随机信号的数字特征分析
大理大学实验报告
课程名称生物医学信号处理
实验名称随机信号的数字特征分析
随机信号分析(常建平-李海林版)课后习题答案
由于百度文库格式转换的原因，不能整理在一个word 文档里面，下面是三四章的答案。给大家造成的不便，敬请谅解 随机信号分析 第三章习题答案 、随机过程 X(t)=A+cos(t+B)，其中A 是均值为2，方差为1的高斯变量，B 是（0，2π）上均匀分布的随机变量，且A 和B 独立。求 （1）证明X(t)是平稳过程。 （2）X(t)是各态历经过程吗？给出理由。 （3）画出该随机过程的一个样本函数。 （1） （2） 3-1 已知平稳过程()X t 的功率谱密度为232 ()(16) X G ωω=+，求：①该过程的平均功率？ ②ω取值在(4,4)-范围内的平均功率？ 解 [][]()[]2 ()cos 2 11 ,cos 5cos 22 X E X t E A E t B A B R t t EA τττ =++=????+=+=+与相互独立 ()()()2 1521()lim 2T T T E X t X t X t X t dt A T -→∞??=<∞ ???==?是平稳过程
()()[]() ()41122 11222222 2 4 2' 4(1)24()()444(0)4 1132 (1 )2244144 14(2)121tan 132 24X X X E X t G d R F G F e R G d d d arc x x τ τωωωωω ππωωπωωπω π ωω∞ ----∞∞ -∞-∞∞--∞∞ ?????==?=???+?? ====+==??+ ?== ??= ++?? =? ????P P P P 方法一() 方：时域法取值范围为法二-4,4内(频域的平均率法功) 2 d ω =
随机信号分析实验
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： N y 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。 如果要产生服从2N(,)μσ分布的随机序列，则可以由标准正态随机序列产生。 (3) 其他分布的随机序列 MATLAB 上还提供了其他多种分布的随机数的产生函数，下表列出了部分函数。 MATLAB 中产生随机数的一些函数 表1.1 MATLAB 中产生随机数的一些函数 3、随机序列的数字特征估计 对于遍历过程，可以通过随机序列的一条样本函数来获得该过程的统计特性。这里我们假定随机序列X (n)为遍历过程，样本函数为x(n)，其中n=0,1,2，…，N-1。那么，X (n)的均值、方差和自相关函数的估计为
随机信号处理论文分析
项目名称：基于信号循环平稳特性的信号 分离技术研究与实现 项目负责人： ***** 学号： ********** 年级专业： **级通信工程***班 所在学院：潇湘学院 联系电话： *********** E-m a i l： ***********@https://www.360docs.net/doc/201370405.html, 填写日期： 2016年4月28日
摘要 在信息科技迅猛发展的今天，多个信号时频重叠的情况在通信、雷达以及其他信号处理领域中非常普遍，因而研究多个时频重叠信号的分离在系统抗干扰和提高通信频带利用率等方面都具有非常重要的意义。本文主要研究如何利用信号的循环平稳特性进行信号分离的处理方法及其在实际应用中的参数选择与结构调整。针对基于信号循环平稳特性的信号分离技术，从循环平稳信号的定义出发，讨论了循环自相关性与循环谱相关性，给出了对谱重叠循环平稳信号进行分离的基本思想和基本理论。鉴于在工程实现过程中，无限长时间观测的不可实现性，进一步研究了干扰和噪声在有限数据条件下的消失特性，并在前人平稳干扰消失特性研究的基础上，构造了循环平稳干扰模型，详细推导了循环平稳干扰经循环相关处理后，其均值和方差在有限数据条件下的变化趋势和过程。 关键词：循环平稳信号；信号分离；时频重叠；干扰消失特性；FRESH滤波；DSP；MATLAB
目录 1.1 循环平稳信号与循环平稳性 (4) 1.2 循环平稳信号的定义 (4) 1.3频移（FRESH）滤波基本原理 (5) 1.4实验仿真 (9) 1.5 MATLAB 端主要代码： (10)
1.1 循环平稳信号与循环平稳性 平稳随机过程一般具有时间遍历性特征，因此描述该过程的各阶数字统计量，如均值、相关函数等，均可用时间平均值来代替统计平均值。然而，非平稳信号的统计量是随时间变化的，时间平均不能直接使用。下面讨论一种特殊的非平稳信号–循环平稳信号，分析其均值和相关函数的时间统计特性。下文讨论中，我们不考究数学推导的严密性，而是更多地着重于工程概念的直观理解，主要从同平稳过程的类比中得到所需的结论。由于本论文讨论的方法和性能分析都是围绕着信号的二阶统计特性展开的，所以只讨论信号的二阶统计特性。 1.2 循环平稳信号的定义 定义1.2：所谓循环平稳信号是一种非平稳信号。其统计特性随时间周期性变化，即：如果[x(t)]为二阶的循环平稳信号是指其时变均值和自相关函数都为时间的 周期函数： E[x(t)] = E[x(t + T )] 其中( )?为共轭运算，T为周期。对于具有二阶周期特性的信我
