随机信号分析理论的应用综述
（结课论文）
学院：
系别：电子信息工程
班级：
：
学号：
指导老师：
目录
第一章概述
1.1 随机信号分析的研究背景
1.2 随机信号分析的主要研究问题
第二章随机信号分析的主要容
2.1 随机信号分析的主要研究容
2.2 随机信号分析的基本研究方法
第三章随机信号分析的应用实例
3.1均匀分布白噪声通过低通滤波器
3.2语音盲分离
3.3系统辨识
3.4基于bartlett的周期图法估计功率谱
3.5基于MATLAB_GUI的Kalman滤波程序
第四章展望
参考文献
第一章概述
1.1随机信号分析的研究背景
在一般的通信系统中，所传输的信号都具有一定的不确定性，因此都属于随机信号，否则不可能传递任何信息，也就失去了通信的意义。随机信号是一种不能用确定的数学关系式来描述的、无法预测未来时刻精准值的信号，也无法用实
验的方法重复实现。
随机信号是客观上广泛存在的一类信号，它是持续时间无限长，能量无限大的功率信号，这类信号的分析与处理主要是研究它们在各种变化域中的统计规律，建立相应的数学模型，以便定性和定量的描述其特性，给出相关性能指标，并研究如何改善对象的动静态性能等。随机信号分析容涉及线性系统与信号、时间序列分析、数字信号处理、自适应滤波理论、快速算法、谱估计等方面的知识。
我们所学的是从工程应用的角度讨论随机信号的理论分析和研究方法，主要以分析随机信号与系统的相互作用为主要容。
近年来，随着现代通讯和信息理论的飞速发展，对随机信号的研究已渗透到的各个科学技术领域，随机信号的处理是现代信号处理的重要理论基础和有效方法之一。
1.2主要研究问题
对随机过程（信号）的分析来讲，我们往往不是对一个实验结果（一个实现或一个具体的函数波形）感兴趣，而是关心大量实验结果的某些平均量（统计特性），因而随机过程（信号）的描述方式以及推演方式都应以统计特性为出发点。这样，尽管从个别的实现看不出什么规律性的东西，但从统计的角度却表现出一定的规律性，即统计规律性，它是本门学科一个最根本的概念。
随机信号分析重点研究一般化（抽象化）的系统干扰和信号，往往仅给出他们的系统函数模型和数学模型，而不是讨论具体的系统，更不会局限于一些具体的电路系统上。
概率论与数理统计随机过程理论等只是处理本命学科有关问题的一种工具因而学习本门课程除了注意处理问题的方法，更重要的是对一数学推演的结果和结论的物理意义有深入的理解。随机信号通过线性、非线性系统统计特件的变化；在通信、雷达和其他电子系统中常见的一些典型随机信号，如白噪声、窄带随机过程、高斯随机过程、马尔可夫过程等。
第二章随机信号分析的主要容
随机信号分析与处理时研究随机信号的特点及其处理方法的专业基础课程，是目标检测、估计、滤波等信号处理的理论基础，在学习过程中，我们需要学会三个概念，统计的概念、模型的概念和物理概念，学习时既要理论联系实际，又要学会数学模型的抽象思维方法。
（一）随机信号分析的主要研究容：
随机过程的基本概念和基本特征，它是学习随机信号分析的基础；随机信号的平稳性，平稳随机过程的数字特征、相关函数的性质。掌握平稳随机序列的期望、自相关序列的求解等；功率谱密度以及它的性质、互谱密度及性质等；随机信号两种统计特性的描述方法，重点研究数字特征，均值、方差、相关函数、相干函数、功率谱密度。
平稳随机过程：将随机过程划分为平稳和非平稳有重要的实际意义，因为过程若属于平稳的可使问题的分析变得简单。
随机信号的功率谱密度：利用傅里叶变换，研究随机过程的频域分析的功率谱密度并讨论其频率结构带宽以及系统的相互作用。
随机信号通过线性系统：当输入信号为随机过程时，线性,稳定,时不变系统输出的统计特性，讨论系统的冲激响应h(t)是实函数的情况。
功率谱估值：基于傅里叶变换的经典法和基于随机信号模型的现代谱估值法，前者称为非参数谱估值法，后者称为参数谱估值法。
