西电随机信号分析大作业

合集下载

西电通院随机信分析期中试卷

=
8
1 3
exp(
x12
x22 12
x1x2 )
5）设马氏链的状态空间为 G {1,2,3},其一步转移概率为
0.3 0.7 0
P
0
0.2 0.8
0.7 0 0.3
（1）当初始分布为时 P{X0 1} 1, P{X0 1} 0, P{X0 1} 0 ，经过两步转移
后，处于状态 2 的概率；（2）求该马氏链的平稳分布。
3、填空 1）当随机过程 X (t) 表示施加在单位电阻上的电压信号时，则其均方值和方差分
别代表的物理意义是瞬时功率统计平均值和瞬时交流功率统计平均值。 P6 课本原文 2）除状态空间自身外，不含任何闭集的马氏链称为不可约的马氏链。 P63 不可约马氏链的定义 3）若随机过程 X (t) 的相关函数为 RX (t1,t2) ，其导数过程为Y (t) ，则和的互相关
族称为随机过程，简记为 X (,t) 或 X (t) 。族中每个函数称为该过程的一个样本，它是随机过程一次试验的物理实现，是一个确知的时间函数。 2）泊松过程是宽平稳过程错
E X (t) t ，而宽平稳随机过程要求均值为常数（与时间 t 无关）。
3）若齐次马氏链某状态的周期为 L，则从该状态出发，必然存在一条步长为 L 的路径，使得该状态返回自身。错马氏链某状态的周期定义为：从该状态出发能够返回此状态的所有步长 {n :n 1,pii 0的} 最大公约数 L。L 可能小于能够返回该状态的最小步长。
yx
对于连续的情况而言，即为 F(x, y) f (x, y)dxdy
yx
对于离散的情况而言，为 F(x, y) f (x, y)dxdy P(x, y)