随机变量的数字特征
第四章 随机变量的数字特征 一、填空题 1. 设随机变量X 服从参数为1的指数分布，则数学期望____________)(2=+-X e X E 。 2. 若随机变量X 服从均值为2，方差为2 σ的正态分布，且3.0)42(=<
数字信号处理在语音信号分析中的应用
《数字信号处理》 课程设计报告 数字信号处理在语音信号分析中的应用 专业班级： 姓名： 学号：
目录 摘要 (3) 1、绪论 (3) 2、课程设计的具体容 (4) 2.1.1、读取语音信号的任务 (4) 2.1.2、任务分析和解决方案 (5) 2.1.4、运行结果和相应的分析 (5) 2.2、IIR滤波器设计和滤波处理 (6) 2.2.1、设计任务 (6) 2.2.2、任务分析和解决方案 (7) 2.2.3、编程得到的MATLAB代码 (7) 2.2.4、运行结果和相应的分析 (7) 2.3、FIR滤波器设计和滤波处理 (9) 2.3.1、设计任务 (9) 2.3.2、任务分析和解决方案 (9) 2.3.3、编程得到的MATLAB代码 (9) 2.3.4、运行结果和相应的分析 (11) 3、总结 (13) 4、存在的不足及建议 (13) 5、参考文献 (13)
数字信号处理设计任务书 摘要 语音信号滤波处理是研究用数字信号处理技术和语音学知识对语音信号进行处理的新兴的学科，是目前 发展最为迅速的信息科学研究领域的核心技术之一。通过语音传递信息是人类最重要、最有效、最常用和最方便的交换信息形式。 Matlab语言是一种数据分析和处理功能十分强大的计算机应用软件，它可以将声音文件变换为离散的数据文件，然后利用其强大的矩阵运算能力处理数据，如数字滤波、傅里叶变换、时域和频域分析、声音回放以及各种图的呈现等，它的信号处理与分析工具箱为语音信号分析提供了十分丰富的功能函数，利用这些功能函数可以快捷而又方便地完成语音信号的处理和分析以及信号的可视化，使人机交互更加便捷。信号处理是Matlab重要应用的领域之一。本设计通过录制一段语音，对其进行了时域分析，频谱分析,分析语音信号的特性。并应用matlab平台对语音信号进行加噪然后再除去噪声，进一步设计两种种滤波器即高通滤波器、带通滤波器，基于这两种滤波器设计原理，对含加噪的语音信号进行滤波处理。最后对比滤波前后的语音信号的时域和频域特性，回放含噪语音信号和去噪语音信号。论文从理论和实践上比较了不同数字滤波器的滤波效果。 1．绪论 通过语音传递倍息是人类最重要、最有效、最常用和最方便的交换信息的形式。语言是人类持有的功能，声音是人类常用的工具，是相互传递信息的最主要的手段。因此，语音信号是人们构成思想疏通和感情交流的最主要的途径。并且，由于语言和语音与人的智力活动密切相关，与社会文化和进步紧密相连，所以它具有最大的信息容量和最高的智能水平。现在，人类已开始进入了信息化时代，用现代手段研究语音信号，使人们能更加有效地产生、传输、存储、获取和应用语音信息，这对于促进社会的发展具有十分重要的意义。让计算机能听懂人类的语言，是人类自计算机诞生以来梦寐以求的想法。 随着计算机越来越向便携化方向发展，随着计算环境的日趋复杂化，人们越来越迫切要求摆脱键盘的束缚而代之以语音输人这样便于使用的、自然的、人性化的输人方式。作为高科鼓应用领域的研究热点，语音信号采集与分析从理论的研究到产品的开发已经走过了几十个春秋并且取得了长足的进步。它正在直接与办公、交通、金融、公安、商业、旅游等行业的语音咨询与管理．工业生产部门的语声控制，、电信系统的自动拨号、辅助控制与查询以及医疗卫生和福利事业的生活支援系统等各种实际应用领域相接轨，并且有望成为下一代操作系统和应用程序的用户界面。可见，语音信号采集与分析的研究将是一项极具市场价值和挑战性的工作。我们今天进行这一领域的研究与开拓就是要让语音信号处理技术走人人们的日常生活当中，并不断朝更高目标而努力。数字滤波器是数字信号处理的基础，用来对信号
随机信号通过线性和非线性系统后地特性分析报告 实验报告材料