窄带随机过程：建立窄带过程的物理模型和数学模型以及分析窄带信号和系统的重要工具希尔伯特变换，来分析窄带随机过程的统计特性及其一些重要性质。讨论窄带随机过程经包络检波器和平方律检波器后统计特性的变换。
随机信号通过非线性系统：当动态非线性系统可分时，分为线性系统与无记忆的非线性系统的级联，一般用多项式和伏特拉级数的方法。
马尔可夫过程：一随机过程 {X(t),t∈T}，其值域（状态）可以连续取值，也可以离散取值，如果他的条件概率满足下列关系：
P[X(tn+1)<=Xn+1 X(tn)=xn,X(tn-1)=xn-1,...,X(to)=xo]
=P[X(tn+1)<=xn+1 X(tn)=xn] 则X（t）为马尔可夫过程。
基于假设检验的信号检测：信号的统计检测是随机信号分析与处理的重要容，应用统计方法来导出判决和估值的步骤，是合乎情理的。
（二）随机信号分析理论的基本研究方法：
在学习随机信号分析这一门课程时除了注意处理随机信号的方法外，更重要的是深入理解数学推演结果、结论的物理意义。对一些复杂的数学推演的中间步骤不必死记硬背，更不必深究其数学上的严密性，重在弄清楚来龙去脉，掌握分析的思路与方法。利用计算机为工具，对特定随机过程产生的数据进行统计分析，也是研究随机过程的重要方法，以及利用现代分析手段去分析，研究随机信号用来解决工程应用中的实际问题。
第三章随机信号分析的应用实例
3.1均匀分布白噪声通过低通滤波器
（matlab环境下）
%%%%均匀分布白噪声通过低通滤波器
xn=rand(1,500); hn=fir1(50,0.3);
[f,xi]=ksdensity(xn); plot(xi,f);
title('均匀分布白噪声概率密度');
yn=filter(hn,[1],xn);
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。
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
随机信号分析处理与生活 指导老师：XXX 20 年月日 姓名：XXX 学号：XXXXXXXX
目录 交通 (2) 1 目的 (2) 2 论文的主要内容 (2) 3 引言 (3) 4 马尔科夫预测法的基本原理 (4) 5 交通流数据清洗及去噪 (5) 6 交通流预测模型构造 (5) 7 总结 (6) 气象 (6) 1、基于最大事后概率的最大似然估计 (7) 2、基于TOF的空气场温度可视化实验 (9) 2..1 实验系统 (9) 2.2 空气场温度设定 (9) 2.3 TOF 测量 (9) 3、总结 (10) 股票 (11) 参考文献 (13)
随机信号分析与处理时研究随机信号的特点及其处理方法的专业基础课程，时目标检测、估计、滤波等信号处理的理论基础，在通信、雷达、自动控制、随机振动、图像处理、气象预报、生物医学、地震信号处理等领域有着广泛的应用，随着信息技术的发展，随机信号分析与处理的理论将广泛和深入。 交通 短时交通流预测对城市交通流控制与诱导系统的发展具有着重要的意义，预测结果的好坏将直接影响到城市交通流控制与诱导的效果。因此，短时交通流预测对智能交通系统来说至关重要。 1 目的 本文以提高短时交通流预测为研究目的，构建了基于马尔科夫理论的短时交通流预测模型，在此基础上，针对短时交通流的非线性非平稳特性，本文分别提出了马尔科夫-BP 神经网络模型和小波-马尔科夫-BP 神经网络模型。 2 论文的主要内容 （1）鉴于感应线圈检测器获得的数据存在错误、冗余等质量问题，本文通过孤立点挖掘技术检测出异常数据，利用“相邻时间段数据求平均”的方法对数据进行修复，解决了数据的质量问题，并利用改进的小波去噪方法对交通流数据进行了降噪处理，降噪处理之后的交通流数据更能反映出交通流的真实特性。 （2）考虑到短时交通流量的非线性特性，本文提出了基于马尔科夫-BP 神经网络理论的短时交通流组合预测模型，利用BP 网络强大的非线性映射能力和误差修正思想，滚动预测未来的交通数据信息。相比单纯的马尔科夫模型，马尔科夫-BP 神经网络模型的预测效果更好。 （3）由于短时交通流时间序列具有非平稳特征，本文引入了小波分析方法，建立了小波-马尔科夫-BP 神经网络的组合模型。该模型利用了小波分析方法对
