下载文档原格式
实验一1、基本信号的表示及可视化(1)单位冲激信号 (t)程序：t=-1:0.001:1; %定义时间向量for i=1:3; %采用循环语句观察i取不同值时的图形dt=1/(i^4);X=(1/dt)*((t>=(-1/2*dt))-(t>=(1/2*dt)));%计算函数值subplot(1,3,i);%将图像分成三部分同时观察stairs(t,X);title('单位冲激信号δ(t)');end（2）单位阶跃信号程序：t=-0.5:0.001:1;%定义时间变量，间隔为0.001S=stepfun(t,0);%定义单位阶跃信号S1=stepfun(t,0.5);%定义单位阶跃延迟信号figure(1);plot(t,S);axis([-0.5 1 -0.2 1.2]);title('单位阶跃信号')%画出图形figure(2);plot(t,S1);axis([-0.5 1 -0.2 1.2]);title('单位阶跃延迟信号')（3）抽样信号f=sin(t)./t;程序：t=-10:0.6:10; %向量t时间范围t=t1:p:t2,p为时间间隔f=sin(t)./t;plot(t,f,'o'); %显示该信号的时域波形title('f(t)=Sa(t)(时间间隔为0.6s)'); %标题xlabel('t') %横坐标标题axis([-10,10,-0.4,1.1]) %横坐标和纵坐标范围（4）单位样值序列和单位阶跃序列A．单位序列δ(k)B．单位阶跃序列ε(k)程序：n1=-10;n2=10;%输入序列的起始点n=n1:n2;k=length(n);x1=zeros(1,k);x1(1,-n1+1)=1;%产生单位样值序列subplot(2,1,1);%绘图stem(n,x1,'filled');x2=ones(1,k);x2(1,1:-n1)=0;subplot(2,1,2);stem(n,x2,'filled');2、信号的频域分析已知周期方波信号0||2()0||22E t f t T t ττ⎧<⎪⎪=⎨⎪<<⎪⎩，当02T τ=， 04T τ=，08T τ=时，画出其幅度谱和相位谱，观察不同周期下，()f t 的频谱图有何区别。
时域采样定理实验日志1实验题目：时域采样定理实验目的：1. 学习掌握matlab 的编程知识及其matalab 在数字信号处理方面常用的12个函数2. 熟悉理想采样的性质，了解信号采样前后的频谱变化，加深对采样定理的理解。
实验要求：1;能对时域上的信号转化为频域上的信号。
2:学会用两种不同的方法保存matlab程序。
3：对给定的模拟信号X a(t) = Ae sin(Ω0t )U (t ) 进行采样！（fm=500），然后把fm改为1500.看看图像的变化实验主要步骤：1：打开matlab编程软件2：输入代码>>n = 0:50-1;>>fs =1000;>>string ='1000';>>Xa=444.128*ex p((-222.144)*n/fs).*sin(222.144*n/fs);>>DF T(Xa,50,str i ng);实验结果：思考题：1，观察实验内容1 中，在分别采用500Hz，1000Hz，1500Hz采样后，对所得的到的信号Xa(n) 绘制的3 个幅频特性曲线有何不同，并分析为什么？结合时域采样定理的内容对图形进行解释；心得体会：时域离散系统及其响应实验日志21:实验题目时域离散系统及其响应2实验目的：1. 继续熟悉掌握m atlab 的使用和编程。
2. 熟悉掌握时域离散系统的时域特性。
并验证时域卷积定理3：实验要求1：能熟练的运用DFT函数，以及DFT函数调用的返回值，并且能运用conv卷积函数2:对于不同的定义域之间的函数卷积，取相同的定义域部分4：实验步骤编写DFT代码编写conv卷积代码：5：实验结果系统h1 (n) = δ(n) + 2.5δ(n −1) + 2.5δ(n −2) + δ(n −3)的图像及其作DFT变换的图像如下输入为x1 (n) = δ(n)的图像及其DFT变换的图像是关于h1和x1作卷积后的变换，以及DFT变换后的图像输入信号为x2 (n) = R10 (n)上述信号作卷积及其DFT变换后的图像输入信号为x3 (t ) = R5 (n)图像及其DFT变换6：实验思考1．比较y1 (n) 和h1 (n) 的时域和频域特性，注意它们之间有无差别，用所学理论解释所得结果。
随机信号分析实验报告引言：随机信号是指信号在时间或空间上的其中一种特性是不确定的，不能准确地预测其未来行为的一类信号。