西安电子科技大学数字信号处理上机作业

数字信号处理MATLAB上机作业M 2.21.题目The square wave and the sawtooth wave are two periodic sequences as sketched in figure ing the function stem. The input data specified by the user are: desired length L of the sequence, peak value A, and the period N. For the square wave sequence an additional user-specified parameter is the duty cycle, which is the percent of the period for which the signal is positive. Using this program generate the first 100 samples of each of the above sequences with a sampling rate of 20 kHz ,a peak value of 7, a period of 13 ,and a duty cycle of 60% for the square wave.2.程序% 用户定义各项参数参数A = input('The peak value =');L = input('Length of sequence =');N = input('The period of sequence =');FT = input('The desired sampling frequency =');DC = input('The square wave duty cycle = ');% 产生所需要的信号t = 0:L-1;T = 1/FT;x = A*sawtooth(2*pi*t/N);y = A*square(2*pi*(t/N),DC);% Plotsubplot(2,1,1)stem(t,x);ylabel('幅度');xlabel('n');subplot(2,1,2)stem(t,y);ylabel('幅度');xlabel('n');3.结果4.结果分析M 2.41.题目(a)Write a matlab program to generate a sinusoidal sequence x[n]= Acos(ω0 n+Ф) and plot thesequence using the stem function. The input data specified by the user are the desired length L, amplitude A, the angular frequency ω0 , and the phase Фwhere 0<ω0 <pi and 0<=Ф<=2pi. Using this program generate the sinusoidal sequences shown in figure 2.15. (b)Generate sinusoidal sequences with the angular frequencies given in Problem 2.22.Determine the period of each sequence from the plot and verify the result theoretically. 2.程序%用户定义的参数L = input('Desired length = ');A = input('Amplitude = ');omega = input('Angular frequency = ');phi = input('Phase = ');%信号产生n = 0:L-1;x = A*cos(omega*n + phi);stem(n,x);xlabel('n');ylabel('幅度');title(['\omega_{o} = ',num2str(omega)]);3.结果(a)ω0=0ω0=0.1πω0=0.8πω0=1.2π(b)ω0=0.14πω0=0.24πω0=0.34πω0=0.68πω0=0.75π4.结果分析M 2.51.题目Generate the sequences of problem 2.21(b) to 2.21(e) using matlab.2.程序(b)n = 0 : 99;x=sin(0.6*pi*n+0.6*pi);stem(n,x);xlabel('n');ylabel('幅度');(c)n = 0 : 99;x=2*cos(1.1*pi*n-0.5*pi)+2*sin(0.7*pi*n);stem(n,x);xlabel('n');ylabel('幅度');(d)n = 0 : 99;x=3*sin(1.3*pi*n-4*cos(0.3*pi*n+0.45*pi));stem(n,x);xlabel('n');ylabel('幅度');(e)n = 0 : 99;x=5*sin(1.2*pi*n+0.65*pi)+4*sin(0.8*pi*n)-cos(0.8*pi*n);stem(n,x);xlabel('n');ylabel('幅度');(f)n = 0 : 99;x=mod(n,6);stem(n,x);xlabel('n');ylabel('幅度');3.结果(b)(c)(d)(e)(f)4.结果分析M 2.61.题目Write a matlab program to plot a continuous-time sinusoidal signal and its sampled version and verify figure 2.19. You need to use the hold function to keep both plots.2.程序%用户定义的参数fo = input('Frequency of sinusoid in Hz = ');FT = input('Samplig frequency in Hz = ');%产生信号t = 0:0.001:1;g1 = cos(2*pi*fo*t);plot(t,g1,'-')xlabel('时间t');ylabel('幅度')holdn = 0:1:FT;gs = cos(2*pi*fo*n/FT);plot(n/FT,gs,'o');hold off3.结果4.结果分析M 3.11.题目Using program 3_1 determine and plot the real and imaginary parts and the magnitude and phase spectra of the following DTFT for various values of r and θ:G(e jω)=1, 0<r<1.1−2r(cosθ)e−jω+r2e−2jω2.