白噪声及有色噪声序列的产生

白噪声及有色噪声序列的产生
白噪声及有色噪声序列的产生

%白噪声及有色噪声序列的产生

设ξ(k) 为均值为0,方差为1的高斯白噪声序列,e(k)为有色噪声序

列:

1

1

1

12

123

()

()()()()

()

10.50.2

()

1 1.50.70.1

C z

e k G z k k

D z

z z

k

z z z

ξξ

ξ

-

-

-

--

---

==

++

=

-++

高斯白噪声序列ξ(k)在Matlab中由rand()函数产生,程序如下:clear all; close all;

L=500; %仿真长度

d=[1 -1.5 0.7 0.1]; c=[1 0.5 0.2]; % 分子分母多项式系数

nd=length(d)-1 ;nc=length(c)-1; %阶次

xik=zeros(nc,1); %白噪声初值

ek=zeros(nd,1);

xi=randn(L,1); %产生均值为0,方差为1的高斯白噪声序列

for k=1:L

e(k)=-d(2:nd+1)*ek+c*[xi(k);xik]; %产生有色噪声

%数据更新

for i=nd:-1:2

ek(i)=ek(i-1);

end

ek(1)=e(k);

for i=nc:-1:2

xik(i)=xik(i-1);

end

xik(1)=xi(k);

end

subplot(2,1,1);

plot(xi);

xlabel('k');ylabel('噪声幅值');title('白噪声序列'); subplot(2,1,2);

plot(e);

xlabel('k');ylabel('噪声幅值');title('有色噪声序列');

高斯白噪声与高斯噪声的相关概念

高斯噪声是一种随机噪声,在任选瞬时中任取n个,其值按n个变数的高斯概率定律分布。注: 1,高斯噪声完全由其时变平均值和两瞬时的协方差函数来确定,若噪声为平稳的,则平均值与时间无关,而协方差函数则变成仅和所考虑的两瞬时之差有关的相关函数,它在意义上等效于功率谱密度。 2,高斯噪声可以是大量独立的脉冲所产生的,从而在任何有限时间间隔内,这些脉冲中的每一个脉冲值与所有脉冲值的总和相比都可忽略不计。 3,实际上热噪声、散弹噪声及量子噪声都是高斯噪声。 白噪声是一种功率频谱密度为常数的随机信号或随机过程。换句话说,此信号在各个频段上的功率是一样的,由于白光是由各种频率(颜色)的单色光混合而成,因而此信号的这种具有平坦功率谱的性质被称作是“白色的”,此信号也因此被称作白噪声。相对的,其他不具有这一性质的噪声信号被称为有色噪声(功率谱密度随频率变化)。 理想的白噪声具有无限带宽,因而其能量是无限大,这在现实世界是不可能存在的。实际上,我们常常将有限带宽的平整讯号视为白噪音,因为这让我们在数学分析上更加方便。然而,白噪声在数学处理上比较方便,因此它是系统分析的有力工具。一般,只要一个噪声过程所具有的频谱宽度远远大于它所作用系统的带宽,并且在该带宽中其频谱密度基本上可以作为常数来考虑,就可以把它作为白噪声来处理。例如,热噪声和散弹噪声在很宽的频率范围内具有均匀的功率谱密度,通常可以认为它们是白噪声。 白噪声的功率谱密度是一个常数。这是因为:白噪声的时域信号中任意两个不同时刻是不相关的,因此,白噪声的自相关函数为冲击函数,因此,白噪声的功率谱密度为常数。(自相关函数和功率谱密度是傅立叶变换对)。 当随机的从高斯分布中获取采样值时,采样点所组成的随机过程就是“高斯白噪声”;同理,当随机的从均匀分布中获取采样值时,采样点所组成的随机过程就是“均匀白噪声”。 “非白的高斯”噪声——高斯色噪声。这种噪声其分布是高斯的,但是它的频谱不是一个常数,或者说,对高斯信号采样的时候不是随机采样的,而是按照某种规律来采样的。 仿真时经常采用高斯白噪声是因为实际系统(包括雷达和通信系统等大多数电子系统)中的主要噪声来源是热噪声,而热噪声是典型的高斯白噪声,高斯噪声下的理想系统都是线性系统。 高斯白噪声:如果一个噪声,它的幅度分布服从高斯分布,而它的功率谱密度又是均匀分布的,则称它为高斯白噪声。 热噪声和散粒噪声是高斯白噪声。 所谓高斯白噪声中的高斯是指概率分布是正态函数,而白噪声是指它的二阶矩不相关,一阶矩为常数,是指先后信号在时间上的相关性。这是考查一个信号的两个不同方面的问题。