随机信号是一种具有随机性的信号，其值在一段时间内可能是不确定的，但是可以通过概率论和统计学的方法来描述和分析。
实验目的：通过实验，学习了解随机信号的基本概念和特性，学习了解和掌握常见的随机信号分析方法。
实验原理：随机信号可以分为离散随机信号和连续随机信号。
离散随机信号是信号在离散时间点上，在该时间点上具有一定的随机性；而连续随机信号是信号在连续时间上具有随机性。
常见的随机信号分析方法包括概率密度函数、功率谱密度函数等。
实验器材：计算机、MATLAB软件、随机信号产生器、示波器、电缆、电阻等。
实验步骤：1.配置实验仪器：将随机信号产生器和示波器与计算机连接。
2.生成随机信号：调节随机信号产生器的参数，产生所需的随机信号。
3.采集数据：使用示波器采集随机信号的样本数据，并将数据导入MATLAB软件。
4.绘制直方图：使用MATLAB软件绘制样本数据的直方图，并计算概率密度函数。
5.计算统计特性：计算随机信号的均值、方差等统计特性。
6.绘制功率谱密度函数：使用MATLAB软件绘制随机信号的功率谱密度函数。
实验结果和讨论：我们采集了一段长度为N的随机信号样本数据，并进行了相应的分析。
通过绘制直方图和计算概率密度函数，我们可以看出随机信号的概率分布情况。
通过计算统计特性，我们可以得到随机信号的均值、方差等重要参数。
通过绘制功率谱密度函数，我们可以分析随机信号的频谱特性。
结论：本实验通过对随机信号的分析，加深了对随机信号的理解。
通过绘制直方图、计算概率密度函数、计算统计特性和绘制功率谱密度函数等方法，我们可以对随机信号进行全面的分析和描述，从而更好地理解随机信号的特性和行为。
2.王五,赵六.随机信号分析方法.物理学报,2024,30(2):120-130.。
《信号分析与处理》实验报告华北电力大学前言1．实验总体目标通过实验，巩固掌握课程的讲授内容，使学生对信号分析与线性系统分析的基本理论及分析方法有一个感性认识和更好地理解，使学生在分析问题与解决问题的能力及实践技能方面有所提高。
2．适用专业自动化专业本科生3．先修课程信号分析与处理4．实验课时分配5需要配置微机及MATLAB工具软件。
6．实验总体要求1、掌握信号分解的基本思想及信号在时域、频域和变换域进行分解的基本理论及描述方法，用MATLAB编程语言实现基本信号的表示及可视化，计算和分析信号的频谱；2、掌握在时域、频域和变换域分析LTI系统的方法，及系统在时域、频域和变换域的描述方法，用MATLAB编程语言实现LTI系统的时域分析及频率分析。
3、掌握信号的调制与解调，用MATLAB编程语言仿真分析信号的调制与解调。
⒎ 本实验的重点、难点及教学方法建议实验通过MATLAB编程语言来实现基本信号的表示及可视化，计算分析信号的频谱，实现LTI系统的时域分析及频率分析，并仿真分析信号的调制与解调，使学生对信号分析与线性系统分析的基本理论及分析方法有一个感性认识和更好地理解。
实验的重点及难点是：掌握基本信号的数学表示，信号的频谱特点，计算LTI系统的典型响应，掌握信号的调制与解调。
在这样的理论基础上，学会用MATLAB编程语言来实现对信号与系统响应的可视化及对数字滤波器进行设计。
教学建议：打好理论基础，熟练编程语言。
目录实验一信号的时域与频域分析 3实验二信号的时域与频域处理 4实验三数字滤波器的设计 5实验一一、实验目的1、熟悉MATLAB 平台，高效的数值计算及符号计算功能；2、实现基本信号的表示及可视化计算；3、分析信号的频谱。
二、 实验类型验证型 三、 实验仪器微机，MATLAB 工具软件。
四、 实验原理MATLAB 是功能强大的数学软件，它提供了计算周期连续函数和周期离散序列的频谱的一系列函数。
华北电力大学实验报告||实验名称FFT的软件实现实验（Matlab）IIR数字滤波器的设计课程名称信号分析与处理||专业班级：电气化1308 学生姓名：袁拉麻加学号： 2 成绩：指导教师：杨光实验日期： 2015-12-17快速傅里叶变换实验一、实验目的及要求通过编写程序，深入理解快速傅里叶变换算法（FFT）的含义，完成FFT和IFFT算法的软件实现。
二、实验内容利用时间抽取算法，编写基2点的快速傅立叶变换（FFT）程序；并在FFT程序基础上编写快速傅里叶反变换（IFFT）的程序。
三：实验要求1、FFT和IFFT子程序相对独立、具有一般性，并加详细注释；2、验证例6-4，并能得到正确结果。
3、理解应用离散傅里叶变换（DFT）分析连续时间信号频谱的数学物理基础。
