下载文档原格式
XXXX 大学实验报告______________________________________________________________资源与环境 学院 环境工程 专业 XX 级XX 班 姓名 成绩 一、实验目的1.熟练运用噪声计进行环境噪声的测量2.证券却评价噪声污染防治措施的效果, 测量双层玻璃的隔声效果, 测量计算交通噪声 随距离与空气传播以及绿化带衰减的效果二、实验原理环境噪声在规定时间内的A 声级的能量平均值又称为等效连续A 声级, 用Leg 表示。
)101001lg(10100110/eq∑=⨯=i L i L 三、实验仪器积分式声级计 手电四、实验步骤本次测量分为白天和夜间两个部分, 其中白天: 1.在教学区选取教师, 分别测量打开门窗和关闭门窗似的噪声值, 记录数据2.在学校门口外环路上选为基点，分别在基点，30、60、100、150米处测量噪声值 在相应距离的绿化带或者灌木丛中测量噪声值并记录数据 夜间: 同白天操作2, 在相应位置测量夜间噪声值, 记录数据 测量要求:1.应在无雨无雪的条件下测量, 风速大于5.5m/s 是停止测量, 测量时应加风罩2.在居住或者工作建筑物内, 据墙面和其他主要反射面不小于1.2m, 距地面1.2~1.5m 距窗大约1.5m五、数据记录处理与结果评价______________________________________________________________环境噪声测量记录时间 2011-04-12 到2011-04-13 早8: 20 -9: 20 晚9: 20 -9: 30 测量人: XX XXXX XX天气: 晴仪器: 普通声级计地点: 教室学校大门国道计权网络: A档噪声源: 学生聊天、车辆1分/辆快慢档: 快档1.实验数据分析:2.根据开关窗户的噪声值比较可以看出: 关窗有利于减小噪音, 本次试验由于不是双层玻璃, 效果不是很明显3.根据昼夜不同距离噪声值的比较可以得出结论, 噪声随着距离的增加衰减, 最大可达到150m距离衰减9dB；夜晚的噪声和白天差不多, 原因为国道上夜间行车比较多绿化地能有效地降低噪声, 在白天最大可达到衰减4~15dB,夜间则为3~6dB结论: 在环境噪声的防治中采取增加绿化带和绿化面积的方法来降低交通环境噪声的方法有效可取, 在接近噪声源的居民区, 采用双层玻璃可以有效地减低噪声的危害。
噪声实验报告范文摘要：本实验通过采集不同环境下的噪声水平数据，并分析不同环境对噪声水平的影响。
实验结果表明，噪声水平受到环境的影响显著，不同环境下的噪声水平存在显著差异。
一、引言噪声是人们日常生活中常见的环境因素，长时间高强度的噪声对人体健康和工作效率造成负面影响。
因此，对噪声水平的测量与控制具有重要意义。
本实验旨在通过采集不同环境下的噪声数据，并分析不同环境对噪声水平的影响，为噪声的防治提供具体参考。
二、实验方法1.实验设备：噪声测量仪、电脑、实验记录表。
2.实验步骤：（1）选择五个不同的环境场景，分别为教室、图书馆、办公室、街头和图书馆里的闭合房间。
（2）在每个环境场景内设置测量点，测量点间距为1米。
（3）使用噪声测量仪在每个测量点处进行噪声水平的测量，每个测量点测量时间为30秒。
（4）记录每个环境场景的噪声测量值。
（5）将实验数据整理并进行统计分析。
三、实验结果及分析1.实验数据记录：表1不同环境下的噪声水平数据记录环境场景测量点1测量点2测量点3测量点4测量点5教室45dB48dB50dB52dB55dB图书馆38dB40dB42dB43dB45dB办公室50dB52dB53dB55dB57dB街头65dB67dB68dB70dB72dB闭合房间30dB32dB33dB33dB35dB2.实验结果分析：从表1中可以看出，不同环境场景下的噪声水平存在显著差异。
街头的噪声水平最高，闭合房间的噪声水平最低。
教室、图书馆和办公室的噪声水平相对较低，而图书馆的噪声水平最低。
这与我们的日常经验相符，图书馆一般要求安静，而街头噪音较大。
四、结论通过本实验的实验数据统计和分析可以得出以下结论：1.不同环境场景会对噪声水平产生显著影响，噪声水平最高的是街头，最低的是闭合房间。
2.教室、图书馆和办公室的噪声水平相对较低，而图书馆噪声水平最低。
