随机工程matlab实验
matlab实验报告
Matlab实验报告一、实验名称：matlab实验报告二、实验目的：熟悉并学会掌握matlab的基本操作。
三、实验内容：准确编写第二，三，四章课后习题的matlab程序。
四、实验数据处理第二章MATLAB 基本操作第一题：利用基本矩阵产生3X3和15X8的单位阵、全1阵、全0阵，随机分布矩阵（[-1,1]之间）、正态分布随机阵（均值为1，方差为4）。
程序：>> A=eye(3)A = 1 0 00 1 00 0 1>> A=ones(3)A =1 1 11 1 11 1 1>> A=zeros(3)A =0 0 00 0 00 0 0>> A=1-2*rand(3)A =-0.9003 0.0280 0.08710.5377 -0.7826 0.9630-0.2137 -0.5242 -0.6428>> A=2*randn(3)+1A =0.1349 1.5754 3.3783-2.3312 -1.2929 0.92471.2507 3.3818 1.6546>> B=eye(2,3)B =1 0 00 1 0>> B=ones(2,3)B = 1 1 11 1 1>> B=zeros(2,3)B =0 0 00 0 0>> B=1-2*rand(2,3)B = 0.1106 -0.5839 -0.4764-0.2309 -0.8436 0.6475>> B=2*randn(2,3)+1B =1.3493 2.4516 5.36640.6266 -0.1766 0.7272第五题：利用rand函数产生（0,1）间均匀分布的5X5随机矩阵A，然后统计A中大于等于0.6的元素个数。
程序：A=rand(5)A =0.4057 0.0579 0.2028 0.0153 0.41860.9355 0.3529 0.1987 0.7468 0.84620.9169 0.8132 0.6038 0.4451 0.52520.4103 0.0099 0.2722 0.9318 0.20260.8936 0.1389 0.1988 0.4660 0.6721>> n=sum(sum(A>=0.6))n =9第六题：利用rand函数产生均值为0，方差为1的4X4正态分布随机矩阵A，然后统计A 中大于-0.5且小于0.5的元素个数。
matlab实验心得总结
matlab实验心得总结在通过完成一系列的Matlab实验后，我对这个强大的数学计算软件有了更深入的认识。
通过这些实验，我不仅学到了如何使用Matlab进行数据处理和分析，还体会到了它在科学研究和工程应用中的广泛使用。
实验一：Matlab基础操作在第一次接触Matlab时，我首先学习了它的基本操作。
Matlab提供了友好的用户界面和丰富的命令工具，使得数据处理变得简单且高效。
在实验中，我学会了如何定义变量、进行基本的数学运算和使用矩阵操作等。
这些基础操作为后续的实验打下了坚实的基础。
实验二：数据可视化数据可视化在科学研究和工程领域中起着重要的作用。
在这个实验中，我学会了如何利用Matlab绘制各种图形，如折线图、散点图和柱状图等。
通过调整图形的样式和颜色，使得数据更加直观和易于理解。
同时，我还学会了如何添加标题、坐标轴标签和图例，使得图形具有更好的可读性。
实验三：模拟与仿真Matlab不仅可以进行数据处理和图形绘制，还可以进行模拟和仿真。
在这个实验中，我学会了如何使用Matlab进行数学模型的建立和仿真。
通过设定合适的参数和方程，我可以模拟出各种现实世界中的物理、生物和工程现象。
这对于科学研究和工程设计具有重要的意义。
实验四：信号处理信号处理是Matlab的一个重要应用领域。
在这个实验中，我学会了如何使用Matlab对信号进行分析和处理。
通过应用不同的滤波器，我可以去除信号中的噪声和干扰，提取出感兴趣的信息。
同时，我还学会了如何进行频域分析，通过傅里叶变换将信号转换到频率域，进一步分析信号的频谱特性。
实验五：数值计算Matlab还提供了强大的数值计算功能。
在这个实验中，我学会了如何使用Matlab进行数值计算和优化。
通过使用不同的数值求解方法，我可以解决复杂的数学方程和优化问题，得到精确的计算结果。
这对于科学研究和工程计算具有重要的价值。
总结起来，通过这些实验，我对Matlab的应用能力有了明显的提升。
matlab实验报告随机模拟和统计分析
function[t,w]=brwnm(t0,t1,h)
t=[t0:h:t1]
x=randn(length(t),2)*sqrt(h);
w(1,1)=0;w(1,2)=0;
fork=1:length(t)-1
w(k+1,1)=w(k,1)+x(k,1);
w(k+1,2)=w(k,2)+x(k,2);
function [t,w]=brwnm(t0,tf,h)
t=t0:h:tf;
x=randn(size(t))*sqrt(h);
w(1)=0;
for k=1:length(t)-1,
w(k+1)=w(k)+x(k);
end
（1）若w1(t), w2(t)都是一维布朗运动且相互独立，那么(w1(t), w2(t))是一个二维布朗பைடு நூலகம்动。试给出二维布朗运动模拟作图程序。
end
clear;[t w1]=brwnm(1,1000,1);
[t w2]=brwnm(1,1000,1);
Corrcoef(w1,w2);
plot(w1,w2)
程序输出的结果：
对实验题目的解答：
这就是二维布朗运动模拟作图程序
改进程序或思考：
明白了要先把函数写成m文件然后再运行程序；
实验总结：通过上述两个实验，我了解并掌握了Matlab软件中有关求数据统计和随机变量分布的指令，并学会了应用编程进行计算机模拟随机现象，从而对一些数学概念，诸如正态分布和随机现象有了更好的理解；