实验三 随机信号通过线性和非线性系统后的特性分析 一、实验目的 1、了解随机信号的均值、均方值、方差、自相关函数、互相关函数、概率密度、频谱及功率谱特性。 2、研究随机信号通过线性系统和非线性系统后的均值、均方值、方差、自相关函数、互相关函数、概率密度、频谱及功率谱有何变化，分析随机信号通过线性系统和非线性系统后的特性 二、实验仪器与软件平台 1、 微计算机 2、 Matlab 软件平台 三、实验步骤 1、 根据本实验内容和要求查阅有关资料，设计并撰写相关程序流程。 2、 选择matlab 仿真软件平台。 3、 测试程序是否达到设计要求。 4、 分析实验结果是否与理论概念相符 四、实验内容 1、 随机信号通过线性系统和非线性系统后的特性分析 （1）实验原理 ①随机信号的分析方法 在信号系统中，可以把信号分成两大类：确定信号和随机信号。确定信号具有一定的变化规律，二随机信号无一定的变化规律，需要用统计特性进行分析。在这里引入了一个随机过程的概念。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采样序列。随机过程可以分为平稳的和非平稳的，遍历的和非遍历的。如果随机信号的统计特性不随时间的推移而变化。则随机过程是平稳的。如果一个平稳的随机过程的任意一个样本都具有相同的统计特性。则随机过程是遍历的。下面讨论的随机过程都认为是平稳的遍历的随机过程，因此，可以随机取随机过程的一个样本值来描述随机过程中的统计特性。 随机过程的统计特性一般采用主要的几个平均统计特性函数来描述，包括、均方值、方差、自相关系数、互相关系数、概率密度、频谱及功率谱密度等。 a.随机过程的均值 均值E[x(t)]表示集合平均值或数学期望值。基于过程的各态历经行，可用时间间隔T 内的幅值平均值表示，即 ∑-==1 /)()]([N t N t x t x E 均值表达了信号变化的中心趋势，或称之为直流分量。
随机变量的数字特征试题答案
第四章 随机变量的数字特征试题答案 一、选择（每小题2分） 1、设随机变量X 服从参数为2的泊松分布，则下列结论中正确的是（D ） A. E （X ）=，D （X ）=? B. E （X ）=，D （X ）= C. E （X ）=2，D （X ）=4? D. E （X ）=2，D （X ）=2 2、设随机变量X 与Y 相互独立，且X~N （1，4），Y~N （0，1），令Y X Z -=，则D （Z ）=? （??C?） A. 1 ? B. 3 C. 5? D. 6? 3、已知D （X ）=4，D （Y ）=25，cov （X ，Y ）=4，则XY ρ =（C ） A. 0.004? B. ? C. ? D. 4 4、设X ，Y 是任意随机变量，C 为常数，则下列各式中正确的是（?D ） A ． D （X+Y ）=D （X ）+D （Y ） ?B ． D （X+C ）=D （X ）+C C ． D （X-Y ）=D （X ）-D （Y ） ?D ． D （X-C ）=D （X ） 5、设随机变量X 的分布函数为???? ???≥<≤-<=4, 14 2,12 2, 0)(x x x x x F ，则E(X)=（D ） A ． 31 ?B ． 21 C ．2 3 ?D ． 3 6、设随机变量X 与Y 相互独立，且)61,36(~B X ，)3 1 ,12(~B Y ，则)1(+-Y X D =（C ） A ． 34 ? B ． 37 C ． 323 ? D ． 3 26 7、设随机变量X 服从参数为3的泊松分布，)3 1 ,8(~B Y ， X 与Y 相互独立，则)43(--Y X D =（C ） A ． -13 ? B ． 15 C ． 19 ? D ． 23 8、已知1)(=X D ，25)(=Y D ，XY ρ=，则)(Y X D -=（B ） A ． 6 ?B ． 22 C ． 30 ?D ． 46 9、设)3 1,10(~B X ，则)(X E =（C ） A ． 31 ?B ． 1 C ． 3 10 ?D ． 10 10、设)3,1(~2 N X ，则下列选项中，不成立的是（B ） A. E （X ）=1? B. D （X ）=3? C. P （X=1）=0? D. P （X<1）= 11、设)(X E ，)(Y E ，)(X D ，)(Y D 及),cov(Y X 均存在，则)(Y X D -=（C ） A ． )(X D +)(Y D ?B ． )(X D -)(Y D
随机变量的数字特征
随机变量的数字特征 讨论随机变量数字特征的原因 （1） 在实际问题中，有的随机变量的概率分布 难确定，有的不可能知道，而它的一些数字特征较易确定。 （2）实际应用中，人们更关心概率分布的数字特征。 （3）一些常用的重要分布，如二项分布、泊松 分布、指数分布、正态分布等，只要知道了它们的某些数字特征，就能完全确定其具体的分布。 §4.1 数学期望 一、数学期望的概念 1.离散性随机变量的数学期望 例4．1：大学一年级某班有32名同学，年龄情况如下： 解： 平均年龄=1 4810721 224218201019718217+++++?+?+?+?+?+? 25.19= 把上式改写为： 32 12232421328203210193271832217?+?+?+?+?+?