以上实验结果可为噪声的防治提供参考，街头等高噪声环境可以采取减少源头噪音的方式减少噪声水平，而图书馆等对噪声有要求的环境可以采取声音隔离、吸音等措施来降低噪声水平。
白噪声的产生和分析①理想白噪声均值为零而功率谱密度为非零常数，即()012N S N ωω=-∞<<+∞，的平稳随机过程()N t 称为白噪声。
利用维纳—辛钦公式，不难得到白噪声的自相关函数为()()12j N N R S e d ωττωωπ∞-∞=⎰04j N e d ωτωπ∞-∞=⎰()012N δτ= ②若一个具有零均值的平稳随机过程()X t ，其功率谱密度在某一个有限频率范围内均匀分布，而在此范围外为零，则称这个过程为带限白噪声。
带限白噪声又可分为低通型的和带通型的。
低通型带限白噪声的功率谱密度满足()0, 0,X S WS Wωωω≤⎧=⎨>⎩ 自相关函数为()()12j X XR S e d ωττωωπ∞-∞=⎰012Wj WS e d ωτωπ-=⎰0sin WS W W τπτ=带通型带限白噪声的功率谱密度满足()000,220,X W W S S ωωωω⎧-<<+⎪=⎨⎪⎩其它自相关函数为()()00sin 2cos 2X W WS R W ττωττπ= Matlab 相关函数rand(m,n) 产生m 行n 列的均匀分布 randn(m,n) 产生m 行n 列的高斯分布 [c,lags] =xcorr(x,maxlags,'option') 自相关函数，'option'选择'unbiased'无偏估计，时域区间[-maxlags:maxlags] ，序列长度2*maxlags+1[Pxx,f] = periodogram(x,window,nfft,fs) 功率谱密度，偶数点时，Pxx 长度(nfft/2 + 1)，w 范围[0,pi][f,xi] = ksdensity(x) 一维概率密度 fft(X) 傅里叶变换[n,Wn] = buttord(Wp,Ws,Rp,Rs,'s') 巴特沃斯滤波器，Wp 为通带边界频率,Ws 为阻带边界频率,Rp 通带最大衰减,Rs 为阻带最小衰减，n 为阶数，Wn 为归一化频率[z,p,k] = buttap(n) 巴特沃斯模拟低通滤波器模型[h,w] = freqz(hd,n) 离散时域滤波器的频率响应，h、w长度为n，w范围[0,pi] filter(b,a,X) 滤波器[b,a]=ellip(n, Rp, Rs, Wn，'option') 椭圆滤波器实验设计与实现（1）用Matlab编写和仿真程序。
一、实验目的本次实验旨在了解噪声污染的测量方法，掌握噪声治理的基本原理，并通过实际操作，验证噪声污染防治措施的有效性。
二、实验原理噪声污染是指在一定的时间和空间范围内，噪声对人类生活、工作和休息造成的干扰。
噪声污染的测量主要采用声级计，根据国际标准化组织（ISO）的规定，噪声的单位为分贝（dB）。
噪声治理主要包括降低噪声源、传播途径和接收端三个方面的措施。
三、实验仪器与材料1. 声级计2. 噪声发生器3. 隔音材料4. 防噪耳塞5. 实验场地：居民区、工业区、交通要道四、实验步骤1. 实验前准备（1）检查实验仪器是否完好，声级计校准；（2）熟悉实验场地，了解噪声源分布；（3）准备好隔音材料、防噪耳塞等。
2. 噪声污染测量（1）在居民区、工业区、交通要道等地点，分别选取具有代表性的测量点；（2）使用声级计对各个测量点进行噪声测量，记录数据；（3）分析测量结果，确定噪声污染程度。
3. 噪声治理措施验证（1）在居民区，采用隔音材料对居民楼外墙进行隔音处理；（2）在工业区，对噪声源进行技术改造，降低噪声排放；（3）在交通要道，设置噪声屏障，减少交通噪声对周边环境的影响；（4）在实验场地，使用防噪耳塞对受试者进行防护；（5）再次进行噪声测量，记录数据；（6）对比治理前后的噪声污染程度，验证治理措施的有效性。
五、实验结果与分析1. 噪声污染测量结果根据实验数据，居民区、工业区、交通要道的噪声污染程度分别为：（1）居民区：白天平均噪声值为60dB，夜间平均噪声值为50dB；（2）工业区：白天平均噪声值为70dB，夜间平均噪声值为65dB；（3）交通要道：白天平均噪声值为80dB，夜间平均噪声值为75dB。
