随机信号经线性系统的特性分析

实验一 随机噪声的产生与性能测试一、实验内容1．产生满足均匀分布、高斯分布、指数分布、瑞利分布的随机数,长度为N=1024，并计算这些数的均值、方差、自相关函数、概率密度函数、概率分布函数、功率谱密度，画出时域、频域特性曲线; 2．编程分别确定当五个均匀分布过程和5个指数分布分别叠加时,结果是否是高斯分布; 3．采用幅度为2, 频率为25Hz 的正弦信号为原信号,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 ，编程求 0()()tY t X d ττ=⎰的均值、相关函数、协方差函数和方差，并与计算结果进行比较分析。

二、实验步骤 1.程序N=1024； fs=1000； n=0:N —1;signal=chi2rnd （2，1，N); ％rand(1,N)均匀分布 ,randn(1,N ）高斯分布，exprnd(2,1，N ）指数分布,raylrnd （2，1,N)瑞利分布，chi2rnd(2，1，N ）卡方分布 signal_mean=mean(signal ）； signal_var=var （signal ）；signal_corr=xcorr(signal,signal ，'unbiased ’)； signal_density=unifpdf(signal ，0，1); signal_power=fft(signal_corr); ％[s,w]=periodogram （signal); [k1,n1］=ksdensity(signal)；[k2,n2］=ksdensity （signal,’function ’，'cdf ’）; figure ；hist(signal)；title （’频数直方图’）; figure ；plot （signal)；title(’均匀分布随机信号曲线’）; f=n ＊fs/N ； ％频率序列 figure;plot(abs （signal_power)）; title('功率幅频’); figure;plot(angle （signal_power)）； title （'功率相频'); figure;plot （1:2047,signal_corr)； title （'自相关函数’）; figure;plot(n1，k1）；title('概率密度’）；figure；plot(n2,k2);title（'分布函数’)；结果（1）均匀分布(2）高斯分布（3）指数分布（4)瑞利分布（5）卡方分布2.程序N=1024；signal_1=rand(1,N);signal_2=rand(1，N）；signal_3=rand(1,N);signal_4=rand（1，N）;signal_5=rand(1,N)；signal=signal_1+signal_2+signal_3+signal_4+signal_5; [k1,n1］=ksdensity(signal）；figure(1）subplot(1，2，1）;hist(signal);title（'叠加均匀分布随机数直方图');subplot(1,2，2);plot（n1,k1）；title(’叠加均匀分布的概率密度'）；结果指数分布叠加均匀分布叠加结果：五个均匀分布过程和五个指数分布分别叠加时，结果是高斯分布。

实验三 随机信号通过线性系统的分析一、实验目的1 模拟产生特定相关函数的连续随机序列或者离散的随机序列，考察其特性。

2 模拟高斯白噪声环境下信号通过系统的问题，实现低通滤波。

3 掌握系统输出信号的数字特征和功率谱密度的求解。

二、实验设备1计算机2 Matlab 软件三、实验原理随机信号通过线性系统分析的中心问题是：给定系统的输入函数（或统计特性：均值和 自相关函数）和线性系统的特性，求输出函数。

如下图所示，H 为线性变换，信号X (t )为系统输入， Y (t )为系统的输出，它也是随机信号。

图3.1 随机信号通过系统的示意图并且满足： H [X (t )] = Y (t )在时域：若X(t)时域平稳，系统冲激响应为h(t),则系统输入和输出的关系为：()()*()()()()()Y t X t h t X h t d h X t d ττττττ∞∞-∞-∞==-=-⎰⎰ 输出期望：∑∞===0m XY )m (h m )]t (Y [E m 输出的自相关函数：)(h )(h )(R )(R X Y τ*τ-*τ=τ输出平均功率：⎰⎰∞∞-∞∞--=τdvdu )u (h )v (h )u v (R )(R X Y 互相关：)()()()()(ττσσσττh R d h R R X X XY *=-=⎰∞∞-在频域：输入与输出的关系：)(H )(X )(Y ωω=ω输出的功率谱：2X X Y )(H )(S )(H )(H )(S )(S ωω=ωω-ω=ω功率谱：)(H )(S )(S X XY ωω=ω四、实验内容与步骤1已知平稳随机过程X(n)的相关函数为：5),()(22==σδσm m R ； 线性系统的单位冲击响应为111,0,)(+-=≥=实验者学号后两位r k r k h k 。

编写程序求：1）输入信号的功率谱密度、期望、方差、平均功率；2）利用时域分析法求输出信号的自相关函数、功率谱密度、期望、方差、平均功率；3）利用频域分析法求输出信号的自相关函数、功率谱密度、期望、方差、平均功率；4）利用频域分析法或时域分析法求解输入输出的互相关函数、互功率谱密度。

