中北大学随机信号实验报告

《随机信号分析与处理》实验报告指导教师：班级：学号：姓名：实验一 熟悉MA TLAB 的随机信号处理相关命令一、实验目的1、熟悉GUI 格式的编程及使用。

2、掌握随机信号的简单分析方法3、熟悉语音信号的播放、波形显示、均值等的分析方法及其编程 二、实验原理 1、语音的录入与打开在MATLAB 中，[y,fs,bits]=wavread('Blip',[N1 N2]);用于读取语音，采样值放在向量y 中，fs 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，均匀分布白噪声在matlab 中，有x=rand （a ，b ）产生均匀白噪声序列的函数，通过与语言信号的叠加来分析其特性。

3、均值随机变量X 的均值也称为数学期望，它定义为对于离散型随机变量，假定随机变量X 有N 个可能取值，各个取值的概率为则均值定义为上式表明，离散型随机变量的均值等于随机变量的取值乘以取值的概率之和，如果取值是等概率的，那么均值就是取值的算术平均值，如果取值不是等概率的，那么均值就是概率加权和，所以，均值也称为统计平均值。

4、方差定义为随机过程的方差。

方差通常也记为D 【X （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、自相关函数设任意两个时刻1t ，2t ，定义为随机过程X （t ）的自相关函数，简称为相关函数。

自相关函数可正，可负，其绝对值越大表示相关性越强。

6．哈明(hamming)窗（10.100）121212121212(,)[()()](,,,)X R t t E X t X t x x f x x t t dx dx +∞+∞-∞-∞==⎰⎰（10.101）B = 1.3Δf，A = -43dB，D= -6dB/oct.哈明窗本质上和汉宁窗是一样的，只是系数不同。

哈明窗比汉宁窗消除旁瓣的效果好一些而且主瓣稍窄，但是旁瓣衰减较慢是不利的方面。

实验三 《随机信号分析》应用在窄带信号及包络和相位检波中⒈ 实验目的主要涉及窄带滤波器的设计，高斯窄带信号包络的均值和方差的测定、相位的概率密度函数的测定等。

⒉ 实验原理在一般无线电接收机中，通常都有高频或中频放大器，它们的通频带往往远小于中心频率0f ，既有10<<∆f f 这种线性系统通称为窄带线性系统。

在通信、雷达等许多电子系统中，都常常用一个宽带平稳随机过程来激励一个窄带滤波器，这是在滤波器输出端得到的便是一个窄带随机过程。

若用示波器观测此波形，则可看到，它接近一个正弦波，但此正弦波的幅度和相位都在缓慢的随机变化。

我们可以证明，任何一个实窄带随机过程X(t)都可以表示为：))(cos()()(0t t t A t X ϕω+=式中，0ω 是固定值，对于窄带随机过程来说，0ω一般取窄带滤波器的中心频率或载波频率。

在实际应用中，常常需要检测出包络)(t A 和)(t ϕ的信息。

若将窄带随机过程X(t)送入包络检波器，则在检波器的输出端可得到包络)(t A ；若将窄带随机过程X(t)送入一个相位检波器，便可检测出相位信息)(t ϕ。

如下图所示：图中，在相位检波器之前加入一个理想限幅器，其作用是消除包络起伏对相位检波器的影响。

根据上图，我们要做：⒊实验任务与要求⑴窄带系统使用实验三设计的低通滤波器。

⑵包络检波器使用实验三设计的平方率检波器。

⑶设计一相位检波器⑷设计理想带通限幅器。

将设计好的电路连接好之后，将信号源连接到窄带低通滤波器的输入端，分别将包络检波器的输出端和相位检波器的输出端连接到A/D输入端，A/D输出端连接到计算机上。

运行实验一主程序具有采样函数的哪个程序, 计算包络检波器的输出和相位检波器的输出信号的相关特性。

运行主程序之后退出C系统，再激活虚拟示波器，将其相关特性显示在虚拟示波器上进行观察并纪录。

⑷产生限带白噪声，限带白噪声分为低通型和带通型两种。

将白噪声通过一个低通滤波器来产生低通型限带白噪声。

《随机信号分析与处理》实验报告指导教师：廖红华班级：0309411学号：030941103姓名：钱进红2011-12-7实验一 熟悉MA TLAB 的随机信号处理相关命令一、实验目的1、熟悉GUI 格式的编程及使用。

