哈工大随机信号实验报告材料

《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。

实验一 常用连续时间信号的实现1 实验目的 （1） 了解连续时间信号的特点； （2） 掌握连续时间信号表示的方法； （3） 熟悉MATLAB 基本绘图命令的应用。

2 实验原理 （1） 信号的定义：信号是带有信息的随时间变化的物理量或物理现象。

（2） 信号的描述：时域法和频域法。

（3） 信号的分类：信号的分类方法很多，可以从不同角度对信号进行分类。

在信号与系统分析中，根据信号与自变量的特性，信号可分为确定信号与随机信号，周期信号与非周期信号，连续时间信号与离散时间信号，能量信号与功率信号，时限与频限信号，物理可实现信号。

3 涉及的MATLAB 函数 （1） 正弦信号； （2） 指数信号； （3） 单位冲激信号； （4） 单位阶跃信号； （5） 抽样信号。

4 实验内容与方法参考给出的程序并观察产生的信号，并通过改变相关参数（例如频率，周期，幅值，相位，显示时间段等），进一步熟悉这些工程实际与理论研究中常用信号的特征。

5 实验要求 （1） 在MATLAB 中输入程序，验证实验结果，并将实验结果存入指定存储区。

（2） 要求通过对验证性实验的练习，自行编制完整的程序，实现以下几种信号的模拟，并得出实验结果。

(1)()(),010f t t t ε==取～ (2)()(),010f t t t t ε==取～(3)2()5e 5e ,010ttf t t --=-=取～ (4)()cos100cos 2000,=00.2f t t t t =+取～(5)0.5()4ecos ,=010t f t t t π-=取～（3）在实验报告中写出完整的自编程序，并给出实验结果。

6 实验结果(1)()(),010f t t t ε==取～t=-1:0.01:10;程序和输出如下y=heaviside(t); plot(t,y);axis([-1,10,-0.1,1.2])-11234567891000.20.40.60.81(3)2()5e 5e,010ttf t t --=-=取～程序和输出如下A=5;a=-1;b=-2; t=0:0.001:10;ft=A*exp(a*t)-A*exp(b*t); plot(t,ft)0123456789100.20.40.60.811.21.4(4)()cos100cos 2000,=00.2f t t t t =+取～程序和输出如下A=100;B=2000; t=0:0.001:0.2;ft=cos(A*t)+cos(B*t); plot(t,ft)00.020.040.060.080.10.120.140.160.180.2-2-1.5-1-0.500.511.52实验二常用LTI系统的频域分析1.实验目的（1）掌握连续时间信号傅里叶变换和傅里叶反变换的实现方法以及傅里叶变换的特性实现方法；（2）了解傅立叶变换的特点及其应用；（3）掌握MATLAB相关函数的调用格式及作用；（4）掌握傅里叶变化的数值计算方法以及绘制信号频谱图的方法；（5）能够应用MATLAB对系统进行频域分析。

《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。

实验一 随机噪声的产生与性能测试一、实验内容1．产生满足均匀分布、高斯分布、指数分布、瑞利分布的随机数,长度为N=1024，并计算这些数的均值、方差、自相关函数、概率密度函数、概率分布函数、功率谱密度，画出时域、频域特性曲线; 2．编程分别确定当五个均匀分布过程和5个指数分布分别叠加时,结果是否是高斯分布; 3．采用幅度为2, 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 ，编程求 0()()tY t X d ττ=⎰的均值、相关函数、协方差函数和方差，并与计算结果进行比较分析。