2. 噪声治理措施验证结果（1）居民区：采用隔音材料后，白天平均噪声值降至55dB，夜间平均噪声值降至45dB；（2）工业区：对噪声源进行技术改造后，白天平均噪声值降至65dB，夜间平均噪声值降至60dB；（3）交通要道：设置噪声屏障后，白天平均噪声值降至75dB，夜间平均噪声值降至70dB；（4）使用防噪耳塞后，受试者噪声暴露量降低。
实验一放大器噪声测试实验一、实验目的1.熟悉低噪声放大器的基本特性及其各个指标；2.掌握仪器噪声对前置放大器的要求；二、预习要求1．课前预习本实验习题，熟悉实验内容，掌握频率特性的测量原理和测量方法。
2．按实验电路图中给定元器件参数，估算出静态工作点、电压放大倍数。
3．根据实验习题和实验要求来设计实验数据表格，供实验时记录数据用。
三、实验设备模拟电路实验箱、双踪示波器、信号发生器、稳压电源、万用表四、实验原理放大器是仪器模拟电路中的重要功能单元，其主要作用是为传感器输出的微弱信号提供电压增益，以适应后续滤波和A/D转换对信号电平的要求。
作为重要的模拟部件，放大器的失真度、频率响应范围、幅值响应动态范围是决定整个系统相关特性的重要因素。
由于在实际应用中，对放大器的失真度、频率响应范围、幅值响应动态范围的概念比较混淆，在此给出以下定义。
失真度：又称为非线性失真（NLD：None Linear Distortion），是指放大器输入一单一频率的正弦信号时，其输出信号中谐波频率成分的总和与基波成分的比值。
频率响应范围：又称为通频带（BW：Band Width），是指放大器的放大倍数在高频和低频段分别下降到其标准放大倍数（中频段）的0.707倍时的频率范围。
放大器噪声：又称为本底噪声（Base Noise），是指放大器在没有信号输入（放大器入口接地）时，由于放大电路内部噪声源的存在，放大器仍有输出信号，该信号即为放大器的本底噪声。
把放大器电路输出端测得的噪声有效值V ON除以该电路的增益K，即得到放大器的等效输入噪声V INKVVONIN/=幅值响应动态范围：又简称为动态范围（DR：Dynamic Range），是指放大器在其规定的失真度和频率响应范围内其最大输出信号幅值与其最大本底噪声信号幅值的比值，该值通常用分贝形式给出，即nsVVDR log20=（dB）这里，V s为失真度规定范围以内的最大输出信号电压幅值；V n为最大本底噪声信号电压幅值。
高斯白噪声特性仿真实验报告心得实验介绍本次实验是对高斯白噪声特性进行仿真实验。
通过计算机模拟，我们对高斯白噪声的频谱特性、均值和方差进行了研究，并对实验结果进行了分析和讨论。
实验步骤1. 首先，我们通过随机数发生器生成高斯白噪声信号。
为了得到较好的仿真结果，我们根据指定的均值和方差参数，以及采样频率和信号长度，生成了相应的高斯白噪声信号。
2. 接下来，我们对生成的噪声信号进行了分析。
首先，我们绘制了噪声信号的时域波形图，以观察信号的分布情况。
然后，我们计算了噪声信号的均值和方差，并进行了统计学的分析。
3. 在频域分析方面，我们使用傅里叶变换对噪声信号进行了频谱分析。
通过绘制频谱图，我们观察到了噪声信号在不同频率处的能量分布情况。
同时，我们计算了频谱的均值和方差，以进一步了解信号的特性。
4. 最后，我们对实验结果进行了总结和讨论。
我们从理论和实验结果进行了对比分析，发现实验结果与理论相符合，并且实验结果的统计学特征与理论模型一致。
实验结果与分析通过实验，我们得到了以下主要结果：1. 高斯白噪声的时域波形呈现出类似随机分布的特点。
在均值为0的情况下，噪声信号的波形基本上在0附近波动，并且没有明显的规律。
这表明高斯白噪声在时域上呈现出随机性的特点。
2. 高斯白噪声的均值接近于0。
根据理论计算和实验结果，我们发现随着信号长度的增加，均值的值越来越接近于0，并且方差也逐渐接近于预设的参数值。
3. 高斯白噪声的频谱特性呈现出均匀分布的特点。
通过频谱分析，我们观察到噪声信号在不同频率处的能量分布比较均匀，没有明显的频率偏移。
这与高斯白噪声的定义相符合。
4. 高斯白噪声的频谱均值和方差与理论一致。
通过对频谱的统计分析，我们计算出了频谱的均值和方差，并与理论模型进行了对比。
实验结果与理论模型相符合，验证了高斯白噪声的频谱特性。
总结与展望通过本次高斯白噪声特性仿真实验，我们对高斯白噪声的频谱特性、均值和方差进行了研究，并获得了一系列实验结果。