2、掌握随机信号的简单分析方法3、熟悉语音信号的播放、波形显示、均值等的分析方法及其编程 二、实验原理 1、语音的录入与打开在MATLAB 中，[y,fs,bits]=wavread('Blip',[N1 N2]);用于读取语音，采样值放在向量y 中，fs 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、时域信号的FFT 分析FFT 即为快速傅里叶变换，是离散傅里叶变换的快速算法，它是根据离散傅里叶变换的奇、偶、虚、实等特性，对离散傅里叶变换的算法进行改进获得的。

在MATLAB 的信号处理工具箱中函数FFT 的一种调用格式为其中X 是序列，Y 是序列的FFT 。

3、均值随机变量X 的均值也称为数学期望，它定义为对于离散型随机变量，假定随机变量X 有N 个可能取值，各个取值的概率为则均值定义为上式表明，离散型随机变量的均值等于随机变量的取值乘以取值的概率之和，如果取值是等概率的，那么均值就是取值的算术平均值，如果取值不是等概率的，那么均值就是概率加权和，所以，均值也称为统计平均值。

4、方差定义为随机过程的方差。

方差通常也记为D 【X （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、希尔伯特变换及性质x (t ) 的希尔伯特变换为x (t ) 与1/πt 的卷积，即因此，对x (t ) 的希尔伯特变换可以看作为x (t ) 通过一个冲击响应为1/πt 的线性滤波器。

希尔伯特变换器在整个频域上具有恒为1 的幅频特性，为全通网络，在相位上则引入−π/2 和π/2的相移 6、自相关函数设任意两个时刻1t ，2t ，定义121212121212(,)[()()](,,,)X R t t E X t X t x x f x x t t dx dx +∞+∞-∞-∞==⎰⎰为随机过程X （t ）的自相关函数，简称为相关函数。

实验一一、实验目的熟悉并练习使用Matlab 的函数，明确各个函数的功能说明和内部参数的意义二、实验内容和步骤实验代码：A = [1 2 3; 3 3 6; 4 6 8; 4 7 7];rand(3)randn(3)n3 = normrnd([1 2 3;4 5 6],0.1,2,3)mean(A)mean(A,2)var(A)%%%xcorr%%%%%ww = randn(1000,1);[c_ww,lags] = xcorr(ww,10,'coeff');figure(7);stem(lags,c_ww) %%%%%%%%%%%%%%%%%%%%%%%%% %常用的傅立叶变换是找到在嘈杂的域%信号下掩埋了信号的频率成分。

%考虑数据采样在1000赫兹。

现有一信号%由以下部分组成，50赫兹振幅%为0.7的正弦和120赫兹振幅为1的正弦%并且受到一些零均值的随机噪声的污染%%%%%%%%%%%%%%%%%%%%%%%%% Fs = 1000; % 采样频率T = 1/Fs; % 采样时间L = 1000; % 信号长度t = (0:L-1)*T; % 时间矢量% 50赫兹正弦波与120赫兹正弦波的和x = 0.7*sin(2*pi*50*t) + sin(2*pi*120*t); y = x + 2*randn(size(t)); % 正弦波加噪声figure(6);plot(Fs*t(1:50),y(1:50)) %画此信号的时域图title('Signal Corrupted with Zero-Mean Random Noise')xlabel('time (milliseconds)')%这在寻找原始信号的频率成分上是很难%确定的。

