理任意大小的数据量，且录入速度相当快，一百多万的数据不到20秒即可录入。强烈推荐！ 2、对采样数据进行频谱分析频谱分析自然要使用快速傅里叶变换FFT了，对应的命令即 fft ，简单使用方法为：Y=fft(b,N)，其中b即是采样数据，N为fft数据采样个数。一般不指定N，即简化为Y=fft(b)。Y即为FFT变换后得到的结果，与b的元素数相等，为复数。以频率为横坐标，Y数组每个元素的幅值为纵坐标，画图即得数据b的幅频特性；以频率为横坐标，Y数组每个元素的角度为纵坐标，画图即得数据b的相频特性。典型频谱分析M程序举例如下： clc fs=100; t=[0:1/fs:100]; N=length(t)-1;%减1使N为偶数 %频率分辨率F=1/t=fs/N p=1.3*sin(0.48*2*pi*t)+2.1*sin(0.52*2*pi*t)+1.1*sin(0.53*2*pi*t)... +0.5*sin(1.8*2*pi*t)+0.9*sin(2.2*2*pi*t); %上面模拟对信号进行采样，得到采样数据p，下面对p进行频谱分析 figure(1) plot(t,p); grid on title('信号 p(t)'); xlabel('t') ylabel('p')

常用信号的MATLAB表示

5 常用信号的MATLAB表示5.1单位冲激函数、单位冲激序列示例7： t = -5:0.01:5; y = (t==0); subplot(121); plot(t, y, 'r'); n = -5:5; x = (n==0); subplot(122); stem(n, x); 图5 运行结果如图5所示。

程序说明： (1)由n = -5:5得到一个1×11数组n；而在x = (n==0)中，n==0是一个向量运算，即向量n中的每一个元素与0比较是否相等，其比较结果0或1放在x中。这样得到的向量x也是1×11数组，且正好就是单位冲激序列。 (2)在MATLAB中，任何向量x的下标是从1开始的，不能取零或负值，而x(n)中的时间变量n则不此受限制。因此向量x的下标与时间变量n是两个概念，如本例中向量x(n)的下标是从1到11，而时间变量n是从-5到5。所以必须用一个与向量x等长的定位时间变量n，以及向量x，才能完整地表示序列x(n)。在信号的表示和运算中，这一点请务必注意；只有当序列x(n)的时间变量正好是从1开始时，才能省去时间变量n，因为此时向量的下标与时间变量相同。 (3)单位冲激函数的实现方法实际上与单位冲激序列是完全相同的，都是用序列表示。只不过表示连续时间信号的序列中两相邻元素所对应的时间间隔更小，如本例中t的间隔为0.01，而表示离散时间信号的序列中两相邻元素所对应的时间间隔一般为1。由于单位冲激序列在信号与系统中经常使用，我们专门编制一个函数文件delta.m，在后面的实验部分直接调用该函数即可产生需要的波形。 % delta.m function [x, n] = delta(n1,n2,k) % 产生冲激序列δ(n-k),其中n1<=n<=n 2, n1<=k<=n2

白噪声的测试MATLAB程序

白噪声的测试MATLAB程序学术篇 2009-11-13 22:18:03 阅读232 评论0 字号：大中小订阅 clear; clc; %生成各种分布的随机数 x1=unifrnd(-1,1,1,1024);%生成长度为1024的均匀分布 x2=normrnd(0,1,1,1024);%生成长度为1024的正态分布 x3=exprnd(1,1,1024);%生成长度为1024的指数分布均值为零 x4=raylrnd(1,1,1024);%生成长度为1024的瑞利分布 x5=chi2rnd(1,1,1024);%生成长度为1024的kaifang分布%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %求各种分布的均值 m1=mean(x1),m2=mean(x2),m3=mean(x3),m4=mean(x4),m5=mean(x5) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %求各种分布的方差 v1=var(x1),v2=var(x2),v3=var(x3),v4=var(x4),v5=var(x5) %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %求各种分布的自相关函数 figure(1);title('自相关函数图'); cor1=xcorr(x1);cor2=xcorr(x2);cor3=xcorr(x3);cor4=xcorr(x4);cor5=xcorr(x5); subplot(3,2,1),plot(1:2047,cor1);title('均匀分布自相关函数图'); subplot(3,2,2),plot(1:2047,cor2);title('正态分布'); subplot(3,2,3),plot(1:2047,cor3);title('指数分布'); subplot(3,2,4),plot(1:2047,cor4);title('瑞利分布'); subplot(3,2,5),plot(1:2047,cor5);title('K方分布'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %求各种分布的概率密度函数 y1=unifpdf(x1,-1,1); y2=normpdf(x2,0,1); y3=exppdf(x3,1); y4=raylpdf(x4,1); y5=chi2pdf(x5,1); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %各种分布的频数直方图 figure(2); subplot(3,2,1),hist(x1);title('均匀分布频数直方图'); subplot(3,2,2),hist(x2,[-4:0.1:4]);title('正态分布'); subplot(3,2,3),hist(x3,[0:.1:20]);title('指数分布'); subplot(3,2,4),hist(x4,[0:0.1:4]);title('瑞利分布'); subplot(3,2,5),hist(x5,[0:0.1:10]);title('K方分布'); %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %各种分布的概率密度估计 figure(3);

