随机信号matlab仿真

随机信号分析专业：电子信息工程班级：电子111姓名：***学号：**********指导老师：***随机信号及其自相关函数和功率谱密度的MATLAB实现引言：现代信号分析中，对于常见的具有各态历经的平稳随机信号，不可能用清楚的数学关系式来描述，但可以利用给定的N个样本数据估计一个平稳随机信号的功率谱密度叫做功率谱估计(PSD)。

它是数字信号处理的重要研究内容之一。

功率谱估计可以分为经典功率谱估计(非参数估计)和现代功率谱估计(参数估计)。

通过实验仿真可以直观地看出以下特性:（1）功率谱估计中的相关函数法和周期图法所得到的结果是一致的，其特点是离散性大，曲线粗糙，方差较大，但是分辨率较高。

（2）平均周期图法和平滑平均周期图法的收敛性较好，曲线平滑，估计的结果方差较小，但是功率谱主瓣较宽，分辨率低。

这是由于对随机序列的分段处理引起了长度有限所带来的Gibbs现象而造成的。

（3）平滑平均周期图法与平均周期图法相比，谱估值比较平滑，但是分辨率较差。

其原因是给每一段序列用适当的窗口函数加权后，在得到平滑的估计结果的同时，使功率谱的主瓣变宽，因此分辨率有所下降。

摘要：功率谱估计(PSD)的功率谱,来讲都是重要的,是数字信号处理的重要研究内容之一。

功率谱估计可以分为经典谱估计(非参数估计)和现代谱估计(参数估计)。

前者的主要方法有BTPSD 估计法和周期图法;后者的主要方法有最大熵谱分析法(AR 模型法)、Pisarenko 谐波分解法、Prony 提取极点法、其Prony 谱线分解法以及Capon 最大似然法。

中周期图法和AR 模型法是用得较多且最具代表性的方法。

Matlab 是目前极为流行的工程数学分析软件,在它的SignalProcessingToolbox 中也对这两个方法提供了相应的工具函数,这为我们进行工程设计分析、理论学习提供了相当便捷的途径。

关键词：随机信号 自相关系数 功率谱密度实验原理:随机信号X(t)是一个随时间变化的随机变量，将X （t ）离散化，即以Ts 对X （t ）进行等间隔抽样，得到随机序列X(nTs),简化为X(n)。

第2-1页Matlab与通信仿真主讲教师：和煦通信基础实验教学中心第2-2页内容提要Matlab基础知识1Matlab计算结果可视化和确知信号分析23模拟调制Matlab实现4模拟信号的数字传输5数字频带传输系统6通信系统仿真综合实验7随机信号和数字基带仿真本章目标•掌握库函数产生随机数方法•理解采用蒙特卡罗算法仿真的思想•基带信号波形生成和其功率谱密度第2-3页3.1随机信号产生与功率谱密度基本原理•（1）库函数产生随机数•均匀分布的随机数——rand函数产生（0，1）内均匀分布的随机数•1）x=rand(m)；•2）x=rand(m，n)；•3）x=rand；第2-4页•高斯分布的随机数——randn函数产生均值为0，方差为1的高斯分布的随机数。

•1）x=randn(m)；•2）x=randn(m，n)；•3）x=randn第2-5页•例3-1产生一个(0,1)上均匀分布的白噪声信号u(n)，画出其波形，并检验其分布。

•clc,clear; %清除内存中可能保留的MATLAB变量•N=500000; %u(n)的长度•u=rand(1,N); %调用rand，得到均匀分布的随机数u(n)•u_mean=mean(u); %求u(n)均值•power_u=var(u); %求u(n)方差•subplot(211)•plot(u(1:100));grid on;%在一个图上分上下两个子图•ylabel('u(n) '); %给y轴加坐标•xlabel('n'); %给x轴加坐标•subplot(212)•hist(u,50);grid on;•%对u(n)做直方图，检验其分布，50是对取值范围[0 1]均分等分50份。

•ylabel('histogram of u(n)');第2-6页第2-7页02040608010000.20.40.60.81u (n ) n 00.20.40.60.81050001000015000h i s t o g r a m o f u (n )应如何表示？•如果x是（0，1）内均匀分布的随机信号，那么u=cx+d第2-8页•例3-2 产生一个均值为0.01，功率为0.1的均匀分布的白噪声信号u(n)，画出其波形。