改进程序或思考：
第2题：题目：
(brown运动)brown运动是英国植物学家在观察液体中浮游微粒的运动发现的随机现象，现在已成为随机过程理论最重要的概念之一。下列M函数brwnm.m给出了一维布朗运动(或称维纳过程)，使用格式
随机信号分析实验报告(基于MATLAB语言)
随机信号分析实验报告——基于MATLAB语言姓名：_班级：_学号：专业：目录实验一随机序列的产生及数字特征估计 (2)实验目的 (2)实验原理 (2)实验内容及实验结果 (3)实验小结 (6)实验二随机过程的模拟与数字特征 (7)实验目的 (7)实验原理 (7)实验内容及实验结果 (8)实验小结 (11)实验三随机过程通过线性系统的分析 (12)实验目的 (12)实验原理 (12)实验内容及实验结果 (13)实验小结 (17)实验四窄带随机过程的产生及其性能测试 (18)实验目的 (18)实验原理 (18)实验内容及实验结果 (18)实验小结 (23)实验总结 (23)实验一随机序列的产生及数字特征估计实验目的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。
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， U(0,1)。
即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：，序列为产生的(0,1)均匀分布随机数。
定理1.1若随机变量X 具有连续分布函数，而R 为(0,1)均匀分布随机变量，则有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。
matlab实验报告1
matlab实验报告1MATLAB实验报告1摘要：本实验使用MATLAB软件进行了一系列的实验，主要包括数据处理、图像处理和信号处理。
通过实验，我们掌握了MATLAB软件在科学计算和工程领域的应用，深入了解了MATLAB在数据处理、图像处理和信号处理方面的强大功能。
一、数据处理实验在数据处理实验中，我们使用MATLAB对一组实验数据进行了分析和处理。
首先，我们导入了实验数据并进行了数据清洗和预处理，然后利用MATLAB的统计分析工具对数据进行了描述性统计分析，包括均值、方差、标准差等指标的计算。
接着，我们利用MATLAB的绘图工具绘制了数据的直方图和散点图，直观地展现了数据的分布规律和相关性。
二、图像处理实验在图像处理实验中，我们使用MATLAB对一幅图像进行了处理和分析。
首先，我们读取了图像并进行了灰度化处理，然后利用MATLAB的图像滤波工具对图像进行了平滑和锐化处理，最后利用MATLAB的图像分割工具对图像进行了分割和特征提取。
通过实验，我们深入了解了MATLAB在图像处理领域的应用，掌握了图像处理的基本原理和方法。
三、信号处理实验在信号处理实验中，我们使用MATLAB对一组信号进行了处理和分析。
首先，我们生成了一组模拟信号并进行了频域分析，利用MATLAB的信号滤波工具对信号进行了滤波处理，然后利用MATLAB的频谱分析工具对信号的频谱特性进行了分析。
通过实验，我们深入了解了MATLAB在信号处理领域的应用，掌握了信号处理的基本原理和方法。
综上所述，本实验通过对MATLAB软件的应用实验，使我们对MATLAB在数据处理、图像处理和信号处理方面的功能有了更深入的了解，为我们今后在科学计算和工程领域的应用奠定了良好的基础。
MATLAB软件的强大功能和广泛应用前景，将为我们的学习和科研工作提供有力的支持和帮助。
MATLAB仿真实验报告
MATLA仿真实验报告学院：计算机与信息学院课程：—随机信号分析姓名：学号：班级：指导老师：实验一题目：编写一个产生均值为1,方差为4的高斯随机分布函数程序, 求最大值，最小值，均值和方差，并于理论值比较。
解：具体的文件如下，相应的绘图结果如下图所示G仁random( 'Normal' ,0,4,1,1024);y=max(G1)x=mi n(G1)m=mea n(G1)d=var(G1)plot(G1);实验二题目：编写一个产生协方差函数为CC)=4e":的平稳高斯过程的程序，产生样本函数。
估计所产生样本的时间自相关函数和功率谱密度，并求统计自相关函数和功率谱密度，最后将结果与理论值比较。
解：具体的文件如下，相应的绘图结果如下图所示。
N=10000;Ts=0.001;sigma=2;beta=2;a=exp(-beta*Ts);b=sigma*sqrt(1-a*a);w=normrnd(0,1,[1,N]);x=zeros(1,N);x(1)=sigma*w(1);for i=2:Nx(i)=a*x(i-1)+b*w(i);end%polt(x);Rxx=xcorr(x0)/N;m=[-N+1:N-1];Rxx0=(sigma A2)*exp(-beta*abs(m*Ts));y=filter(b,a,x) plot(m*Ts,RxxO, 'b.' ,m*Ts,Rxx, 'r');periodogram(y,[],N,1/Ts);文件旧硯化）插入（1〕 ZMCD 克闻〔D ］窗口曲）Frequency (Hz)50 100 150 200 250 300 350 400 450 500 NH---.HP)&UO二balj/」-□歹实验三题目：仿真一个平均功率为1 的白噪声通带系统，白噪声为高斯分布，带通系统的两个截止频率分别为3KHZ和4KHZ求自相关函数和功率谱密度。
工程随机过程实验报告
《工程随机过程》
课程实验报告
实验一利用MATLAB编程描绘出随机过程
的图像。
X t x wt
()cos()
实验目的
掌握应用随机过程的本质含义, 会用MATLAB语言编写目标函数的