色噪声原理及matlab代码实现

色噪声原理及matlab实现 1、实验目的: ⑴了解随机信号自身的特性,包括均值(数学期望)、均方值、方差、相关函数、概率密度、频谱及功率谱密度等。 (2)了解色噪声的基本概念和分析方法,掌握用matlab、c\c++软件仿真和分析色噪声的方法。 ⑶掌握随机信号的分析方法。 2、实验原理: 我们把除了白噪声之外的所有噪声都称为有色噪声。就像白光一样,除了白光就是有色光。 色噪声中有几个典型: ⑴粉红噪声。粉红噪音是自然界最常见的噪音,简单说来,粉红噪音的频率分量功率主要分布在中低频段。从波形角度看,粉红噪音是分形的,在一定的范围内音频数据具有相同或类似的能量。从功率(能量)的角度来看,粉红噪音的能量从低频向高频不断衰减,曲线为1/f,通常为每8度下降3分贝。粉红噪声的能量分布在任一同比例带宽中是相等的!比如常见的三分之一倍程频带宽100Hz的范围89.2__112和1000Hz的892__1120是相等的。 在给定频率范围内(不包含直流成分),随着频率的增加,其功率密度每倍频程下降3dB(密度与频率成反比)。每倍频的功率相同,但要产生每倍频程3dB的衰减非常困难,因此,没有纹波的粉红噪声在现实中很难找到。 粉红噪声低频能下降到接近0Hz(不包括0Hz)高频端能上到二十几千赫,而且它在等比例带宽内的能量是相等的(误差只不过0.1dB左右)。粉红噪声的功率普密度图: ⑵红噪声(海洋学概念)。这是有关海洋环境的一种噪声,由于它是有选择地吸收较高的频率,因此称之为红噪声。 ⑶橙色噪声。该类噪声是准静态噪声,在整个连续频谱范围内,功率谱有限且零功率窄带信号数量也有限。这些零功率的窄带信号集中于任意相关音符系统的音符频率中心上。由于消除了所有的合音,这些剩余频谱就称为橙色音符。 ⑷蓝噪声。在有限频率范围内,功率密度随频率的增加每倍频增长3dB(密度正比于频率)。对于高频信号来说,它属于良性噪声。

MATLAB中产生高斯白噪声

MATLAB中产生高斯白噪声,涉及到awgn和wgn函数 MATLAB中产生高斯白噪声非常方便,可以直接应用两个函数,一个是WGN,另一个是AWGN。WGN用于产生高斯白噪声,AWGN则用于在某一信号中加入高斯白噪声。 1. WGN:产生高斯白噪声 y = wgn(m,n,p) 产生一个m行n列的高斯白噪声的矩阵,p以dBW为单位指定输出噪声的强度。 y = wgn(m,n,p,imp) 以欧姆(Ohm)为单位指定负载阻抗。 y = wgn(m,n,p,imp,state) 重置RANDN的状态。 在数值变量后还可附加一些标志性参数: y = wgn(…,POWERTYPE) 指定p的单位。POWERTYPE可以是'dBW', 'dBm'或 'linear'。线性强度(linear power)以瓦特(Watt)为单位。 y = wgn(…,OUTPUTTYPE) 指定输出类型。OUTPUTTYPE可以是'real'或 'complex'。 2. AWGN:在某一信号中加入高斯白噪声 y = awgn(x,SNR) 在信号x中加入高斯白噪声。信噪比SNR以dB为单位。x的强度假定为0dBW。如果x是复数,就加入复噪声。 y = awgn(x,SNR,SIGPOWER) 如果SIGPOWER是数值,则其代表以dBW为单位的信号强度;如果SIGPOWER为'measured',则函数将在加入噪声之前测定信号强度。y = awgn(x,SNR,SIGPOWER,STATE) 重置RANDN的状态。 y = awgn(…,POWERTYPE)指定SNR和SIGPOWER的单位。POWERTYPE可以是'dB'或'linear'。如果POWERTYPE是'dB',那么SNR以dB为单位,而SIGPOWER以dBW为单位。如果POWERTYPE是'linear',那么SNR作为比值来度量,而SIGPOWER 以瓦特为单位。 注释 1. 分贝(decibel,dB):分贝(dB)是表示相对功率或幅度电平的标准单位,换句话说,就是我们用来表示两个能量之间的差别的一种表示单位,它不是一个绝对单位。例如,电子系统中将电压、电流、功率等物理量的强弱通称为电平,电平的单位通常就以分贝表示,即事先取一个电压或电流作为参考值(0dB),用待表示的量与参考值之比取对数,再乘以20作为电平的分贝数(功率的电平值改乘10)。 2. 分贝瓦(dBW, dB Watt):指以1W的输出功率为基准时,用分贝来测量的功率放大器的功率值。 3. dBm (dB-milliWatt):即与1milliWatt(毫瓦)作比较得出的数字。 0 dBm = 1 mW 10 dBm = 10 mW 20 dBm = 100 mW 也可直接用randn函数产生高斯分布序列,例如: 程序代码 y=randn(1,2500); y=y/std(y);