四、实验原理：a.算法原理1、程序输入序列的元素数目必须为2的整数次幂，即N=2M,整个运算需要M 级蝶形运算；2、输入序列应该按二进制的码位倒置排列，输出序列按自然序列排列；3、每个蝶形运算的输出数据军官占用其他输入数据的存储单元，实现“即位运算”；4、每一级包括N/2个基本蝶形运算，共有M*N/2个基本蝶形运算；5、第L级中有N/2L个群，群与群的间隔为2L。
6、处于同一级的各个群的系数W分布相同，第L级的群中有2L-1个系数；7、处于第L级的群的系数是(p=1,2,3，…….,2L-1)而对于第L级的蝶形运算，两个输入数据的间隔为2L-1。
b.码位倒置程序流程图开始检测A序列长度nk=0j=1x1(j)=bitget(k,j);j=j+1Yj<m?Nx1=num2str(x1);y(k+1)=bin2dec(x1);clear x1k=k+1c.蝶形运算程序流程图五、程序代码与实验结果a.FFT程序：%%clear all;close all;clc;%输入数据%A=input('输入x(n)序列','s');A=str2num(A);% A=[1,2,-1,4]; %测试数据%%%%校验序列,%n=length(A);m=log2(n);if (fix(m)~=m)disp('输入序列长度错误，请重新输入!');A=input('输入x(n)序列','s');A=str2num(A);elsedisp('输入正确，请运行下一步')end%%%码位倒置%for k=0:n-1for j=1:m %取M位的二进制数%x1(j)=bitget(k,j); %倒取出二进制数%endx1=num2str(x1); %将数字序列转化为字符串%y(k+1)=bin2dec(x1); %二进制序列转化为十进制数%clear x1endfor k=1:nB(k)=A(y(k)+1); %时间抽取序列%endclear A%%%计算%for L=1:m %分解为M级进行运算%LE=2^L; %第L级群间隔为2^L%LE1=2^(L-1); %第L级中共有2^(L-1)个Wn乘数，进行运算蝶运算的两数序号相隔LE1%W=1;W1=exp(-1i*pi/LE1);for R=1:LE1 %针对第R个Wn系数进行一轮蝶运算，共进行LE1次%for P=R:LE:n %每个蝶的大小为LE% Q=P+LE1;T=B(Q)*W;B(Q)=B(P)-T;B(P)=B(P)+T;endW=W*W1;endendB %输出X(k)%%%验证结果：例6-4b.IFFT程序：%%clear all;close all;clc;%输入数据%A=input('输入X(k)序列','s');A=str2num(A);% A=[6,2+2i,-6,2-2i]; %测试数据%%%%校验序列,%n=length(A);m=log2(n);if (fix(m)~=m)disp('输入序列长度错误，请重新输入!');A=input('输入x(n)序列','s');A=str2num(A);elsedisp('输入正确，请运行下一步')end%%%码位倒置%for k=0:n-1for j=1:m %取M位的二进制数%x1(j)=bitget(k,j); %倒取出二进制数%endx1=num2str(x1); %将数字序列转化为字符串%y(k+1)=bin2dec(x1); %二进制序列转化为十进制数%clear x1endfor k=1:nB(k)=A(y(k)+1); %时间抽取序列%endclear A%%%计算%for L=1:m %分解为M级进行运算%LE=2^L; %第L级群间隔为2^L%LE1=2^(L-1); %第L级中共有2^(L-1)个Wn乘数，进行运算蝶运算的两数序号相隔LE1%W=1;W1=exp(-1i*pi/LE1);for R=1:LE1 %针对第R个Wn系数进行一轮蝶运算，共进行LE1次%for P=R:LE:n %每个蝶的大小为LE%Q=P+LE1;T=B(Q)*W;B(Q)=B(P)-T;B(P)=B(P)+T;endW=W*W1;endendB=conj(B); %取共轭%B=B/n %输出x(n)%验证结果：六、实验心得与结论本次实验借助于Matlab软件，我避开了用C平台进行复杂的复数运算，在一定程度上简化了程序，并添加了简单的检错代码，码位倒置我通过查阅资料，使用了一些函数，涉及到十-二进制转换，数字-文本转换，二-文本转换，相对较复杂，蝶运算我参考了书上了流程图，做些许改动就能直接实现。