引言概述：噪音是我们生活中常见的环境问题之一，它会对人们的健康和生活质量产生负面影响。
为了更好地理解噪音的特性和对人体的影响，本文将主要介绍噪音实验报告（二）。
该实验通过系列实验方法和数据分析，旨在深入研究噪音的产生原因、传播方式以及对人体的危害等方面进行探讨。
正文内容：1.噪音产生原因1.1交通噪音1.1.1道路交通噪音1.1.2轨道交通噪音1.1.3航空交通噪音1.1.4水上交通噪音1.2建筑噪音1.2.1建筑工地噪音1.2.2室内装修噪音1.2.3机械设备噪音1.3工业噪音1.3.1工厂机械噪音1.3.2冶金工业噪音1.3.3石化工业噪音1.3.4纺织工业噪音2.噪音传播方式2.1空气传播2.2固体传播2.3水传播3.噪音对人体的危害3.1听力受损3.1.1长期暴露引起听力下降3.1.2短时间高强度噪音引起暂时性聋3.1.3噪音诱发的耳鸣3.2神经系统影响3.2.1头痛和失眠3.2.2高血压和心脏病风险增加3.2.3精神紧张和抑郁3.3血液系统影响3.3.1心血管系统功能紊乱3.3.2免疫系统功能下降4.噪音实验方法4.1噪音测量仪器4.2实验场地选择与准备4.3实验测试方案设计5.数据分析与结论5.1实验结果统计与对比5.2噪音传播距离与强度的关系5.3不同频率噪音对人体影响的差异5.4噪音控制与减轻方法探讨总结：通过本次噪音实验报告（二），我们深入了解了噪音的产生原因、传播方式以及对人体的危害。
噪音对人体健康的影响需要引起足够的重视，并采取相应的控制与减轻措施。
未来的研究可以进一步探讨不同噪音类型对人体的影响，以及制定更严格的噪音标准，为保护公众健康与提高生活质量做出贡献。
噪声的监测实验报告噪声的监测实验报告引言：噪声是我们日常生活中不可避免的环境问题之一。
它对人类的身心健康和生活质量产生了负面影响。
为了了解噪声对我们的影响以及如何有效地监测噪声水平，我们进行了一系列的实验。
本报告将详细介绍我们的实验设计、结果和结论。
实验设计：为了监测噪声水平，我们选择了一个繁忙的市中心区域作为实验场地。
我们设置了多个监测点，包括室内和室外环境。
在各个监测点，我们使用了专业的噪声监测仪器，以记录噪声水平的变化。
实验持续了一周，每天24小时进行监测。
实验结果：通过对实验数据的分析，我们得出了以下结论：1. 噪声水平的变化：噪声水平在不同时间段和不同地点存在显著的变化。
在白天和晚上，噪声水平明显不同，白天的噪声水平更高。
在市中心区域和居住区域之间也存在明显的差异，市中心区域的噪声水平更高。
2. 噪声源的分析：通过分析噪声频谱，我们确定了主要的噪声源。
交通噪声是最主要的噪声来源，包括汽车、公交车和摩托车的引擎声以及喇叭声。
此外，施工工地和商业设施也是重要的噪声源。
3. 噪声对人类的影响：噪声对人类的身心健康产生了负面影响。
长期暴露在高噪声环境中可能导致听力损失、睡眠障碍、心理压力增加等问题。
此外，噪声还会干扰人们的思维和注意力，降低工作和学习效率。
4. 噪声监测的重要性：通过实验我们认识到噪声监测的重要性。
只有了解噪声水平的变化和来源，我们才能采取相应的措施来减少噪声对人类的影响。
噪声监测还可以帮助政府制定相关政策和规定，以保护公众的权益。
结论：通过本实验，我们深入了解了噪声对人类的影响以及噪声监测的重要性。
我们的实验结果表明，噪声水平在不同时间和地点存在显著变化，交通噪声是主要的噪声源。
噪声对人类的身心健康产生了负面影响，因此，我们应该采取措施来减少噪声水平，提高生活质量。
政府应加强噪声监测和管理，制定相应的政策和法规来保护公众的权益。
在未来的研究中，我们希望能够进一步探究不同噪声源对人类的影响，以及不同噪声水平对不同人群的影响。
振动台高斯白噪声全文共四篇示例，供读者参考第一篇示例：振动台是一种广泛应用于地震模拟、振动测试等领域的实验设备。
它能够模拟地面震动，用于测试各种设备和结构在地震等振动环境下的性能。
而高斯白噪声则是一种特殊的信号，具有均匀、随机、连续等特点，广泛应用于模拟多种工程振动环境。
在振动台的实验中，引入高斯白噪声信号可以更好地模拟真实世界的振动环境，帮助工程师更准确地评估设备和结构的性能。
下面我们将详细介绍振动台和高斯白噪声的相关知识。