时间序列和白噪声

时间序列和白噪声 1.什么是白噪声答:白噪声是指功率谱密度在整个频域内均匀分布的噪声。白噪声或白杂讯是一种功率频谱密度为常数的随机信号或随机过程。换句话说此信号在各个频段上的功率是一样的由于白光是由各种频率颜色的单色光混合而成因而此信号的这种具有平坦功率谱的性质被称作是白色的此信号也因此被称作白噪声。相对的其他不具有这一性质的噪声信号被称为有色噪声。理想的白噪声具有无限带宽因而其能量是无限大这在现实世界是不可能存在的。实际上我们常常将有限带宽的平整讯号视为白噪音因为这让我们在数学分析上更加方便。然而白噪声在数学处理上比较方便因此它是系统分析的有力工具。一般只要一个噪声过程所具有的频谱宽度远远大于它所作用系统的带宽并且在该带宽中其频谱密度基本上可以作为常数来考虑就可以把它作为白噪声来处理。例如热噪声和散弹噪声在很宽的频率范围内具有均匀的功率谱密度通常可以认为它们是白噪声。高斯白噪声的概念--.白指功率谱恒定高斯指幅度取各种值时的概率px是高斯函数高斯噪声--n维分布都服从高斯分布的噪声高斯分布--也称正态分布又称常态分布。对于随机变量X记为Nμσ2分别为高斯分布的期望和方差。当有确定值时p x也就确定了特别当μ0σ21时X的分布为标准正态分布。2.matlab中白噪声和有色噪声怎么表示答:假设V和W是2个n维噪声序列其中V表示白噪声W表示有色噪声在MA TLAB中表示方法为: Vrandnmn Wfilterb1V b为滤波器系数。3.什么叫单边功率谱和双边功率谱他们如何计算答:单边功率谱密度N0主要用在复数信号中双边功率谱密度N0/2主要用在实信号中。单边功率谱适于基带分析在基带中是0中频。如果信号通过了调制将原中频搬移到了高频段原来的负频部分就成了正频利用双边功率谱进行分析。4.Matlab常用工具箱有哪些答:MATLAB包括拥有数百个内部函数的主包和三十几种工具包。工具包又可以分为功能性工具包和学科工具包。功能工具包用来扩充MATLAB的符号计算可视化建模仿真文字处理及实时控制等功能。学科工具包是专业性比较强的工具包控制工具包信号处理工具包通信工具包等都属于此类。开放性使MA TLAB广受用户欢迎。除内部函数外所有MA TLAB主包文件和各种工具包都是可读可修改的文件用户通过对源程序的修改或加入自己编写程序构造新的专用工具包。MatlabMainToolbox--matlab主工具箱ControlSystemToolbox--控制系统工具箱CommunicationToolbox--通讯工具箱FinancialToolbox--财政金融工具箱SystemIdentificationToolbox--系统辨识工具箱FuzzyLogicToolbox--模糊逻辑工具箱Higher-OrderSpectralAnalysisToolbox--高阶谱分析工具箱ImageProcessingToolbox--图象处理工具箱LMIControlToolbox--线性矩阵不等式工具箱ModelpredictiveControlToolbox--模型预测控制工具箱μ-AnalysisandSynthesisToolbox--μ分析工具箱NeuralNetworkToolbox--神经网络工具箱OptimizationToolbox--优化工具箱PartialDifferentialToolbox--偏微分方程工具箱RobustControlToolbox--鲁棒控制工具箱SignalProcessingToolbox--信号处理工具箱SplineToolbox--样条工具箱StatisticsToolbox--统计工具箱SymbolicMathToolbox--符号数学工具箱SimulinkToolbox--动态仿真工具箱WaveleToolbox--小波工具箱5什么是加性噪声答:加性噪声一般指热噪声、散弹噪声等它们与信号的关系是相加不管有没有信号噪声都存在。而乘性噪声一般由信道不理想引起它们与信号的关系是相乘信号在它在信号不在他也就不在。一般通信中把加性随机性看成是系统的背景噪声而乘性随机性看成系统的时变性如衰落或者多普勒或者非线性所造成的。信道中加性噪声的来源一般可以分为三方面:1人为噪声:人为噪声来源于无关的其它信号源例如:外台信号、开关接触噪声、工业的点火辐射等2自然噪声:自然噪声是指自然界存在的各种电磁波源例如:闪电、雷击、大气中的电暴和各种宇宙噪声等3内部噪声:内部噪声是系统设备本身产生的各种噪声例如:电阻中自由电子的热运动和半导体中载流子的起伏变化等。某些类型的噪声是确知的。虽然消除这些噪声不一定很容易但至少在原理上可消除或基本消除。另一些噪声则往往不能准确预测其波形。这种不能预测的噪声统称为随机噪声。我们关心的只是随机噪声。随机噪声的分类常见的随机噪声可

matlab 正弦波 高斯白噪声 均匀白噪声 功率谱密度 自相关函数

现代通信原理作业一 姓名:张英伟学号:8036 班级:13级理工部3班 利用matlab完成: ●产生正弦波信号、均匀白噪声以及高斯白噪声并分别将两种噪声叠加到正弦 波信号上,绘出波形。 ●分别求取均匀白噪声序列和高斯白噪声序列的自相关及功率谱密度,绘出波 形。 一、白噪声区别及产生方法 1、定义: 均匀白噪声:噪声的幅度分布服从均匀分布,功率谱密度在整个频域内均匀分布的噪声。 高斯白噪声:噪声的幅度分布服从正态分布,功率谱密度在整个频域内均匀分布的噪声。 2、matlab仿真函数: rand函数默认产生是区间在[0,1]的随机数,这里需要利用公式: z2=a+(b-(a))*rand(m,n)............(公式1) randn函数默认产生均值是0、方差是1的随机序列,所以可以用其来产生均值为0、方差为1的正态分布白噪声,即N(0,12)。利用公式: z1=a+b*randn(1,n).................(公式2) 可以产生均值为a,方差为b2 高斯白噪声,即N(a,b2)。 二、自相关函数与功率谱密度之间的关系 1、功率谱密度:每单位频率波携带的功率,这被称为信号的功率谱密度。 2、自相关函数:描述随机信号X(t)在任意两个不同时刻t1,t2的取值之间的相关程度。 3、维纳-辛钦定理: 由于平均值不为零的信号不是平方可积的,所以在这种情况下就没有傅里叶变换。幸运的是维纳-辛钦定理提供了一个简单的替换方法,如果信号可以看作是平稳随机过程,那么功率谱密度就是信号自相关函数的傅里叶变换。 4、平稳随机过程:是在固定时间和位置的概率分布与所有时间和位置的概率分布相同的随机过程。(就是指得仅一个随机过程,中途没有变成另外一个统计特性的随机过程)