程序。
算法及其程序: w = 0.2 ; x = rand(1,50) ; t= -10 : 0.01 : 10 ; t=t';
Xt=zeros(size(t,1),size(x,2)); for i=1:size(Xt,2) Xt(:,i)=x(1,i)*cos(w*t); End figure; plot(t,Xt); xlabel('t'); ylabel('X(t)');
程序运行结果:
图1-1 该图为随机过程()cos()X t x wt =的图像。
实验三 利用MATLAB 绘制随机过程的谱密度222()x G w w αββ=+（αβ和为正数）
的图像 实验目的:
掌握随机过程的功率谱密度, 了解它的图像。
算法及其程序: w = -10 : 0.001 : 10 ;
a = 3;
b = 7; Gxw = 2*a*b ./ (b^2+w.^2) ; figure; plot(w,Gxw,'b','linewidth',10); xlabel('w'); ylabel('Gxw'); 程序运行结果:
图1-2
该图为随机过程的谱密度22
2()x G w w αββ=+（αβ和为正数）的图像。
实验一MATLAB操作基础实验报告
闽 江 学 院 电 子 系 实 验 报 告学生姓名：班级：学 号：课程：MATLAB 程序设计一、 实验题目：MATLAB 操作基础 二、 实验地点：实验楼A210 实验目的：1、熟悉MATLAB 的操作环境及基本操作方法。
2、掌握MATLAB 的搜索路径及其设置方法。
3、熟悉MATLAB 帮助信息的查阅方法。
三、 实验内容：1、先建立自己的工作目录，再将自己的工作目录设置到MATLAB 搜索路径下，再试验用help 命令能否查询到自己的工作目录。
2、在MATLAB 环境下验证例1-1至1-4，并完成以下题目： （1）绘制右图所示图形 （2）求383、利用MATLAB 的帮助功能分别查询inv ，plot 、max 、round 等函数的功能及用法。
4、在工作空间建立一个变量a ,同时在当前目录下建立一个M 文件：a.m ，试在命令窗口输入a ，观察结果，并解释原因。
四、 实验环境（使用的软硬件）： MATLAB 7.0 五、 实验结果：实验程序： （1）求38。
程序： x=8;plot(x, x^(1/3));0.10.20.30.40.50.60.70.80.91-1-0.8-0.6-0.4-0.200.20.40.60.81得到的结果： ans= 2（2）绘制图像 程序：x=[0:0.001:1]；plot(x, sin(2*pi*x),x, 2*x-1,x,0); 得到结果如下图：（3）查询plot 、inv 、round 、max 等函数的功能及用法 分别输入：输入：help plot 得到：PLOT Linear plot.PLOT(X,Y) plots vector Y versus vector X. If X or Y is a matrix, then the vector is plotted versus the rows or columns of the matrix, whichever line up. If X is a scalar and Y is a vector, length(Y) disconnected points are plotted.PLOT(Y) plots the columns of Y versus their index.If Y is complex, PLOT(Y) is equivalent to PLOT(real(Y),imag(Y)). In all other uses of PLOT, the imaginary part is ignored.Various line types, plot symbols and colors may be obtained with0.10.20.30.40.50.60.70.80.91-1-0.8-0.6-0.4-0.200.20.40.60.81PLOT(X,Y,S) where S is a character string made from one elementfrom any or all the following 3 columns:b blue . point - solidg green o circle : dottedr red x x-mark -. dashdot c cyan + plus -- dashed m magenta * stary yellow s squarek black d diamondv triangle (down)^ triangle (up)< triangle (left)> triangle (right)p pentagramh hexagramFor example, PLOT(X,Y,'c+:') plots a cyan dotted line with a plus at each data point; PLOT(X,Y,'bd') plots blue diamond at each data point but does not draw any line.PLOT(X1,Y1,S1,X2,Y2,S2,X3,Y3,S3,...) combines the plots defined by the (X,Y,S) triples, where the X's and Y's are vectors or matrices and the S's are strings.For example, PLOT(X,Y,'y-',X,Y,'go') plots the data