当前位置：文档之家 › 随机实验仿真

随机实验仿真

  • 格式：doc
  • 大小：897.50 KB
  • 文档页数：24

随机信号仿真与分析1.【实验目的】：1）利用计算机仿真随机信号，考察其数字特征， 以此加深对满足各种分布的随机信号的理解2）熟悉常用的信号处理仿真软件平台：matlab. 2.【实验任务】1） 生成满足各种概率分布的仿真随机信号2） 自己编写程序计算各种概率分布的 仿真随机信号的各种特征3） 撰写实验报告 3. 【实验原理】随机信号的定义：随机信号是随机变量在时间上推进产生的过程量，它同时具有过程性和不确定性。

定义如下：给定参量集T 与概率空间（Ω, F, P ），若对于每个t ，都有一个定义在（Ω, F, P ）上的实随机变量X(t)与之对应，就称依赖于参量t 的随机变量族 为一（实）随机过程或随机信号。

4. 【几种常见的随机信号】 1). 高斯随机信号 概率密度为 22()(p 2x m f x σ⎡⎤--⎢⎥⎣⎦若0,1m σ== ，则称之为标准正态分布。

数字特征：均值： ()0,E x m == 方差： ()21D x σ==利用matlab 做出标准正态分布的概率曲线，并选取10000点做出其波形，统计均值与方差。

仿真结果：Ans =-0.0326 DX=0.9969 2). 均匀分布随机信号 概率密度函数满足下式：1(),X f x a x bb a=<<-现在取 0a =，1b =为例，进行分析讨论。

数字特征：均值： ()0.5,2a b E x +== 方差： ()20.08312()D x b a =≈-利用matlab 做出均匀分布的概率曲线，并选取10000点做出其波形，统计均值与方差。

仿真结果：Ans = 0.5018 DX =0.0833 3). 正弦随机信号给定具有某种概率分布的振幅随机变量A 、角频率随机变量Ω与相位随机变量Θ，（具体概率分布与特性视应用而定），以（时间）参量t 建立随机变量：)sin(),(Θ+Ω==t A s t W Wt。

于是，相应于某个参量域T 的随机变量族{},tW t T ∈为正弦随机信号（或称为正弦随机过程）。

正弦随机信号的概率密度函数与所选组的随机变量有关，因此其均值、方差也是与所选取的随机变量有关。

选取t 在0~10之间，以步长0.1变化仿真结果：ans =5.6891e-018 DX =1.9802 4). 伯努利随机信号给定某个序列随机实验，观测某事件B 发生与否，建立事件B 的指示函数，⎩⎨⎧===不发生时刻，在发生时刻，在，，B 01n t B n t Xn而且，序列随机实验间彼此统计独立并有相同的概率，1]0[,]1[=+====q p q XP p XP nn和于是，nX 是一个（0，1）贝努里随机变量，相应的随机变量序列{},...3,2,1,=nX n 为（0，1）伯努利随机序列（或称随机信号，有时也称为随机过程）。

利用matlab 做出伯努利分布的概率曲线，并选取10000点做出其波形，统计均值与方差。

5.【实验项目】 1).【实验项目1】随机数的产生与测量：产生 0.1=λ的10000个指数分布随机数，测量它们的均值、方 差与概率密度。

Xi_array=exprnd(0.5, 1,10000); mean(Xi_array);var(Xi_array);hist(Xi_array);2).【实验项目2】概率密度曲线的图形表示：绘制)1,0(N与)3,2(N的密度函数曲线。