设X 为从该班任选一名同学的年龄，其概率分布为 定义4.1：设离散型随机变量X 的分布列为： 若 ∑k k k p x 绝对收敛（即 +∞ <=∑∑k k k k k k p x p x ），则称它为X 的 数学期望或均值（此时，也称X 的数学期望存在），记为E(X),即 若 ∑k k k p x 发散，则称X 的数学期望不存在。 说明： （1）随机变量的数学期望是一个实数，它体现了随机变量取值的平均； （2） 要注意数学期望存在的条件： ∑k k k p x 绝对 收敛； （3） 当X 服从某一分布时，也称某分布的数学 期望为EX 。 ∑=k k k p x EX
例4．2：设X服从参数为p的两点分布，求EX EX=p 例4．3：设X~B(n,p)，求EX EX=np 例4．4：设X服从参数为λ的泊松分布，求EX EX=λ 2.连续型随机变量的数学期望 定义4.2: 设连续型随机变量X 的概率密度为f(x).若积分 ?+∞∞-dx x xf) ( 绝对收敛，（即?∞∞ - +∞ < dx x f x) ( ），则称它 为X的数学期望或均值（此时，也称X的数学期望存在），记为E(X),即 ) ( ) (?∞∞- =dx x xf X E 若?∞∞ - +∞ = dx x f x) ( ， 则称X的数学期望不存在。 例4.5:设X服从U[a,b],求E(X)。 EX= 2b a+ 例4.6:设X服从参数为λ的指数分布，求EX EX=λ 例4.7: ) , ( ~2σ μ N X，求EX
随机信号统计特性分析
实验一、随机信号统计特性分析 学生姓名刘冰 学院名称精密仪器与光电子工程 专业生物医学工程 学号3010202286
一、实验目的 随机信号是生物医学信号处理软件调试所必须的信号。通过本实验，了解一种伪随机信号产生的方法，及伪随机信号的数字特征。 二、实验要求 1．用同余法编制产生伪随机信号的程序。 2．检验所产生的伪随机信号是高斯分布的。 3．检验伪随机信号的自相关函数。 三、实验方法 1．伪随机信号的产生 用下式产生一组在[-0.5,0.5]内均匀分布的伪随机信号： ()()() k i C k i M =?-1% (1) ()()n i k i M =-/.05 (2) 其中(1)表示k(i)为(())/C k i M ?-1的余数，n(i)为一组在[-0.5,0.5]区间的均值为0的伪随机信号。令C =+239,M =212，i=0，1，2，…499。通过任意给定k(0),用上式可以产生一组伪随机信号。 2．用中心极限定理产生一组服从正态分布的伪随机信号 中心极限定理：设被研究的随机变量可以表示为大量独立随机变量的和，其中每个随机变量对总和只起微小作用，则这个随机变量是服从正态分布的。 产生一个长度为500的伪随机信号，其中每一项为L 个伪随机变量和。检验落在 []σσ+-,内概率68%，[]-+22σσ,内概率95.4%，[]-+33σσ,内概率99.7%。 () σ2 20 1 1= =-∑N n i i N 3．用自相关函数检验上述信号 对于产生的伪随机信号，其自相关函数是δ函数，k=0时函数值取得最大。 ()()() R k N n i n i k n i N k = *+=-∑1 四．实验流程框图 按照实验方法用matlab 实现
随机信号分析基础作业题
第一章 1、有朋自远方来，她乘火车、轮船、汽车或飞机的概率分别是0.3，0.2，0.1和0.4。如果她乘火车、轮船或者汽车来，迟到的概率分别是0.25，0.4和0.1，但她乘飞机来则不会迟到。如果她迟到了，问她最可能搭乘的是哪种交通工具？ 解：()0.3P A =()0.2P B =()0.1P C =()0.4 P D = E －迟到，由已知可得 (|)0.25(|)0.4(|)0.1(|)0 P E A P E B P E C P E D ==== 全概率公式： ()()()()(P E P E A P E B P E C P E D =+++ 贝叶斯公式： ()(|)()0.075 (|)0.455()()0.165(|)()0.08 (|)0.485 ()0.165 (|)()0.01 (|)0.06 ()0.165(|)() (|)0 ()P EA P E A P A P A E P E P E P E B P B P B E P E P E C P C P C E P E P E D P D P D E P E ?= ===?===?===?== 综上：坐轮船 3、设随机变量X 服从瑞利分布，其概率密度函数为2 2 22,0 ()0,0X x x X x e x f x x σσ-??>=?? ，求期望()E X 和方差()D X 。 考察： 已知()x f x ，如何求()E X 和()D X ？ 2 2222 2()()()[()]()()()()()()()x x E X x f x dx D X E X m X m f x dx D X E X E X E X x f x dx ∞ -∞ ∞ -∞ ∞ -∞ =?=-=-=-?=???? 6、已知随机变量X 与Y ，有1,3, ()4,()16,0XY EX EY D X D Y ρ=====， 令3,2,U X Y V X Y =+=-试求EU 、EV 、()D U 、()D V 和(,)Cov U V 。 考察随机变量函数的数字特征