twice, with a solid yellow line interpolating green circles at the data points.The PLOT command, if no color is specified, makes automatic use of the colors specified by the axes ColorOrder property. The default ColorOrder is listed in the table above for color systems where the default is blue for one line, and for multiple lines, to cyclethrough the first six colors in the table. For monochrome systems, PLOT cycles over the axes LineStyleOrder property.PLOT returns a column vector of handles to LINE objects, onehandle per line.The X,Y pairs, or X,Y,S triples, can be followed byparameteralue pairs to specify additional propertiesof the lines.输入：help inv得到：INV Matrix inverse.INV(X) is the inverse of the square matrix X.A warning message is printed if X is badly scaled ornearly singular.输入：help round得到：ROUND Round towards nearest integer.ROUND(X) rounds the elements of X to the nearest integers.输入：help max得到：MAX Largest component.For vectors, MAX(X) is the largest element in X. For matrices,MAX(X) is a row vector containing the maximum element from eachcolumn. For N-D arrays, MAX(X) operates along the firstnon-singleton dimension.[Y,I] = MAX(X) returns the indices of the maximum values in vector I. If the values along the first non-singleton dimension contain morethan one maximal element, the index of the first one is returned.MAX(X,Y) returns an array the same size as X and Y with thelargest elements taken from X or Y. Either one can be a scalar.[Y,I] = MAX(X,[],DIM) operates along the dimension DIM.When complex, the magnitude MAX(ABS(X)) is used, and the angleANGLE(X) is ignored. NaN's are ignored when computing the maximum.Example: If X = [2 8 4 then max(X,[],1) is [7 8 9],7 3 9]max(X,[],2) is [8 and max(X,5) is [5 8 59], 7 5 9].inv 求矩阵的逆plot 画图max 求最大值round 向0取整六、思考练习：1、help命令和look for命令有什么区别？lookfor 关键词在所有M文件中找“关键词”，比如：lookfor inv（即寻找关键词“inv”）其实就和我们平时用CTRL+F来查找“关键词”是一样的而help是显示matlab内置的帮助信息用法：help 命令，比如 help inv ，作用就是调用inv这个命令的帮助2、什么是工作空间？假定有变量A与B存在于工作空间中，如何用命令保存这两个变量？下次重新进入MATLAB后，又如何装载这两个变量？①工作空间：工作空间是由系统所提供的特殊变量和用户自己使用过程生成的所有变量组成的一个概念上的空间；②保存变量：保存当前工作空间，比如要保存的路径为f:\matlab\work\matlab.mat,输入命令：save f:\matlab\work\matlab.mat ；③载入变量：输入命令：load f:\matlab\work\matlab.mat 。
几个MATLAB小实验