随机信号分析课程设计 报告 标准化工作室编码[XX968T-XX89628-XJ668-XT689N]
随机信号分析课程设计报告 题目 学院信息电子技术 专业电子信息工程 班级 15级1班 学籍号 1 姓名朱李伟 指导教师刘文科 信息电子技术学院 2018年6月18日
实验二随机过程的模拟与数字特征 一、实验目的 1. 学习利用MATLAB模拟产生随机过程的方法。 2. 熟悉和掌握特征估计的基本方法及其MATLAB 实现。 二、实验原理 1.正态分布白噪声序列的产生 MATLAB提供了许多产生各种分布白噪声序列的函数，其中产生正态分布白 噪声序列的函数为randn。 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 (,) 分布的随机序列，则可以由标准正态随机序列 产生。如果X ~ N(0,1)，则N (,)。 2.相关函数估计 MATLAB提供了函数 xcorr用于自相关函数的估计。 函数：xcorr 用法：c= xcorr (x,y) c= xcorr (x) c= xcorr (x,y ,'opition') c= xcorr (x, ,'opition') 功能：xcorr(x,y) 计算X (n ) 与Y (n)的互相关，xcorr(x)计算X (n )的自相关。 option 选项可以设定为： 'biased' 有偏估计。 'unbiased' 无偏估计。 'coeff' m = 0 时的相关函数值归一化为1。 'none' 不做归一化处理。 3.功率谱估计 对于平稳随机序列X(n)，如果它的相关函数满足那么它的功率谱定义为自相关函数R X(m)的傅里叶变换： 功率谱表示随机信号频域的统计特性，有着重要的物理意义。我们实际所 能得到的随机信号的长度总是有限的，用有限长度的信号所得的功率谱只是真实功率谱的估计，称为谱估计或谱分析。功率谱估计的方法有很多种，这里我们介绍基于傅里叶分析的两种通用谱估计方法。 （1）自相关法
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。
第 一 章 1.1不考 条件部分不考 △雅柯比变换 （随机变量函数的变换 P34） △随机变量之间的“不相关、正交、独立” P51 （各自定义、相关系数定义 相互关系：两个随机变量相互独立必定互不相关，反之不一定成立 正交与不相关、独立没有明显关系 结合高斯情况） △随机变量的特征函数及基本性质 （一维的 P53 n 维的 P58） △ 多维高斯随机变量的概率密度和特征函数的矩阵形式、三点性质 P61 ( )()() () ( ) ()()2 2 1 () 2112 2 22 11 ,,exp 2 2exp ,,exp 22T T x m X X X X X n n X T T jU X X X X X n X M X M f x f x x U U u Q u j m Q u u E e jM U σπσμ---?? --??= = -????? ? ?? ?? ?? ??=-==- ?? ??? ????? ?? C C C u u r u u r u u r u u r u u r u u r L u r u r u u r u r L 另外一些性质： []()20XY XY X Y X C R m m D X E X m ??=-=-≥??