实验1 常见离散信号的MATLAB产生和图形显示

实验1 常见离散信号的MATLAB 产生和图形显示一、实验目的：加深对常用离散信号的理解二、实验原理： 1.单位抽样序列：???=01)(n δ 00 ≠=n n 在MATLAB 中可以利用zeros()函数实现。 ; 1)1();,1(==x N zeros x 如果)(n δ在时间轴上延迟了k 个单位，得到)(k n ?δ即：? ??=?01)(k n δ 0≠=n k n 2．单位阶越序列：???0 1 )(n u 00<≥n n 在MATLAB 中可以利用ones()函数实现。(1,)x ones N = 3．正弦序列：)/2sin()(?π+=Fs fn A n x 在MATLAB 中 ) /***2sin(*1 :0fai Fs n f pi A x N n +=?= 4．复正弦序列：n j e n x ?=)( 在MATLAB 中 ) **exp(1 :0n w j x N n =?= 5．指数序列：n a n x =)( 在MATLAB 中 n a x N n .^1:0=?= 三、实验内容： 1、编制程序产生上述5种信号（长度可输入确定），并绘出其图形。 2、讨论正弦序列、复指数序列的性质：（1）绘出信号()zn x n e =，当1126z j π=?+、1126z j π=+、112 z =、62πj z +=、6π j z =时信号的实部和虚部图；当6 π j z =时信号的周期为多少？

（2）绘出信号() 1.5sin(2*0.1)x n n π=的频率是多少？周期是多少？产生一个数字频率为0.9的正弦序列，并显示该信号，说明其周期。 3、使用帮助功能学习square(方波),sawtooth(锯齿波)和sinc 函数，并绘图。四、实验要求： 1、预先阅读MATLAB 基础； 2、讨论复指数序列的性质。

Matlab大数据处理

Matlab大数据处理2：硬盘访问.mat文件分类：Matlab Hack2013-09-08 20:16 146人阅读评论(0) 收藏举报Matlab程序中经常要访问.mat文件，通常在作法是用load函数直接加载.mat文件。如果.mat文件非常大，超过了系统可用内存的时候该怎么办呢？Matlab2013b为提供了matfile函数，matfile函数可以通过索引直接访问.mat文件中的Matlab变量，而无需将.mat文件加载入内存。 matfile有两种用法： m = matfile(filename)，用文件名创建matfile对象，通过这个对象可以直接访问mat文件中的matlab变量。 m = matfile(filename,'Writable',isWritable)，isWritable开启或关闭文件写操作。使用示例： 1. 向mat文件中写入变量 x = magic(20); m = matfile('myFile.mat'); % 创建一个指向myFile.mat的matfile对象 m.x = x; % 写入x m.y(81:100,81:100) = magic(20); % 使用坐标索引

2. 加载变量 filename = 'topography.mat'; m = matfile(filename); topo = m.topo; %读取变量topo [nrows,ncols] = size(m,'stocks'); %读取stocks变量的size avgs = zeros(1,ncols); for idx = 1:ncols avgs(idx) = mean(m.stocks(:,idx)); end 3. 开启写权限 filename = 'myFile.mat'; m = matfile(filename,'Writable',true); 或者 m.Properties.Writable = true;