1随机生成一个(0,1)之间的数,如果该数大于等于0.5则输出该数.窗口函数：a=rand(1); b=a>=0.5; c=a(b) 分支语句：b=rand(1);if b>=0.5belsedisp('该数不满足条件') end2随机生成一个(0,1)之间的数,如果该数大于等于0.5,则将该数变为1,否则将该数变成-1.窗口函数：a=rand(1)； b=a>=0.5； k=1;b=2*b-k；分支语句：b=rand(1); if b>=0.5 b=1 elseb=-1 end3随机生成100个(0,1)之间的数,将大于等于0.5的变为1,小于0.5的变为0.窗口函数：a=rand(1,100); a=(a>=0.5) 分支语句：b=rand(1,100); for m=1:100if b(m)>=0.5 b(m)=1; elseb(m)=0; endenddisp(b);4随机生成一个(0,1)之间的数,如果该数所处区间为(0,0.3)则将该数变成0,如果该数所处区间为(0.3,0.6),则将该数变成1,否则将该数变成2.窗口函数：a=rand(1);b=a>0.3;c=a>0.6;d=b+c; a=d; 分支语句：clear;clc;b=rand(1)if b<0.3b=0;elseif b>=0.3 && b<0.6 b=1;elseb=2;end5随机生成一个1到12之间的整数，按如下规则进行转换：如果该数在1~4之间，转换成-1；如果该数在5~8之间，转换成0；如果该数在9~12之间，转换成1。
窗口函数：a=randint(1,1,12); b=a>4;c=a>8;d=b+c-1;a=d; 分支语句：clear;clc;b=randint(1,12,[0,12])for m=1:12if b(m)>=1 && b(m)<=4b(m)=-1;elseif b(m)>=5 && b(m)<=8 b(m)=0;elseb(m)=1;endenddisp(b);6生成一个具有100个元素的1，-1随机序列。
MATLAB实验报告(8个实验)
3 Exercises Please solve the following problems in MATLAB. Do not forget to keep a diary of your commands and their outputs.
(1) Define the variables x y and z as 7.6, 5.5 and 8.1, respectively, and evaluate:
The desktop consists of several sub-windows. The most important ones are: Command Window (on the right side of the Desktop) is used to do calculations,
2 Using MATLAB 2.1 Starting MATLAB Logon to your computer and start MATLAB by double-clicking on the icon on the desktop or by using the Start Programs menu. MATLAB Desktop window will appear on the screen.
2 Script Files Script files are collections of MATLAB statements that are stored in a file. Instead of typing commands directly in the Command Window, a series of commands may be placed into a file and the entire file may be executed by typing its name in the Command Window. Such files are called script files that are also known as M-files because they have an extension of .m. When a script file is executed, the result is the same as it would be if all of the commands had been typed directly into the Command Window. All commands and script files executed in the Command Window share a common workspace, so they can all share variables in the workspace. Note that if two script files are executed successively, the second script file can use the variables created by the first script file. In this way, script files can communicate with other script files through the data left behind in the workspace. An Edit Window is used to create new M-files or to modify existing ones. The Edit Window is a programming text editor, with the features of MATLAB language highlighted in different colors. You can create a new M-file with the File/New/M-file selection and you can open an existing M-file with the File/Open selection from the desktop menu of MATLAB.
