实验一 白噪声测试

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）、均方值、方差、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方法。

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方便，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，并且在系统的带内，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)(0N f S n =

其中0N 为单边功率谱密度。

白噪声的自相关函数为：

)(2

0τδτN R =）（ 白噪声的自相关函数是位于τ=0处、强度为

20N 的冲击函数。这表明白噪声在任何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]区间内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：

c ay y n n +=+1 n=0,1,2…… M

y x n n = n=1,2,3…… 由上式的出如下实用算法： ][1M c ax M c ax x n n n +-+

=+ M

y x 00=

其中：

k M 2=，其中k 为计算几种数字尾部的字长

14+=t a ，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ran

d （）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

)(2x x f -=π 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： 212cos ln 2R R πξ-= 212sin ln 2R R πη-=

指数分布随机信号的产生：

指数分布的密度函数为：

x e x f αα-=*)( 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

)(1r r F x --==-α 其中r 为[0，1]区间均匀分布的随机数。 三、 实验内容与结果

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的卡方分布

%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('卡方分布');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内的幅值平均值表示：

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。