白噪声产生程序

第二章的白噪声产生程序例2.2 用乘同余法产生(见光盘FLch2bzsheg2.m) ①编程如下： A=6; x0=1; M=255; f=2; N=100；%初始化； x0=1; M=255; for k=1: N %乘同余法递推100次； x2=A*x0; %分别用x2和x0表示x i+1和x i-1； x1=mod (x2,M); %取x2存储器的数除以M的余数放x1（x i）中； v1=x1/256; %将x1存储器中的数除以256得到小于1的随机数放v1中；）减去0.5再乘以存储器f中的系数，存放在v(:,k)=(v1-0.5 )*f; %将v1中的数（ i 矩阵存储器v的第k列中，v(:,k)表示行不变、列随递推循环次数变化； x0=x1; % x i-1= x i； v0=v1; end %递推100次结束； v2=v %该语句后无‘；’，实现矩阵存储器v中随机数放在v2中，且可直接显示在MATLAB的window中； k1=k; %grapher %以下是绘图程序； k=1:k1; plot(k,v,k,v,'r'); xlabel('k'), ylabel('v');tktle(' (-1,+1)均匀分布的白噪声') ②程序运行结果如图2.6所示。图2.6 采用MA TLAB产生的(-1,+1)均匀分布的白噪声序列 ③产生的(-1，1)均匀分布的白噪声序列在程序运行结束后，产生的(-1，1)均匀分布的白噪声序列，直接从MATLAB的window 界面中copy出来如下（v2中每行存6个随机数）：

v2 = -0.9531 -0.7188 0.6875 -0.8359 -0.0156 0.9219 0.5703 0.4531 -0.2500 -0.4844 0.1016 -0.3672 0.8047 -0.1328 0.2188 0.3359 -0.9531 -0.7188 0.6875 -0.8359 -0.0156 0.9219 0.5703 0.4531 -0.2500 -0.4844 0.1016 -0.3672 0.8047 -0.1328 0.2188 0.3359 -0.9531 -0.7188 0.6875 -0.8359 -0.0156 0.9219 0.5703 0.4531 -0.2500 -0.4844 0.1016 -0.3672 0.8047 -0.1328 0.2188 0.3359 -0.9531 -0.7188 0.6875 -0.8359 -0.0156 0.9219 0.5703 0.4531 -0.2500 -0.4844 0.1016 -0.3672 0.8047 -0.1328 0.2188 0.3359 -0.9531 -0.7188 0.6875 -0.8359 -0.0156 0.9219 0.5703 0.4531 -0.2500 -0.4844 0.1016 -0.3672 0.8047 -0.1328 0.2188 0.3359 -0.9531 -0.7188 0.6875 -0.8359 -0.0156 0.9219 0.5703 0.4531 -0.2500 -0.4844 0.1016 -0.3672 0.8047 -0.1328 0.2188 0.3359 -0.9531 -0.7188 0.6875 -0.8359 *另外，书中图2.3白噪声的产生如下：显然，只要在例2.2程序的初始化部分中给N=300，f=6，运行程序就可以得到如图2.3所示的（-3，3）的白噪声过程. ①编程如下： A=6; x0=1; M=255; f=6; N=300；%初始化； x0=1; M=255; for k=1: N %乘同余法递推100次； x2=A*x0; %分别用x2和x0表示x i+1和x i-1； x1=mod (x2,M); %取x2存储器的数除以M的余数放x1（x i）中； v1=x1/256; %将x1存储器中的数除以256得到小于1的随机数放v1中；）减去0.5再乘以存储器f中的系数，存放在v(:,k)=(v1-0.5 )*f; %将v1中的数（ i 矩阵存储器v的第k列中，v(:,k)表示行不变、列随递推循环次数变化； x0=x1; % x i-1= x i； v0=v1; end %递推100次结束； v2=v %该语句后无‘；’，实现矩阵存储器v中随机数放在v2中，且可直接显示在MATLAB的window中； k1=k; %grapher %以下是绘图程序； k=1:k1; plot(k,v,k,v,'r'); xlabel('k'), ylabel('v');tktle(' (-1,+1)均匀分布的白噪声')