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
自动化学院随机过程课程设计学号： S308040031专业：导航、制导与控制学生姓名：任课教师：赵希人教授2008年12月第一题、源程序：x=rand(1,2000)EX=mean(x)%均质检验DX=var(x) %方差检验subplot(2,1,1),hist(x,10);y=linspace(-10,10,21);for m= -10 :10mAbs=abs(m);s=0;for n=1:2000-mAbss=s+(x(n+mAbs)-EX)*(x(n)-EX);endy(m+11)=(1/(2000-mAbs))*s;endx2=[-15:30/20:15];subplot(2,1,2),plot(x2,y);1.打印前50个数：Columns 1 through 120.3329 0.5189 0.5435 0.9038 0.2451 0.1324 0.0977 0.6975 0.3707 0.1985 0.5770 0.4111 Columns 13 through 240.1570 0.7128 0.3445 0.6434 0.4711 0.3107 0.9610 0.2236 0.0607 0.2657 0.3861 0.3220 Columns 25 through 360.3933 0.3022 0.7159 0.4312 0.5941 0.9034 0.1390 0.1119 0.8127 0.1762 0.5175 0.0592 Columns 37 through 480.4535 0.7152 0.1639 0.1661 0.2440 0.2296 0.9726 0.5498 0.7901 0.3500 0.2899 0.8619 Columns 49 through 500.9937 0.30022.分布检验：3.均值检验：EX =0.50384.方差检验：DX =0.08275.计算相关函数：第二题、源程序：clear all;for n=1:2000xt(n)=normrnd(0,1); %产生2000个N(0,1)分布的独立序列endplot(xt),title('2000个N(0,1)分布的独立序列');figurefor i=1:5for j=1:10sc(j,i)=xt((i-1)*5+j);end;end;disp([sc]);EX=mean(xt) %求平均数并输出DX=cov(xt) %求方差并输出subplot(2,1,1);p=hist(xt,20); %将产生的2000个随机数分为20组p=p/100; t=-2.85:0.3:2.85; %求概率密度bar (t,p,1) ,title('N(0,1)分布的独立序列的直方图');xlabel('x');ylabel('f(x)');[tx,i] = xcov(xt,10); %τ取-10到10Tx=tx/2000; %求自相关函数Γx(τ)subplot(2,1,2)plot(i,Tx, '.- '),title('自相关函数Γx(τ)分布图');xlabel('τ');ylabel('Γx(τ)');1.打印前50个数：0.3599 0.7562 1.0020 1.3747 0.0046 0.6307 1.1306 -0.4553 0.0294 -0.5836 -0.6737 -0.8743 -0.0972 -1.6200 0.5674 0.7104 -0.8068 0.7932 -0.3971 0.4200 0.6455 -0.0149 -1.1756 -0.0226 -0.3667 0.7562 1.0020 1.3747 0.0046 0.51321.1306-0.4553 0.0294 -0.5836 1.6777 -0.8743 -0.0972 -1.6200 0.5674 -0.5122 -0.80680.7932 -0.3971 0.4200 0.4997 -0.0149 -1.1756 -0.0226 -0.3667 0.6410程序运行产生的2000个N （0，1）分布的独立序列：0200400600800100012001400160018002000-4-3-2-1012342000个N(0,1)分布的独立序列2.分布检验：3.均值检验：EX =0.00694.方差检验：DX =0.99035.计算相关函数：第三题、源程序：y=normrnd(0,1,1,2000);x=zeros(1,2000);for k=2:2000x(k)=y(k)+4*y(k-1);end;Ex=mean(x) %求EX（k）E x2=mean(x.^2) %EX.^2(k)Dx=var(x) %DX(k)Bm=zeros(1,11);for i=0:10xy=zeros(1,2000-i);for j=1:(2000-i)xy(j)=(x(j+i)-Ex)*(x(j)-Ex);end;Bm(i+1)=sum(xy)/(2000-i); %Bx(m) end;a=Bm(:,11:-1:1);a=[a(1:10),Bm];Bm=aq=-10:10;plot(q,Bm)1.