3).【实验项目3】统计分析：二维正态分布)5.0;4,0,1,0(YX 的联合概率密度函数,)(N为)]25.05.0(32exp[321),(22y xy x y x f +--=π利用Matlab ，（1）求)(y f Y（2）求|)(|Y X E + （3）求)0,0(≤≤Y X PCommand Window >>syms x y;>> f=exp(-2*(x*x-0.5*x*y+0.25*y*y)/3)/( 2*pi*sqrt(3) ); >> fy=int(f,x,-inf, inf) fy=281474976710656/6126469605667549*exp(-1/8*y^2)*2^(1/2)*3^(1/2)*pi^(1/2) >> x_yf=abs(x+y)*f;>> Exy=int(int(x_yf,x,-inf,inf),y,-inf,inf) Exy =844424930131968/42885287239672843*42^(1/2)*pi^(1/2)+2814749767106560/6126469605667549*6^(1/2)*pi^(1/2)*hypergeom([1/2],[],-3/25)>> P=int(int(f,x,-inf,0),y,-inf,0) P =140737488355328/18379408817002647*pi*6^(1/2)*2^(1/2)+70368744177664/6126469605667549*pi*6^(1/2)*8^(1/2) 观察结果中的fy ，我们注意到：1)22(-π=281474976710656/6126469605667549*2^(1/2)*3^(1/2)*pi^(1/2)=0.1995 因此，经过化简后得到]8exp[221)(2yy fY-=π.同样，进一步化简上面Exy 与P 的结果值，可见，它们分别为0.211与0.3333，即 =0.2110, =0.3333 6.【思考题】用计算机产生的随机信号是真正的随机信号吗？不是。

随机信号是有范围约束的，在有效约束范围内产生的随机信号就是真正的随机信号，超出有效约束范围则不是随机信号。

随机信号平稳性实验1【实验目的】通过对几个实用随机信号（语音信号，音乐信号）的平稳性分析，加深对随机信号平稳性的理解。

2【实验原理】随机信号的平稳性可以分为严格平稳和广义平稳，分别定义如下： 1） 严格平稳性：随机过程， 如果其任意n 维概率分布函数具有下述的移动不变性：任取 ，对于满足的任意 τ值，始终有成立。

则称X(t) 具有严格平稳性（或强平稳性），也称X(t)是严格平稳随机信号（或强平稳随机信号）。

2) 广义平稳性：随机过程 ,如果其均值与相关函数存在，并且满足：均值为常数；相关函数与两时刻 的绝对值无关，只与相对差 有关，则称X(t) 具有广义平稳性（或弱平稳性、宽平稳性），也称X(t)是广义平稳随机信号（或弱平稳随机信号、宽平稳随机信号）。

3【实验方法】{}T t t X ∈),(nn n Rx x x T t t t ∈∈,...,,,...,,2121与Tt t t n ∈+++τττ,...,,21),...,,;,...,,(),...,,;,...,,(21212121τττ+++=n n n n t t t x x x F t t t x x x F {}T t t X ∈),(),(21t t 21t t -=τ)(),(),()]([21ττηR t t R t t R t X E =+===常数一、随机信号的获取。

实验中采用了两种声音信号：语音信号和音乐信号。

语音信号可以通过麦克风，由windows自带的录音机软件录下自己的声音。

音乐信号可采用现成的wav音乐文件。

二、随机信号平稳性的分析。

通过matlab的simulink功能模块计算声音信号的相关性，进而验证随机信号的短时平稳性。

4【实验步骤】随机信号的获取：一语音信号的获取。

（1）将麦克风接入计算机声卡的输入端。

（2）打开Windows的录音机软件。

打开录音机软件的途径：开始程序附件娱乐录音机（3）打开录音机并开始录入语音将语音信号以wav. 文件格式存入硬盘指位置二利用matlab中的simulink模块对声音随机信号分析：1. 建立simulink分析模块(1)启动matlab,在命令行窗口输入命令：simulink,启动simulink.(2) 建立仿真分析模块：在simulink工作窗口的file菜单，按File New Model 顺序建立分析模块(3)把wav.文件设置成为simulink分析模块的信号源。

在simulink库浏览器中打开DSP Blockset,进入Blockset DSP sources选择From Multimedia File图标，拖入模块编辑器。

(3)自相关分析器的建立如上，仍在DSP Blockset中，选择statistic文件夹，从右边运算模块窗口中选择Autocorrelation 模块，拖入模块编辑器。

