随机信号统计特性分析

随机信号统计特性分析
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

流程图如下

产生伪随机信号

(用给出的公式的产生均匀分布)

用中心极限定理产生一组服从正态

分布的伪随机信号

(对100个伪随机数据求和,重复500次)

检验得到的正太分布

(用3sigma原则并画出直方图)

自相关检验上述信号

Matlab程序如下:

clc

clear all

close all

%**同余法编制产生伪随机信号,用中心极限定理产生一组服从正态分布的伪随机信号***** C = 2^9 + 3;

M = 2^12;

a=500; %设置信号数据量

L=100; %求和长度

for j=1:a %循环500次

k(1) = rand() ;%

n(1)=k(1)./M-0.5;

for i=1:1:L

k(i+1)=mod(C*k(i),M);

n(i)=k(i)./M-0.5;

end

s(j)=sum(n); %对长度为L的伪随机信号求和得到正态分布的伪随机信号

end

figure

plot(s);title('中心极限法产生的500的伪随机信号');

%******************检验所产生的伪随机信号是高斯分布的*************

figure,hist(s);title('正态分布直方图');

d= sqrt( mean(s.*s) ); % 求标准差

D1 = find( -d

P1 = length(D1) / a; %求该范围内的概率

D2 = find( -d*2

%***********用自相关函数检验上述信号******************** for k=0:a-1; ss=0; for j=1:(a-k)

ss=ss+s(j).*s(j+k);%依次求和 end

Rs(k+1)=ss./a; %取平均值 end

figure,plot(Rs);title('随机信号的自相关函数');

%*************用自带函数检验并作对比***************************** figure

plot(xcorr(s));tilte('自带函数求得的自相关函数');

运行结果:

050100150200250300350400450500

-8

-6-4-202468

10中心极限法产生的500的伪随机信号

1.得到的结果基本符合正态分布图 以下是3sigma 原则得到的结果:

P1,P2,P31分别是[]-+σσ,,[]-+22σσ,,[]-+33σσ,,范围内的概率,与标准的[]

-+σσ,内概率68%,[]-+22σσ,内概率95.4%,[]-+33σσ,内概率99.7%相对比,也基本符合。

-8

-6-4-20246810

正态分布直方图

随机信号的自相关函数

2.

()()()

R k N

n i n i k n i N k =

*+=-∑1

公式检验伪随机信号结果如上图,

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。 3.采用再带公式检验结果:

01002003004005006007008009001000

-1000

1000

2000

3000

4000

5000

随机信号分析习题

随机信号分析习题一 1. 设函数???≤>-=-0 , 0 ,1)(x x e x F x ,试证明)(x F 是某个随机变量ξ的分布函数。并求下列 概率:)1(<ξP ,)21(≤≤ξP 。 2. 设),(Y X 的联合密度函数为 (), 0, 0 (,)0 , other x y XY e x y f x y -+?≥≥=? ?, 求{}10,10<<<

8. 两个随机变量1X ,2X ,已知其联合概率密度为12(,)f x x ,求12X X +的概率密度? 9. 设X 是零均值,单位方差的高斯随机变量,()y g x =如图,求()y g x =的概率密度 ()Y f y \ 10. 设随机变量W 和Z 是另两个随机变量X 和Y 的函数 22 2 W X Y Z X ?=+?=? 设X ,Y 是相互独立的高斯变量。求随机变量W 和Z 的联合概率密度函数。 11. 设随机变量W 和Z 是另两个随机变量X 和Y 的函数 2() W X Y Z X Y =+?? =+? 已知(,)XY f x y ,求联合概率密度函数(,)WZ f z ω。 12. 设随机变量X 为均匀分布,其概率密度1 ,()0X a x b f x b a ?≤≤? =-???, 其它 (1)求X 的特征函数,()X ?ω。 (2)由()X ?ω,求[]E X 。 13. 用特征函数方法求两个数学期望为0,方差为1,互相独立的高斯随机变量1X 和2X 之和的概率密度。 14. 证明若n X 依均方收敛,即 l.i.m n n X X →∞ =,则n X 必依概率收敛于X 。 15. 设{}n X 和{}n Y (1,2,)n = 为两个二阶矩实随机变量序列,X 和Y 为两个二阶矩实随机变量。若l.i.m n n X X →∞ =,l.i.m n n Y Y →∞ =,求证lim {}{}m n m n E X X E XY →∞→∞ =。