哈工大试验方法和数字信号分析处理作业一
题目: （1）给定数字信号： x(t)=sin(20*pi*t)+sin(100*pi*t)+sin(400*pi*t); 即该信号由10HZ,50HZ,200HZ。三个正弦信号合成。 要求： 绘出上述给定数字信号的曲线x(t)。 低通滤波练习： 分别用FIR、IIR滤波器滤去50Hz、200Hz信号，保留10Hz信号； 绘出滤波前和滤波后的信号曲线，并做对比； 滤波过程中的问题讨论。 带通滤波练习： 用FIR滤波器滤去10Hz、200Hz信号，保留50Hz信号； 绘出滤波前和滤波后的信号曲线，并做对比； 滤波过程中的问题讨论。 （2）给定数字信号： X（t）=sin(2*pi*10*t)+sin(2*pi*50*t)+sin(2*pi*200*t)+0.6*randn(1,N)即在原信号上叠加上一个白噪声信号。 要求： 绘出上述给定数字信号的曲线x(t)。 分别用低通滤波器和带通滤波器（FIR、IIR任选）滤波、绘曲线对比、讨论。 注： 本次作业要求使用我们课上（§3-3、§3-4）所推导的滤波器（公式）滤波； 不许使用MATLAB中的滤波函数。 1.数字信号为：x(t)=sin(20*pi*t)+sin(100*pi*t)+sin(400*pi*t);时 因为，最大频率为200HZ，故由采样定理dt<=1/2*f max，可得dt<=0.0025s，取 dt=0.0003s，满足采样定理。 （1）绘出x(t)图像： Matlab代码： clear all t=0:0.0005:0.6; t1=0.0005; F=15; N=1201; x=sin(2*pi*10*t)+sin(2*pi*50*t)+sin(2*pi*200*t); x1=sin(2*pi*10*t); plot(t,x,'b')； 图形如下：
第三章 随机信号分析 总结
第三章 总结 对随机的东西只能作统计描述。 1).统计特性（ 概率密度与概率分布）； 2).数字特征（ 均值、方差、相关函数等）。 节1 随机过程概念 一、随机过程定义 二、随机过程统计特性的描述 1.随机过程的概率分布函数 2.随机过程的概率密度函数 三、随机过程数字特征的描述 1、数学期望： 性质：① E[k] = k ② E[ξ(t) + k] = E[ξ(t)] + k ③ E[ kξ(t)] = k E[ξ(t)] ④ E[ξ 1(t) + …+ξ n (t)] = E[ξ 1 (t)] + …+E[ ξ n (t)] ⑤ ξ 1(t)与ξ 2 (t)统计独立时，E[ξ 1 (t)ξ 2 (t)] = E[ξ 1 (t)] E[ξ 2 (t)] 2、方差： 性质：① D[k] = 0 ② D[ξ(t) + k] = D[ξ(t)] ③ D[kξ(t)] = K2 D[ξ(t)] ④ξ 1(t)ξ 2 (t)统计独立时， D[ξ 1 (t)+ξ 2 (t)] = D[ξ 1 (t)] + D[ξ 2 (t)] 3、相关函数和协方差函数 节2 平稳随机过程概念 一、定义：狭义平稳、广义平稳 广义平稳条件：
① 数学期望与方差是与时间无关的常数； ② 相关函数仅与时间间隔有关。 二、性能讨论 1、各态历经性（遍历性）：其价值在于可从一次试验所获得的样本函数 x(t) 取时间平均来得到它的数字特征（统计特性） 2、相关函数R(τ)性质 ① 对偶性（偶函数） R(τ)=E[ξ(t)ξ(t+τ)]=E[ξ(t 1-τ)ξ(t 1 )]= R(-τ) ② 递减性 E{[ξ(t) ±ξ(t+τ)]2} = E[ξ2(t)±2 ξ(t) ξ(t+τ) + ξ2(t+τ) ] = R(0)±2R(τ) + R(0) ≥ 0 ∴R(0)≥±R(τ) R(0)≥|R(τ)| 即τ=0 处相关性最大 ③ R（0）为 ξ ( t ) 的总平均功率。 ④ R(∞)=E2{ξ(t)}为直流功率。 ⑤ R(0) - R(∞)= E[ξ 2(t)]- E2[ξ(t)]=σ2为交流功率 3、功率谱密度Pξ(ω) 节3 几种常用的随机过程 一、高斯过程 定义: 任意n维分布服从正态分布的随机过程ξ(t)称为高斯过程（或正态随机过程）。 ① 高斯过程统计特性是由一、二维数字特征[a k, δ k 2, b jk ]决定的 ②若高斯过程满足广义平稳条件，也将满足狭义平稳条件。 ③若随机变量两两间互不相关，则各随机变量统计独立。二、零均值窄带高斯过程 定义、零均值平稳高斯窄带过程 同相随机分量 ξ c (t), 正交随机分量 ξ s (t) 结论：零均值窄带高斯平稳过程 ξ( t ) ，其同相分量 ξ c ( t ) 和正交分量 ξ s ( t )
随机变量的数字特征(答案)
概率论与数理统计练习题 系 专业 班 姓名 学号 第四章 随机变量的数字特征（一） 一、选择题： 1．设随机变量X ，且()E X 存在，则()E X 是 [ B ] （A ）X 的函数 （B ）确定常数 （C ）随机变量 （D ）x 的函数 2．设X 的概率密度为910()9 00 x e x f x x -?≥?=??