(4) 选菜单Simulation start 来运行此分析输入的语音信号，双击Scope图标，即可看到语音信号的自相关函数的图形(5)示波器的建立。

在simulink文件夹中选择sink目录，在右边的可选模块窗口中选择Scope模块并拖入分析模块编辑器中。

2.仿真选菜单Simulation start 来运行此分析输入的语音信号，双击Scope图标，即可看到语音信号的自相关函数的图形。

5【实验数据分析】多次仿真实验，记录音频随机信号的自相关函数，观察并分析其在短时内自相关函数的变化幅度。

6【实验结果】最后得到的波形：7【实验结论】根据分析，音频随机信号在短时内具有近似平稳特性即所谓的“短时平稳性”短时平稳性对音频信号的处理有什么意义？答：具有压缩数据的作用！噪声平滑与匹配滤波1【实验名称】噪声平滑与匹配滤波2【实验环境】硬件实验平台：通用计算机软件实验平台：matlab R2010b3【实验目的】对信号中加性白噪声平滑、加性噪声中信号的检测，进而了结随机信号与系统的应用4【实验任务】①生成含有加性噪声的正弦信号，设计一阶低通滤波器，观察平滑后的正弦波形。

②生成含有加性噪声的方波信号，用匹配滤波器进行检测。

③撰写实验报告5【实验原理】略6【实验内容】A【实验项目1】加性白噪声环境下，正弦波信号中噪声的平滑。

simulink模块编辑器B【实验项目2】匹配滤波程序……s1=ones(1,20);s2=zeros(1,20);s=[s1 s2];figure(1)subplot(3,1,1)t=0:39;plot(t,s);title('ÐźÅ');noise=wgn(1,40,0);x=s+noise;subplot(3,1,2)plot(x);title('ÐźżÓÔëÉù');h=[s2,s1];y=conv(h,x);subplot(3,1,3);plot(y);title('Êä³öÐźÅ')所的信号波形如下图所示：7【思考题】思考题一：用平滑的方法能消除所有噪声吗？答：由实验平滑处理方法所知，消除噪声的滤波器的是低通噪声滤波器，但是噪声分布在所有频率段，即低频段的噪声在低通滤波器可以通过，所以平滑的方法不能消除所有的噪声。

合集下载

环境下随机运动的行为建模与仿真

环境下随机运动的行为建模与仿真

环境下随机运动的行为建模与仿真随机运动是自然界中普遍存在的一种现象。

例如，微生物在水中的游动、气体分子在空气中的运动，甚至动物的行为都有一定的随机性。

这种随机性使得我们很难预测和控制这些运动的过程。

因此，建立环境下随机运动的行为模型，对于很多实际问题具有重要的意义。

一、随机运动的定义与分类随机运动是指物体在运动时速度和运动方向均为随机的运动过程。

其主要有两种类型：分子运动和环境下运动。

分子运动是指在气体或液体介质中的单个分子的运动。

令坐标轴上的分子位置为x，其速度v，分子在时刻t的位置为x(t)。

分子在t到t+dt的时间里行进的距离可以表示为：dx=vdt，而分子在x附近的一段很小的区域内的均方位移可以表示为：(dx)²=(vdt)²，即：< (dx)² > = < v² >(dt)²其中，<>代表求一个系统中所有分子的平均值。

环境下运动是指物体在外界环境中的运动。

例如，一只蚂蚁在草地上的行走轨迹、鸟类在天空中的飞行路径等。

这些运动的随机性通常是由外界环境的不确定性所导致的。

二、随机运动模型的建立由于随机运动的复杂性，我们需要建立一定的模型来进行描述和分析。

常用的模型有布朗运动和随机游走。

1. 布朗运动布朗运动是一种连续时间的随机过程，是模拟分子在气体或液体介质中的运动。

它的主要假设是：物体在单位时间内受到的随机力是一个平均为零、方差为$\sigma²$的高斯随机变量。

所以，其运动方程可以表示为:dx = $\mu$dt + $\sigma$dW其中，$\mu$是物体的平均速度，$\sigma$是随机力的标准差，dW为维纳过程。

