《随机信号分析与处理》实验报告完整版(GUI)内附完整函数代码

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.。

《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。

《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。

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。

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。

随机信号处理实验报告院系名称学生姓名学号指导教师目录一、实验要求： (3)二、实验原理： (3)2.1 随机信号的分析方法 (3)2.2 随机过程的频谱 (3)2.3 随机过程的相关函数和功率谱 (4)（1）随机信号的相关函数： (4)（2）随机信号的功率谱 (4)三、实验步骤与分析 (5)3.1实验方案 (5)3.2实验步骤与分析 (5)任务一：（s1 变量）求噪声下正弦信号的振幅和频率 (5)任务二：（s1 变量）求噪声下正弦信号的相位 (8)任务三：（s1 变量）求信号自相关函数和功率谱 (11)任务四：（s变量）求噪声下信号的振幅和频率 (14)任务五：（s变量）求信号的自相关函数和功率谱 (17)3.3实验结果与误差分析 (19)（1）实验结果 (19)（2）结果验证 (19)（3）误差分析 (21)四、实验总结和感悟 (22)1、实验总结 (22)2、实验感悟 (23)五、附低通滤波器的Matlab程序 (23)一、实验要求：（学号末尾3，7）两个数据文件，第一个文件数据中只包含一个正弦波，通过MA TLAB 仿真计算信号频谱和功率谱来估计该信号的幅度，功率，频率和相位？对第二个文件数据估计其中正弦波的幅度，功率和频率？写出报告，包含理论分析，仿真程序及说明，误差精度分析等。

第一文件调用格式load FileDat01_1 s1，数据在变量s1中；第二文件调用格式load FileDat01_2 s ，数据在变量s 中。

二、实验原理：2.1 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。

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 = experimentnumber = 49; %学号49I = 8; %幅值为8u = 1/number;Ex = I*0.5 + (-I)*0.5;N = 64;C0 = 1; %计数p(1) = exp(-u);for m = 2:Nk = 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，/2220(){()()}(2)!m k m k 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 X C 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。

实用标准文案实验报告通信信号分析与处理专业通信工程学号j130510401姓名王溪岩日期2016.1.10实用标准文案通信信号分析与处理实验指导书实用标准文案1、实验过程与仿真该实验主要包括函数确定、参数选择、仿真和分析几个部分，具体仿真程序和结果分析如下：1.1二项分布随机过程1.1.1信号产生1）高斯分布随机过程：n=input('n=');x=0.25;o=1;m=1;R=normrnd(x,o,m,n);subplot(3,1,1);plot(R)R_a=xcorr(R);subplot(3,1,2);plot(R_a)Pf=abs(fft(R_a,2048));subplot(3,1,3);plot(Pf)(n输入1000，5000，10000)运行结果：实用标准文案结果分析：由图可看出，高斯随机分布的均值几乎在一条直线上，可看作为恒定值，与时间无关；自相关函数是仅与时间间隔T有关的函数，高斯随机分布为平稳过程；当n=1000时，值返回到0时的值，此时的自相关系数最大，表明自己与本身的自相关程度最高。

2）均匀分布：m=1;n=input('n=');a=0;b=0.5;R=unifrnd(a,b,m,n);R_a=xcorr(R);subplot(3,1,1);plot(R);title('均匀随机分布');实用标准文案Pf=abs(fft(R_a,10000));subplot(3,1,2);plot(R_a);title('自相关');subplot(3,1,3);plot(Pf);title('功率');结果分析：自相关系数在时间间隔为1的时候最高。

3）二项分布n=input('n=');m=1;p=0.02;N=1;R=binornd(N,p,m,n);subplot(3,1,1)plot(R);实用标准文案R_a=xcorr(R);subplot(3,1,2)plot(R_a)Pf=abs(fft(R_a,10000));subplot(3,1,3);plot(Pf)运行结果：结果分析：二项随机分布的值在0.5左右震荡，均值为0.5，与时间无关；自相关函数为仅与时间间隔t有关的函数，该过程为平稳过程。