色噪声

4.4 色噪声的产生与分析 1、实验原理 我们把除了白噪声之外的所有噪声都称为有色噪声。就像白光一样,除了白光就是有色光。 色噪声中有几个典型: ⑴粉红噪声。粉红噪音是自然界最常见的噪音,简单说来,粉红噪音的频率分量功率主要分布在中低频段。从波形角度看,粉红噪音是分形的,在一定的范围内音频数据具有相同或类似的能量。从功率(能量)的角度来看,粉红噪音的能量从低频向高频不断衰减,曲线为1/f,通常为每8度下降3分贝。粉红噪声的能量分布在任一同比例带宽中是相等的!比如常见的三分之一倍程频带宽100Hz的范围89.2__112和1000Hz的892__1120是相等的。 在给定频率范围内(不包含直流成分),随着频率的增加,其功率密度每倍频程下降 3dB(密度与频率成反比)。每倍频的功率相同,但要产生每倍频程3dB的衰减非常困难,因此,没有纹波的粉红噪声在现实中很难找到。 粉红噪声低频能下降到接近0Hz(不包括0Hz)高频端能上到二十几千赫,而且它在等比例带宽内的能量是相等的(误差只不过0.1dB左右)。粉红噪声的功率普密度图如图2-10 所示: 图2-10粉红噪声的功率普密度 ⑵红噪声(海洋学概念)。这是有关海洋环境的一种噪声,由于它是有选择地吸收较高的频率,因此称之为红噪声。 ⑶橙色噪声。该类噪声是准静态噪声,在整个连续频谱范围内,功率谱有限且零功率窄带信号数量也有限。这些零功率的窄带信号集中于任意相关音符系统的音符频率中心上。由于消除了所有的合音,这些剩余频谱就称为“橙色”音符。 ⑷蓝噪声。在有限频率范围内,功率密度随频率的增加每倍频增长3dB(密度正比于频率)。对于高频信号来说,它属于良性噪声。 ⑸紫噪声。在有限频率范围内,功率密度随频率的增加每倍频增长6dB(密度正比于频率的平方值)。 ⑹灰色噪声。该噪声在给定频率范围内,类似于心理声学上的等响度曲线(如反向的A-加权曲线),因此在所有频率点的噪声电平相同。 ⑺棕色噪声。在不包含直流成分的有限频率范围内,功率密度随频率的增加每倍频下降6dB(密度与频率的平方成反比)。该噪声实际上是布朗运动产生的噪声,它也称为随机飘移噪声或醉鬼噪声。

matlab 正弦波 高斯白噪声 均匀白噪声 功率谱密度 自相关函数

现代通信原理作业一 姓名:张英伟学号:133320085208036 班级:13级理工部3班 利用matlab完成: ●产生正弦波信号、均匀白噪声以及高斯白噪声并分别将两种噪声叠加到正弦 波信号上,绘出波形。 ●分别求取均匀白噪声序列和高斯白噪声序列的自相关及功率谱密度,绘出波 形。 一、白噪声区别及产生方法 1、定义: 均匀白噪声:噪声的幅度分布服从均匀分布,功率谱密度在整个频域内均匀分布的噪声。 高斯白噪声:噪声的幅度分布服从正态分布,功率谱密度在整个频域内均匀分布的噪声。 2、matlab仿真函数: rand函数默认产生是区间在[0,1]的随机数,这里需要利用公式: z2=a+(b-(a))*rand(m,n)............(公式1) randn函数默认产生均值是0、方差是1的随机序列,所以可以用其来产生均值为0、方差为1的正态分布白噪声,即N(0,12)。利用公式: z1=a+b*randn(1,n).................(公式2) 可以产生均值为a,方差为b2 高斯白噪声,即N(a,b2)。 二、自相关函数与功率谱密度之间的关系 1、功率谱密度:每单位频率波携带的功率,这被称为信号的功率谱密度。 2、自相关函数:描述随机信号X(t)在任意两个不同时刻t1,t2的取值之间的相关程度。 3、维纳-辛钦定理: 由于平均值不为零的信号不是平方可积的,所以在这种情况下就没有傅里叶变换。幸运的是维纳-辛钦定理提供了一个简单的替换方法,如果信号可以看作是平稳随机过程,那么功率谱密度就是信号自相关函数的傅里叶变换。 4、平稳随机过程:是在固定时间和位置的概率分布与所有时间和位置的概率分布相同的随机过程。(就是指得仅一个随机过程,中途没有变成另外一个统计特性的随机过程)