随机信号分析实验报告——基于MATLAB语言姓名：_班级：_学号：专业：目录实验一随机序列的产生及数字特征估计 (2)实验目的 (2)实验原理 (2)实验内容及实验结果 (3)实验小结 (6)实验二随机过程的模拟与数字特征 (7)实验目的 (7)实验原理 (7)实验内容及实验结果 (8)实验小结 (11)实验三随机过程通过线性系统的分析 (12)实验目的 (12)实验原理 (12)实验内容及实验结果 (13)实验小结 (17)实验四窄带随机过程的产生及其性能测试 (18)实验目的 (18)实验原理 (18)实验内容及实验结果 (18)实验小结 (23)实验总结 (23)实验一随机序列的产生及数字特征估计实验目的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。

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， U(0,1)。

即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：，序列为产生的(0,1)均匀分布随机数。

定理1.1若随机变量X 具有连续分布函数，而R 为(0,1)均匀分布随机变量，则有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。

第2-1页Matlab与通信仿真主讲教师：和煦通信基础实验教学中心第2-2页内容提要Matlab基础知识1Matlab计算结果可视化和确知信号分析23模拟调制Matlab实现4模拟信号的数字传输5数字频带传输系统6通信系统仿真综合实验7随机信号和数字基带仿真本章目标•掌握库函数产生随机数方法•理解采用蒙特卡罗算法仿真的思想•基带信号波形生成和其功率谱密度第2-3页3.1随机信号产生与功率谱密度基本原理•（1）库函数产生随机数•均匀分布的随机数——rand函数产生（0，1）内均匀分布的随机数•1）x=rand(m)；•2）x=rand(m，n)；•3）x=rand；第2-4页•高斯分布的随机数——randn函数产生均值为0，方差为1的高斯分布的随机数。

•1）x=randn(m)；•2）x=randn(m，n)；•3）x=randn第2-5页•例3-1产生一个(0,1)上均匀分布的白噪声信号u(n)，画出其波形，并检验其分布。

•clc,clear; %清除内存中可能保留的MATLAB变量•N=500000; %u(n)的长度•u=rand(1,N); %调用rand，得到均匀分布的随机数u(n)•u_mean=mean(u); %求u(n)均值•power_u=var(u); %求u(n)方差•subplot(211)•plot(u(1:100));grid on;%在一个图上分上下两个子图•ylabel('u(n) '); %给y轴加坐标•xlabel('n'); %给x轴加坐标•subplot(212)•hist(u,50);grid on;•%对u(n)做直方图，检验其分布，50是对取值范围[0 1]均分等分50份。

•ylabel('histogram of u(n)');第2-6页第2-7页02040608010000.20.40.60.81u (n ) n 00.20.40.60.81050001000015000h i s t o g r a m o f u (n )应如何表示？•如果x是（0，1）内均匀分布的随机信号，那么u=cx+d第2-8页•例3-2 产生一个均值为0.01，功率为0.1的均匀分布的白噪声信号u(n)，画出其波形。

qpsk、bpsk的蒙特卡洛仿真是一种用于测试和验证通信系统性能的重要工具。

通过模拟大量的随机输入数据，并对系统进行多次仿真运算，可以对系统的性能进行全面评估，包括误码率、信噪比要求等。

在matlab中，我们可以通过编写相应的仿真代码来实现qpsk、bpsk 的蒙特卡洛仿真。

下面将分别介绍qpsk和bpsk的蒙特卡洛仿真matlab代码。

一、qpsk的蒙特卡洛仿真matlab代码1. 生成随机的qpsk调制信号我们需要生成一组随机的qpsk调制信号，可以使用randi函数生成随机整数序列，然后将其映射到qpsk符号点上。

2. 添加高斯白噪声在信号传输过程中，会受到各种干扰，其中最主要的干扰之一就是高斯白噪声。

我们可以使用randn函数生成高斯白噪声序列，然后与调制信号相加，模拟信号在传输过程中受到的噪声干扰。

3. 解调和判决接收端需要进行解调和判决操作，将接收到的信号重新映射到qpsk符号点上，并判断接收到的符号与发送的符号是否一致，从而判断是否发生误码。

4. 统计误码率通过多次仿真运算，记录错误判决的次数，从而可以计算出系统的误码率。

二、bpsk的蒙特卡洛仿真matlab代码1. 生成随机的bpsk调制信号与qpsk相似，我们需要先生成一组随机的bpsk调制信号，然后模拟信号传输过程中的噪声干扰。