随机信号分析实验报告实验一：平稳随机过程的数字特征实验二：平稳随机过程的谱分析实验三：随机信号通过线性系统的分析实验四：平稳时间序列模型预测班级：姓名：学号：一、实验目的1、加深理解平稳随机过程数字特征的概念2、掌握平稳随机序列期望、自相关序列的求解3、分析平稳随机过程数字特征的特点二、实验原理平稳随机过程数字特征求解的相关原理三、实验过程function y = experiment number = 49; %学号49 I = 8; %幅值为8 u = 1/number;Ex = I*0.5 + (-I)*0.5; N = 64; C0 = 1; %计数 p(1) = exp(-u);for m = 2:N k = 1:m/2;p(m) = exp(-u*m) + sum((u*m).^(2*k)./factorial(2*k)*exp(-u*m));2222()[()()]{()()}{()()}X R m E X n X n m I P X n X n m I I P X n X n m I =+=+=-+=-E[X(n)]= I P{X(n)=+I}+(-I)P{X(n)=-I}=0⨯⨯0m >当时，/222(){()()}(2)!m k mk m P X n X n m I e P k λλ⎢⎥⎣⎦-=+===∑222()(1)(21)X R m I P I P I P =--=-2()()X X XC m R m m =-me I m n X n X E m R λ22)]()([)(-=+=end;pp = [fliplr(p) C0 p];Rx = (2*pp - 1)*I^2;m = -N:N;Kx = Rx - Ex*Ex;rx = Kx/25;subplot(211), plot(m,Rx); axis([-N N 0 I*I]); title('自相关序列');subplot(212), plot(m,rx); axis([-N N 0 1]); title('自相关序数');四、实验结果及分析自相关序列的特点分析：m>0时Rx(m)随着m的增大而减小，m<0时Rx(m)随着m的增大而增大。
随机信号分析与处理实验报告1实验一熟悉MATLAB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('11',[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、幅值对于随机信号的频域描述，常使用功率谱，它是表征信号的能量随着频率的分布情况。
当然，功率谱也可用于周期信号和瞬变信号的频域描述。
周期函数的幅值谱：一般周期信号均由一个直流分量、一个基波(正弦波)和无限个谐波(正弦波)所组成，各次谐波的频率是基波频率的整数倍，基波、各次谐波的幅值Ao和初相角是各不相同的，将幅值与频率的函数关系成为幅值谱。
3、语音信号自相关性三、实验结果与分析1、信号原始波形2、FFT变换利用fft变换，对语音信号进行进行分析，可以看出所能发出的音调应该是稳定的或是在一定的范围内浮动3、语音信号相位通过相位处理，将语音信号的声门激励信息及声道响应分别离开来4、自相关函数2004006008001000120014001600180000.51自相关函数根据自相关函数可以看出语音信号的周期。
自相关函数检测出淹没在随机噪声干扰中的信号，随机信号的自功率谱等于它的自相关函数的傅里叶变换。
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。
从图中可以看出，当t1=t2=900时，信号的自相关性最强。
5、语音自协方差函数从图中原始信号的自协方差函数与原始信号的自相关函数在波形上相差不大，原因是121212(,)(,)()()X X X X K t t R t t m t m t =-,此时12t t =，通过计算，可以得到1()X m t ，2()X m t 的值很小，所以得到的自协方差函数波形是正确的。
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：Ny x N ky Mod y y n n n n /))((110===-， （1.1）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) 7101057k 10⨯≈==，周期，N ；(2) （IBM 随机数发生器）8163110532k 2⨯≈+==，周期，N ； (3) （ran0）95311027k 12⨯≈=-=，周期，N ；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 -= （1.2）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。