《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 x n 的矩阵， 的正态分布其元素服从均值为0，方差为 13)Y = randn(m,n)产生 m x n 的矩阵， 的正态分布其元素服从均值为0，方差为 14) Y= randn([m n]) 产生 m x n 的矩阵， 的正态分布其元素服从均值为0，方差为 1选择( 2)作为例子，运行结果如下： >> Y = randn(3)1.3005 0.0342 0.97920.2691 0.9913 -0.8863 -0.1551 -1.3618 -0.3562生成n 々随机矩阵，其元素在(0, 1)内 生成mxn 随机矩阵 生成m x n 随机矩阵生成mxn 和x …随机矩阵或数组 生成m x n 和x …随机矩阵或数组 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 =0.05790.0099 0.1987 0.19883)normrnd()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。

（2）R = normrnd （mu,sigma,v ） 产生服从均值为 mu 标准差为 sigma 的随机数，v 是一个行向量。

如果v 是一个1 X 2的向量， 则R 为一个1行2列的矩阵。

如果v 是1X n 的, 那么R 是一个n 维数组（3）R = normrnd （mu,sigma,m,n ） 产生服从均值为 mu 标准差为 sigma 的随机数,2)rand()(1)Y = rand(n) (2)Y = rand(m,n) (3)Y = rand([m n])(4) Y = rand(m,n,p,…) (5) Y = rand([m n p …]) (6) Y = rand(size(A)) 0.3529 0.81320.1389 0.2028 0.6038 0.2722 0.0153 0.7468产生服从正态分布的随机数(1)R= normrnd(mu,sigma)标量m和n是R的行数和列数。

基于MATLAB中GUI的随机信号处理实验及相关函数代码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对信号进行相关函数的处理 3，学会如何对用函数处理后的信号进行分析二、实验原理 1，声称白噪声白噪声是指功率谱密度在整个频域内均匀分布的噪声。

所有频率具有相同能量的随机噪声称为白噪声。

白噪声或白杂讯，是一种功率频谱密度为常数的随机信号或随机过程。

换句话说，此信号在各个频段上的功率是一样的，由于白光是由各种频率（颜色）的单色光混合而成，因而此信号的这种具有平坦功率谱的性质被称作是“白色的”，此信号也因此被称作白噪声。

2，白噪声的检测与分析白噪声信号是的功率谱密度在整个频域内时间均匀分布的，所有的频率具有相同的能量。

它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。

3，声音信号声音信号是指人能够听得到的声音，在实验中我们可以用MATLAB中的wavrecord()函数来录取一段音频信号或者将其他的音频信号导入到MATLAB工程中进行分析。

注意，音频文件要转换为*.wav格式，因为其他的格式MATLAB软件不识别。

声音信号如图1y = wavread('filename') [y,Fs,bits] = wavread('filename') [...] =wavread('filename',N) [...] = wavread('filename',[N1 N2]) [...]=wavread('filename','size'图1 原声音信号 4，声音信号的分析与处理我们在实际生产生活中接触到的各种信号，如耳朵听到的声音信号、电话机送出的语音电流信号、摄像机输出的图像信号、车间控制室记录下的压力、流量、转速、温度、湿度等等信号都是模拟信号。

.随机信号分析实验报告实验一 各种分布随机数的产生一、 实验目的在很多系统仿真的过程中，需要产生不同分布的随机变量。

利用计算机可以很方便地产生不同分布的随机变量，各种分布的随机变量的基础是均匀分布的随机变量。

有了均匀分布的随机变量，就可以用函数变换等方法得到其他分布的随机变量。

二、 实验内容产生均匀分布的随机数、高斯分布的随机数和其它分布的随机数。

三、 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 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 =+ M y 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 +=+ M y 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。