二、实验步骤 1.程序N=1024； fs=1000； n=0:N —1;signal=chi2rnd （2，1，N); ％rand(1,N)均匀分布 ,randn(1,N ）高斯分布，exprnd(2,1，N ）指数分布,raylrnd （2，1,N)瑞利分布，chi2rnd(2，1，N ）卡方分布 signal_mean=mean(signal ）； signal_var=var （signal ）；signal_corr=xcorr(signal,signal ，'unbiased ’)； signal_density=unifpdf(signal ，0，1); signal_power=fft(signal_corr); ％[s,w]=periodogram （signal); [k1,n1］=ksdensity(signal)；[k2,n2］=ksdensity （signal,’function ’，'cdf ’）; figure ；hist(signal)；title （’频数直方图’）; figure ；plot （signal)；title(’均匀分布随机信号曲线’）; f=n ＊fs/N ； ％频率序列 figure;plot(abs （signal_power)）; title('功率幅频’); figure;plot(angle （signal_power)）； title （'功率相频'); figure;plot （1:2047,signal_corr)； title （'自相关函数’）; figure;plot(n1，k1）；title('概率密度’）；figure；plot(n2,k2);title（'分布函数’)；结果（1）均匀分布(2）高斯分布（3）指数分布（4)瑞利分布（5）卡方分布2.程序N=1024；signal_1=rand(1,N);signal_2=rand(1，N）；signal_3=rand(1,N);signal_4=rand（1，N）;signal_5=rand(1,N)；signal=signal_1+signal_2+signal_3+signal_4+signal_5; [k1,n1］=ksdensity(signal）；figure(1）subplot(1，2，1）;hist(signal);title（'叠加均匀分布随机数直方图');subplot(1,2，2);plot（n1,k1）；title(’叠加均匀分布的概率密度'）；结果指数分布叠加均匀分布叠加结果：五个均匀分布过程和五个指数分布分别叠加时，结果是高斯分布。

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。

哈尔滨⼯业⼤学威海校区_《数字信号处理》实验⼀数字信号处理实验报告实验名称：实验⼀离散傅⾥叶变换的性质实验⽇期：2011．11．16姓名：尤伟学号：090240328哈尔滨⼯业⼤学（威海）实验⼀离散傅⾥叶变换的性质⼀、实验⽬的1、掌握离散傅⾥叶变换的性质，包括线性特性、时移特性、频移特性、对称性和循环卷积等性质；2、通过编程验证傅⾥叶变换的性质，加强对傅⾥叶变换性质的认识。

⼆、实验原理和⽅法1.线性特性1212D FT [()()]()()ax n bx n aX k bX k +=+ 2.时移特性DFT[()]()DFT[()]()km kmx n m W X k x n m WX k -+=-=3.频移特性()()nlN IDFT X k l IDFT X k W +=4. 对称性设由x(n)开拓成的周期序列为 ()p x n 则()()()p pe po x n x n x n =+ 偶序列()()()*12pe p p x n x n x N n ??=+-?奇序列()()()*12pop p x n x n x N n ??=--?? 将()pe x n 和()po x n 截取主周期，分别得()()()pet pe N x n x n R n = ()()()p o tp oN x n x n R n =则()()()()()p N pet pot x n x n R n x n x n ==+ x(n)序列的实部和虚部的离散⽴叶变换(){}()R e petD FT x n X k = (){}()Im potj x n Xk =[][]()()()()()()()()()()()arg ()arg ()R R R I I I X k X k X N k X k X k X N k X k X k X N k X k X N k X k X k * =-=-=-=-=--=--=-=-- 5.循环卷积()3123121()()()()()x n x n x n X k X k X k N=?=有限长序列线性卷积与循环卷积的关系 X1(n)和x2(n)的线性卷积：11312120()()()()()N m m x n x m x n m x m x n m -∞=-∞==-=-∑∑112()()N m x m xn m -==-∑将X1(n)和x2(n)开拓成以N 为周期的周期序列11()()p r x n x n rN ∞=-∞=+∑22()()p q x n x n qN ∞=-∞=+∑则它们的周期卷积为14120()()()N p p p m x n xm x n m -==-∑12()()N p m x m xn m -==-∑1120()()N m q x m x n m qN -∞==-∞=-+∑∑1120()()N q m x m x n qN m ∞-=-∞=??=+-∑∑ 3()q x n qN ∞=-∞=+∑X1(n)和x2(n)周期开拓后的周期卷积等于他们的线性卷积的的周期开拓。