第二章 随机过程的时域分析 1、随机过程的定义 从三个方面来理解①随机过程(),X t ζ是,t ζ两个变量的函数②(),X t ζ是随时间t 变化的随机变量③(),X t ζ可看成无穷多维随机矢量在0,t n ?→→∞的推广 2、什么是随机过程的样本函数？什么是过程的状态？随机过程与随机变量、样本函数之间的关系？ 3、随机过程的概率密度P7 4、特征函数P81。（连续、离散） 一维概率密度、一维特征函数 二元函数 4、随机过程的期望、方差、自相关函数。（连续、离散） 5、严平稳、宽平稳的定义 P83 6、平稳随机过程自相关函数的性质： 0点值，偶函数，周期函数（周期分量），均值 7、自相关系数、相关时间的定义 P88 2 2 2() ()()()()(0)()X X X X X X X X X X C R m R R R R τττρτσ σ--∞= = -∞= 非周期 相关时间用此定义（00()d τρττ∞ =?） 8、两个随机过程之间的“正交”、“不相关”、“独立”。 （P92 同一时刻、不同时刻） 9、两个随机过程联合平稳的要求、性质。P92
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。
实验十:随机信号分析应用在语音信号分析中 ——音频信号时域特征和频域特征分析【实验目的】 ⑴ 了解随机信号分析的应用领域。 ⑵ 了解如何利用随机信号分析相关知识点对语音信号进行分析。【实验原理】 我们在这里主要研究语音信号检索的部分内容。在语音信号研究中，一般对音频信号需要进行三方面的研究： 1）音频信号的产生，这方面的研究集中在为音频信号建立产生模型，通过产生模型提取音频特征。 2）音频的传播，音频信号如何通过另外介质传播到人的耳朵里。 3）音频的接收，音频信号如何被人所感知。 在这里，我们只涉及到音频信号的产生，而其它方面不涉及。 音频是一种重要媒体。人耳能够听到的音频频率范围是60Hz- 20KHz，其中语音大约分布在300Hz-4KHz之内。人耳听到的音频是连续模拟信号，而计算机只能处理数字化信息。所以要将连续音频信号数字化后才能在计算机上进行处理。音频信号数字化时的采样频率必须高于信号带宽的2倍才能正确恢复信号。 在音频处理中，一般假定音频信号特性在很短时间区间内变化是很缓慢的，所以在这个变化区间内所提取的音频特征保持稳定。这样，对音频信号处理的一个基本概念就是将离散的音频信号分成一定长度单位进行处理，将离散的音频采样点分成一个个音频帧，也就是音频信 号“短时”处理方法。一般一个“短时”音频帧持续时间长度约为几个到几十个微妙。可以从音频信号中提取三类基本特征：时域特征、频域特征和时频特征。 1 时域特征提取 连续音频信号x经过采样后，得到k个采样点x(n)(1≤n≤k)。在音
频时域提取中，认为每个采样点x(n)(1≤n≤k)包含了这一时刻音频信号的所有信息，所以可以直接从x(n)(1≤n≤k)提取信息。可以提取的信息有：短时平均能量、过零率、线性预测系数。 对于采样得到的x(n)(1≤n≤k)音频信号，考虑到信号在段时间内的连贯性，首先把音频信号的K个采样点分割成前后迭代的音频帧，相邻帧之间的迭加率一般为30%-50%，音频处理中的“短时帧”均是这样得到的。 ① 短时平均能量 短时平均能量指在一个短时音频帧内采样点所聚集的能量。它能够方便的表示整个时间段内幅度的变化。其定义如下： 短时平均能量特征可以直接应用到有声/静音检测中，短时平均能量某一短时帧平均能量低于一个事先设定的阀值，则短时帧为静音，否则为非静音。如果静音的短时祯数超过了一定比例，则将这个例子判为静音音频例子。 2 过零率 过零率指在一个短时帧内，离散采样信号值由正到负和由负到正变化的次数。它可以有效的刻画不同的音频信号。其定义如下： 其中, 对于语音信号，辅音信号过零率低，而元音信号的过零率高。语音信号开始和结束都大量集中了辅音信号，所以在语言信号中，开始和结束部分得过零率会有明显身高，所以利用过零率可以判断语音是否开始和结束。 3 频率中心（FC）：它是量度声音亮度的指标。即： ，其中是f t(n)的Fourier变换，，STE是短时平均能量。一般的，一段音乐的频率中心变化比较单一，语音的频率中心会出现连续的变化。 4 带宽(BW)：它是衡量频率范围的指标。其定义为：
随机信号分析实验报告 信息25班 2120502123 赵梦然