(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。
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 +=+My x n n 11++= 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 =+ My x n n 11++= 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 +=+ My x n n 11++= 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。
《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。
适当地改变系数，可得到不同特性的窗函数。
三、实验结果分析1,语言信号图为原始语音信号的原始图及取不同样值时的效果，取样值越多变化越快。
2.加入均匀分布的白噪声后的信号由图知：两个信号的叠加在幅度上叠加3．求均值上图所示为对语音信号求均值的图形，在求均值时需要对信号加窗处理，否则出现的就是一个点不便于分析，所以上图是对信号加汉宁窗分别对32点和64采样点求均值的图形，由原理知道不同的采样点的均值是不一样的，由图可以看出64点的均值比32点的均值的图形更平滑,更接近与平行横轴，当继续加大采样点数时，最后均值会平行于横轴，所以当采样点数达到足够大时均值是一个常数。
4.求方差如图所示是对两个不同的采样点数求方差的图形，同均值一样，求方差是也需要加床便于分析，由图可看书方差曲线总是在横轴的上方，即方差也总是大于0，图中32点和64点的方差对比可以看出不同的采样点数对应的方差不相同，5．自相关函数由图可知：自相关函数可正，可负，其绝对值越大表示相关性越强。
四．实验心得通过这次实验使我对随机信号处理这门课有了新的认识与理解，对matlab这款软件有了更新的认识与了解，初次认识了什么事GUI，什么是工程与设计及懂得了查找资料的主要性。
同时，通过实验也发现了自己很多不足与知识的短缺，特别是有关专业方面的知识点掌握的不是很好以后应该抓紧补回来，在今后的学习中也知道了什么是学习的重要方向。
实验二 随机信号处理的工程编程实现一、实验目的1、熟悉各种随机信号分析及处理方法。
2、掌握运用MATLAB 中的统计工具包和信号处理工具包绘制概率密度的方法 二、实验原理 1．平滑滤波平滑滤波可以与中值滤波结合使用，对应的线性平滑器可以仅仅用低阶的低通滤波器（如果采用高阶的系统，则将抹掉信号中应该保存的不连续性）。
2．IIR 数字滤波器设计原理利用双线性变换设计IIR 滤波器（只介绍巴特沃斯数字滤波器的设计），首先要设计出满足指标要求的模拟滤波器的传递函数)(s H a ，然后由)(s H a 通过双线性变换可得所要设计的IIR 滤波器的系统函数)(z H 。
3．协方差设两个随机变量X 和Y ，定义： 为X 和Y 的协方差。
其相关函数为：)()(),cov(Y D X D Y X rxy=由此可见协方差的相关性与X 和Y是密切相关的，表征两个函数变化的相似性4．互相关互相关函数定义为：如果X （t ）与Y （t ）是相互独立的，则一定是不相关的。
反之则不一定成立。
它是两个随机过程联合统计特性中重要的数字特征。
5．最大似然法功率谱估值的表达式 给定信号x(n)，其最似然法功率谱估值为值。
满足上述要求的滤波器系数α的表达式为 式中由上式可以看出，滤波器系数与信号的自相关函数和E 有关。
可以看为,滤波器将根据输入的信号及所要求的频率而调整其系数，使所关心的频率分量能完全通过，而使其他频率分量的输出功率最小。
因此，它能得到比使用固定的窗口函数的周期图法更高的分辨率。
6．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)]}()][({[),cov(Y E Y X E X E Y X --=)()()(Y E X E XY E -=⎰⎰+∞∞-+∞∞-==dxdyt t y x xyf t Y t X E t t R XY XY ),,,()}()({),(212121的一种调用格式为其中X 是序列，Y 是序列的FFT 。
7．白噪声的检测与分析白噪声信号是一个均值为零的随机过程，任一时刻是均值为零的随机变量。
而服从高斯分布的白噪声即称为高斯白噪声。