有色噪声下的卡尔曼滤波

有色噪声下的卡尔曼滤波 摘要 Kalman滤波技术是一种高效率的递归滤波器(自回归滤波器),它是现代信息处理中的重要工具。但是基本的Kalman滤波基本方程中要求系统噪声和量测噪声必须为互不相关的均值为零的白噪声过程, 限制了应用的范围。本文研究了在系统噪声和量测噪声都是有色噪声条件下的Kalman滤波方法, 并推导了全套的滤波方程。最后以GPS多天线三维姿态测量系统为例,根据推导出的动态噪声、观测噪声为有色噪声的线性系统滤波公式,在MATLAB环境下进行了仿真实验。 关键词:有色噪声,卡尔曼滤波,白噪声 ABSTRACT Kalman filtering technology is a kind of efficient algorithm.on filter (autoregressive filter), it is an important tool in modern information processing. But the basic Kalman filtering basic equations of noise and measurement requirements system for irrelevant noise must be zero of white noise process, limit the scope of application. In this paper we studied system noises and measurement noise are colored noise Kalman filtering method under the conditions, and derived full set of filter equation. Finally for example with GPS multi-antenna 3d pose measurement system, Carried out in MATLAB simulation experiment according to the dynamic noise is deduced, observation noise for colored noise linear system filtering formula. Key Words:Colored Noise, Kalman Filter, White Noise

MATLAB环境下的正弦信号及高斯白噪声仿真程序说明

姓名:朱奇峰 专业:电子与通信工程 方向:数字广播电视技术 学号:103320430109033 MATLAB 环境下的正弦信号及高斯白噪声仿真程序说明 一、信号的产生及时域观察 1、设定正选信号的频率为10HZ ,抽样频率为100HZ ; 2、设定N(0,0.25)高斯白噪声,及噪声功率为0.25W ; 3、最后将噪声叠加到正弦信号上,观察其三者时域波形。 二、信号频谱及白噪声功率谱的求解与观察 1、对原正弦信号直接进行FFT ,得出其频谱; 2、求白噪声的自相关函数,随机序列自相关函数的无偏估计公式为: 1 ^ 01()()()N m xx n r m x n x n m N m --==+-∑ 01m N ≤≤- ^^ ()()xx xx r m r m =- 01m N <<- 对所求自相关函数进行FFT 变换,求的白噪声的功率谱函数。 三、仿真结果:

附源程序代码: fs=100; fc=10; x=(0:1/fs:2); n=201; y1=sin(2*pi*fc*x); %原正弦信号,频率为10 a=0;b=0.5; %均值为a,方差为b^2 subplot(3,2,1); plot(x,y1,'r'); title('y=sin(20pi*x)'); ylabel('y'); xlabel('x/20pi'); grid; y2=a+b*randn(1,n); %高斯白噪声 subplot(3,2,2); plot(x,y2,'r'); title('N(0,0.25)的高斯白噪声'); ylabel('y'); xlabel('x/20pi'); grid; y=y1+y2; %加入噪声之后的信号 subplot(3,2,3); plot(x,y,'r'); title('叠加了高斯白噪声的sinx'); ylabel('y'); xlabel('x/20pi'); grid; FY=fft(y); %傅里叶变换得出频谱函数 FY1=fftshift(FY); %频谱校正 f=(0:200)*fs/n-fs/2; subplot(3,2,4); plot(f,abs(FY1),'r'); title('函数频谱图'); ylabel('F(jw)'); xlabel('w'); grid; %求高斯白噪声的自相关函数 m=50; i=-0.49:1/fs:0.49;

噪声发生器的设计与实现

湖南人文科技学院 课程设计报告 课程名称:DSP课程设计 设计题目:噪声发生器的设计与实现 系别:通信与控制工程系 专业:电子信息工程 班级:2005级电信本1班 学生姓名: 何广邓言斌 学号: 05409101 05409122 起止日期:2008年12月16日~ 2008年12月27日指导教师:候海良陈继中 教研室主任:何广

摘要 本作品使用DSP产生噪声信号,噪声信号的种类很多,其分布特性有正态分布、均匀分布,其类型有色噪声和白噪声等。本例要求生产均匀分布在(-1,+1)之间的随机白噪声,噪声发生器配合谱仪使用,适合各种工程应用,尤其使用于测试电视功能,其能直接观察天线和有线电视装置及其组件的幅频特性。因为噪声的频谱是权波段的,噪声发生器可用于测试同轴电缆、宽频带放大器、分路放大器、衰减补偿器、可调衰减器、分路带阻滤波器、分配器、天线插座等的幅频特性。 关键词:DSP;噪声发生器

目录 设计要求 (1) 1 方案设计与比较论证 (1) 1.1方案一 (1) 1.2 方案二 (2) 1.3 方案选择 (2) 2单元模块设计 (3) 2.1硬件设计 (3) 2.2 软件设计 (5) 3系统测试及性能分析 (8) 3.1硬件测试 (8) 3.2软件测试 (8) 3.3 性能分析 (8) 4操作说明 (8) 心得体会与总结 (9) 致谢 (10) 参考文献 (11) 附录 (12) A.设计原理图 (12) B.程序清单 (13)

设计要求 本设计要求使用C语言产生噪声信号,要求噪声均匀分布在(-1,+1)之间。1方案设计与比较论证 1.1方案一 随机噪声的产生和周期信号的产生不通,周期信号只要产生一个周期内的数据,然后循环输出,就可以实现;而随机噪声没有周期性。因为DSP中存储的数据总是有限的,所以随机噪声不能使用查表法产生,只能使用计算方法产生。随机噪声的计算方法比较复杂,可以采用种子(Seed)数据和系统时钟来实现,也可以采用大数运算取其结果来实现,DSP中只需要条用rand函数即可实现,方案如图1所示。 图1 方案一流程图