作业题三： 利用Matlab 产生一个具有零均值、单位方差的的高斯白噪声随机序列X(n)，并通过一脉冲响应为 (0.8)(0)0 n n h n else =≥??? 的线性滤波器。 (1) 产生一个具有零均值、单位方差的的高斯白噪声随机序列X(n)，检验其一维概率密度函 数是否与理论相符。 (2) 绘出输入输出信号的均值、方差、自相关函数及功率谱密度的图形，讨论输出信号服从 何种分布。 (3) 试产生在[-1,+1]区间均匀分布的白噪声序列，并将其替换高斯白噪声通过上述系统。 画出此时的输出图形，并观察讨论输出信号服从何种分布。 作业要求 (1) 用MATLAB 编写程序。最终报告中附代码及实验结果截图。 (2) 实验报告中必须有对实验结果的分析讨论。 提示： (1) 可直接使用matlab 中已有函数产生高斯白噪声随机序列。可使用hist 函数画出序列的 直方图，并与标准高斯分布的概率密度函数做对比。 (2) 为便于卷积操作，当N 很大时，可近似认为h(N)=0。卷积使用matlab 自带的conv 函 数。 (3) 分析均值、方差等时，均可使用matlab 现有函数。功率谱密度和自相关函数可通过傅 里叶变换相互获得。傅里叶变换使用matlab 自带的fft 函数。 (4) 作图使用plot 函数。
一、作业分析： 本题主要考察的是加性高斯白噪声相关问题，因此构造一个高斯白噪声十分重要，故在本题中使用randn函数随机生成一个个符合高斯分布的数据，并由此构成高斯白噪声；而且由于白噪声是无法完全表示的，故此根据噪声长度远大于信号长度时可视为高斯白噪声，构造了一个长度为2000的高斯白噪声来进行试验。 二、作业解答： （1）matlab程序为： x-1000:1:1000; k=1*randn(1,length(x));% 生成零均值单位方差的高斯白噪声。 [f,xi]=ksdensity(x);%利用ksdensity函数估计样本的概率密度。 subplot(1,2,1); plot(x,k); subplot(1,2,2); plot(xi,f); 实验结果为：
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
第一章 1、有朋自远方来，她乘火车、轮船、汽车或飞机的概率分别是0.3，0.2，0.1和0.4。如果她乘火车、轮船或者汽车来，迟到的概率分别是0.25，0.4和0.1，但她乘飞机来则不会迟到。如果她迟到了，问她最可能搭乘的是哪种交通工具？ 解：()0.3P A =()0.2P B =()0.1P C =()0.4 P D = E －迟到，由已知可得 (|)0.25(|)0.4(|)0.1(|)0 P E A P E B P E C P E D ==== 全概率公式： ()()()()(P E P E A P E B P E C P E D =+++ 贝叶斯公式： ()(|)()0.075 (|)0.455()()0.165(|)()0.08 (|)0.485 ()0.165 (|)()0.01 (|)0.06 ()0.165(|)() (|)0 ()P EA P E A P A P A E P E P E P E B P B P B E P E P E C P C P C E P E P E D P D P D E P E ?= ===?===?===?== 综上：坐轮船 3、设随机变量X 服从瑞利分布，其概率密度函数为2 2 22,0 ()0,0X x x X x e x f x x σσ-??>=?? ，求期望()E X 和方差()D X 。 考察： 已知()x f x ，如何求()E X 和()D X ？ 2 2222 2()()()[()]()()()()()()()x x E X x f x dx D X E X m X m f x dx D X E X E X E X x f x dx ∞ -∞ ∞ -∞ ∞ -∞ =?=-=-=-?=???? 6、已知随机变量X 与Y ，有1,3, ()4,()16,0XY EX EY D X D Y ρ=====， 令3,2,U X Y V X Y =+=-试求EU 、EV 、()D U 、()D V 和(,)Cov U V 。 考察随机变量函数的数字特征
随机信号分析理论的应 用综述 TYYGROUP system office room 【TYYUA16H-TYY-TYYYUA8Q8-