信号的统计检测理论

信号的统计检测理论 信号的统计检测理论是随机信号处理的基础理论之一。在随机信号特性统计描述的基础上,研究信号状态的最佳判决及其检测性能,是信号统计检测理论的主要任务。 本章概述了信号统计检测的基本概念、合理判决方法、判决结果和判决概率;重点讨论了信号统计检测各种最佳的概念、最佳判决式和检测性能的分析方法及参量信号的最佳检测理论和方法;还讨论了信号的序列检测,一般高斯信号的检测及复信号的检测等问题。 1.贝叶斯准则 在二元信号情况下,考虑判决概率P(H i |H j ),各假设H j 的先验概率P(H j )和各种判决所付出代价的代价因子c ij (i,j =0,1;c ij,i ≠j >c jj ),其平均代价为 C = c ij P(H j )P(H i |H j )1 i=0 1j=0 (.2) 所谓贝叶斯准则,就是在假设H j 的先验概率P(H j )已知,各种判决代价因子c ij 给定的情况下,使平均大家C 最小的准则。 贝叶斯准则的最佳判决式,其似然比检验形式为 λ(x )?p (x |H 1)p (x |H 0) H 1?H 0 P H 0 (c 10?c 00)P H 1 (c 01?c 11)?η 式中,λ(x)是似然比函数,决定于观测信号(x|H j )的统计特性,与P(H j ),c ij 无关;η是似然比门限,决定于P(H j )和c ij ,与(x|H j )的统计特性无关。这样,能够实现任意(x|H j )统计特性下和任意P(H j ),c ij 下使平均代价C 最小的最佳信号检测。 2.最小平均错误概率准则 如果假设H j 的先验概率P H j (j =0,1)已知,各种判决的代价因子c ij =1?δij ,则平均错误概率 P e = P H j P H i H j 1 i=0 i ≠j 1j=0=P H 0 P H 1 H 0 +P H 1 P H 0 H 1 .7 使平均错误概率P e 最小的准则,称为最小平均错误概率准则。 最小平局错概率准则的似然比检验形式为 λ(x)?p(x|H 1)p(x|H 0)H 1?H 0 P H 0 P H 1 ?η 如果假设H j 的先验概率相等,即P H 0 =P H 1 ,则η=1,称为最大似然比准则。 3.奈曼—皮尔逊准则 在错误判决概率P H 1 H 0 =α约束下,使正确判决概率P H 1 H 1 最大的准则,称为奈曼—皮尔逊准则。 奈曼—皮尔逊准则的似然比检验形式为

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 =

第1章随机信号概论特征函数随机过程统计特性

1.4 随机变量的特征函数 引言:分布函数:反映随机变量的统计规律性。 数字特征:反映、掌握分布函数的某些特征。矩是最主要的特征,但随着矩的阶数的 增高,计算机较麻烦,寻求一种有效的方法来计算。 特征函数:一种计算各阶矩的有效工具。特别是计算、处理多个随机变量,特征函数 显示其优越性一。 1.4.1 特征函数的定义 (1) 设X 是定义在概率空间),,(P F S 上的随机变量,它的分布函数为)(x F ,称juX e 的 数学期望)(juX e E 为X 的特征函数,记为)(u C X 。 当X 为离散型随机变量时,其特征函数为: ∑∞ ====1 )()()(i i jux juX X x X P e e E u C i 当X 为连续型随机变量时,其特征函数为: ?+∞ ∞ -==dx x p e e E u C jux juX X )()()( (2) 利用特征函数求概率密度函数 ? +∞ ∞ --= du u C e x p X jux )(21 )(π 证明:利用傅里叶变换与反变换关系可证明。 举例: 例1:求标准正态分布)1,0(N 的特征函数。 2 2 2221)()(u jux x juX X e dx e e e E u C - ∞ +∞ -- ===? π 1.4.2 特征函数的性质 (1) 1)(≤u C X 1)0(=X C (2) 两两相互独立的随机变量之和的特征函数等于各个随机变量的特征函数之积,即: 若∑== n k k X Y 1 ,式中n X X X Λ,,21为n 个两两相互独立的随机变量,则 ∏==n k X Y u C u C k 1 )()(