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。

哈尔滨工业大学试验方法及数字信号处理分析————第一次大作业数字滤波器设计指导老师：包钢学生姓名：陈方鑫学生学号：15S008043第一部分 作业题目一、设计题目1、杂波信号：()sin(210)sin(280)sin(2200)t x t t t πππ=⨯+*+⨯2、要求：（1）绘出杂波信号波形。

（2）分别用FIR IIR 滤波器设计低通和带通滤波器，保留10Hz ，80Hz 频率。

绘出滤波后波形，并与理想波形比较。

（3）在原信号加上白噪声信号，再比较分析。

第二部分 具体设计内容第一节 卷积滤波器的设计一、低通滤波1、低通滤波器参数计算 （1）FIR 滤波频率响应：212()N j fi t i i N H f f e π∆-=-=∑…………①（2）低通期望频率响应：1;0()0;0,f FH f f f F≤≤=≤≥………②（3）通过①、②计算滤波因子 当0i =时，'2f F t ∆= 当0i ≠时，sin(2)'Fi t f iππ=取'f f =可得近似理想低通滤波器：21N k i k ii N y f x -=-=∑（4）由于题目x （t ）的最高频率fmax=200。

基于采样定理，f’>2fmax=400。

本例取f’=5fmax=1000。

故 t=0.001s。

2、设计程序程序参数：1t t；F=低通截止频率；t=0:10^-3:0.5;t1=10^-3;F=20;x=sin(2*pi*10*t)+sin(2*pi*80*t)+sin(2*pi*200*t);x1=sin(2*pi*10*t);f(1)=2*F*t1;i=2;while i<60f(i)=sin(2*pi*F*i*t1)/(pi*i);i=i+1;endfor k=61:440y(k)=0;for i=1:60;y(k)=f(i)*(x(k-i)+x(k+i))+y(k);endendy(length(t))=0;plot(t,x,'r',t,x1,'b',t,y,'k');legend('原图','理想图','滤波图');title('F=20');xlabel('x');ylabel('y');3、结果分析F=15放大图放大图放大图分析：上图展示了FIR 低通滤波的总体情况，并分别对F 取15,20,30值时做了对比研究。

随机信号实验报告（一）学号： 姓名：熟悉Matlab 的随机信号处理相关命令(一)一、实验目的：1、掌握随机信号的简单分析方法。

2、熟悉语音信号的简单变换的分析方法及其编程 。

二、实验原理：1、声音的录入与读取在matlb 中实现对语音信号的读取可以用wavread 函数，如b=wavread('211.wav');括号中为语音信号的存储路径。

还可用sound 函数对录入的声音信号进行发声；用plot 函数把声音信号图谱绘制下来。

这是对声音信号的最基本处理。

2、时域与频域的简单分析语音信号是个随机信号，在matlab 中对随机信号可以有以下分析。

如概率密度分布，如果F X （x,t ）对x 的一阶导数存在，则定义xt x F t x f X x ∂∂=),(),( 为随机过程X （t ）的一维概率密度。

3、相关性与功率谱自相关估计，同一序列在不同时刻的取值之间的相关程度，自相关函数和功率谱密度函数是一对傅里叶变换。

互相关估计则是两个函数在同一时刻的不同取值之间的相关程度。

互相关函数是两个随机过程联合统计特性中重要的数字特征，它的定义为dxdy t t y x xyft Y t X E t t R xyXY ),,,()]()([),(212121⎰⎰∞∞-∞∞-==在频域要先对信号进行傅里叶变换，然后分析其频谱特性、相位等三、实验内容：对语音信号的读取，此为时域波形这是一个随机信号，横轴为时间t ，范围在0~350000 s 纵轴为声音幅度，范围在-0.25~0.25。

波形是关于x 轴对称的。

此图没有定义范围，是把录入的语音信号全程显示出来。

语音信号的相位分布进行了4096点傅里叶变换，横轴为采样点数，纵轴为信号在此点的相位。

范围集中于-3~3之间。

变换采样点数不一样，波形就会不一样。

概率密度分布直方图信号的概率密度类似正态分布，定义了-3~3之间的概率密度，密度最大在0附近可达450。