振动台是一种能够模拟地震、振动等自然环境的设备，通常由振动台本体、控制系统、传感器等组成。
振动台的工作原理是通过激振器或电机等装置产生一定频率和幅度的振动信号，作用于被测设备或结构上，从而模拟地震或其他振动环境。
振动台广泛应用于土木工程、航空航天、汽车工程等领域，可以评估不同设备在振动环境下的性能。
高斯白噪声是一种具有均匀、随机、连续等特点的信号。
在频域上，高斯白噪声的功率谱密度是常数，可以覆盖所有频率。
高斯白噪声是一种在整个频率范围内都具有相同能量的信号。
在实验中，引入高斯白噪声信号可以更好地模拟真实振动环境的复杂性，提高实验的可靠性和准确性。
在振动台实验中，通常会将高斯白噪声信号作为振动激励信号，作用于被测设备或结构上。
通过控制振动台的频率、幅度等参数，可以模拟不同频率和振幅的振动环境，帮助工程师评估设备在不同振动条件下的性能。
高斯白噪声信号具有随机性和连续性，能够更真实地反映自然振动环境的特点，帮助工程师更准确地评估设备的性能。
除了在振动台实验中应用，高斯白噪声还广泛应用于声学、信号处理、通信等领域。
在声学中，高斯白噪声可以用作测量和分析环境噪声的信号；在信号处理中，高斯白噪声可以用作信号降噪、频谱分析等方面；在通信中，高斯白噪声可以用作信道建模、误码率分析等方面。
高斯白噪声在工程学中具有非常广泛的应用。
振动台和高斯白噪声是两种在工程实验中广泛应用的技术手段。
振动台通过模拟地震、振动环境，可以评估设备和结构在振动条件下的性能；而高斯白噪声则可以帮助工程师更准确地模拟真实振动环境，提高实验的可靠性和准确性。
一、实验目的1. 掌握环境噪声的定义、测量方法和评价方法；2. 了解环境噪声的来源和影响因素；3. 培养学生实际操作能力和数据处理能力；4. 为我国环境噪声治理提供科学依据。
二、实验仪器与材料1. 声级计：用于测量环境噪声的声级；2. 风速仪：用于测量风速；3. 温度计：用于测量温度；4. 大气压力计：用于测量大气压力；5. 计算器：用于数据处理；6. 笔记本：用于记录实验数据；7. 地图：用于确定测量区域和测点。
三、实验方法与步骤1. 实验前准备：熟悉实验仪器和操作方法，了解实验原理和注意事项。
2. 确定测量区域和测点：根据实验要求，选择合适的测量区域，并在区域内确定多个测点。
3. 测量环境噪声：将声级计、风速仪、温度计、大气压力计等仪器依次放置在测点位置，启动仪器，记录各仪器的读数。
4. 数据处理：将各仪器的读数记录在笔记本上，使用计算器进行数据处理，计算各测点的噪声平均值、最大值、最小值等。
5. 结果分析：根据数据处理结果，分析环境噪声的来源、影响因素以及分布规律。
四、实验结果与分析1. 实验数据（1）测点1：噪声平均值75.6dB，最大值83.9dB，最小值65.9dB；（2）测点2：噪声平均值70.6dB，最大值84.1dB，最小值66.3dB；（3）测点3：噪声平均值72.3dB，最大值85.1dB，最小值67.3dB；（4）测点4：噪声平均值73.1dB，最大值86.4dB，最小值68.7dB；（5）测点5：噪声平均值74.7dB，最大值87.6dB，最小值69.3dB。
2. 结果分析（1）环境噪声来源：根据实验结果，环境噪声主要来源于交通、工业、建筑施工等。
（2）影响因素：风速、温度、大气压力等因素对环境噪声有较大影响。
风速较大时，噪声传播距离增加，噪声值升高；温度较高时，噪声传播速度加快，噪声值升高；大气压力较低时，噪声传播速度加快，噪声值升高。
（3）分布规律：环境噪声在测点间存在差异，主要原因是噪声源分布不均。
白噪声测试 一、 实验目的 ⑴ 了解白噪声信号的特性，包括均值（数学期望）、均值、差、相关函数、概率密度、频谱及功率谱密度等。 ⑵ 掌握白噪声信号的分析法。
二、 实验原理 所谓白噪声是指它的概率统计特性服从某种分布而它的功率谱密度又是均匀的。确切的说，白噪声只是一种理想化的模型，因为实际的噪声功率谱密度不可能具有无限宽的带宽，否则它的平均功率将是无限大，是物理上不可实现的。然而白噪声在数学处理上比较便，所以它在通信及电子工程系统的分析中有十分重要的作用。一般地说，只要噪声的功率谱密度的宽度远大于它所作用的系统的带宽，并且在系统的带，它的功率谱密度基本上是常数，就可以作为白噪声处理了。白噪声的功率谱密度为：