求均值EX：Ex =0.17672.求二阶矩EX 2：EX 2 =16.66883.求方差：Dx =16.64594.B X （m ）：Columns 1 through 120.5104 -0.1167 -0.4110 0.1765 0.4423 0.1237 0.2300 -0.3652 -0.4433 4.0652 16.6376 4.0652Columns 13 through 21-0.4433 -0.3652 0.2300 0.1237 0.4423 0.1765 -0.4110 -0.1167 0.5104-10-8-6-4-2246810-2024681012141618第四题、源程序：y=normrnd(0,1,1,2000);x=zeros(1,2000);for k=2:2000x(k)=y(k)-0.707*x(k-1);end;M=zeros(1,901);for k=101:1001x(k)=x(k)+x(k-1);M(k-100)=x(k-1);end;Ex=x(k)/900 %EX(k)Ex2=sum(M.^2)/900 %EX.^2(k)Dx=Ex2-(Ex).^2 %DX(k)Bm=zeros(1,11);for i=0:10xy=zeros(1,1900-i);for j=100:(2000-i)xy(j-99)=(x(j+i)-Ex)*(x(j)-Ex);end;Bm(i+1)=sum(xy)/1900 %Bx(m)end;a=Bm(:,11:-1:1);a=[a(1:10),Bm];q=-10:10;plot(q,a) %Bx(m)二维分布曲线1.求EX：Ex =-0.00252.求Ex2：Ex2 =39.81773.求DX：Dx =39.81774.求B x（m）：Bm =19.8593 17.7436 19.0243 18.0245 18.4574 18.0159 18.0863 17.8381 17.7725 17.5919 17.4769-10-8-6-4-202468101717.51818.51919.520第五题、源程序：f='sin(x)'; %画出符号函数 subplot(3,2,1); ezplot(f)subplot(3,2,2); ezplot(f) n=-20:20;y=sin(n*pi/2); subplot(3,2,3); k=-10:10;plot(k,sin(k*pi/2),'--rs','MarkerEdgeColor','k','MarkerFaceColor','g','MarkerSize',5)title('采样信号(±10点)'); subplot(3,2,4); k=-20:20;plot(k,sin(k*pi/2),'--rs','MarkerEdgeColor','k','MarkerFaceColor','g','MarkerSize',5)title('采样信号(±20点)'); D=0.05; z1=1;for t1=-5*pi:D:5*pi; s1=0;for m1=-10:10s1=s1+y(m1+11)*sinc((1/pi)*(t1-pi*m1/2)); %sinc 函数内插恢复，重建信号过程 endfa(z1)=s1;z1=z1+1; endsubplot(3,2,5)xlab1=linspace(-5*pi,5*pi,length(fa)); plot(xlab1,fa);title('内插恢复信号(±10点)'); z2=1;for t1=-10*pi:D:10*pi; s2=0;for m2=-20:20s2=s2+y(m2+21)*sinc((1/pi)*(t1-pi*m2/2)); %sinc 函数内插恢复，重建信号过程 endfb(z2)=s2;z2=z2+1; endsubplot(3,2,6)xlab2=linspace(-10*pi,10*pi,length(fb)); plot(xlab2,fb);title('内插恢复信号(±20点)');运行结果：-505-11xsin(x)-55-11xsin(x)-10-5510-101采样信号(±10点)-20-101020-101采样信号(±20点)-20-101020-202内插恢复信号(±10点)-40-2002040-202内插恢复信号(±20点)说明：图中第一行两图为sin 函数的符号函数示意图，区间-2π～2π。
图中第二行两图为sin 函数的采样函数示意图，左图区间-5π～5π（±10点），右图区间-10π～10π（±20点）。
图中第三行两图为sin 函数的恢复函数示意图，右图比左图更加接近原函数，但是由于是有限采样点恢复，并且，内插sin c 函数本身是非因果的连续信号，物理上不可实现，故只能用大样本离散值模拟，程序中取步长D=0.05。