程序%program 3_1%discrete-time fourier transform computatition%k=input('Number of frequency points = ');num=input('Numerator coefficients= ');den=input('Denominator coefficients= ');%computer the frequency responsew=0:pi/k:pi;h=freqz(num,den,w);%plot the frequency responsesubplot(221)plot(w/pi,real(h));gridtitle('real part')xlabel('\omega/\pi');ylabel('Amplitude') subplot(222)plot(w/pi,imag(h));gridtitle('imaginary part')xlabel('\omega/\pi');ylabel('Amplitude') subplot(223)plot(w/pi,abs(h));gridtitle('magnitude spectrum')xlabel('\omega/\pi');ylabel('magnitude') subplot(224)plot(w/pi,angle(h));gridtitle('phase spectrum')xlabel('\omega/\pi');ylabel('phase,radians')3.结果(a)r=0.8 θ=π/6(b)r=0.6 θ=π/34.结果分析M 3.41.题目Using matlab verify the following general properties of the DTFT as listed in Table 3.2:(a) Linearity, (b) time-shifting, (c) frequency-shifting, (d) differentiation-in-frequency, (e) convolution, (f) modulation, and (g) Parseval’s relation. Since all data in matlab have to be finite-length vectors, the sequences to be used to verify the properties are thus restricted to be of finite length.2.程序%先定义两个信号N = input('The length of the sequence = ');k = 0:N-1;%g为正弦信号g = 2*sin(2*pi*k/(N/2));%h为余弦信号h = 3*cos(2*pi*k/(N/2));[G,w] = freqz(g,1);[H,w] = freqz(h,1);%*************************************************************************%% 线性性质alpha = 0.5;beta = 0.25;y = alpha*g+beta*h;[Y,w] = freqz(y,1);figure(1);subplot(211),plot(w/pi,abs(Y));xlabel('\omega/\pi');ylabel('|Y(e^j^\omega)|');title('线性叠加后的频率特性');grid;% 画出Y 的频率特性subplot(212),plot(w/pi,alpha*abs(G)+beta*abs(H));xlabel('\omega/\pi');ylabel('\alpha|G(e^j^\omega)|+\beta|H(e^j^\omega)|');title('线性叠加前的频率特性');grid;% 画出alpha*G+beta*H 的频率特性%*************************************************************************% % 时移性质n0 = 10;%时移10个的单位y2 = [zeros([1,n0]) g];[Y2,w] = freqz(y2,1);G0 = exp(-j*w*n0).*G;figure(2);subplot(211),plot(w/pi,abs(G0));xlabel('\omega/\pi');ylabel('|G0(e^j^\omega)|');title('G0的频率特性');grid;% 画出G0的频率特性subplot(212),plot(w/pi,abs(Y2));xlabel('\omega/\pi');ylabel('|Y2(e^j^\omega)|');title('Y2的频率特性');grid;% 画出Y2 的频率特性%*************************************************************************% % 频移特性w0 = pi/2; % 频移pi/2r=256; %the value of w0 in terms of number of samplesk = 0:N-1;y3 = g.*exp(j*w0*k);[Y3,w] = freqz(y3,1);% 对采样的512个点分别进行减少pi/2,从而生成G(exp(w-w0))k = 0:511;w = -w0+pi*k/512;G1 = freqz(g,1,w);figure(3);subplot(211),plot(w/pi,abs(Y3));xlabel('\omega/\pi');ylabel('|Y3(e^j^\omega)|');title('Y3的频率特性');grid;% 画出Y3的频率特性subplot(212),plot(w/pi,abs(G1));xlabel('\omega/\pi');ylabel('|G1(e^j^\omega)|');title('G1的频率特性');grid;% 画出G1 的频率特性%*************************************************************************% % 频域微分k = 0:N-1;y4 = k.*g;[Y4,w] = freqz(y4,1);%在频域进行微分y0 = ((-1).^k).*g;G2 = [G(2:512)' sum(y0)]';delG = (G2-G)*512/pi;figure(4);subplot(211),plot(w/pi,abs(Y4));xlabel('\omega/\pi');ylabel('|Y4(e^j^\omega)|');title('Y4的频率特性');grid;% 画出Y4的频率特性subplot(212),plot(w/pi,abs(delG));xlabel('\omega/\pi');ylabel('|delG(e^j^\omega)|');title('delG的频率特性');grid;% 画出delG的频率特性%*************************************************************************% % 相乘性质y5 = conv(g,h);%时域卷积[Y5,w] = freqz(y5,1);figure(5);subplot(211),plot(w/pi,abs(Y5));xlabel('\omega/\pi');ylabel('|Y5(e^j^\omega)|');title('Y5的频率特性');grid;% 画出Y5的频率特性subplot(212),plot(w/pi,abs(G.*H));%频域乘积xlabel('\omega/\pi');ylabel('|G.*H(e^j^\omega)|');title('G.*H的频率特性');grid;% 画出G.*H的频率特性%*************************************************************************% % 帕斯瓦尔定理y6 = g.