2)(0NfSn 其中0N为单边功率谱密度。
白噪声的自相关函数为：
)(20NR）（ 白噪声的自相关函数是位于τ=0处、强度为20N的冲击函数。这表明白噪声在任两个不同的瞬间的取值是不相关的。同时也意味着白噪声能随时间无限快的变化，因为它的带宽是无限宽的。下面我们给出几种分布的白噪声。 随机过程的几种分布 前人已证明，要产生一个服从某种分布的随机数，可以先求出其分布函数的反函数的解析式，再将一个在[0，1]区间的均匀分布的随机数的值代入其中，就可以计算出服从某种分布的随机数。下面我们就求解这些随机数。 [0，1]区间均匀分布随机信号的产生： 采用混合同余法产生[0，1]区间的均匀分布随机数。混合同余法产生随机数的递推公式为： cayynn1 n=0,1,2……
Myxnn n=1,2,3……
由上式的出如下实用算法： ][1McaxMcaxxnnn
Myx00
其中： kM2，其中k为计算几种数字尾部的字长
14ta，t为任意选定的正整数
0y ，为任意非负整数
c ，为奇数
Matlab语言中的rand（）函数是服从[0，1]均匀分布的，所以在以后的实验中如果用到均匀分布的随机数，我们统一使用rand()函数。 正态分布（高斯分布）随机信号的产生： 高斯分布的密度函数为：
)2exp(21)(2xxf
采用变换法产生正态分布随机数，若1R、2R示[0，1]均匀分布随机数，则有正态分布随机
数：
212cosln2RR
212sinln2RR 指数分布随机信号的产生： 指数分布的密度函数为： xexf*)( 当x>0时，当x≤0时 f(x)=0，其中α>0
它的反函数（指数分布随机数）为： )1ln(1)(1rrFx
其中r为[0，1]区间均匀分布的随机数。
三、 实验容与结果 1.产生五种概率分布的信号
Matlab程序： %生成各种分布的随机数 x1=unifrnd(-1,1,1,1024);%生成长度为1024的均匀分布 x2=normrnd(0,1,1,1024);%生成长度为1024的正态分布 x3=exprnd(1,1,1024);%生成长度为1024的指数分布均值为零 x4=raylrnd(1,1,1024);%生成长度为1024的瑞利分布 x5=chi2rnd(1,1,1024);%生成长度为1024的卡分布 %时域特性曲线： figure; subplot(3,2,1),plot(1:1024,x1);grid on;title('均匀分布');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2 ]); subplot(3,2,2),plot(1:1024,x2);grid on;title('正态分布');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2 ]); subplot(3,2,3),plot(1:1024,x3);grid on;title('指数分布');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -1 5 ]); subplot(3,2,4),plot(1:1024,x4);grid on;title('瑞利分布');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -1 4 ]); subplot(3,2,5),plot(1:1024,x5);grid on;title('卡分布');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -1 5 ]); 2.均值： 均值E[x(t)]表示集合平均值或数学期望值。基于随机过程的各态历经性，可用时间间隔t
的幅值平均值表示：