电子科大随机信号分析随机期末试题答案

电子科技大学2014-2015学年第 2 学期期 末 考试 A 卷 一、设有正弦随机信号()cos X t V t ω=, 其中0t ≤<∞,ω为常数,V 是[0,1)均匀 分布的随机变量。( 共10分) 1.画出该过程两条样本函数。(2分) 2.确定02t πω=,134t πω=时随机信号()X t 的 一维概率密度函数,并画出其图形。(5 分) 3.随机信号()X t 是否广义平稳和严格平 稳?(3分) 解:1.随机信号()X t 的任意两条样本函 数如题解图(a)所示: 2.当02t πω=时,()02X πω=,()012P X πω??==????, 此时概率密度函数为:(;)()2X f x x πδω =

当34t πω=时, 3()42X πω=-,随机过程的一维 概率密度函数为: 3. ()[]1cos cos 2E X t E V t t ωω==???? 均值不平稳, 所以()X t 非广义平稳,非严格平稳。 二、设随机信号()()sin 2X n n πφ=+与 ()()cos 2Y n n πφ=+,其中φ为0~π上均 匀分布随机变量。( 共10分) 1.求两个随机信号的互相关函数 12(,)XY R n n 。(2分) 2.讨论两个随机信号的正交性、互不 相关性与统计独立性。(4分) 3.两个随机信号联合平稳吗?(4分) 解:1.两个随机信号的互相关函数 其中()12sin 2220E n n ππφ++=???? 2. 对任意的n 1、n 2 ,都有12(,)0XY R n n =, 故两个随机信号正交。

又 故两个随机信号互不相关, 又因为 故两个随机信号不独立。 3. 两个随机信号的均值都平稳、相关函数都与时刻组的起点无关,故两个信号分别平稳,又其互相关函数也与时刻组的起点无关,因而二者联合平稳。 三、()W t 为独立二进制传输信号,时隙长度T 。在时隙内的任一点 ()30.3P W t =+=????和 ()30.7P W t =-=????,试求( 共10分) 1.()W t 的一维概率密度函数。(3分) 2.()W t 的二维概率密度函数。(4分) 3.()W t 是否严格平稳?(3分)

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/675118260.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

统计信号分析与处理报告

XCXDFSEWRV 中国地质大学(武汉) 统计信号分析处理报告 小组成员: 魏彦斌马全林陈飞 班号: 075132 _ 院系:__机电学院 专业:_通信工程 指导教师:_侯强老师

一实验内容 实验一、地震时间间隔的密度估计; 实验二、地震震级与频度回归分析; 实验三、地震空间分布聚类分析; 实验四、地震优势深度聚类分析; 二.实验要求及结果。 实验一、地震时间间隔的密度估计; 读入数据后,把时间列(第一二列)转换成数据格式,然后分:3级以下,3到4级,4到5级,5到6级,6级以上等6个部分分别计算地震之间的时间差t,这个t就是地震时间间隔,而且是一个随机变量,对t这个随机变量进行密度估计。

代码:%%

clear all;close all; clc; filename = '中国地震台网(CSN)地震目录(1970-01-01至2015-09-31).xls'; sheet = 1; xRange = 'A5:A8462'; % xRange = 'A3:A8462'; x2Range = 'B5:B8462'; % x2Range = 'B3:B8462'; yRange = 'H3:H8462'; % [~,x]= xlsread(filename, sheet, xRange); % [~,x2] = xlsread(filename, sheet, x2Range); [~,x]= xlsread(filename, sheet, xRange); [ttt,x2] = xlsread(filename, sheet, x2Range); ml= xlsread(filename, sheet, yRange); %读取数据 %% X = x(~isnan(ml)); X2 = x2(~isnan(ml)); n = length(X2); %去掉无数据的日期和时间 for i = 1:n %将日期时间转化为数值形式 Xyy(i) = str2double(X{i}(1:4)); %年 Xmm(i) = str2double(X{i}(6:7)); %月 Xdd(i) = str2double(X{i}(9:10)); %日 XHH(i) = str2double(X2{i}(1:2)); %时 XMM(i) = str2double(X2{i}(4:5)); %分 XSS(i) = str2double(X2{i}(7:8)); %秒 end xx = datenum(Xyy,Xmm,Xdd,XHH,XMM,XSS); %将时间转化为数值形式ML = ml(~isnan(ml) ); %去掉无数据项 a=1; b=1;c=1;d=1; e=1; for i=1:n if ML(i)<=3.0 t_3(a)=xx(i); a=a+1; elseif ML(i)>3.0&&ML(i)<=4.0 t_34(b)=xx(i);