*h;%对于freqz函数，在0到2pi直接取样[Y6,w] = freqz(y6,1,512,'whole');[G0,w] = freqz(g,1,512,'whole');[H0,w] = freqz(h,1,512,'whole');% Evaluate the sample value at w = pi/2% and verify with Y6 at pi/2H1 = [fliplr(H0(1:129)') fliplr(H0(130:512)')]';val = 1/(512)*sum(G0.*H1);% Compare val with Y6(129) i.e sample at pi/2 % Can extend this to other points similarly% Parsevals theoremval1 = sum(g.*conj(h));val2 = sum(G0.*conj(H0))/512;% Comapre val1 with val23.结果(a)(b)(c)(d)(e)4.结果分析M 3.81.题目Using matlab compute the N-point DFTs of the length-N sequences of Problem 3.12 for N=3, 5, 7, and 10. Compare your results with that obtained by evaluating the DTFTs computed in Problem 3.12 at ω= 2pik/N, k=0, 1,……N-1.2.程序%用户定义N的长度N = input('The value of N = ');k = -N:N;y1 = ones([1,2*N+1]);w = 0:2*pi/255:2*pi;Y1 = freqz(y1, 1, w);%对y1做傅里叶变换Y1dft = fft(y1);k = 0:1:2*N;plot(w/pi,abs(Y1),k*2/(2*N+1),abs(Y1dft),'o');grid;xlabel('归一化频率');ylabel('幅度');(a)clf;N = input('The value of N = ');k = -N:N;y1 = ones([1,2*N+1]);w = 0:2*pi/255:2*pi;Y1 = freqz(y1, 1, w);Y1dft = fft(y1);k = 0:1:2*N;plot(w/pi,abs(Y1),k*2/(2*N+1),abs(Y1dft),'o');xlabel('Normalized frequency');ylabel('Amplitude');(b)%用户定义N的长度N = input('The value of N = ');k = -N:N;y1 = ones([1,2*N+1]);y2 = y1 - abs(k)/N;w = 0:2*pi/255:2*pi;Y2 = freqz(y2, 1, w);%对y1做傅里叶变换Y2dft = fft(y2);k = 0:1:2*N;plot(w/pi,abs(Y2),k*2/(2*N+1),abs(Y2dft),'o');grid;xlabel('归一化频率');ylabel('幅度');(c)%用户定义N的长度N = input('The value of N = ');k = -N:N;y3 =cos(pi*k/(2*N));w = 0:2*pi/255:2*pi;Y3 = freqz(y3, 1, w);%对y1做傅里叶变换Y3dft = fft(y3);k = 0:1:2*N;plot(w/pi,abs(Y3),k*2/(2*N+1),abs(Y3dft),'o');grid;xlabel('归一化频率');ylabel('幅度');3.结果(a)N=3N=5 N=7N=10 (b)N=3N=5 N=7N=10 (c)N=3N=5 N=7N=104.结果分析M 3.191.题目Using Program 3_10 determine the z-transform as a ratio of two polynomials in z-1 from each of the partial-fraction expansions listed below:(a)X1(z)=−2+104+z−1−82+z−1,|z|>0.5,(b)X2(z)=3.5−21−0.5z−1−3+z−11−0.25z−2,|z|>0.5,(c)X3(z)=5(3+2z−1)2−43+2z−1+31+0.81z−2,|z|>0.9,(d)X4(z)=4+105+2z−1+z−16+5z−1+z−2,|z|>0.5.2.程序% Program 3_10% Partical-Fraction Expansion to rational z-Transform %r = input('Type in the residues = ');p = input('Type in the poles = ');k = input('Type in the constants = ');[num, den] = residuez(r,p,k);disp('Numberator polynominal coefficients');disp(num) disp('Denominator polynomial coefficients'); disp(den)4.结果分析M 4.61.题目Plot the magnitude and phase responses of the causal IIR digital transfer functionH(z)=0.0534(1+z−1)(1−1.0166z−1+z−2) (1−0.683z−1)(1−1.4461z−1+0.7957z−2).What type of filter does this transfer function represent? Determine the difference equation representation of the above transfer function.2.程序b=[0.0534 -0.00088644 -0.00088644 0.0534];a=[1 -2.1291 1.7833863 -0.5434631];figure(1)freqz(b,a);figure(2)[H,w]=freqz(b,a);plot(w/pi,abs(H)),grid;xlabel('Normalized Frequency (\times\pi rad/sample)'),ylabel('Magnitude');幅度化成真值之后：4.结果分析H(z)=0.0534−0.00088644z−1−0.00088644z−2+0.0534z−31−2.1291z−1+1.7833863z−2−0.5434631z−3M 4.71.题目Plot the magnitude and phase responses of the causal IIR digital transfer functionH(z)=(1−z−1)4(1−1.499z−1+0.8482z−2)(1−1.5548z−1+0.6493z−2).2.程序b=[1 -4 6 -4 1];a=[1 -3.0538 3.8227 -2.2837 0.5472]; figure(1)freqz(b,a);figure(2)[H,w]=freqz(b,a);plot(w/pi,abs(H)),grid;xlabel('Normalized Frequency (\times\pi rad/sample)'), ylabel('Magnitude');3.结果4.结果分析。