转换到频域，噪音信号Y%的傅立叶变换采取快速傅立叶变换%(FFT)：NFFT = 2^nextpow2(L); %y长度L附近%的幂级数Y = fft(y,NFFT)/L;f = Fs/2*linspace(0,1,NFFT/2+1); % 单边拉普拉斯变换plot(f,2*abs(Y(1:NFFT/2+1))) %画单边频谱图title('Single-Sided Amplitude Spectrum of y(t)')xlabel('Frequency (Hz)')ylabel('|Y(f)|') %%%%%%%%%%%%%%%%%%%%%%%%% mu = [0:0.1:2];[y i] = max(normpdf(1.5,mu,1));MLE = mu(i) %%%%%%%%%%%%%%%%%%%%%%%%% p = normcdf([-1 1]);p(2) - p(1) %%%%%%%%%%%%%%%%%%%%%%%%% x = 0.1:0.1:0.6;y = unifpdf(x) %%%%%%%%%%%%%%%%%%%%%%%%% probability = unifcdf(0.75) %%%%%%%%%%%%%%%%%%%%%%%%% x = 0:0.1:3;p = raylpdf(x,1);figure(5);plot(x,p) %%%%%%%%%%%%%%%%%%%%%%%%% x = 0:0.1:3;p = raylcdf(x,1);figure(4);plot(x,p) %%%%%%%%%%%%%%%%%%%%%%%%% y = exppdf(5,1:5) %%%%%%%%%%%%%%%%%%%%%%%%% mu = 10:10:60;p = expcdf(log(2)*mu,mu) %%%%%%%%%%%%%%%%%%%%%%%%% n = 5;X = pascal(n)R = chol(X)X(n,n) = X(n,n)-1 %%%%%%%%%%%%%%%%%%%%%%%%% x = [randn(30,1); 5+randn(30,1)];[f,xi] = ksdensity(x);figure(3);plot(xi,f); %%%%%%%%%%%%%%%%%%%%%%%%% x = -2.9:0.1:2.9;y = randn(10000,1);hist(y,x) %%%%%%%%%%%%%%%%%%%%%%%%% %求y=x*log(1+x)在[0 1]上的定积分，积分%变量为系统默认syms x;S=x.*log(1+x) Y=int(S,x,0,1) %%%%%%%%%%%%%%%%%%%%%%%%% %%%%%% 2 %%%%%% %%%%%%%%%%%%%%%%%%%%%%%%% %（1）产生数学期望为0，方差为1 的高斯随机变量SIGMA=sqrt(1);n2 = normrnd(0,SIGMA,[2 5]) %两行五列数学期望为0，方差为1 的高斯随机变量%产生数学期望为5，方差为10 的高斯随机变量SIGMA=sqrt(10);n2 = normrnd(5,SIGMA,[2 5])%利用计算机求上述随机变量的100个样本的数学期望和方差n1 = normrnd(0,1,[1 100]);SIGMA=sqrt(10);n2 = normrnd(5,SIGMA,[1 100]);M1 = mean(n1)M2 = mean(n2)V1 = var(n1)V2 = var(n2) %%%%%%%%%%%%%%%%%%%%%%%%% %%%%%% 3 %%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%% %产生自由度为2，数学期望为2，方差为 4 的具有中心2χ分布的随机变量SIGMA=sqrt(2);n1 = normrnd(2,SIGMA);n2 = normrnd(2,SIGMA);y=(n1).^2+(n2).^2%产生自由度为2，数学期望为4，方差为12 的具有中心2χ分布的随机变量SIGMA=sqrt(12);n1 = normrnd(4,SIGMA);n2 = normrnd(4,SIGMA);y=(n1).^2+(n2).^2%利用计算机求上述随机变量的100个样本的数学期望和方差，并与理论值比较SIGMA=sqrt(2);n1 = normrnd(2,SIGMA,[1 100]);n2 = normrnd(2,SIGMA,[1 100]);y=(n1).^2+(n2).^2M1 = mean(y)V1 = var(y)SIGMA=sqrt(12);n1 = normrnd(2,SIGMA,[1 100]);n2 = normrnd(2,SIGMA,[1 100]);y=(n1).^2+(n2).^2M1 = mean(y)V1 = var(y) %%%%%%%%%%%%%%%%%%%%%%%%% %%%%%% 4 %%%%%% %%%%%%%%%%%%%%%%%%%%%%%%% %利用Matlab 现有pdf 和cdf 函数，画出均值为零、方差为4 的%高斯随机变量的概率密度曲线和概率分布曲线x=-10:0.1:10;Y1 = normpdf(x,0,2);Y2=normcdf(x,0,2);figure(1);plot(x,Y1)figure(2);plot(x,Y2) %%%%%%%%%%%%%%%%%%%%%%%%% %%%%%% 5 %%%%%% %%%%%%%%%%%%%%%%%%%%%%%%% %产生长度为1000 数学期望为5，方差为10 的高斯随机序列，%并根据该序列值画出其概率密度曲线。