电子科大随机信号分析随机期末试题答案

电子科技大学2014- 2015学年第2学期期末考试 A 卷 一、设有正弦随机信号X t Vcos t , 其中0 t,为常数,V是[0,1)均匀分布的随机变 量。(共10分) 1.画出该过程两条样本函数。(2分) 3 2.确定t。— , t1—时随机信号x(t)的一维概率密度函数,并画出其图形。(5 分) 3.随机信号x(t)是否广义平稳和严格平 稳?(3分) 解: 1.随机信号x t的任意两条样本函数如题解图(a)所示: 2.当t0 厂时,x(—)0, P x(—)0 1, 此时概率密

度函数为:f x(X;厂)(X)

当t时,X(右)乎V,随机过程的一维概率密度函数为: 1 3. E X t EV cos t 2cos t 均值不平稳,所以X(t)非广义平稳,非严格平稳。 二、设随机信号X n sin 2 n 与 Y n cos 2 n ,其中为0~上均 匀分布随机变量。(共10分) 1.求两个随机信号的互相关函数 (n!, n2)o (2 分) R KY 2.讨论两个随机信号的正交性、互不 相关性与统计独立性。(4分) 3 .两个随机信号联合平稳吗?(4分)解: 1.两个随机信号的互相关函数 其中E sin 2 口2迈2 0 2.对任意的厲、n2,都有R XY^M) 0, 故两个

随机信号正交。 又 故两个随机信号互不相关, 又因为 故两个随机信号不独立。 3. 两个随机信号的均值都平稳、相关函数都与时刻组的起点无关,故两个信号分别平稳,又其互相关函数也与时刻组的起点无关,因而二者联合平稳。 三、W t为独立二进制传输信号,时隙长度T。在时隙内的任一点 P W t 3 0.3和P W t 3 0.7 ,试求 (共10 分) 1.W t的一维概率密度函数。(3 分)

《统计信号处理基础》实验四

实验报告 姓名: 实验名称: 学号: 课程名称: 班级: 实验室名称: 组号: 实验日期: 一、实验目的、要求 本实验的目的是在了解了Matlab 编程语言的编程和调试的基础上,利用Matlab 本身自带的函数来展示不同功率谱估计的性能。试验内容涉及非参数化功率谱估计、参数化功率谱估计、频率估计等内容。本实验主要是为了让学生在充分理解不同的功率谱估计方法之间的性能差异,通过计算机仿真和多次重复来验证理论上的结论 要求包括以下几个部分: 1.要求独立完成实验的内容所要求的各项功能,编制完整的Matlab 程序,并在程序中注释说明各段程序的功能。 2.要填写完整的实验报告,报告应包含程序、图形和结论。要求记录在实验过程中碰到的问题,以及解决的方法和途径。 二、实验原理 实验1.宽带AR 过程()x n 是由单位方差的高斯白噪声通过滤波器 1221 ()(10.50.5)(10.5) H z z z z ---= -++ 实验 2. 本实验是验证最大熵方法的功率谱估计。 对随机过程()()()y n x n w n =+, ()w n 是方差为2 w σ的白高斯噪声,()x n 是(2)AR 过程,由单位方差的白噪声通过如下滤波 器所获得 12 1 ()1 1.5850.96H z z z --= -+ 三、实验环境 验所要求的设备: 每组包含完整的计算机 1 台; 可共用的打印机1台,A4纸张若干; 计算机上安装的软件包括: Matlab 6.5以上(应包含Signal Processing Toolbox, Filter

Design Toolbox ); Word 2000以上; 五、实验过程、数据记录、处理及结论 实验1 1221 ()(10.50.5)(10.5) H z z z z ---= -++ a. 生成()x n 的256N =个样本,取4p =并用自相关方法来计算功率谱,画出估计的功率谱并与真实功率谱相比。 clear all;close all; a=[1,-0.5,1,-0.25,0.25]; p=4; N=256;%数据长度 M=100; w=[0:pi/M:pi-pi/M]; v=randn(1,N); x=filter(1,a,v); [a1,err] = acm(x,p); h0=freqz(1,a,M); A=zeros(1,M); for m=2:p+1; A=A+a1(m)*exp(-j*m*w); end A=abs(A+1); Pw=1./(A.^2);%%%估计功率谱 A1=zeros(1,M); for k=2:5 A1=A1+a(k)*exp(-j*k*w); end A1=abs(A1+1); Pw1=1./A1.^2;%%%%%%%%%%%理论功率谱 figure(1) plot(w,Pw1,'-bo',w,Pw,'-b.');title('功率谱');xlabel('K');ylabel('幅值');hleg1=legend('理论功率谱','估计功率谱'); b. 重复a 中的计算20次,分别画出20次的重迭结果和平均结果。评论估计的方差并 说明怎样才能提高自相关方法估计功率谱的精度; clear all;close all; a=[1,-0.5,1,-0.25,0.25];%%%%%宽带AR 过程 %a=[ 1 -2.737 3.74592 -2.62752 0.9216];%%%%%%%%%%%窄带AR 过程 p=4;%功率谱数据长度 M=100;%%% N=256;%数据长度 w=[0:pi/M:pi-pi/M];