西安电子科技大学数字信号处理大作业

数字信号处理大作业班级：021231学号：姓名：指导老师：吕雁一写出奈奎斯特采样率和和信号稀疏采样的学习报告和体会1、采样定理在进行A/D信号的转换过程中，当采样频率fs.max大于信号中最高频率fmax的2倍时(fs.max>2fmax)，采样之后的数字信号完整地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；采样定理又称奈奎斯特定理。

(1)在时域频带为F的连续信号 f(t)可用一系列离散的采样值f(t1),f(t1±Δt)，f(t1±2Δt)，...来表示,只要这些采样点的时间间隔Δt≤1/2F，便可根据各采样值完全恢复原始信号。

(2)在频域当时间信号函数f(t)的最高频率分量为fmax时,f(t)的值可由一系列采样间隔小于或等于1/2fo的采样值来确定,即采样点的重复频率fs ≥2fmax。

2、奈奎斯特采样频率(1)概述奈奎斯特采样定理：要使连续信号采样后能够不失真还原，采样频率必须大于信号最高频率的两倍（即奈奎斯特频率）。

奈奎斯特频率（Nyquist frequency）是离散信号系统采样频率的一半，因哈里·奈奎斯特（Harry Nyquist）或奈奎斯特－香农采样定理得名。

采样定理指出，只要离散系统的奈奎斯特频率高于被采样信号的最高频率或带宽，就可以真实的还原被测信号。

反之，会因为频谱混叠而不能真实还原被测信号。

采样定理指出，只要离散系统的奈奎斯特频率高于采样信号的最高频率或带宽，就可以避免混叠现象。

从理论上说，即使奈奎斯特频率恰好大于信号带宽，也足以通过信号的采样重建原信号。

但是，重建信号的过程需要以一个低通滤波器或者带通滤波器将在奈奎斯特频率之上的高频分量全部滤除，同时还要保证原信号中频率在奈奎斯特频率以下的分量不发生畸变，而这是不可能实现的。

在实际应用中，为了保证抗混叠滤波器的性能，接近奈奎斯特频率的分量在采样和信号重建的过程中可能会发生畸变。

(完整word版)随机信号分析习题.(DOC)

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 , otherx y XY e x y f x y -+⎧≥≥=⎨⎩, 求{}10,10<<<<Y X P 。

3. 设二维随机变量),(Y X 的联合密度函数为⎥⎦⎤⎢⎣⎡++-=)52(21exp 1),(22y xy x y x f XY π 求:（1）边沿密度)(x f X ,)(y f Y（2)条件概率密度|(|)Y X f y x ，|(|)X Y f x y4. 设离散型随机变量X 的可能取值为{}2,1,0,1-，取每个值的概率都为4/1，又设随机变量3()Y g X X X ==-。

(1）求Y 的可能取值（2）确定Y 的分布. （3）求][Y E 。

5. 设两个离散随机变量X ，Y 的联合概率密度为:)()(31)1()3(31)1()2(31),(A y A x y x y x y x f XY --+--+--=δδδδδδ试求：（1)X 与Y 不相关时的所有A 值。

（2）X 与Y 统计独立时所有A 值。

6. 二维随机变量（X ，Y )满足:ϕϕsin cos ==Y Xϕ为在[0，2π]上均匀分布的随机变量，讨论X ,Y 的独立性与相关性。

7. 已知随机变量X 的概率密度为)(x f ,求2bX Y =的概率密度)(y f .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222W X Y Z X⎧=+⎨=⎩ 设X ，Y 是相互独立的高斯变量。

随机信号分析大作业

随机信号分析大作业2016.12.6希尔伯特变换及其应用一、背景及意义在通信系统中，经常需要对一个信号进行正交分解，即分解为同相分量和正交分量。

由于希尔伯特变换可以提供90度的相位变化而不影响频谱分量的幅度，即对信号进行希尔伯特变换就相当于对该信号进行正交移相，使它成为自身的正交对。

因此，希尔伯特在通信领域获得了广泛应用。

对HHT采样频率、终止准则、曲线拟合、边界处理以及模态混叠等问题进行了分析，并基于HHT的时间特征尺度概念，提出了一种新的边界处理方法：边界局部特征尺度延拓法，较好地改善了边界效应对EMD分解的影响。