哈工大雷达系统仿真实验报告

雷达系统仿真 实验报告 姓名:黄晓明 学号: 班级:1305203 指导教师:谢俊好 院系:电信学院

实验一杂波和色噪声的产生—高斯谱相关对数正态随机序列的产生 1、实验目的 给定功率谱(相关函数)和概率分布,通过计算机产生该随机过程,并估计该过程的实际功率谱和概率分布以验证产生方法的有效性。 2、实验原理 1)高斯白噪声的产生 2 2 2 (x) f(x) μ σ - - = 、 2 2 2 (z) x F(x)dz μ σ - - =? 均值:μ为位置参数、方差:2 σ、均方差:σ为比例参数。 若给定01 X~N(,) ',则2 X X~N(,) μσμσ ' =+。 MATLAB中对应函数normrnd(mu,sigma,m,n),调用基本函数01 randn(m,n)~N(,)产生标准正态分布。 标准正态分布的产生方法有舍选抽样法、推广的舍选抽样法、变换法、极法、查表法等,其中变换法的优点是精度高,极法运算速度较变换法快10~30%,查表法速度快。 (1)反变换法、反函数有理逼近法 令0.5, t r x =-= () 2 012 23 123 0,1 1 a a x a x X signt x N b x b x b x ++ ?? =- ? +++ ?? 式中 2.515517 a=, 1 0.802833 a=, 2 0.010328 a=, 1 1.432788 b=, 2 0.189269 b=,3 0.001308 b=。用这一方法进行抽样,误差小于10-4。 (2)叠加法 根据中心极限定理有:先产生I组相互独立的01 [,]上均匀分布随机数,令 1 I i i Y r = =∑,则当N较大时212 Y~N(I,I)。一般可取12 I=,则601 Y~N(,) - (3)变换对法(Box-Muller method)

实验一噪声产生

实验报告

一、 实验目的: 了解噪声仿真在系统仿真中的应用,通过对随机数的产生与检验、高斯白噪声与色噪声的产生、SIRP 方法等方法的学习,用MATLAB 或C 语言产生均匀分布的随机数,并在此基础上采用舍选法、函数逼近法、概率逼近法、函数变换法产生两组独立的正态分布的随机数,并对仿真结果进行分析。 二、实验原理: 2.1 噪声仿真在系统仿真中的应用 1. 均匀分布随机数的产生 是各类分布随机数的产生的基础。产生方法:线性同余法,模2线性递推序列法。 1)线性同余法(D.H.Lehrmer,1951) 产生式:) (1c az z i i +=- (mod M),M a <<0 初值 z 为种子,由 ) ,,,(0M c a z 可以完全确定序列{ Λ ,1,0,=i z i },故称 ) ,,,(0M c a z 为一个(0,M )内服从均匀分布的随机数产生器。且: M) (a a c z a z n n n mod 1) 1(0--+= 要求:a 周期长(由M 决定,随机数个数要<

白噪声及有色噪声序列的产生

%白噪声及有色噪声序列的产生 设ξ(k) 为均值为0,方差为1的高斯白噪声序列,e(k)为有色噪声序 列: 1 1 1 12 123 () ()()()() () 10.50.2 () 1 1.50.70.1 C z e k G z k k D z z z k z z z ξξ ξ - - - -- --- == ++ = -++ 高斯白噪声序列ξ(k)在Matlab中由rand()函数产生,程序如下:clear all; close all; L=500; %仿真长度 d=[1 -1.5 0.7 0.1]; c=[1 0.5 0.2]; % 分子分母多项式系数 nd=length(d)-1 ;nc=length(c)-1; %阶次 xik=zeros(nc,1); %白噪声初值 ek=zeros(nd,1); xi=randn(L,1); %产生均值为0,方差为1的高斯白噪声序列 for k=1:L e(k)=-d(2:nd+1)*ek+c*[xi(k);xik]; %产生有色噪声 %数据更新 for i=nd:-1:2 ek(i)=ek(i-1); end

ek(1)=e(k); for i=nc:-1:2 xik(i)=xik(i-1); end xik(1)=xi(k); end subplot(2,1,1); plot(xi); xlabel('k');ylabel('噪声幅值');title('白噪声序列'); subplot(2,1,2); plot(e); xlabel('k');ylabel('噪声幅值');title('有色噪声序列');

MATLAB环境下的正弦信号及高斯白噪声仿真程序说明

姓名:朱奇峰 专业:电子与通信工程 方向:数字广播电视技术 学号:103320430109033 MATLAB 环境下的正弦信号及高斯白噪声仿真程序说明 一、信号的产生及时域观察 1、设定正选信号的频率为10HZ ,抽样频率为100HZ ; 2、设定N(0,0.25)高斯白噪声,及噪声功率为0.25W ; 3、最后将噪声叠加到正弦信号上,观察其三者时域波形。 二、信号频谱及白噪声功率谱的求解与观察 1、对原正弦信号直接进行FFT ,得出其频谱; 2、求白噪声的自相关函数,随机序列自相关函数的无偏估计公式为: 1 ^ 01()()()N m xx n r m x n x n m N m --==+-∑ 01m N ≤≤- ^^ ()()xx xx r m r m =- 01m N <<- 对所求自相关函数进行FFT 变换,求的白噪声的功率谱函数。 三、仿真结果:

附源程序代码: fs=100; fc=10; x=(0:1/fs:2); n=201; y1=sin(2*pi*fc*x); %原正弦信号,频率为10 a=0;b=0.5; %均值为a,方差为b^2 subplot(3,2,1); plot(x,y1,'r'); title('y=sin(20pi*x)'); ylabel('y'); xlabel('x/20pi'); grid; y2=a+b*rand(1,n); %均匀白噪声 subplot(3,2,2); plot(x,y2,'r'); title('N(0,0.25)的均匀白噪声'); ylabel('y'); xlabel('x/20pi'); grid; y=y1+y2; %加入噪声之后的信号 subplot(3,2,3); plot(x,y,'r'); title('叠加了均匀白噪声的sinx'); ylabel('y'); xlabel('x/20pi'); grid; FY=fft(y); %傅里叶变换得出频谱函数 FY1=fftshift(FY); %频谱校正 f=(0:200)*fs/n-fs/2; subplot(3,2,4); plot(f,abs(FY1),'r'); title('函数频谱图'); ylabel('F(jw)'); xlabel('w'); grid; %求均匀白噪声的自相关函数 m=50; i=-0.49:1/fs:0.49;

色噪声产生与仿真

随机信号分析实验 一、实验目的: ⑴了解随机信号自身的特性,包括均值(数学期望)、均方值、方差、相关函数、概率密度、频谱及功率谱密度等。 (2)了解色噪声的基本概念和分析方法,掌握用matlab、c\c++软件仿真和分析色噪声的方法。 ⑶掌握随机信号的分析方法。 二、实验原理: 我们把除了白噪声之外的所有噪声都称为有色噪声。就像白光一样,除了白光就是有色光。 色噪声中有几个典型: ⑴粉红噪声。粉红噪音是自然界最常见的噪音,简单说来,粉红噪音的频率分量功率主要分布在中低频段。从波形角度看,粉红噪音是分形的,在一定的范围内音频数据具有相同或类似的能量。从功率(能量)的角度来看,粉红噪音的能量从低频向高频不断衰减,曲线为1/f,通常为每8度下降3分贝。粉红噪声的能量分布在任一同比例带宽中是相等的!比如常见的三分之一倍程频带宽100Hz的范围89.2__112和1000Hz的892__1120是相等的。 在给定频率范围内(不包含直流成分),随着频率的增加,其功率密度每倍频程下降3dB(密度与频率成反比)。每倍频的功率相同,但要产生每倍频程3dB的衰减非常困难,因此,没有纹波的粉红噪声在现实中很难找到。 粉红噪声低频能下降到接近0Hz(不包括0Hz)高频端能上到二十几千赫,而且它在等比例带宽内的能量是相等的(误差只不过0.1dB左右)。粉红噪声的功率普密度图: ⑵红噪声(海洋学概念)。这是有关海洋环境的一种噪声,由于它是有选择地吸收较高的频率,因此称之为红噪声。 ⑶橙色噪声。该类噪声是准静态噪声,在整个连续频谱范围内,功率谱有限且零功率窄带信号数量也有限。这些零功率的窄带信号集中于任意相关音符系统的音符频率中心上。由于消除了所有的合音,这些剩余频谱就称为橙色音符。 ⑷蓝噪声。在有限频率范围内,功率密度随频率的增加每倍频增长3dB(密

增广最小二乘辨识白噪声和有色噪声的区别是什么

第一次作业 1、增广最小二乘辨识 模型结构如下所示: ) 2()1()()2()1() 2()1()(212121-+-++-+-=-+-+k v d k v d k v k u b k u b k z a k z a k z 其中,a 1=-1.8, a 2=0.9, b 1=0.8, b 2=0.3, d 1=1, d 2=0.4。对其进行MATLAB 仿真。 N Y 停机 工作间清零 产生输出采样信号 给被辨识参数θ和P 赋初值 按照式(3.80)的第三式递推计算P (k ) 按照式(3.67)计算被辨识参数的相对变化量 收敛满足要求? 按照式(3.80)的第二式递推计算K (k ) 按照式(3.80)的第一式递推计算θ(k ) 用4位移位寄存器产生幅值为1的输入信号 计算系统的实际输出响应及模型的响应 给M 序列的长度L 赋值 画出被辨识参数θ的各次估计值及其误差 显示被辨识参数、辨识精度、输出采样、系统实际输出、模型输出 画出系统的实际输出、输出采样及模型输出 画出输入信号径线图形及随机噪声图形 产生随机噪声信号 图1 增广最小二乘递推算法辨识的Malab6.0程序流程图

解: 增广最小二乘辨识程序: >> clear L=60; y1=1;y2=1;y3=1;y4=0; for i=1:L; x1=xor(y3,y4); x2=y1; x3=y2; x4=y3; y(i)=y4; if y(i)>0.5,u(i)=-1; else u(i)=1; end y1=x1;y2=x2;y3=x3;y4=x4; end figure(1); subplot(2,1,1); stem(u),grid on v=randn(1,60); subplot(2,1,2); plot(v),grid on; u,v %显示输入信号和噪声信号 z=zeros(7,60);zs=zeros(7,60);zm=zeros(7,60);zmd=zeros(7,60); z(2)=0; z(1)=0; zs(2)=0; zs(1)=0; zm(2)=0; zm(1)=0; zmd(2)=0; zmd(1)=0; c0=[0.1 0.1 0.1 0.1 0.1 0.1 0.1]'; + y (k ) u (k ) e (k ) z (k ) + v (k ) ) (1-z G ) (1-z N 图2 增广最小二乘法辨识实例结构图