统计信号处理实验四东南大学

统计信号处理 实验四 《统计信号处理》实验四 目的: 掌握自适应滤波的原理; 内容一: 假设一个接收到的信号为:x(t)=s(t)+n(t), 其中s(t)=A*cos(wt+a), 已知信号的频率w=1KHz,而信号的幅度和相位未知,n(t)是一个服从N(0,1)分布的白噪声。为了利用计算机对信号进行处理,将信号按10KHz的频率进行采样。 1) 通过对x(t)进行自适应信号处理,从接收信号中滤出有用信号s(t); 2)观察自适应信号处理的权系数; 3)观察的滤波结果在不同的收敛因子u下的结果,并进行分析; 4)观察不同的抽头数N对滤波结果的影响,并进行分析; 内容二: 在实验一的基础上,假设信号的频率也未知,重复实验一; 内容三: 假设s(t)是任意一个峰峰值不超过1的信号(取幅度为的方波),n(t)是一个加在信号

中的幅度和相位未知的,频率已知的50Hz单频干扰信号(假设幅度为1)。信号取样频率1KHz,试通过自适应信号处理从接收信号中滤出有用信号s(t)。 要求: 1)给出自适应滤波器结构图; 2)设计仿真计算的Matlab程序,给出软件清单; 3)完成实验报告,对实验过程进行描述,并给出试验结果,对实验数据进行分析。实验过程: 1、假设一个接收到的信号为:d(t)=s(t)+n(t), 其中s(t)=A*cos(wt+a), 已知信号的频率w=1KHz,而信号的幅度和相位未知,n(t)是一个服从N(0,1)分布的白噪声。为了利用计算机对信号进行处理,将信号按10KHz的频率进行采样。 1)参考信号d(k)=s(k)+n(k),s(k)=A*cos(wk+a),产生一个与载波信号具有相同频率的正弦信号作为输入信号() x k,即x(k)=cos(wk)。经过自适应处理后,就可以在输出信号() y k端得到正确的载波信号(包含相位和幅度)。 框图如下: 2)改变收敛因子 μ,观察滤波结果。 3)改变滤波器抽头数N,观察滤波结果。 2、在实验一的基础上,假设信号的频率也未知,重复实验一。 参考信号d(k)=s(k)+n(k),s(k)=A*cos(wk+a),将参考信号延时一段时间后得到的信号作为输入信号() x k,即x(k)=d(k-m)。经过自适应处理后,就可以在误差输出端y(k)得到正确的载波信号(包含频率、相位和幅度)。 3、假设s(t)是任意一个峰峰值不超过1的信号(取幅度为的方波),n(t)是一个加在信号中的幅度和相位未知的,频率已知的50Hz单频干扰信号(可以假设幅度为1)。信号取样频率1KHz,试通过自适应信号处理从接收信号中滤出有用信号s(t)。 我们可以使用陷波滤波器对噪声进行滤除,但普通滤波器一旦做成,其陷波频率难以调整。如果使用自适应陷波滤波器,不仅可以消除单频干扰,而且可以跟踪干扰的频率变化,持续消噪。 自适应陷波滤波器的原理框图如下图所示: 假如输入信号是一个纯余弦信号 () cos C t ω? + ,则可将其分为两路,将其中一路进行