随机信号分析理论的应用综述 （结课论文） 学院： 系别：电子信息工程 班级： 姓名： 学号： 指导老师： 目录 第一章概述 随机信号分析的研究背景 随机信号分析的主要研究问题 第二章随机信号分析的主要内容 随机信号分析的主要研究内容 随机信号分析的基本研究方法 第三章随机信号分析的应用实例 均匀分布白噪声通过低通滤波器 语音盲分离 系统辨识 基于bartlett的周期图法估计功率谱 基于MATLAB_GUI的Kalman滤波程序 第四章展望 参考文献
第一章概述 随机信号分析的研究背景 在一般的通信系统中，所传输的信号都具有一定的不确定性，因此都属于随机信号，否则不可能传递任何信息，也就失去了通信的意义。随机信号是一种不能用确定的数学关系式来描述的、无法预测未来时刻精准值的信号，也无法用实验的方法重复实现。 随机信号是客观上广泛存在的一类信号，它是持续时间无限长，能量无限大的功率信号，这类信号的分析与处理主要是研究它们在各种变化域中的统计规律，建立相应的数学模型，以便定性和定量的描述其特性，给出相关性能指标，并研究如何改善对象的动静态性能等。随机信号分析内容涉及线性系统与信号、时间序列分析、数字信号处理、自适应滤波理论、快速算法、谱估计等方面的知识。 我们所学的是从工程应用的角度讨论随机信号的理论分析和研究方法，主要以分析随机信号与系统的相互作用为主要内容。 近年来，随着现代通讯和信息理论的飞速发展，对随机信号的研究已渗透到的各个科学技术领域，随机信号的处理是现代信号处理的重要理论基础和有效方法之一。主要研究问题 对随机过程（信号）的分析来讲，我们往往不是对一个实验结果（一个实现或一个具体的函数波形）感兴趣，而是关心大量实验结果的某些平均量（统计特性），因而随机过程（信号）的描述方式以及推演方式都应以统计特性为出发点。这样，尽管从个别的实现看不出什么规律性的东西，但从统计的角度却表现出一定的规律性，即统计规律性，它是本门学科一个最根本的概念。 随机信号分析重点研究一般化（抽象化）的系统干扰和信号，往往仅给出他们的系统函数模型和数学模型，而不是讨论具体的系统，更不会局限于一些具体的电路系统上。 概率论与数理统计随机过程理论等只是处理本命学科有关问题的一种工具因而学习本门课程除了注意处理问题的方法，更重要的是对一数学推演的结果和结论的物理意义有深入的理解。随机信号通过线性、非线性系统统计特件的变化；在通信、雷达和其他电子系统中常见的一些典型随机信号，如白噪声、窄带随机过程、高斯随机过程、马尔可夫过程等。
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在通信系统抗噪声性能的应用分析 学院：信息与电气工程学院 专业：电子信息工程 班级：电子信息工程3班 姓名：田浪 学号：1204030319
绪论 在通信系统的分析中，随机过程是非常重要的数学工具。因为通信系统中的信号与噪声都具有一定的随机性，需要用随机过程来描述。发送信号必须有一定的不可预知性，或者说随机性，否则信号就失去了传输的价值。另外,介入系统中的干扰与噪声、信道特性的起伏，也是随机变化的。通信系统中的热噪声就是这样的一个例子，热噪声是由电阻性元器件中的电子因热扰动而产生的。另一个例子是在进行移动通信时，电磁波的传播路径不断变化，接收信号也是随机变化的。因此,通信中的信源、噪声以及信号传输特性都可使用随机过程来描述。 在对无线电传输的信息进行调制和解调时，可以知道发射的载波的频率很高，而传输过程的带宽却很小，正是用了这样的特性从而滤除其他的干扰因素对传输的影响，但是不可能完全的滤除掉噪声对传输信号的影响。信号进入带通滤波器之前是正弦波，经过带通滤波器后是正弦波和窄带高斯噪声的混合波形，而这些噪声是随机性的。另外由于传输媒质的物理性质以及传输媒质的差异对信号传输的影响，而产生的加性噪声也是不能避免的。所以在通信系统中，对信号的调制解调抗噪声的研究就显得必不可少。由于这个过程满足窄带随机过程的条件，可以利用窄带随机过程的特性和方法来讨论抗噪声性能。