2. 添加高斯白噪声同样使用randn函数生成高斯白噪声序列，与bpsk调制信号相加。

3. 解调和判决接收端对接收到的信号进行解调和判决，判断接收到的符号是否与发送的符号一致。

4. 统计误码率通过多次仿真运算，记录错误判决的次数，计算系统的误码率。

需要注意的是，在编写matlab代码时，要考虑到信号的长度、仿真次数、信噪比的范围等参数的选择，以及仿真结果的统计分析和可视化呈现。

qpsk、bpsk的蒙特卡洛仿真matlab代码可以通过以上步骤实现。

通过对系统性能进行全面评估，可以帮助工程师优化通信系统设计，提高系统的可靠性和稳定性。

使用Matlab技术进行随机信号分析的基本步骤随机信号分析是信号与系统领域中的一个重要研究课题，它主要涉及到信号的时间特性、频率特性、概率特性等方面的分析。

而使用Matlab技术进行随机信号分析，则是一种十分高效且常见的方法。

在本文中，我们将向您介绍使用Matlab 技术进行随机信号分析的基本步骤。

第一步：信号生成随机信号的分析首先需要产生实验信号。

Matlab提供了丰富的信号生成函数，例如rand、randn等，可以生成均匀分布的随机信号、高斯分布的随机信号等。

根据所需要分析的信号类型和特性，我们可以选择适合的函数进行信号生成。

第二步：采样和量化分析随机信号之前，我们需要对其进行采样和量化。

采样是将连续信号转化为离散信号的过程，而量化则是将连续信号的振幅值转化为离散信号的过程。

Matlab 提供了相应的函数，例如downsample和quantize，可以实现信号的采样和量化操作。

第三步：时域分析时域分析是对信号在时间域上的特性进行分析。

常用的时域分析方法包括信号的均值、方差、自相关函数、互相关函数等。

在Matlab中，我们可以使用mean、var、xcorr等函数，对随机信号的时域特性进行计算和分析。

第四步：频域分析频域分析是对信号在频率域上的特性进行分析。

通过对随机信号进行傅里叶变换，我们可以得到信号的频谱特性。

Matlab中提供了fft函数，可以用于实现傅里叶变换。

通过对傅里叶变换结果进行幅度谱和相位谱的计算，我们可以更全面地了解信号在频率域上的特性。

第五步：概率分布分析概率分布分析是对信号的概率特性进行分析。

在随机信号分析中，常见的概率分布包括均匀分布、高斯分布、泊松分布等。

Matlab中提供了相应的概率分布函数，我们可以使用这些函数计算信号的概率密度函数、累积分布函数等。

第六步：建立模型和拟合通过对信号进行分析，我们可以建立信号的数学模型，并利用拟合技术将实际信号与模型进行比较。

Matlab中提供了polyfit、lsqcurvefit等函数，可以用于信号的模型建立和拟合。

实验五：窄带随机信号仿真与分析【实验目的】产生窄带随机信号，提取窄带随机信号的各个分量随机信号，测量窄带随机信号及其各个分量随机信号的参数，验证窄带随机信号及其各个低频分量随机信号的性质。

本实验安排在窄带信号课程之后来学习，使学生对窄带随机信号及其特性有个更直观和深入的了解。

【实验器材】1．设备：一台计算机2．软件：MATLAB6.5.1【实验原理】将理想白噪声 ()0n t 通过高频窄带系统可形成高频窄带噪声：()()()()()cos cos sin n t V t wt t x t wt y t wt θ=+=+⎡⎤⎣⎦(其中 w 是窄带噪声的中心频率)高频窄带噪声()n t 与其两个低频正交分量()()x t y t 、具有相同的均值和方差，两个低频正交分量()()x t y t 、具有相同的相关函数和功率谱密度；高斯窄带噪声的包络随机信号()V t 的一维分布服从瑞利分布，而其相位随机信号()t θ服从均匀分布。

【实验内容】1. 通过示波器观察高斯白噪声()0n t 的样本波形，并测量其“相关函数和功率谱、分布律”；2. 通过示波器观察高斯窄带噪声()n t 的样本波形，并测量其“相关函数和功率谱、分布律”；3. 通过示波器观察高斯窄带噪声()n t 的两个低频正交分量()()x t y t 、 的样本波形，并测量其“相关函数和功率谱、分布律”；4. 通过示波器观察高斯窄带噪声()n t 的包络随机信号()V t 和相位随机信号()t θ的样本波形，并测量其“分布律”。

注意： 本实验中窄带随机信号的形成滤波器和BPF 和()()x t y t 、的形成滤波器LPF1、LPF2的类型（Butterworth 、Chebyshev 、Elliptic 、Bessel）和参数都可设置【实验方法】先利用matlab仿真白噪声序列，然后构造一个窄带系统，使白噪声通过窄带系统形成高频窄带噪声，再提取高频窄带噪声的各个随机分量，研究高频窄带噪声和其各个低频随机分量的性质。