随机信号的分析

1. 试求下列均匀概率密度函数的数学期望和方差: ?????≤≤-=x a x a a x f 其它021)( 2. 设(X,Y )的二维概率密度函数为:0,0 )exp(4),(22≥≥--=y x y x xy y x f 求22Y X Z += 的概率密度函数。 3. 设有两个随机过程:???+==)cos()()(cos )()(02 01θωωt t X t S t t X t S X(t)是广义平稳过程。θ是对x(t)独立的。均匀分布于),(ππ-上的随机变量, (1) )(),(21t S t S 的自相关函数。 (2)并说明)(),(21t S t S 的平稳性。 4. 一个均值为零的随机信号S(t),具有如图 (1) 信号的平均功率S 为多少? (2) 其自相关函数为 (3) 设Z Z H V K MH B /1,12μ==。信号的均方值S 为,以及相距s μ1的S(t) 的两个样值是 5. 试求白噪声(单边功率谱为0N )通过具有高斯频率特性的谐振放大器后,(该 放大器的频率特性为]2)(exp[)(220β ωωω--=K H ,其中参数β是用来确定通带带宽的。),输出噪声的自相关函数。并画出)(τn R 的图形。 6. 已知一正弦波加窄带高斯过程的信号表示式为)()cos()(t n t A t r c ++=θω,并且有 t t Y t t X t n c c ωωsin )(cos )()(-= (1) 求r(t)的包络平方)(2 t Z 的概率密度函数。 (2) A=0时,r(t)的包络平方的相关函数为:

通信原理 基本概念 基本方法 基本应用 随机信号分析 ?平稳随机过程的定义、性质; ?什么是广义平稳随机过程? ?平稳随机过程的自相关函数与功率谱密度如何定义,有何性质??平稳随机过程通过线性系统后,均值、自相关与方差、功率谱密度有何关系? ?什么是高斯噪声?什么是高斯白噪声?什么是窄带高斯噪声??窄带高斯噪声的幅度和相位服从什么分布? ?窄带高斯噪声的同相分量和正交分量服从什么分布? ?习题1、2、3、7、8、12 信道 ?信道分类:广义信道与狭义信道、调制信道与编码信道、恒参信道与变参信道; ?离散信道信道的信道容量是如何定义的,它的物理意义是什么??连续信道信道的信道容量是如何定义的(山农公式)? ?习题8、13、14、15

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。

《随机信号分析基础》总复习提

概率论基础 1.概率空间、概率(条件概率、全概率公式、贝叶斯公式) 2.随机变量的定义(一维、二维实随机变量) 3.随机变量的描述: ⑴统计特性 一维、二维概率密度函数、一维二维概率分布函数、边缘分布 概率分布函数、概率密度函数的关系 ⑵数字特征 一维数字特征:期望、方差、均方值(定义、物理含义、期望和方差的性质、三者之间的关系) 二维数字特征:相关值、协方差、相关系数(定义、相互关系) ⑶互不相关、统计独立、正交的定义及其相互关系 4.随机变量函数的分布 △雅柯比变换(随机变量函数的变换一维随机变量函数的单值和双值变换、二维随机变量函数的单值变换) 5、高斯随机变量 一维和二维概率密度函数表达式 高斯随机变量的性质 △随机变量的特征函数及基本性质 、

随机信号的时域分析 1、随机信号的定义 从三个方面来理解①随机过程(),X t ζ是,t ζ两个变量的函数②(),X t ζ是随时间t 变化的随机变量③(),X t ζ可看成无穷多维随机矢量在0,t n ?→→∞的推广 2、什么是随机过程的样本函数?什么是过程的状态?随机过程与随机变量、样本函数之间的关系? 3、随机信号的统计特性分析:概率密度函数和概率分布函数(一维、二维要求掌握) 4、随机信号的数字特征分析(定义、物理含义、相互关系) 一维:期望函数、方差函数、均方值函数。(相互关系) 二维:自相关函数、自协方差函数、互相关函数、互协方差函数(相互关系) 5、严平稳、宽平稳 定义、二者关系、判断宽平稳的条件、平稳的意义、联合平稳定义及判定 6、平稳随机信号自相关函数的性质: 0点值,偶函数,均值,相关值,方差 7、两个随机信号之间的“正交”、“不相关”、“独立”。 (定义、相互关系) 8、高斯随机信号 定义(掌握一维和二维)、高斯随机信号的性质 9、各态历经性 定义、意义、判定条件(时间平均算子、统计平均算子)、平稳性与各态历经性的关系直流分量、直流平均功率、总平均功率、交流平均功率 随机信号的频域分析 1、随机信号是功率信号,不存在傅里叶变换,在频域只研究其功率谱。 功率谱密度的含义,与总平均功率的关系 2、一般随机信号功率谱计算公式与方法 3、平稳随机信号的功率谱密度计算方法