用FPGA产生高斯白噪声序列的一种快速方法

Vol.10No.11 Nov.2009 第10卷第11期 2008年11月 https://www.360docs.net/doc/5e15571228.html, 2008.11用FPGA 产生高斯白噪声序列的 一种快速方法* 管宇,徐雷,徐建中 (南京航空航天大学信息科学与技术学院,南京 210016)摘要:介绍了用FPGA 快速产生高斯白噪声序列的方法、原理和实现步骤。根据均匀分布和高斯分布之间的映射关系,提出了适合在FPGA 中实现的折线逼近方法(以折线逼近映射关系曲线),从而实现了高斯白噪声序列的快速实时生成。 关键字:均匀分布;高斯白噪声;折线逼近法;FPGA 设计参考55

Electronic Component & Device Applications 姨×exp (-y 2 /2)其中:-∞<y <+∞。对f (y )在[-4,4]间进行每隔0.02的等间隔采样,共可采401个值z i (i =1:401),其中z i =f (y i ),sum (z )=z 1+z 2+…+z 401。要建立服从均匀分布的随机变量X 和服从高斯分布的随机变量Y 之间的映射关系,可以z i (i =1:401)及sum (z )为中间量关联X 和Y 。其映射计算式为: X [p i :(p i +q i -1)]=y i ,i =1,2,3, (401) (3) 其中:p i =p i-1+q i-1,i =2,3,…401,p 1=1; X [p i :(p i +q i -1)]=y i 表示X 的取值在p i 到p i +q i -1范围内都映射为y i ;round 表示四舍五入;q i 表示X 所有取值中映射为y i 的个数。根据映射计算式得到均匀分布和高斯分布之间的映射关系图如图2所示。 2.2折线逼近法 如果直接应用上述映射关系进行均匀分布向高斯分布的转换,则需开辟(218-1)个物理空间来建立查找表,这几乎不可能实现。但由图2可见,其关系曲线在很大区间上表现出线性关系,所以,可以以斜率不同的直线段分段逼近关系曲线。在一定精度要求下,该方法简单易行,占用硬件资源少,适合在FPGA 中实现,从而实现由服从均匀分布向服从高斯分布的快速转换。图3是关系曲线(实线)和15段折线逼近法(虚线)的拟合图,由图可见,其实线和虚线拟合得很好,从而证明了折线逼近法能较好的反映映射关系。 利用m 序列的周期特性可降低高斯白噪声任意两个不同时刻的采样信号的相关性。在线性反馈移位寄存器中每隔r 个同步时钟(其中r =2i ,i 为整数)输出一个状态值作为均匀分布的随机数输入可实现均匀分布向高斯分布的转化 。为了选择 图118级线性反馈移位寄存器

系统辨识与仿真实验大报告汇总

东南大学自动化学院 实验报告 课程名称:系统辨识 实验名称:系统辨识与仿真 院(系):自动化专业:自动化 姓名:学号: 同组人员:实验时间:2013 年月日评定成绩:审阅教师:

实验一: 给定系统G(s)= 4102+++s s s , 1. 用连续系统仿真方法,求零时刻的单位脉冲响应g(k)(采样步长为0.1s ,持续5s ); 2. 用双线性变换求离散传递函数G(z); 3. 编程产生7级逆重复M 序列u ,幅值:±1,仿真时间:0:30.5s ,仿真步长:0.1s ; 4. 以u 为输入,求G(z)的输出y ;(保存y,u ,作为实验二的数据) 5. 编程求自相关函数Ruu(k)和互相关函数Ruy(k),k=1, (51) (化成单位脉冲及其响应的形式) 6. 将g(k)、Ruu(k)、Ruy(k)在一个图中绘出,并比较g(k)和Ruy(k)的差别。 实验步骤及实验结果: (1)建立simulink 仿真系统图如下: 设置脉冲周期为10s ,幅值为10,脉宽为1%,运行后观察示波器结果如下,并输出到文件: (2)输入如下代码进行双线性变换: >> n1=[0 1 10]; >> d1=[1 1 4]; >> f=tf(n1,d1)

84.392.724 .41 .02.03.022+--+z z z z Transfer function: s + 10 ----------- s^2 + s + 4 >> [n2,d2]=c2dm(n1,d1,0.1,'tustin'); >> printsys(n2,d2,'z') num/den = 0.070755 z^2 + 0.04717 z - 0.023585 ----------------------------------- z^2 - 1.8679 z + 0.90566 双线性变化为)1()1(2+-=z T z s ,代入原传递函数求得G(z)= , 将其分子分母同除以4.24即为程序结果。 (3)逆重复M 序列的生成代码: clear; t=[0:0.1:30.5]; lenth=size(t,2); u(1:7)=1; for i=8:lenth u(i)=(mod(u(i-1)+u(i-7),2)); end u=u*2-1; a=1; for i=1:lenth %与方波相乘 u(i)=u(i)*a; a=-a; end uu(1,:)=t; uu(2,:)=u; save u11 uu plot(u(1:140)) ylim([-2 2]) 显示结果如下图所示:

相关文档
最新文档