将HHT用于电力系统的信号处理，并根据HHT的信号突变检测性能，提出了一种超高压输电线路的EMD故障测距方法。

仿真实验表明，该方法能很好地实现故障定位及测距。

物理意义：希尔伯特可看成一种滤波，其本质上是对所有输入信号的90度相移器；对于稳定的实因果信号，其傅立叶变换的实部和虚部满足希尔伯特变换关系，同时其对数幅度谱和相位谱之间也满足此关系，前提是该信号为最小相位信号。

工程意义：对于自由度为一维的条信号，比如PAM，其等效基带信号是实的，这意味着对应的基带频谱是共轭对称的，即一半的频谱是冗余的，那么就可以将频谱滤除一半再进行传输，这就形成了所谓的单边带调制(SSB)。

而理论上，一个信号和其Hilbert 变化后的值相加，就可以得到所谓解析信号，该信号只保留原信号的正频谱。

而单边带调制虽然节省传输频率，但为了进行边带滤波，必须进行复杂的频谱成形，发送和接收的复杂度都比较高，相干载波的相位误差所造成的影响大。

所以，选择PAM信号进行频谱滤除的滤波器具有一定的滚降，即保留部分PAM信号中的冗余频谱，这样就成为VSB调制。

二、希尔伯特变换的发展现状近年来，随着现代信号的向前发展，人们从不同的研究领域和应用角度出发，提出了拓展经典Hilbert变换，提出了分数阶Hilbert变换，拓展了它的应用范围。

《随机信号分析》大作业概述.

大连民族学院《随机信号分析》大作业9.3.2随机变量及其数字特征运算的MATLAB实现班级:学号:姓名:指导老师:二零一五年一月《随机信号分析》大作业摘要编制一通用程序，实现产生两个任意指定区间[a,b]和[c,d]上的均匀分布的随机变量。

分别计算这两个随机变量的均值和方差以及两个随机变量的协方差和相关系数，并根据计算结果分析这两个随机变量的相关性（两个随机数的长度要相等）。

关键词：均值；方差；协方差；相关系数目录摘要 (II)第1章要求 (1)1.1预习内容 (1)1.2任务 (1)1.3思考题 (1)第2章随机变量及其数字特征运算 (2)2.1连续型随机变量的数学期望（均值） (2)2.1.1连续型随机变量的数学期望 (2)2.1.2数学期望的性质 (2)2.2随机变量的方差 (2)2.2.1定义 (2)2.2.2性质 (3)2.3协方差和相关系数 (3)2.3.1定义 (3)2.3.2协方差的性质 (3)2.3.3相关系数的性质 (3)第3章程序实现及代码 (4)3.1任务 (4)3.1.1 代码 (4)3.1.2 结果 (5)3.1.3 结果分析 (6)3.2思考题 (7)3.2.1 代码 (7)3.2.2 结果 (8)参考文献 (11)B 卷 (12)第1章要求1.1 预习内容计算随机变量数字特性的部分MATLAB函数见表9.2，这些函数的调用方法及使用举例参见9.1节的相关内容。

1.2 任务编制一通用程序，实现产生两个任意指定区间[a,b]和[c,d]上的均匀分布的随机变量。

1.3 思考题利用MATLAB的在线帮助功能，自学与指数分布有关的MATLAB函数的使用方法。

编制一通用程序，实现产生任意指定参数λ1和λ2的两个指数分布随机变量（随机元素为30个）。

西安电子科技大学数字信号处理大作业

(2)在频域当时间信号函数f(t)的最高频率分量为fmax时,f(t)的值可由一系列采样间隔小于或等于1/2fo的采样值来确定,即采样点的重复频率fs ≥2fmax。