《统计信号处理基础》实验报告

实验报告 姓名:实验名称:离散时间随机过程 学号:课程名称:统计信号处理基础 班级:实验室名称: 组号:实验日期: 一、实验目的、要求 实验目的 本实验的目的是在了解了Matlab编程语言的编程和调试的基础上,利用Matlab本身自带的函数来生成随机数,并根据随机数编程来计算随机过程的一些基本特征。本实验主要是为了锻炼学生基本的Matlab编程,并利用信号处理工具箱的函数来完成基本的数据分析功能。 实验要求 要求包括以下几个部分: 1.要求独立完成实验的内容所要求的各项功能,编制完整的Matlab程序,并在程序中注释说明各段程序的功能。 2.要填写完整的实验报告,报告应包含程序、图形和结论。要求记录在实验过程中碰到的问题,以及解决的方法和途径。 3.实验报告是现场用Word填写并打印完成。个人或组必须在报告上署名。 二、实验原理 1、信号大致可以分为两类——确定信号和随机信号。随机信号是实际中存在最多的信号。确定信号可通过重复观测准确复制,而随机信号只能通过其统计特性进行描述。 2、随机过程可以看成是白噪声通过一个系统的输出。 ()。 3、理想高斯白噪声的自相关函数为n 三、实验环境 实验所要求的设备:每组包含完整的计算机 1 台; 可共用的打印机1台,A4纸张若干; 计算机上安装的软件包括:Matlab 6.5以上(应包含Signal Processing Toolbox, Filter Design Toolbox);Word 2000以上;

四、实验过程、数据记录、处理及结论 实验1.本实验主要是分析高斯白噪声的样本自相关序列的估计精度。 a.生成1000个零均值、单位方差的高斯白噪声,并用hist函数来画出直方图,与理 想的高斯分布函数相比较; 可以看出随机信号概率密度函数和标准正态分布曲线比较接近,只是由于实际样本数有限使得其曲线上有许多毛刺。 b. 采用xcorr函数的有偏估计来估计前100个自相关序列,用Plot函数画出该自相关序列,与理想的高斯白噪声的自相关序列相比。 c. 把这组数据分成互不重叠的10段,每段有100个样本。分别对每段数据采用b中的方法来估计前100个样本自相关序列,然后对10段的自相关序列进行平均。获得的结果与b中的结果相比,并与真实的自相关序列相比。 d. 把b中的样本数扩大到10000个,重复实验b中的要求,所得的结果与b相比,并与理论的结果相比。 b、c、d所对应的图如下图figure2

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

实验3 随机信号平稳性分析

实验3 随机信号平稳性分析(验证性实验) 一、实验目的 (1)掌握平稳随机信号的特点; 二、实验内容 已知随机信号的三个样本函数为2)(1=t x ,t t x cos 2)(2=,t t x sin 3)(1=,每个样本发生的概率相等,画图显示该随机信号,并计算显示该随机信号的期望和方差。 三、实验步骤 1、用计算机仿真产生上述三个样本; 2、因为是均匀分布,用下列公式计算三个样本的数学期望和方差; 3) ()()(x )(321n x n x n n m ++= 3)]()([)]()([)]()([x )(2 322212 n m n x n m n x n m n n -+-+-=σ 需要注意的是本实验和实验二的不同,其中实验二的随机信号是一个平稳而且各态历经的随机信号,仿真的随机信号中只有一个样本,用其时间均值和时间自相关逼近其统计均值和统计自相关,然后用其估计随机信号的功率谱密度。 3、利用图形显示随机信号的样本及其数学期望和方差。并判断该信号是否为平稳随机信号。 4、利用教材69页随机信号功率谱密度公式2.3.7计算该随机信号的功率谱密度。先计算随机信号每个样本的频谱密度,然后求统计平均。 四、实验代码及结果 实验代码 clear; N=50; n=1:0.5:N; x1=2*ones(1,length(n));

x2=2*cos(n); x3=3*sin(n); x=(x1+x2+x3)/3; %计算均值估值plot(n,x1,'g'); hold on; plot(n,x2,'r'); plot(n,x3,'y'); plot(n,x,'-'); a=((x1-x).^2+(x2-x).^2+(x3-x).^2)/3; %方差估值plot(n,a,'-') title(‘计算方差估值’)

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