matlab 正弦波高斯白噪声均匀白噪声功率谱密度自相关函数

现代通信原理作业一姓名：张英伟学号：8036 班级：13级理工部3班利用matlab完成： ●产生正弦波信号、均匀白噪声以及高斯白噪声并分别将两种噪声叠加到正弦波信号上，绘出波形。 ●分别求取均匀白噪声序列和高斯白噪声序列的自相关及功率谱密度，绘出波形。一、白噪声区别及产生方法 1、定义：均匀白噪声：噪声的幅度分布服从均匀分布，功率谱密度在整个频域内均匀分布的噪声。高斯白噪声：噪声的幅度分布服从正态分布，功率谱密度在整个频域内均匀分布的噪声。 2、matlab仿真函数： rand函数默认产生是区间在[0,1]的随机数，这里需要利用公式： z2=a+(b-(a))*rand(m,n)............（公式1） randn函数默认产生均值是0、方差是1的随机序列，所以可以用其来产生均值为0、方差为1的正态分布白噪声，即N(0，12)。利用公式： z1=a+b*randn(1,n).................（公式2）可以产生均值为a，方差为b2 高斯白噪声，即N(a，b2)。二、自相关函数与功率谱密度之间的关系 1、功率谱密度：每单位频率波携带的功率，这被称为信号的功率谱密度。 2、自相关函数：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。 3、维纳-辛钦定理：由于平均值不为零的信号不是平方可积的，所以在这种情况下就没有傅里叶变换。幸运的是维纳-辛钦定理提供了一个简单的替换方法，如果信号可以看作是平稳随机过程，那么功率谱密度就是信号自相关函数的傅里叶变换。 4、平稳随机过程：是在固定时间和位置的概率分布与所有时间和位置的概率分布相同的随机过程。（就是指得仅一个随机过程，中途没有变成另外一个统计特性的随机过程）

第6章matlab数据分析与多项式计算_习题答案

第6章 MATLAB数据分析与多项式计算习题6 一、选择题 1．设A=[1,2,3,4,5;3,4,5,6,7]，则min(max(A))的值是（）。B A．1 B．3 C．5 D．7 2．已知a为3×3矩阵，则运行mean(a)命令是（）。B A．计算a每行的平均值 B．计算a每列的平均值 C．a增加一行平均值 D．a增加一列平均值 3．在MATLAB命令行窗口输入下列命令： >> x=[1,2,3,4]; >> y=polyval(x,1); 则y的值为（）。 D A．5 B．8 C．24 D．10 4．设P是多项式系数向量，A为方阵，则函数polyval(P,A)与函数polyvalm(P,A)的值（）。D A．一个是标量，一个是方阵 B．都是标量 C．值相等 D．值不相等 5．在MATLAB命令行窗口输入下列命令： >> A=[1,0,-2]; >> x=roots(A); 则x(1)的值为（）。 C A．1 B．-2 C． D． 6．关于数据插值与曲线拟合，下列说法不正确的是（）。A A．3次样条方法的插值结果肯定比线性插值方法精度高。 B．插值函数是必须满足原始数据点坐标，而拟合函数则是整体最接近原始数据点，而不一定要必须经过原始数据点。 C．曲线拟合常常采用最小二乘原理，即要求拟合函数与原始数据的均方误差达到极小。 D．插值和拟合都是通过已知数据集来求取未知点的函数值。二、填空题 1．设A=[1,2,3;10 20 30;4 5 6]，则sum(A)= ，median(A)= 。 [15 27 39]，[4 5 6[ 2．向量[2,0,-1]所代表的多项式是。2x2-1 3．为了求ax2+bx+c=0的根，相应的命令是（假定a、b、c已经赋值）。为了

常见连续信号的MATLAB表示

实验名称：常见连续信号的MATLAB 表示报告人：姓名班级学号一、实验目的 1、熟悉常见连续时间信号的意义、特性及波形； 2、学会使用MATLAB 表示连续时间信号的方法； 3、学会使用MATLAB 绘制连续时间信号的波形。二、实验内容及运行结果 1、运行以上5个例题的程序，保存运行结果。 2、已知信号()t f 的波形如下图所示，试用MATLAB 绘出满足下列要求的信号波形。 <1）()t f -； <2）()2-t f ； <3）()at f <其中a 的值分别为 21= a 和2=a ）； <4）? ?? ??+12 1t f 。第一题例题1