《随机信号分析》试验报告班级班学号姓名实验一1、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）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（2）作为例子，运行结果如下：>> Y = randn(3)Y =1.3005 0.0342 0.97920.2691 0.9913 -0.8863-0.1551 -1.3618 -0.35622）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：>> Y = rand([3 4])Y =0.0579 0.0099 0.1987 0.19880.3529 0.1389 0.6038 0.01530.8132 0.2028 0.2722 0.74683）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。

第1篇一、实验目的1. 理解并掌握信号分析的基本原理和方法。

2. 学习使用相关软件对信号进行时域、频域分析。

3. 熟悉常见信号的特性及其分析过程。

4. 提高信号处理能力，为后续相关课程学习打下基础。

二、实验原理信号分析是研究信号特性的重要手段，主要包括时域分析、频域分析等。

时域分析关注信号随时间的变化规律，频域分析关注信号在不同频率上的分布情况。

三、实验仪器与软件1. 实验仪器：信号发生器、示波器、信号分析仪等。

2. 实验软件：MATLAB、LabVIEW等。

四、实验内容1. 实验一：正弦信号分析（1）产生正弦信号：使用信号发生器产生频率为100Hz、幅度为1V的正弦信号。

（2）时域分析：使用示波器观察正弦信号的波形，分析其幅度、频率、相位等特性。

（3）频域分析：使用信号分析仪对正弦信号进行频谱分析，观察其频谱分布。

2. 实验二：方波信号分析（1）产生方波信号：使用信号发生器产生频率为100Hz、占空比为50%的方波信号。

（2）时域分析：使用示波器观察方波信号的波形，分析其上升时间、下降时间、过冲等特性。

（3）频域分析：使用信号分析仪对方波信号进行频谱分析，观察其频谱分布。

3. 实验三：随机信号分析（1）产生随机信号：使用信号发生器产生白噪声信号。

（2）时域分析：使用示波器观察随机信号的波形，分析其自相关函数等特性。

（3）频域分析：使用信号分析仪对随机信号进行频谱分析，观察其频谱分布。

4. 实验四：调制信号分析（1）产生调制信号：使用信号发生器产生载波信号和调制信号。

（2）时域分析：使用示波器观察调制信号的波形，分析其幅度、频率、相位等特性。

（3）频域分析：使用信号分析仪对调制信号进行频谱分析，观察其频谱分布。

五、实验结果与分析1. 实验一：正弦信号具有单一的频率成分，频谱为离散谱，频率与信号发生器设定频率一致。

2. 实验二：方波信号具有多个频率成分，频谱为连续谱，频率与信号发生器设定频率及其谐波频率一致。

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：xcorr3、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 1G x ( X 'R x (m)e”(3.2)m=N 4)4、 均值的估计：MATLAB!带的函数为mean1 N 4m x 二一' x(n)(3.3 )N n =15、 方差的估计：MATLAB!带的函数为var1 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|_JZ 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。