2、奈奎斯特采样频率(1)概述奈奎斯特采样定理：要使连续信号采样后能够不失真还原，采样频率必须大于信号最高频率的两倍（即奈奎斯特频率）。

奈奎斯特频率（Nyquist frequency）是离散信号系统采样频率的一半，因哈里·奈奎斯特（Harry Nyquist）或奈奎斯特－香农采样定理得名。

采样定理指出，只要离散系统的奈奎斯特频率高于被采样信号的最高频率或带宽，就可以真实的还原被测信号。

反之，会因为频谱混叠而不能真实还原被测信号。

采样定理指出，只要离散系统的奈奎斯特频率高于采样信号的最高频率或带宽，就可以避免混叠现象。

从理论上说，即使奈奎斯特频率恰好大于信号带宽，也足以通过信号的采样重建原信号。

在实际应用中，为了保证抗混叠滤波器的性能，接近奈奎斯特频率的分量在采样和信号重建的过程中可能会发生畸变。

西电DSP大作业任务报告

DSP实验课程序设计报告学院：电子工程学院学号：1202121013姓名：赵海霞指导教师：苏涛DSP实验课大作业设计一实验目的在DSP上实现线性调频信号的脉冲压缩、动目标显示（MTI）和动目标检测(MTD)，并将结果与MATLAB上的结果进行误差仿真。

二实验内容2.1 MATLAB仿真设定带宽、脉宽、采样率、脉冲重复频率，用MATLAB产生16个脉冲的LFM，每个脉冲有4个目标（静止，低速，高速），依次做2.1.1 脉压2.1.2 相邻2脉冲做MTI，产生15个脉冲2.1.3 16个脉冲到齐后，做MTD，输出16个多普勒通道2.2 DSP实现将MATLAB产生的信号，在visual dsp中做脉压，MTI、MTD，并将结果与MATLAB作比较。

三实验原理3.1 线性调频线性调频脉冲压缩体制的发射信号其载频在脉冲宽度内按线性规律变化即用对载频进行调制(线性调频)的方法展宽发射信号的频谱，在大时宽的前提下扩展了信号的带宽。

若线性调频信号中心频率为f，脉宽为τ，带宽为B，幅度为A，μ为调频斜率，则其表达式如下：]212cos[)()(20t t f t rect A t x μπτ+••=；)(为矩形函数rect 在相参雷达中，线性调频信号可以用复数形式表示，即)]212(exp[)()(20t t f j t rect A t x μπτ+••= 在脉冲宽度内，信号的角频率由220μτπ-f 变化到220μτπ+f 。

3.2 脉冲压缩原理脉冲雷达信号发射时，脉冲宽度τ决定着雷达的发射能量，发射能量越大，作用距离越远；在传统的脉冲雷达信号中，脉冲宽度同时还决定着信号的频率宽度B ，即带宽与时宽是一种近似倒数的关系。

脉冲越宽，频域带宽越窄，距离分辨率越低。

脉冲压缩的主要目的是为了解决信号的作用距离和信号的距离分辨率之间的矛盾。

为了提高信号的作用距离，我们就需要提高信号的发射功率，因此，必须提高发射信号的脉冲宽度，而为了提高信号的距离分辨率，又要求降低信号的脉冲宽度。

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)。

随机信号分析大作业
学院：电子工程学院
班级：021151
学号：********
姓名：隋伟哲
第一题：设有随机信号X（t）=5cos(t+a),其中相位a是在区间（0,2π）上均匀分布的随机变量，使用Matlab编程产生其三个样本函数。

解：
源程序如下：
clc;clear;
C=2*pi*rand(1,3);%在[0,2π]产生均匀分布的相位角
t=1:.1:80;
y1=5*cos(t+C(1)); %将产生的随机相位角逐一代入随机过程中
y2=5*cos(t+C(2)); %将产生的随机相位角逐一代入随机过程中
y3=5*cos(t+C(3)); %将产生的随机相位角逐一代入随机过程中
plot(t,y1,'r-');
hold on;
plot(t,y2,'g--');
hold on;
plot(t,y3,'k-');
xlabel('t');ylabel('X(t)');
grid on;axis([0 30 -8 8]);
title('随机相位的三条样本曲线');
产生的三条样本曲线：
第二题：利用Matlab程序设计一正弦型信号加高斯白噪声的复合信号。