程序如下： >> t1=-10:0.5:10。 >> f1=sin(t1>./t1。 >> figure(1> >> plot(t1,f1> >> xlabel('取样间隔p=0.5'>。 >> title('f(t>=Sa(t>=sin(t>/t'>。>> t2=-10:0.1:10。 >> f2=sin(t2>./t2。 >> figure(2> >> plot(t2,f2> >> xlabel('取样间隔p=0.1'>。 >> title('f(t>=Sa(t>=sin(t>/t'>。运行结果如下：

f(t)=Sa(t)=sin(t)/t 取样间隔p＝0.5 f(t)=Sa(t)=sin(t)/t 取样间隔p=0.1例题2 程序如下： >> syms t >> f=sin(t>/t。 >> ezplot(f,[-10,10]>运行结果如下：

sin(t)/t t 例题3：程序如下： >> t=-1:0.01:4。 >> t0=0。 >> ut=stepfun(t,t0>。>> plot(t,ut> >> axis([-1,4,-0.5,1.5]>运行结果如下:

M序列的matlab产生方法

M序列是工程中常用的输入信号，它的性质类似于白噪声，而白噪声是理论上最好的输入信号，可见M序列的价值。下面介绍M序列的matlab产生方法。 idinput函数产生系统辨识常用的典型信号。格式 u = idinput(N,type,band,levels) [u,freqs] = idinput(N,'sine',band,levels,sinedata) N 产生的序列的长度，如果N=[N nu]，则nu为输入的通道数，如果N=[P nu M]，则nu 指定通道数，P为周期，M*P为信号长度。默认情况下，nu=1，M=1，即一个通道，一个周期。 Type 指定产生信号的类型，可选类型如下 Band 指定信号的频率成分。对于’rgs’、’rbs’、’sine’，band = [wlow, whigh]指定通带的范围，如果是白噪声信号，则band=[0, 1]，这也是默认值。指定非默认值时，相当于有色噪声。对于’prbs’，band=[0, B]，B表示信号在一个间隔1/B（时钟周期）内为恒值，默认为[0, 1]。 Levels 指定输入的水平。Levels=[minu, maxu]，在type=’rbs’、’prbs’、’sine’时，表示信号u的值总是在minu和maxu之间。对于type=’rgs’，minu指定信号的均值减标准差，maxu指定信号的均值加标准差，对于0均值、标准差为1的高斯白噪声信号，则levels=[-1, 1]，这也是默认值。说明对于PRBS信号，如果M>1，则序列的长度和PRBS周期会做调整，使PRBS的周期为对应一定阶数的最大值（即2^n-1，n为阶数）；如果M=1，PRBS的周期是大于N的相应阶数的值。在多输入的情形时，信号被最大平移，即P/nu为此信号能被估计的模型阶次的上界。上面的意思可如下理解：对于M=1时， ms = idinput(12, 'prbs', [0 1], [0 1]); figure stairs(ms) title('M序列') ylim([-0.5 1.5])

基于matlab的直接序列扩频通信系统仿真

基于MATLAB的直接序列扩频通信系统仿真 1.实验原理：直接序列扩频（DSSS）是直接利用具有高码率的扩频码系列采用各种调制方式在发端与扩展信号的频谱，而在收端，用相同的扩频码序去进行解扩，把扩展宽的扩频信号还原成原始的信息。它是一种数字调制方法，具体说，就是将信源与一定的PN码（伪噪声码）进行摸二加。例如说在发射端将"1"用11000100110，而将"0"用00110010110去代替，这个过程就实现了扩频，而在接收机处只要把收到的序列是11000100110就恢复成"1"是00110010110就恢复成"0"，这就是解扩。这样信源速率就被提高了11倍，同时也使处理增益达到10DB以上，从而有效地提高了整机倍噪比。 1.1 直扩系统模型直接序列扩频系统是将要发送的信息用伪随机码(PN码)扩展到一个很宽的频带上去，在接收端用与发送端相同的伪随机码对接收到的扩频信号进行相关处理，恢复出发送的信号。对干扰信号而言，与伪随机码不相关，在接收端被扩展，使落入信号通频带的干扰信号功率大大降低，从而提高了相关的输出信噪比，达到了抗干扰的目的。直扩系统一般采用频率调制或相位调制的方式来进行数据调制，在码分多址通信中，其调制多采用BPSK、DPSK、QPSK、MPSK等方式，本实验中采取BPSK方式。直扩系统的组成如图1所示，与信源输出的信号a(t)是码元持续时间为Ta的信息流，伪随机码产生器产生伪随机码c(t)，每个伪随机码的码元宽度为Tc (Tc<

文档之家