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。

三、实验原理所谓白噪声是指它的概率统计特性服从某种分布而它的功率谱密度又是均匀的。

确切的说，白噪声只是一种理想化的模型，因为实际的噪声功率谱密度不可能具有无限宽的带宽，否则它的平均功率将是无限大，是物理上不可实现的。

1、给出下列各题的程序和计算结果①产生100 个标准正态分布的随机数，指出它们的分布特征，并画出经验累计分布函数图；>> x=normrnd(0,1,100,1);[h,stats]=cdfplot(x)h =174.0016stats =min: -2.9443max: 3.5784mean: 0.1231median: 0.0954std: 1.1624②产生100 个均值为1，标准差为1的正态分布的随机数，画出它们的直方图并附加正态密度曲线，观察它们之间的拟合程度；x=normrnd(1,1,100,1);h=histfit(x);set(h(1),'FaceColor','c','EdgeColor','b')set(h(2),'color','g')③产生100 个均匀分布的随机数，对这100 个数据的列向量，用加号“*”标注其数据位置，作最小二乘拟合直线；x=1:1:100;y=unifrnd(0,1,1,100);n=1;a=polyfit(x,y,n);y1=polyval(a,x);plot(x,y,'g*',x,y1,'r-')④产生100个参数为5的指数分布的随机数，再产生100个参数为1的指数分布的随机数，用箱形图比较它们均值不确定性的稳健性。

x1=exprnd(5,100,1);x2=exprnd(1,100,1);x=[x1 x2];boxplot(x,1,'m+',0,0)课后题：P261、1题：以下是某工厂通过抽样调查得到的10名工人一周内生产的产品数：149 156 160 138 149 153 153 169 156 156试由这批数据构造经验分布函数并作图。

>> x=[149;156;160;138;149;153;153;169;156;156];[h,stats]=cdfplot(x)h =174.0023stats =min: 138max: 169mean: 153.9000median: 154.5000std: 8.0340P261、3题：假若某地区30名2000年某专业毕业生实习期满后的月薪数据如下：909 1086 1120 999 1320 10911071 1081 1130 1336 967 1572825 914 992 1232 950 7751203 1025 1096 808 1224 1044871 1164 971 950 866 738（1）构造该批数居的频率分布表；（2）画出直方图。

随机信号分析实验实验⼀随机序列得产⽣及数字特征估计⼀、实验⽬得１、学习与掌握随机数得产⽣⽅法；2、实现随机序列得数字特征估计。

⼆、实验原理1、随机数得产⽣随机数指得就是各种不同分布随机变量得抽样序列（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得随机数。

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.伪随机数就是按照⼀定得计算公式产⽣得，这个公式称为随机数发⽣器。

伪随机数本质上不就是随机得，⽽且存在周期性，但就是如果计算公式选择适当,所产⽣得数据瞧似随机得，与真正得随机数具有相近得统计特性，可以作为随机数使⽤。

(0，1）均匀分布随机数就是最最基本、最简单得随机数.（0，1)均匀分布指得就是在［0,1］区间上得均匀分布，即Ｕ（0，1)。

实际应⽤中有许多现成得随机数发⽣器可以⽤于产⽣（０,１）均匀分布随机数，通常采⽤得⽅法为线性同余法，公式如下：（1、1)序列为产⽣得(0，1)均匀分布随机数。

下⾯给出了上式得3组常⽤参数：(１) ；（2）(IＢＭ随机数发⽣器）;(3）(raｎ0）；由均匀分布随机数,可以利⽤反函数构造出任意分布得随机数。

定理1、１若随机变量X具有连续分布函数F(ｘ)，⽽R为(0,1）均Ｘ匀分布随机变量，则有（１、2）由这⼀定理可知，分布函数为F X（ｘ)得随机数可以由（0,1）均匀分布随机数按上式进⾏变换得到。

2、MＡTLＡB 中产⽣随机序列得函数(１）(0,1）均匀分布得随机序列函数：ranｄ⽤法：ｘ＝ｒand(ｍ,ｎ)功能：产⽣m×n得均匀分布随机数矩阵。

（２）正态分布得随机序列函数：randn⽤法：x = ｒａndｎ（m，n)功能：产⽣ｍ×n 得标准正态分布随机数矩阵。

如果要产⽣服从分布得随机序列,则可以由标准正态随机序列产⽣。

(3) 其她分布得随机序列MATLAB上还提供了其她多种分布得随机数得产⽣函数,下表列出了部分函数。