均值表达了信号变化的中心趋势，或称之为直流分量。 在MATLAB中，可以用mean()函数来计算。 %求各种分布的均值 figure; m1=mean(x1);m2=mean(x2);m3=mean(x3);m4=mean(x4);m5=mean(x5); subplot(3,2,1),plot(1:1024,m1);title('均匀分布均值');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2]); subplot(3,2,2),plot(1:1024,m2);title('高斯分布均值');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2]); subplot(3,2,3),plot(1:1024,m3);title('指数分布均值');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2]); subplot(3,2,4),plot(1:1024,m4);title('瑞利分布均值');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2]); subplot(3,2,5),plot(1:1024,m5);title('卡分布均值');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2]); 3.差： 随机过程的差函数描述了随机过程所有样本函数在t时刻的函数值相对于其数学期望的偏
离程度。 定义：
其中σ(t)是随机过程的标准差。当随即过程表征的是接收机输出端的噪声电压时，σ2(t)表示小号在单位电阻上的瞬时交流功率统计平均值，而σ(t)表示噪声电压相对于电压统计平均值的交流分量。 在MATLAB中，可以用std()函数计算出标准差σ(t)，再平就可以得到差。 %求各种分布的差 figure; v1=var(x1);v2=var(x2);v3=var(x3);v4=var(x4);v5=var(x5); subplot(3,2,1),plot(1:1024,v1);grid on;title('均匀分布差');xlabel('时间（t）');ylabel('幅度'); subplot(3,2,2),plot(1:1024,v2);grid on;title('高斯分布差');xlabel('时间（t）');ylabel('幅度'); subplot(3,2,3),plot(1:1024,v3);grid on;title('指数分布差');xlabel('时间（t）');ylabel('幅度'); subplot(3,2,4),plot(1:1024,v4);grid on;title('瑞利分布差');xlabel('时间（t）');ylabel('幅度'); subplot(3,2,5),plot(1:1024,v5);grid on;title('卡分布差');xlabel('时间（t）');ylabel('幅度'); 4.自相关： 信号的相关性是指客观事物变化量之间的相依关系。对于平稳随机过程x(t)和y(t)在两个
不同时刻t和t+τ的起伏值的关联程度，可以用相关函数表示。在离散情况下，信号x(n)和y(n)的相关函数定义为：
随机信号的自相关函数表示波形自身不同时刻的相似程度。与波形分析、频谱分析相比，它具有能够在强噪声干扰情况下准确地识别信号期的特点。 %求各种分布的自相关函数 figure; title('自相关函数图'); [x_c1,lags]=xcorr(x1,200,'unbiased');[x_c2,lags]=xcorr(x2,200,'unbiased');[x_c3,lags]=xcorr(x3,200,'unbiased'); [x_c4,lags]=xcorr(x4,200,'unbiased');[x_c5,lags]=xcorr(x5,200,'unbiased'); subplot(3,2,1),plot(lags,x_c1);grid on;title('均匀分布 自相关'); subplot(3,2,2),plot(lags,x_c2);grid on;title('正态分布 自相关'); subplot(3,2,3),plot(lags,x_c3);grid on;title('指数分布 自相关'); subplot(3,2,4),plot(lags,x_c4);grid on;title('瑞利分布 自相关'); subplot(3,2,5),plot(lags,x_c5);grid on;title('卡分布 自相关');