（1）分析复合信号的功率谱密度、幅度分布特性；
（2）分析复合信号通过RC积分电路后的功率谱密度和相应的幅度分布特性；
（3）分析复合信号通过理想低通系统后的功率谱密度和相应的幅度分布特性。

解：设定正选信号的频率为10HZ，抽样频率为100HZ
x=sin(2*pi*fc*t)
（1）正弦函数加上高斯白噪声：
y=awgn(x,10)
y 的幅度分布特性可以通过傅里叶变换得到：
Y(jw)=fft(y)
y 的功率谱密度：
G(w)=Y(jw).*conj(Y(jw)/length(Y(jw)))
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 ≤≤-
（2）复合信号 y 通过RC 积分电路后得到信号y2 通过卷积计算可以得到y2 即：y2= conv2(y,b*pi^-b*t) y2的幅度分布特性可以通过傅里叶变换得到： Y2(jw)=fft(y2)
y2的功率谱密度：
G2(w)=Y2(jw).*conj(Y2(jw)/length(Y2(jw)))
（3）复合信号 y 通过理想滤波器电路后得到信号y3 通过卷积计算可以得到y3 即：y3=conv2(y,sin(10*t)/(pi*t)) y3的幅度分布特性可以通过傅里叶变换得到： Y3(jw)=fft(y3)
y3的功率谱密度：
G3(w)=Y3(jw).*conj(Y3(jw)/length(Y3(jw)))
源程序如下：
clear all;
fs=100;
fc=10;
n=201;
t=0:1/fs:2;
x=sin(2*pi*fc*t); ¨
y=awgn(x,10);
10dBy1=a+b*randn(1,n);
m=50;
i=-0.49:1/fs:0.49;
for j=1:m
R(j)=sum(y(1:n-j-1).*y(j:199),2)/(n-j); Ry(49+j)=R(j);
Ry(51-j)=R(j);
end
subplot(5,2,1);
plot(t,x,'r');
title('x = sin(2*pi*fc*t)');
ylabel('x');
xlabel('t/20pi');
subplot(5,2,2);
plot(t,y,'r');
title('y=awgn(x,10)'); ylabel('y');
xlabel('t/20pi'); grid;
subplot(5,2,3);
plot(i,Ry,'r');
ylabel('Ry');
xlabel('i');
grid;
FY=fft(y);
FY1=fftshift(FY);
f=(0:200)*fs/n-fs/2; subplot(5,2,5);
plot(f,abs(FY1),'r'); ylabel('F(jw)'); xlabel('w');
P=FY1.*conj(FY1)/length(FY1); subplot(5,2,6);
plot(f,P,'r');
ylabel('G(w)');
xlabel('w');
grid;
b=10;
y2=conv2(y,b*pi^-b*t);
Fy2=fftshift(fft(y2));
f=(0:400)*fs/n-fs/2;
subplot(5,2,7);
plot(f,abs(Fy2),'r');
ylabel('Fy2(jw)');
xlabel('w');
grid;
P2=Fy2.*conj(Fy2)/length(Fy2); subplot(5,2,8);
plot(f,P2,'r');
ylabel('Gy2(w)');
xlabel('w');
grid;
y3=conv2(y,sin(10*t)/(pi*t)); Fy3=fftshift(fft(y3));
f3=(0:200)*fs/n-fs/2;
subplot(5,2,9);
plot(f3,abs(Fy3),'r');
ylabel('Fy3(jw)');
xlabel('w');
grid;
P3=Fy3.*conj(Fy3)/length(Fy3); subplot(5,2,10);
plot(f3,P3,'r');
ylabel('Gy3(w)');
xlabel('w');
grid;
图形如下：。

西电随机信号分析大作业

西电通院随机信 分析期中试卷

西安电子科技大学数字信号处理上机作业

西安电子科技大学数字信号处理大作业

(完整word版)随机信号分析习题.(DOC)

随机信号分析大作业

《随机信号分析》大作业概述.

西安电子科技大学数字信号处理大作业

西电DSP大作业任务报告

西电通院随机信分析期中试卷