实验三 随机过程通过线性系统的分析实验目的1. 理解和分析白噪声通过线性系统后输出的特性。

2. 学习和掌握随机过程通过线性系统后的特性，验证随机过程的正态化问题。

实验原理1.白噪声通过线性系统设连续线性系统的传递函数为)(ωH 或)(s H ，输入白噪声的功率谱密度为2)(0N S X =ω，那么系统输出的功率谱密度为2)()(02N H S Y ⋅=ωω （3.1） 输出自相关函数为⎰∞∞-=ωωπτωτd e H N R j Y 20)(4)( （3.2）输出相关系数为)0()()(Y Y Y R R ττγ=（3.3） 输出相关时间为⎰∞=00)(ττγτd Y （3.4）输出平均功率为[]⎰∞=202)(2)(ωωπd H N t Y E （3.5）上述式子表明，若输入端是具有均匀谱的白噪声，则输出端随机信号的功率谱主要由系统的幅频特性)(ωH 决定，不再是常数。

2.等效噪声带宽在实际中，常常用一个理想系统等效代替实际系统的)(ωH ，因此引入了等效噪声带宽的概念，他被定义为理想系统的带宽。

等效的原则是，理想系统与实际系统在同一白噪声的激励下，两个系统的输出平均功率相等，理想系统的增益等于实际系统的最大增益。

实际系统的等效噪声带宽为⎰∞=∆022max)()(1ωωωωd H H e （3.6）或⎰∞∞--=∆j j e ds s H s H H j )()()(212maxωω （3.7）3.线性系统输出端随机过程的概率分布 （1）正态随机过程通过线性系统若线性系统输入为正态过程，则该系统输出仍为正态过程。

（2）随机过程的正态化随机过程的正态化指的是，非正态随机过程通过线性系统后变换为正态过程。

任意分布的白噪声通过线性系统后输出是服从正态分布的；宽带噪声通过窄带系统，输出近似服从正态分布。

实验内容设白噪声通过图3.1所示的RC 电路，分析输出的统计特性。

图3.1 RC 电路（1）试推导系统输出的功率谱密度、相关函数、相关时间和系统的等效噪声带宽。

北京理工大学随机信号分析实验报告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 -=Ny x n n /=序列{}nx 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、10N 10,k 7==，周期7510≈⨯；2、（IBM 随机数发生器）3116N 2,k 23,==+周期8510≈⨯；3、（ran0）315N 21,k 7,=-=周期9210≈⨯；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换得到。

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。

概率论基础1.概率空间、概率（条件概率、全概率公式、贝叶斯公式）2．随机变量的定义（一维、二维实随机变量）3.随机变量的描述：⑴统计特性一维、二维概率密度函数、一维二维概率分布函数、边缘分布概率分布函数、概率密度函数的关系⑵数字特征一维数字特征：期望、方差、均方值（定义、物理含义、期望和方差的性质、三者之间的关系）二维数字特征：相关值、协方差、相关系数（定义、相互关系）⑶互不相关、统计独立、正交的定义及其相互关系△雅柯比变换（随机变量函数的变换一维随机变量函数的单值和双值变换、二维随机变量函数的单值变换）5、高斯随机变量一维和二维概率密度函数表达式高斯随机变量的性质△随机变量的特征函数及基本性质、随机信号的时域分析1、随机信号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、随机信号的统计特性分析：概率密度函数和概率分布函数（一维、二维要求掌握）4、随机信号的数字特征分析（定义、物理含义、相互关系） 一维：期望函数、方差函数、均方值函数。

（相互关系）二维：自相关函数、自协方差函数、互相关函数、互协方差函数（相互关系） 5、严平稳、宽平稳定义、二者关系、判断宽平稳的条件、平稳的意义、联合平稳定义及判定 6、平稳随机信号自相关函数的性质： 0点值，偶函数，均值，相关值，方差7、两个随机信号之间的“正交”、“不相关”、“独立”。

（定义、相互关系） 8、高斯随机信号定义（掌握一维和二维）、高斯随机信号的性质 9、各态历经性定义、意义、判定条件（时间平均算子、统计平均算子）、平稳性与各态历经性的关系直流分量、直流平均功率、总平均功率、交流平均功率随机信号的频域分析1、随机信号是功率信号，不存在傅里叶变换，在频域只研究其功率谱。

随机信号通过线性系统和非线性系统后会是什么样子的实验一随机信号通过线性系统和非线性系统后的特性测试1.实验目的⑴了解随机信号自身的特性，包括均值(数学期望)、方差、相关函数、频谱及功率谱密度等。

⑵研究随机信号通过线性系统和非线性系统后的均值方差、相关函数、频谱及功率谱密度有何变化，分析线性系统和非线性系统受随机信号激励后的响应。

⑶掌握随机信号的分析方法。

⒉实验原理⑴随机信号的分析方法在信号系统中，我们可以把信号分成两大类--确知信号和随机信号。

确知信号具有一定的变化规律，因而容易分析，而随机信号无确知的变化规律，需要用统计特性进行分析。

我们在这里引入了随机过程的概念。

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。

随机过程可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，则随机信号是平稳的。

如果一个平稳的随机过程它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。

我们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，我们可以取随机过程的一个样本来描述随机过程的统计特性。

随机过程的统计特性一般采用随机过程的分部函数和概率密度来描述，它们能够对随机过程作完整的描述。

但是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。

以下算法都是一种估计算法，条件是N要足够大。

①随机过程的均值(数学期望)：均值E[x(t)]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：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)]()，或称为平均功率，其表达式为：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：称为均方差或标准差。