8．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 9．功率谱密度估计 定义为随机信号的功率谱，它表示单位频带类信号的频率分量消耗在单位电阻上的平均功率的统计平均值，10．瑞利分布概率密度函数raylpdf()使用方法：Y=raylpdf(x,b)参数为b 的瑞利分布在x 处的概率密度函数。
11．瑞利分布概率分布函数raylcdf()使用方法：Y=raylcdf(x,b)参数为b 的瑞利分布在x 处的概率分布函数值 12．巴特沃斯滤波器巴特沃斯滤波器的特点是通频带内的频率响应曲线最大限度平坦，没有起伏，而在阻频带则逐渐下降为零。
在振幅的对数对角频率的波特图上,从某一边界角频率开始,振幅随着角频率的增加而逐步减少,趋向负无穷大。
一阶巴特沃斯滤波器的衰减率为每倍频6分贝，每十倍频20分贝。
二阶巴特沃斯滤波器的衰减率为每倍频12分贝、 三阶巴特沃斯滤波器的衰减率为每倍频18分贝、如此类推。
巴特沃斯滤波器的振幅对角频率单调下降，并且也是唯一的无论阶数，振幅对角频率曲线都保持同样的形状的滤波器。
只不过滤波器阶数越高，在阻频带振幅衰减速度越快。
其他滤波器高阶的振幅对角频率图和低级数的振幅对角频率有不同的形状。
13．直方图法估计随机序列概率密度的估计使用方法：hist(y,x),画出用矢量y 表示的随机序列的直方图，参数x 表示计算直方图划分的单元，也是用矢量表示。
()()Tj t T TX X t e dtωω--=⎰例：x=-2.9:0.1:2.9; y=normrnd(0,1,1000,1); hist(y,x);14．概率密度如果),(t x F Y 的一阶导数存在，则定义为随机过程 的一维概率密度。
如果知道了随机过程的一维概率密度，那么也就知道了随机过程在所有时刻上随机变量的一维概率密度。
15．生成正态分布伪随机数(randn():) 使用方法：r = randn(n)生成n*n 的包含标准正态分布的随机矩阵。
randn(m,n)或randn([m,n])生成的m*n 随机矩阵。
16.韦伯分布1939年引进，是可靠性分析及寿命检验的理论基础。
威布尔分布(Ⅲ型 极值分布)记为W(k,a,b)。
威布尔分布：在可靠性工程中被广泛应用，尤其适用于机电类产品的磨损累计失效的分布形式。
由于它可以利用概率值很容易地推断出它的分布参数，被广泛应用于各种寿命试验的数据处理。
四、实验结果及分析 1.平滑滤波由图知，经过平滑滤波后，原始信号的峰值变化减小了，信号的频谱变得平滑了很多。
说明平滑滤波对信号具有很好的平滑效果。
2．IIR低通滤波由图分析，可知经过低通滤波后信号的波形变化很大，说明原始信号主要分布在高频不分，低频占据很少。
3.高通滤波由图可知：经过滤波后基本不改变原始信号的波形幅值及频谱，说明该语言信号高频部分占据很多。
4．最大似然估计由图可知：语音信号的最大似然估计满足由0到0.5变化，呈直线变化，随着选取点数的增加越缓慢。
5.互相关由图可知：相关性可正课负，在以0为基准上下改变。
大约在100的时候达到最大值，此后向两边多趋于平稳，接近于0.6.协方差由图可知：协方差反映了两个之间的相关程度，又图可知两个的差别变化很大。
在大约1.7的时候两个的曲线相交于0点，此时两者的几乎不相关，在此之外两者的差值约大，说明相关性越大。
7.FFT变换由图可知：随机信号的FFT图形在高低频率的变化量很大，而在中频率段很下几乎一条直线，说明对应的不同频率是对应的量差别很大，在两边分布广，中间的少。
8.白噪声分析由图可知：对应的白噪声与语言信号的关系相差很大，所以相似性很小。
两个的相差线越高，相似也就越小。
9.希尔伯特变换上图所示是对原始的语音信号进行一次的希尔伯特变换的实轴和虚轴的变化图形，希尔伯特变换序列具有和原序列相同的幅值和频率成分，也包含了原序列的相位信息，由图可以看出，对信号进行一次变换后实轴和虚轴的图形相差了π/2，即相移了π/2，而原来的幅值和频率都保持不变，所以，对信号作希尔伯特变换就相当于对原始信号进行每次正负π/2的相移。
10．功率谱上图所示为原始信号与加噪信号的功率谱密度的比较图形，上述两个图形中功率谱都大于或等于0。
开始的值比较高，逐渐而降低。
11．瑞利分布概率密度由图知：语言信号的变化趋势与与其对应瑞利分布变化趋势相同。
12．瑞利分布概率分布由图知：语言信号的变化趋势与与其对应瑞利分布变化趋势相同。
13.直方图由图可知：容易知道相应的对应的值所占据的数量的所少，对信号的分析和研究极为方便。
对应的量在不同的值的条件下可以清楚的读出，可以为工作带来极大的方便。