数字信号处理期末实验-语音信号分析与处理-(2)
数字信号处理期末实验-语音信号分析与处理-(2)
语音信号分析与处理 摘要 用MATLAB对语音信号进行分析与处理，采集语音信号后，在MATLAB软件平台进行频谱分析;并对所采集的语音信号加入干扰噪声，对加入噪声的信号进行频谱分析，设计合适的滤波器滤除噪声，恢复原信号。 数字滤波器是数字信号处理的基础，用来对信号进行过滤、检测和参数估计等处理。IIR数字滤波器最大的优点是给定一组指标时，它的阶数要比相同组的FIR滤波器的低的多。信号处理中和频谱分析最为密切的理论基础是傅立叶变换（FT）。离散傅立叶变换（DFT）和数字滤波是数字信号处理的最基本内容。 关键词：MATLAB;语音信号；加入噪声；滤波器；滤波 设计目的与要求 （1）待处理的语音信号是一个在20Hz~20kHz频段的低频信号。 （2）要求MATLAB对语音信号进行分析和处理，采集语音信号后，在MATLAB平台进行频谱分析；并对所采集的语音信号加入干扰噪声，对加入噪声的信号进行频谱分析，设计合适的滤波器进行滤除噪声，恢复原信号。
设计步骤 （1）选择一个语音信号或者自己录制一段语音文件作为分析对象； （2）对语音信号进行采样，并对语音信号进行FFT频谱分析，画出信号的时域波形图和频谱图； （3）利用MATLAB自带的随机函数产生噪声加入到语音信号中，对语音信号进行回放，对其进行FFT频谱分析； （4）设计合适滤波器，对带有噪声的语音信号进行滤波，画出滤波前后的时域波形图和频谱图，比较加噪前后的语音信号，分析发生的变化； （5）对语音信号进行回放，感觉声音变化。 设计原理及内容 理论依据 （1）采样频率：采样频率（也称采样速度或者采样率）定义了每秒从连续信号中提取并组成离散信号的采样个数，它用赫兹（Hz）来表示。采样频率只能用于周期性采样的采样器，对于非周期采样的采样器没有规则限制。通俗的讲，采样频率是指计算机每秒钟采集多少个声音样本，是描述声音文件的音质、音调，衡量声卡、声音文件的质量标准。采样频率越高，即采样的间隔时间越短，则在单位之间内计算机得到的声音样本数据就越多，对声音波形的表示也越精确。（2）采样位数：即采样值或取样值，用来衡量声音波动变化的参数。 （3）采样定理：在进行模拟/数字信号的的转换过程中，当采样频率f s.max大于信号中，最高频率f max的2倍时，即：f s.max>=2f max，则采样之后的数字信号完整的保留了原始信号中的信息，一般实际应用中保证采样频率为信号最高频率的5~10倍；采样频率又称乃奎斯特定理。 （4）时域信号的FFT分析：信号的频谱分析就是计算信号的傅立叶变换。连续信号与系统的傅立叶分析显然不便于直接用计算机进行计算，使其应用受到限制。而FFT是一种时域和频域均离散化的变换，适合数值计算，成为用计算机分
随机变量的数字特征归纳
第四章 随机变量的数字特征 ㈠ 数学期望 表征随机变量取值的平均水平、“中心”位置或“集中”位置． 1、数学期望的定义 (1) 定义 离散型和连续型随机变量X 的数学期望定义为 {}?????==?∑∞ ∞ - d )( )()( ， ， 连续型离散型x x xf x X x X k k k P E 其中Σ表示对X 的一切可能值求和．对于离散型变量，若可能值个数无限，则要求级数绝对收敛；对于连续型变量，要求定义中的积分绝对收敛；否则认为数学期望不存在． ①常见的离散型随机变量的数学期望 1、离散型随机变量的数学期望 设离散型随机变量的概率分布为 ，若，则称级数为随 机变量 的数学期望（或称为均值），记为 , 即 2、两点分布的数学期望 设 服从0—1分布，则有 ，根据定义， 的数学期望为 . 3、二项分布的数学期望 设 服从以 为参数的二项分布， ，则 。 4、泊松分布的数学期望 设随机变量 服从参数为的泊松分布，即，从而有 。 ①常见的连续型随机变量的数学期望 1)均匀分布
设随机变量ξ服从均匀分布，ξ～U [a，b] (a
《数字信号处理》课程设计,基于MATLAB的音乐信号处理和分析
《数字信号处理》课程设计设计题目：基于MATLAB的音乐信号处理和分析 院系：物理工程学院 专业：电子信息科学与技术 学号： 姓名：