信号与系统MATLAB仿真——信号及其运算1. 知识回顾（1）信号的分类：确定信号与随机信号；周期信号与⾮周期信号；周期信号在时间上必须是⽆始⽆终的f(t)=f(t+T)f[k]=f[k+N]连续时间信号和离散时间信号；连续信号是指在信号的定义域内，除若⼲个第⼀类间断点外，对于任意时刻都由确定的函数值的信号离散信号是指在信号的定义域内，只在某些不连续规定的时刻给出函数值，⽽在其他时刻没有给出函数的信号能量信号、功率信号与⾮功率⾮能量信号；时限与频限信号；物理可实现信号。

（2）信号能量：E=limT→∞∫T−T f2(t)dtP=limT→∞12T∫T−Tf2(t)dtE=limN→∞N∑k=−N|f[k]|2P=limN→∞12N+1N∑k=−N|f[k]|2能量信号：0<E<∞，P=0；功率信号：0<P<∞，E=∞。

（3）冲激函数的性质加权特性（筛选特性）：f(t)δ(t−t0)=f(t0)δ(t−t0)取样特性：∫+∞−∞f(t)δ(t−t0)=f(t0)偶函数：f(t)=f(−t)展缩特性：δ(at)=1|a|δ(t)δ(at−t0)=1|a|δ(t−t0a)导数及其特性。

（4）正弦两个频率相同的正弦信号相加，即使其振幅和相位各不相同，但相加后结果仍是原频率的正弦信号；若⼀个正弦信号的频率是另⼀个正弦信号频率的整数倍时，则合成信号是⼀个⾮正弦周期信号，其周期等于基波的周期。

正弦型序列：f[k]=A sin(Ω0k+φ)2π/Ω0是正整数：周期序列，周期为N；2π/Ω0为有理数，2π/Ω0=N/m：周期序列，周期N=m(2π/Ω0)；2π/Ω0为⽆理数：⾮周期序列，但包络仍为正弦函数。

（5）抽样信号Sa(t)=sin t t偶函数；Sa(0)=1；t=kπ为其零点；∫+∞−∞Sa(t)dt=π；limt→±∞Sa(t)=0。

（6）信号的分解分解为直流分量与交流分量；奇偶分解；分解为实部和虚部；分解为基本信号的有限项之和；因⼦分解；连续信号分解为矩形脉冲序列；正交分解。

随机过程数学建模分析任何通信系统都有发送机和接收机，为了提高系统的可靠性，即输出信噪比，通常在接收机的输入端接有一个带通滤波器，信道内的噪声构成了一个随机过程，经过该带通滤波器之后，则变成了窄带随机过程，因此，讨论窄带随机过程的规律是重要的。

一、窄带随机过程。

一个实平稳随机过程X(t)，若它的功率谱密度具有下述性质：中心频率为ωc，带宽为△ω=2ω0，当△ω<<ωc时，就可认为满足窄带条件。

若随机过程的功率谱满足该条件则称为窄带随机过程。

若带通滤波器的传输函数满足该条件则称为窄带滤波器。

随机过程通过窄带滤波器传输之后变成窄带随机过程。

图1 为典型窄带随机过程的功率谱密度图。

若用一示波器来观测次波形，则可看到，它接近于一个正弦波，但此正弦波的幅度和相位都在缓慢地随机变化，图2所示为窄带随机过程的一个样本函数。

图1 典型窄带随机过程的功率谱密度图图2 窄带随机过程的一个样本函数二、窄带随机过程的数学表示1、用包络和相位的变化表示由窄带条件可知,窄带过程是功率谱限制在ωc附近的很窄范围内的一个随机过程,从示波器观察(或由理论上可以推知):这个过程中的一个样本函数(一个实现)的波形是一个频率为ƒc且幅度和相位都做缓慢变化的余弦波。

写成包络函数和随机相位函数的形式：X(t)=A(t)*cos[ωc t+ Φ(t)]其中:A(t)称作X(t)的包络函数; Φ(t)称作X(t)的随机相位函数。

包络随时间做缓慢变化，看起来比较直观，相位的变化，则看不出来。

2、莱斯（Rice）表示式任何一个实平稳随机过程X(t)都可以表示为：X(t)=A c(t) cosωc t-A S(t) sinωc t其中同相分量：A c(t)= X(t) cosφt= X(t) cosωc t＋sinωc t=LP[X(t) *2cosωc t]正交分量：A S(t) = X(t)sinφt=cosωc t— X(t) sinωc t= LP[-X(t) *2sinωc t]（LP[A]表示取A的低频部分）。