下载文档原格式
实验四随机信号分析生物医学工程系罗融编一、实验目的：1．理解随机信号的各种数字特征及相关函数。
2．学习用MATLAB语言编写数字特征及相关函数计算程序。
3．观察脑电信号的数字特征及相关函数。
二、实验内容：1．产生1千点的白噪声信号，并计算它的均值、均方值、均方根值、方差。
（产生白噪声可用语句n=10^3;x=randn(1,n)）2．计算一白噪声加10Hz正弦信号构成的随机信号并作图显示该随机信号与它的自相关函数。
（白噪声加10Hz正弦信号可用语句x2=x+sin(2*pi*10*[0:999]/250);其中抽样率fs=250Hz）3．计算白噪声的自相关函数并作图显示白噪声与它的自相关函数。
4．计算脑电信号的均值、均方值、均方根值、方差，计算脑电信号的自相关函数并作图显示脑电信号与它的自相关函数。
5．计算含有噪声的心电信号的自相关函数并作图显示含有噪声的心电信号与它的自相关函数。
含有噪声的心电信号与脑电信号由数据文件shiyansi.mat提供，用load shiyansi命令后，shiyansi数据文件中的变量zshecg与eeg即在matlab工作空间中，可用plot（zshecg）语句观察该含有噪声的心电信号，用plot（eeg）语句观察脑电信号。
三、报告要求：报告格式要求同实验一。
报告内容应包含实验名称，实验目的，实验内容，实验程序代码及结果，实验结果分析与讨论等附录：1）均值：3）均方：4）相关函数：2．MATLAB语言说明：1）mean函数：2）var函数：(2)option为’biased’时，计算有偏互相关估计(3)option为’unbiased’时，计算无偏互相关估计。
《随机信号分析》实验报告二班级_______学号______姓名_______实验二高斯噪声的产生和性能测试１．实验目的（1）掌握加入高斯噪声的随机混合信号的分析方法。
（2）研究随机过程的均值、相关函数、协方差函数和方差。
⒉实验原理（1）利用随机过程的积分统计特性，给出随机过程的均值、相关函数、协方差函数和方差。
（2）随机信号均值、方差、相关函数的计算公式，以及相应的图形。
⒊实验报告要求（1）简述实验目的及实验原理。
（2）采用幅度为1，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)。
试求随机过程的均值、相关函数、协方差函数和方差。
用MATLAB进行仿真，给出测试的随机过程的均值、相关函数、协方差函数和方差图形，与计算的结果作比较，并加以解释。
（3）分别给出原信号与混合信号的概率密度和概率分布曲线，并以图形形式分别给出原信号与混合信号均值、方差、相关函数的对比。
（4）读入任意一幅彩色图像，在该图像中加入均值为0，方差为0.01的高斯噪声，请给出加噪声前、后的图像。
（5）读入一副wav格式的音频文件，在该音频中加入均值为2，方差为0.04的高斯噪声，得到混合随机信号X(t)，请给出混合信号X(t)的均值、相关函数、协方差函数和方差，频谱及功率谱密度图形。
4、源程序及功能注释(逐句注释)（1）：clear all;clc;t=0:320;x=sin(2*pi*t*25);x1=wgn(1,321,0);z=x+x1;y=trapz(t,z);%y=int(z,x,0,t);subplot(3,2,1),plot(z);title('随机信号序列')meany=mean(z);subplot(3,2,3),plot(t,meany,'.');title('随机信号均值')vary=var(y); %方差subplot(3,2,4),plot(t,vary,'.');title('随机信号方差')cory=xcorr(z,'unbiased');%自相关函数subplot(3,2,2),plot(cory);title('随机信号自相关函数')covv=cov(y);subplot(3,2,5),plot(t,covv,'.');title('随机信号协方差')（2）：t=[0:0.0005:0.045];X1=sin(2*pi*25*t);%正弦subplot(3,4,1);plot(t,X1);gridtitle('正弦函数序列');X2=randn(1,length(t)); %产生均值为0，方差σ^2=1，标准差σ=1的正态分布的随机数或矩阵的函数高斯随机信号%X2=normrnd(2,0.04); %高斯随机序列均值,标准差subplot(3,4,2);plot(t,X2);title('高斯噪声序列');X=X1+X2; %混合随机信号X(t)subplot(3,4,3);plot(t,X);gridtitle('混合随机信号');meany1=mean(X1); %原信号的均值subplot(3,4,6),plot(t,meany1);title('原信号均值');vary1=var(X1); %原信号的方差subplot(3,4,7),plot(t,vary1);title('原信号方差');cory1=xcorr(X1,'unbiased'); %原信号的自相关函数subplot(3,4,8),plot(cory1);title('原信号自相关函数');meany=mean(X); %混合信号的均值subplot(3,4,10),plot(t,meany);title('混合信号均值');vary=var(X); %混合信号的方差subplot(3,4,11),plot(t,vary);title('混合信号方差')cory=xcorr(X,'unbiased'); %混合信号的自相关函数subplot(3,4,12),plot(cory);title('混合信号自相关函数')covy=cov(X1,X); %协方差subplot(3,4,4),plot(covy);title('协方差');[f1,xi]=ksdensity(X1); %原信号的概率密度subplot(3,4,5);plot(xi,f1);title('原信号的概率密度分布)');[f2,xi]=ksdensity(X); %混合信号的概率密度subplot(3,4,9);plot(xi,f2);title('混合信号概率密度分布');（3）：clcclear allclose allA = imread('dadian.jpg'); % 读入图像V=0.01;Noisy=imnoise(A,'gaussian',0,V);subplot(1,2,1),imshow(A),title('原图像');subplot(1,2,2),imshow(Noisy),title('加噪后图像'); （4）：clcclear allclose allt=0:320;A = wavread('alert.wav'); % 读入音频x = double(A);y=awgn(x,2,0.04);%x1 = double(z);%y=x+x1;subplot(2,3,1),plot(y);title('随机信号序列')meany=mean(y);subplot(2,3,2),plot(t,meany,'.');title('随机信号均值')vary=var(y); %方差subplot(2,3,3),plot(t,vary,'.');title('随机信号方差')cory=xcorr(y,'unbiased');%自相关函数subplot(2,3,4),plot(cory);title('随机信号自相关函数')fy=fft(y);ym=abs(fy);subplot(2,3,5),plot(ym);title('随机信号频谱图')fz=fft(cory);zm=abs(fz);subplot(2,3,6),plot(zm);title('随机信号功率谱密度图')5. 实验总结（手写）可给出实验过程中遇到的问题、解决方法、自己的收获、可否有改进办法等。
随机信号处理实验报告目录一、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。
目录实验1 离散随机变量的仿真与计算（验证性实验） (1)实验2 离散随机信号的计算机仿真(验证性实验) (5)实验3 随机信号平稳性分析(验证性实验) (8)实验4 实验数据分析(综合性实验) (10)实验5 窄带随机过程仿真分析 (验证性实验) (11)实验6 高斯白噪声通过线性系统分析(综合实验) (13)实验1 离散随机变量的仿真与计算（验证性实验）一、实验目的掌握均匀分布的随机变量产生的常用方法。
掌握由均匀分布的随机变量产生任意分布的随机变量的方法。
掌握高斯分布随机变量的仿真，并对其数字特征进行估计。
二、实验步骤无论是系统数学模型的建立，还是原始实验数据的产生，最基本的需求就是产生一个所需分布的随机变量。
比如在通信与信息处理领域中，电子设备的热噪声，通信信道的畸变，图像中的灰度失真等都是遵循某一分布的随机信号。
在产生随机变量时候，虽然运算量很大，但是基本上都是简单的重复，利用计算机可以很方便的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。
有了均匀分不得阿随机变量，就可以用函数变换等方法得到其他分布的随机变量。
1．均匀分布随机数的产生利用混合同余法产生均匀分布的随机数，并显示所有的样本，如图1所示。
yn+1=ayn+c (mod M)xn+1=yn+1/M2．高斯分布随机数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。
若X 是分布函数为FX （x ）的随机变量，且分布函数FX （x ）为严格单调升函数，令Y=FX （x ），则Y 必是在[0，1]上均匀分布的随机变量。
繁殖，若Y 是在[0，1]上均匀分布的随机变量，那么X=F-1X(Y) （1.4.5）就是分布函数为FX （x ）的随机变量。
这样，欲求某个分布的随机变量，先产生[0,1]区间上的均匀分布随机数，在经过（1.4.5）的变换，便可以求得所需要分布的随机数,产生指数分布的随机数 fX(x)=ae-ax Y=FX(X)=1-e-aX X=-ln(1-Y)/a利用函数变换法产生高斯分布的随机数的方法:图1－1生成均匀分布随机数的结果如果X1X2是两个互相独立的均匀分布随机数，那么下式给出的Y1Y2就是数学期望为m ，方差为σ2的高斯分布随机数mX X Y +-=)2cos(ln 2211πσmX X Y +-=)2s i n (ln 2212πσ生成高斯分布随机数的结果如图1－2所示：3．随机变量数字特征的计算（均值）在很多情况下我们不能得到随机变量所有的样本，只能利用部分样本来获得随机变量数字特征的估计值。