随机信号分析与处理在通信系统抗噪声性能的应用如果一个随机过程的功率谱集中在某一中心频率附近的一个很小的频带内，且该频带又远小于其中心频率，这样的随机过程称为窄带随机过称。而通信系统中的调制信号是典型的窄带随机过程。信号在信道中传输会叠加上一定的信道噪声，因此调制系统的抗噪声性能分析非常重要。 在一般无线电接收系统中通常都有髙频或中频放大器,它们的通频带往往远小于中心频率，即： 所以，无线电接收系统为窄带系统，研究时可当作窄带系统研究。 当系统的输入端加入白噪声或宽带噪声时，由于系统的 带通特性，输出的功率谱集中在为中心的一个很小的频带 内,其窄带过程表现为具有载波角频率，但相对于载波而言 幅度和相位是慢变化的正弦振荡形式，可表示为： 其中为中心频率，是慢变化的随机过程，因此此公式称为 窄带随机过程的准正弦振荡表示形式。将公式展开得： 其中和都是低频慢变化的随机过程，称为窄带随机过程的同相分量和正交分量。窄带随机过程的幅度和相位可以用同相分量和正交分量表示为：
随机信号分析习题一 1. 设函数???≤>-=-0 , 0 ,1)(x x e x F x ，试证明)(x F 是某个随机变量ξ的分布函数。并求下列 概率：)1(<ξP ，)21(≤≤ξP 。 2. 设),(Y X 的联合密度函数为 (), 0, 0 (,)0 , other x y XY e x y f x y -+?≥≥=? ?， 求{}10,10<<< 8. 两个随机变量1X ，2X ，已知其联合概率密度为12(,)f x x ,求12X X +的概率密度？ 9. 设X 是零均值，单位方差的高斯随机变量，()y g x =如图，求()y g x =的概率密度 ()Y f y \ 10. 设随机变量W 和Z 是另两个随机变量X 和Y 的函数 22 2 W X Y Z X ?=+?=? 设X ，Y 是相互独立的高斯变量。求随机变量W 和Z 的联合概率密度函数。 11. 设随机变量W 和Z 是另两个随机变量X 和Y 的函数 2() W X Y Z X Y =+?? =+? 已知(,)XY f x y ，求联合概率密度函数(,)WZ f z ω。 12. 设随机变量X 为均匀分布，其概率密度1 ,()0X a x b f x b a ?≤≤? =-???， 其它 （1）求X 的特征函数,()X ?ω。 （2）由()X ?ω，求[]E X 。 13. 用特征函数方法求两个数学期望为0，方差为1，互相独立的高斯随机变量1X 和2X 之和的概率密度。 14. 证明若n X 依均方收敛，即 l.i.m n n X X →∞ =，则n X 必依概率收敛于X 。 15. 设{}n X 和{}n Y (1,2, )n =为两个二阶矩实随机变量序列，X 和Y 为两个二阶矩实随 机变量。若l.i.m n n X X →∞ =，l.i.m n n Y Y →∞ =，求证lim {}{}m n m n E X X E XY →∞→∞ =。 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 5.1 求题图5.1中三个电路的传输函数（不考虑输出负载）。 R R C 1 C 2 C 1 C 2 C 1 R 2 R 题图5.1 解根据电路分析、信号与系统的知识， 第一个图中系统的传输函数 1/1 ()1/1j C H j R j C j RC ωωωω==++ 第二个图中系统地传输函数 ()211 1221 1/1()/11/1/j C j RC H j R j C j R C C j C R j C ωωωωωωω+== ++++ 第三个图中系统地传输函数 () 2222 1122 11222121 121212/1/()//1/1/R j C R j C H j R j C R j C R j C R j C R j R R C R R j R R C C ωωωωωωωωω+= + +++= +++ 5.2 若平稳随机信号)(t X 的自相关函数 | |2)(ττ-+=Be A R X ，其中，A 和B 都是正 常数。又若某系统冲击响应为()()wt h t u t te -=。当)(t X 输入时，求该系统输出的均值。 解： 因为[]()2 2 X E X R A =∞= 所以[]E X A =±。 ()2 1H j j w ωω??= ?+?? ()2 10H j w ??= ??? ()()()2 2 10A E Y t E X t H j A w w ±??==±?=???? ??????? 5.3 5.4 若输入信号00()cos()X t X t ω=++Φ作用于正文图5.2所示RC 电路，其中0X 为[0,1]上均匀分布的随机变量，Φ为[0,2π]上均匀分布的随机变量，并且0X 与Φ彼此独立。求输出信号Y(t)的功率谱与相关函数。随机信号处理模实验报告
电子科技大学随机信号分析CH5习题及答案
相关主题
文本预览