一、课程设计的目的 本课程设计通过对音乐信号的采样、抽取、调制解调、滤波、去噪等多种处理过程的理论分析和MATLAB实现，使学生进一步巩固数字信号处理的基本概念、理论以及频谱分析方法和数字滤波器设计方法；使学生掌握的基本理论和分析方法只是得到进一步扩展；使学生能有效地将理论和实际紧密结合；增强学生软件编程实现能力和解决实际问题的能力。 二、课程设计的基本要求 1 学会MATLAB的使用，掌握MATLAB的基本编程语句。 2 掌握在Windows环境下音乐信号采集的方法。 3 掌握数字信号处理的基本概念、基本理论和基本方法。 4 掌握MATLAB设计FIR和IIR数字滤波器的方法。 5 掌握使用MATLAB处理数字信号、进行频谱分析、涉及数字滤波器的编程方法。 三、课程设计内容 实验1音乐信号的音谱和频谱观察 使用windows下的录音机录制一段音乐信号或采用其它软件截取一段音乐信号（要求：时间不超过5s、文件格式为wav文件） ①使用wavread语句读取音乐信号，获取抽样率；（注意：读取的信号时双声道信号，即为双列向量，需要分列处理）； ②输出音乐信号的波形和频谱，观察现象； 使用sound语句播放音乐信号，注意不同抽样率下的音调变化，解释现象。 程序如下： [Y,FS,NBITS]=WAVREAD('怒放的生命 - 汪峰5s'); %读取音乐信号 plot(Y); %显示音乐信号的波形和频谱 sound(Y,FS); %听音乐（按照原来的抽样率） Y1=Y(:,1); %由双声道信号变为单声道信号 size(Y1) figure subplot(2,1,1);
实验二 系统对随机信号响应的统计特性分析、功率谱分析及应用实验
大连理工大学实验预习报告 学院（系）：信息与通信工程学院 专业： 电子信息工程 班级： 电子1401 姓 名： ****** 学号： ****** 实验时间： 2016.11.4 实验室： c221 指导教师： 郭 成 安 实验II ：系统对随机信号响应的统计特性分析、功率谱分 析及应用实验 一、 实验目的和要求 掌握直接法估计随机信号功率谱的原理和实现方法；掌握间接法估计随机信号功率谱的原理和实现方法；掌握系统对随机信号响应的统计特性分析及仿真实现方法。熟悉MATLAB 信号处理软件包的使用。 二、 实验原理和内容 （一）实验原理： 1. 直接法估计随机信号功率谱原理 直接法又称为周期图法，它是把随机信号 x(n)的N 点观察数据xN(n)视为一能 量有限信号， 直接取 xN(n)的傅里叶变换，得到 XN(ej ω)，然后取其模值的平方，并除以 N ，作为对 x(n)真实 的功率谱 P(ej ω)的估计。工程上，常使用离散 Fourier 变换（DFT ，编程上使用其快速算法 FFT ），即 PX(k)=2|)k (|1N X N 进行计算。 2. 间接法估计随机信号功率谱 间接法的理论基础是 Wiener-Khintchine 定理，具体的实现方法是先由 xN(n) 估计出自相关函数(m)r ?，然后对(m)r ?求傅里叶变换得到 xN(n)的功率谱，记之为 XN(ej ω)，并以此作为对真实功率谱 P(ej ω)的估计。工程上，常使用离散 Fourier 变换（DFT ，编程上使用其快速算法FFT ），即122)(?)(+--=∑= M km j M M m X e m r k P π，1||-≤N M ，进 行计算。因为由这种方法求出的功率谱是通过自相关函数间接得到的，所以又称为间接法或 Blackman-Tuckey(BT)法，该方法是 FFT 出现之前 常用的谱估计方法。 3. 时域中系统对随机信号响应的统计特性分析及仿真 根据系统卷积性质，计算系统输出信号的统计特性。有如下性质：
随机变量分布及数字特征
第十章 随机变量分布及数字特征 10.1 随机变量 10.2 离散型随机变量分布 1、学时：2学时 2、过程与方法： 结合实例介绍随机变量概念，离散型随机变量的概率分布、分布列、分布函数、概率及性质. 3、教学要求： （1）掌握随机变量及离散型随机变量的概率分布、分布列、分布函数、概率及性质 （2）几种常见概率分布 教学重点：离散型随机变量的概率分布、分布列、分布函数、概率及性质 教学难点：离散型随机变量的分布函数 教学形式：多媒体讲授 教学过程： 一、新课教学内容 10.1 随机变量 概率论与数理统计是从数量上来研究随机现象的统计规律，因此我们必须把随机事件数量化． 在随机试验中，结果有多种可能性，试验结果样本点很多可以与数值直接发生关系，如产品检验，我们关心的是抽样中出现的废品件数．商店销售我们重视每天销售额，利润值．在投骰子中是每次出现的点数等． 但是也有不少试验结果初看与数字无直接关系，但我们可通过如下示性函数使之数值化，比如，产品合格与不合格令???=01ξ 不合格 合格 事件10A A X ?=??发生与否用 不发生发生 这些事件数值化后，数量是会