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》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。
目录实验1 随机信号的计算机仿真（验证性实验） (1)实验2 随机信号平稳性分析(验证性实验) (5)实验3 高斯白噪声通过线性系统分析(综合实验) (6)实验4 窄带随机过程仿真分析 (验证性实验) (13)实验1 随机信号的计算机仿真（验证性实验）一、实验目的（1）掌握均匀分布随机信号产生的常用方法。
（2）掌握高斯分布随机信号的仿真，并对其数字特征进行估计。
（3）了解随机过程特征估计的基本概念和方法，学会运用 Matlab 函数对随机过程进行特征估计，并且通过实验了解不同估计方法所估计出来结果之间的差异。
二、实验原理无论是系统数学模型的建立，还是原始实验数据的产生，最基本的需求就是产生一个所需分布的随机变量。
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。
1．均匀分布随机信号的产生利用混合同余法产生均匀分布的随机数，并显示所有的样本。
(mod )n n y ay c M =+ 11n n x y M +=+ 2．高斯分布随机信号的仿真若X 是分布函数为F(x)的随机变量，且分布函数F(x)为严格单调升函数，令Y=F(x)，则Y 必是在[0，1]上均匀分布的随机变量。
反之，若Y 是在[0，1]上均匀分布的随机变量，那么1()X F Y -= （1）就是分布函数为F(x)的随机变量。
这样，欲求某个分布的随机变量，先产生[0,1]区间上的均匀分布随机数，在经过（1）的变换，便可以求得所需要分布的随机数。
利用函数变换法产生高斯分布的随机数的方法：如果X1、X2是两个互相独立的均匀分布随机数，那么下式给出的Y1、Y2就是数学期望为m ，方差为2s 的高斯分布随机数m X X Y +-=)2cos(ln 2211πσ m X X Y +-=)2s i n (ln 2212πσ 3．均值的估计11ˆN x n n m x N -==å 4．方差的估计方差估计有两种情况，如果均值x m 已知，则()12201ˆN xn x n x m N s -==-å 如果均值未知，那么()12201ˆˆ1N xn x n x m N s -==--å5. 相关函数估计11ˆ()N m xn m n n R m x x N m--+==-å6. 功率谱估计功率谱的估计有几种方法，此处介绍自相关法： 先求相关函数的估计，11ˆ()N m xn m n n R m x x N m--+==-å然后对估计的相关函数做傅立叶变换，1(1)ˆ()()N jm xx m N G R m e ww +-=--=åMATLAB 有许多估计数字特征的统计函数： （1）均值与方差mean(A)，返回序列的均值，序列用矢量 A 表示。
VAR(X)，返回序列 X 的方差。
（2）互相关函数估计 xcorr 用法： c = xcorr(x,y) c = xcorr(x) c = xcorr(x,y,'option') c = xcorr(x,'option')xcorr(x,y)计算 X 与 Y 的互相关，矢量 X 表示序列 x(n)，矢量 Y 表示序列y(n)。
xcorr(x)计算 X 的自相关。
option 选项是：'biased'：有偏估计 11ˆ()N m xn m n n R m x x N--+==å'unbiased':：无偏估计 11ˆ()N m xn m n n R m x x N m--+==-å'coeff'：m=0 的相关函数值归一化为 1。
'none'：不作归一化处理。
（3）功率谱估计MATLAB 提供了许多功率谱估计的函数：三、实验内容1.产生两组相互独立的（0,1）均匀分布的随机数（随机数个数：500）；2. 产生一组均值为1，方差为4 的正态分布的随机序列（1000 个样本），估计该序列的均值与方差。
3. 按如下模型产生一组随机序列：x(n)=0.8x(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。
估计过程的自相关函数与功率谱。
4. 设信号为x(n)=sin(2πf1n)+2cos(2πf2n)+w(n)，n=1,2,....,N，其中f1=0.05，f2=0.12，w(n)为正态白噪声，试在N=356 和1024 点时，分别产生随机序列x(n)、画出x(n)的波形并估计x(n) 的相关函数和功率谱。
四、实验要求1.用matlab编写程序，画出波形；2.写出详细实验报告。
实验2 随机信号平稳性分析(验证性实验)一、实验目的（1）掌握平稳随机信号的特点； 二、实验内容已知随机信号的三个样本函数为2)(1=t x ，t t x cos 2)(2=，t t x sin 3)(1=，每个样本发生的概率相等，画图显示该随机信号，并计算显示该随机信号的期望和方差。