可以证明，布朗运动的均方位移与时间$t$的平方成正比，即：$\Delta$x² = 2D$t$其中，D为扩散系数，称为分子扩散系数。

布朗运动模型有许多应用，例如用于模拟股票价格变动、预测股票市场的走势等。

如何利用Matlab进行模拟和仿真实验

如何利用Matlab进行模拟和仿真实验

如何利用Matlab进行模拟和仿真实验Matlab是一种功能强大的数学计算和数据可视化软件。

它不仅可以进行数学模拟和仿真实验，还可以处理数据、绘制图表和实施算法。

在工程、物理学、生物学等领域，Matlab被广泛用于解决各种实际问题。

本文将介绍如何利用Matlab进行模拟和仿真实验，并探讨其在实验设计和结果分析中的应用。

一. Matlab的基本功能Matlab具有很多基本功能，如矩阵操作、数值计算、符号计算等。

这些功能使得Matlab成为进行模拟和仿真实验的理想选择。

在Matlab中，可以定义和操作矩阵，进行线性代数运算，如求解方程组、矩阵求逆等。

此外，Matlab还提供了许多内置函数，可以进行数值计算和符号计算，如求解微分方程、积分、数值优化等。

二. 模拟实验的设计在进行模拟实验之前，首先需要设计实验方案。

实验设计包括选择合适的模型和参数设置，确定实验变量和观测指标等。

在Matlab中，可以使用函数或脚本来定义模型和参数，通过修改参数值来观察实验结果的变化。

比如，可以使用Matlab的模型库来选择合适的模型，然后使用函数传入参数值进行求解。

此外，Matlab还提供了绘图功能，可以绘制实验结果的图表，以便更直观地分析数据。

三. 仿真实验的实施在设计好实验方案后，就可以开始进行仿真实验了。

在Matlab中，可以使用已定义的模型和参数进行仿真计算。

可以通过Matlab的编程功能来实现计算过程的自动化。

比如，可以使用循环语句来迭代计算，以观察参数变化对结果的影响。

此外，Matlab还提供了随机数生成和统计分析函数，可以用于生成随机变量和分析实验数据。

四. 实验结果的分析在完成仿真实验后，需要对实验结果进行分析。

Matlab提供了丰富的数据处理和分析工具，可以对实验数据进行统计分析、绘图和可视化展示。

可以使用Matlab的数据处理函数来计算均值、标准差、相关系数等统计指标。

此外，Matlab还可以通过绘图函数来绘制直方图、散点图、线图等图形，以便更好地理解和展示数据。

伪随机序列仿真实验报告

伪随机序列仿真实验报告

伪随机序列仿真仿真实验报告报告时间：2013年5月13日姓名：刘梦曦学号：2010101012电子邮件：604417989@一、实验目的1、熟悉MATLAB 仿真的应用；2、掌握伪随机序列的原理、软件产生，并仿真分析其相关特性。

