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：电信学院班级： 1205201 姓名：学号：指导教师：郑薇实验时间： 2014年 11月哈尔滨工业大学实验一 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)(m od 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)(m od 1M ay y nn =+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)(m od 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。
《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：
NyxNkyModyynnnn/))((110， （1.1）
序列nx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) 7101057k10，周期，N；
(2) （IBM 随机数发生器）8163110532k2，周期，N； (3) （ran0）95311027k12，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FX(x)，而R为(0，1)均匀分布随机变量，则有 精选文档 — 2
)(1RFXx （1.2） 由这一定理可知，分布函数为FX (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。 如果要产生服从2N(,)分布的随机序列，则可以由标准正态随机序
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。