三、实验步骤1、用计算机仿真产生上述三个样本；2、因为是均匀分布，用下列公式计算三个样本的数学期望和方差；3)()()(x )(321n x n x n n m ++=3)]()([)]()([)]()([x )(2322212n m n x n m n x n m n n -+-+-=σ3、利用图形显示随机信号的样本及其数学期望和方差，并判断该信号是否为平稳随机信号。
4、利用教材74页随机信号功率谱密度公式3.17计算该随机信号的功率谱密度。
先计算随机信号每个样本的频谱密度，然后求统计平均。
四、实验要求（1）用matlab 语言实现整个实验过程的仿真； （2）分析该随机信号的平稳性，写出详细实验报告。
实验3 高斯白噪声通过线性系统分析(综合实验)一、实验目的了解白噪声通过LTI 系统的原理与处理方法，学会运用matlab 函数对随机过程进行均值、相关函数和功率谱的估计，并且通过实验分析理论分析和实验结果之间的差异。
二、实验原理假定一具有单位方程的抽样序列{}()X n 的白噪声随机过程()X t 通过一脉冲响应为：()0.5;0()0; 0n n h n n ìï³ï=íï<ïî的线性滤波器，绘出输入输出信号的均值、方差、相关函数及功率谱密度。
设系统冲激响应为()h n ，传递函数为()()jn n H h n e ww ¥-=-=å，或者用Z 变换，结果为()()n n H z h n z ¥-=-=å。
输入为()X n ，输出为()()*()()()k Y n h n X n h n k X k ¥=-==-å，均值关系：()()*()Y X m n h n m n =，若平稳有，(0)Y X m m H =。
自相关函数关系，()()121112,()*()*,Y X R n n h n h n R n n =，若平稳有()()()*()*Y X R m h m h m R m =-。
题目中假设为白噪声，可以根据白噪声的性质进行理论计算。
白噪声的自相关函数2()()r m n n s d t =，这里，假设的是零均值和单位方差，于是()()x r m d t =，而()1x R z =，1()()()y R z H z H z -=对应的功率谱：221()()()12cos j y x P P H e a a ww w w ==-+在这里，由于()()1j x x P R e w w ==，0.95a =，可以算出输出信号的方差为：21(0)()2j yy y r R e d pw ps w p-==ò可以用留数法简单计算出来。
下面对输入输出信号的均值、方差、相关函数及功率谱密度分布进行讨论。
均值变化输入为白噪声，并且均值为0，按照理论公式，可得到(0)0Y X m m H ==。
下面对实际值进行分析。
输入的随机序列，服从标准正态分布，可以用下面的语句产生：X=randn(1,500); %产生题设的随机序列，长度为500点系统的冲激响应为()()0.5()nh n u n =，可以用下面的语句产生：b=[1];a=[1,-0.5]; % 设置滤波器的参数，b 为分子系数，a 为分母系数 h=impz(b,a,20); % 得到这个系统的冲激响应，就是题设中的 h （n ）输入信号通过线性系统，可以通过卷积的方法，或者用filter 函数，y1=filter(b,a,x); % 用滤波器的方法，点数为 500 点 y2=conv(x,h); % 通过卷积方法得到，点数为 519 点下面画出两者得到波形的区别：（为了保持一致，对y2的输出取前500点）两者的输出波形近似一致，可以采用任意一个进行分析。
就采用y1 进行讨论，输出均值为：y1_mean=mean(y1); % 进行时间平均，求均值最终值为-0.1248，与理论的零值有一定误差，考虑到输入随机序列的均值不是 0，()0.0629x m mean x ==-，按照上面式子，得到(0)20.1259y x x m m H m ===-理论值和实际值是非常吻合的。
方差变化输入信号方差的理论值为1，按照公式，输出的功率谱为：1()12cos 0.25y P w w =-+ 214(0)()23j yy y r P e d pw ps w p -===ò下面对实际值进行分析:y1_var=var(y1); % 进行时间平均，求均值得到，输出均值为 1.1745，与理论值的 1.3333 有差距。
自相关函数的理论与实际值 理论值为：()()()*()*y x r m h m h m r m =-在题设中，为白噪声，所以()()()2x x r m m m s d d ==。
因此，输出的自相关函数理论值为()4()*()23ny r m h m h m =-=g 用图形表示如下。
上图分别是()h n 和()h n -，最终得到的卷积值为：可以看到，在零点的值就是1.3333，也就是输出信号的平均功率。
下面用实际值估计输出信号的功率谱，Ry=xcorr(y1,20,’coeff’); % 进行归一化的自相关函数估计，相关长度为20得到的值，也就是实际的自相关函数曲线为：可以发现，两者的拟合程度较高。
功率谱密度函数的理论与实际值对于理论的功率谱密度，可以表示为：21()()()1cos 0.25j y x P P H e w w w w ==-+ 而对于观测数据，可以用功率谱估计的方法得到功率谱密度。