变化的称为变量．变量取值机会有大有小所以叫随机变量 ． 定义1：在某一随机试验中，对于试验的每一个样本点ω都唯一对应一个数，这样依不同样本点ω而取不同值的点叫随机变量．通常用希腊字母或大写英文字母X 、Y 、Z 等表示．用小写英文字母i i y x 、表示随机变量相应于某个试验结果所取的值． 举例： 1°投骰子出现的点数用随机变量X 表示，X 可取值为{ }，，，，，，654321 2°电信局话务台每小时收到呼叫次数用Y 表示，Y 可取值为{}Λ210，， 3°总站每五分钟发某一路车，乘客在车站候车时间{} 50≤≤=t t ξ 4°某一电子零件的寿命用{} 30000≤≤=t t T 按其取值情况可以把随机变量分成两类： （1）离散型随机变量：取有限个或无限可列个值．如例1°、2°． （2）非离散型随机变量：可在整个数轴上取值或取实数某部分区间的全部值．非离散型随机变量范围较广，本书只研究其中常遇见的一种称为连续型随机变量如例3°、4°． 例1 设有2个一级品，3个二级品的产品，从中随机取出3个产品，如果用X 表示取出产品中一级品的个数，求X 取不同值时相应概率． 解 X 可取值为{}210，， 101)0(3533===C C X P 53)1(352312===C C C X P 103 )2(35 1 322==C C C X P 例2 抛一枚匀称的硬币，引进一变量Y 令???=0 1Y 出现反面 出现正面求出现正面与反面概率： 解 21)0(= =Y P 2 1)1(==Y P 10.2 离散型随机变量分布 10.2.1 离散型随机变量的概率分布 例1 某汽车公司销售汽车数据表示在过去100天营业时间是有24天每天销售汽车是为0辆，38天
随机信号分析(常建平,李林海)课后习题答案第四章习题讲解
4-4设有限时间积分器的单位冲激响应 h(t)=U(t)－U(t －0.5) 它的输入是功率谱密度为 210V Hz 的白噪声，试求系统输出的总平均功率、交流平均功率和输入输出互相关函数 ()() ()()() 2 222 1:()2[()][()]0Y Y Y Y XY X P E Y t G d D Y t E Y t m E Y R R R h ωω πτττ∞ -∞??==????=-==??=*?思路 ()()()10()() 10()10[()(0.5)] ()()10[()(0.5)] XY X YX XY R R h h h U U R R U U τττδτττττττττ=*=*==--=-=----解：输入输出互相关函数 000 2 0.0 25 ()0()10()10()0()()()()10(()00[()(0.)() 10()()()10()()10101100.55 [()5)]](0)X X X Y X Y X Y Y X t m G R m m h d R U R h h h h h h d R h h d d d E Y t R U ωτττττττττλτλδτλλλ λλλλ μ∞ ∞ ∞∞ ==?====**-=*-=+=+=-=-=?=?==????? 时域法 平均功是白噪声，，， 率面积法 ： 22 5 [()][()]5 Y Y D Y t E Y t m ==-=P 交流：平均功率 ()h t 白噪声 () Y R τ
()()()2 14 12 24 2 22Y 2 (P1313711()2415()()()102 42411 5112522242j j j Y X Y U t U t Sa e H e Sa G G H e Sa Sa G d Sa S d a d ωτωωωτ ττωωωωωωωωωωωπ π ωωπ - --∞ ∞ ∞ -∞ ∞--∞??--?? ??? ?? -???= ? ?? ???? === ? ? ???? ?? = = =??= ? ? ?? ??? ??P 矩形脉冲A 的频谱等于A 信号与线性系统书式域法 ） 频()()22 20000 [()][()][()]5 Y X Y Y m m H H D Y t E Y t m E Y t =?=??=-===P 交直流分量为平均功率：流