二、实验内容1、MATLAB中产生127位gold序列，并分析其自相关和互相关特性。

2、采用MATLAB的伪随机函数，生成127位二进制伪随机序列，并分析其自相关和互相关特性。

3、收集学习技术资料，列举五种以上通信系统中采用的伪随机序列。

三、实验过程记录根据搜集的资料在matlab中编写代码，然后运行，得到相应的特性图。

1、产生127位的gold序列2、gold序列的自相关性在MATLAB中编写的代码如下：close all;clear all;clc;n=7;%移位寄存器级数P=2^n-1%m列的周期%产生m1序列%c1=[1 0 1 0 0 1 1];%反馈系数==211 reg1=[zeros(1,n-1) 1];%初始化移位寄存器m1(1)=reg1(n);for i=2:P new_reg1(1)=mod(sum(c1.*reg1),2) ;for j=2:nnew_reg1(j)=reg1(j-1); endreg1=new_reg1;m1(i)=reg1(n);endsubplot(311);stairs(m1);xlabel('k');title('m1序列');%产生m2序列%c2=[1 0 1 1 0 0 1];%反馈系数==217 reg2=[zeros(1,n-1) 1];%初始化移位寄存器m2(1)=reg2(n);for i=2:Pnew_reg2(1)=mod(sum(c2.*reg2),2) ;for j=2:nnew_reg2(j)=reg2(j-1);endreg2=new_reg2;m2(i)=reg2(n);endsubplot(312);stairs(m2);xlabel('k');title('m2序列');%产生gold序列%for i=0:P-1shift_m2=[m2(i+1:P)m2(1:i)];%m2g(i+1,:)=mod(m1+shift_m2,2);%模2加endsubplot(313)stairs(g(1,:));xlabel('k');title('gold序列的第1行');%gold序列的自相关特性和互相关特性%g1=g(1,:);g2=g(2,:);%取gold序列的第2行% for i=-P+1:-1% shift=[g1(i+P+1:P) g1(1:i+P)];%r1(P+i)=sum(g1(P+i).*shift(P+i)) ;% end% for i=0:P-1% shift=[g1(i+1:P) g1(1:i)]; %r1(P+i)=sum(g1(i+1).*shift(i+1)) ;% endr1=conv(g1,g1);figure(2)subplot(211)stem(r1/P);xlabel('k');title('g1的自相关特性');% for i=-P+1:-1% shift=[g1(i+P+1:P) g1(1:i+P)];%r2(P+i)=g2(P+i).*shift(P+i);% end% for i=0:P-1% shift=[g1(i+1:P) g1(1:i)]; %r2(P+i)=g2(i+1).*shift(i+1);% endr2=conv(g1,g2);subplot(212);stem(r2/P);xlabel('k');title('g1与g2的互相关特性');（产生图形见附录）四、分析及结论由这个实验我们可以看出，Gold序列间不仅有良好的互相关性能，而且个数远比m序列多。

MATLAB中的随机过程模拟与分析技巧

MATLAB中的随机过程模拟与分析技巧

MATLAB中的随机过程模拟与分析技巧随机过程是描述一系列随机事件演变的数学模型，在实际问题中有广泛的应用。

MATLAB作为一款功能强大的数值计算软件，提供了丰富的工具和函数来模拟和分析随机过程。

本文将介绍在MATLAB中进行随机过程模拟与分析的一些常用技巧。

一、随机变量的生成在随机过程分析中，随机变量是基本的概念，它描述了随机事件的取值情况。

在MATLAB中，可以通过随机数生成函数来生成服从各种分布的随机变量，如均匀分布、正态分布等。

例如，可以使用rand函数生成0到1之间的均匀分布随机变量，使用randn函数生成符合标准正态分布的随机变量。

二、随机过程的模拟通过生成随机变量，可以进一步模拟随机过程。

随机过程的模拟可以通过生成一系列随机变量来实现。

例如，可以使用rand函数生成一组服从均匀分布的随机变量，并通过随机过程模型来描述这组随机变量的演变过程。

在MATLAB中，可以使用循环语句和数组来实现随机过程的模拟。

三、随机过程的统计分析在对随机过程进行模拟后，通常需要对其进行进一步的统计分析。

MATLAB提供了一系列用于随机过程统计分析的函数，如均值、方差、自相关函数、功率谱密度等。

这些函数可以帮助我们从时间域和频率域两个角度来分析随机过程的特性。

通过统计分析，我们可以得到随机过程的均值、方差、平稳性等重要信息。

四、随机过程的仿真实验MATLAB还提供了强大的仿真实验工具，可以通过模拟大量的随机过程样本来研究其统计规律。

仿真实验通常涉及到随机过程的多次模拟和统计分析。

在MATLAB中，可以使用循环语句和向量化操作来进行高效的仿真实验。

通过对仿真实验结果的分析，可以验证理论模型的正确性，评估系统的性能，以及优化系统参数等。

五、随机过程的滤波与预测在实际应用中，随机过程通常具有噪声干扰，对其进行滤波与预测是很重要的任务。

MATLAB提供了多种滤波与预测方法的函数，如卡尔曼滤波、递归最小二乘法等。

这些方法可以帮助我们提取有用信息，消除噪声干扰，并对未来的随机过程变量进行预测。