随机信号分析实验报告
北理工随机信号分析实验
北理工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: y,1,yky(modN)0nn,1x,y/Nnnx序列为产生的(0，1)均匀分布随机数。
,,n下面给出了上式的3组常用参数:710,，5101、，周期; N10,k7,,83116,，5102、(IBM 随机数发生器)周期; N2,k23,,,，9315,，2103、(ran0)周期; N21,k7,,,,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)，而R 为(0,1)均匀分布随机变量，X则有,1X,F(R) x由这一定理可知，分布函数为F (x)的随机数可以由(0,1)均匀分布随机数按上式进行变X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。
实验四 随机信号分析
实验四随机信号分析生物医学工程系罗融编一、实验目的：1．理解随机信号的各种数字特征及相关函数。
2．学习用MATLAB语言编写数字特征及相关函数计算程序。
3．观察脑电信号的数字特征及相关函数。
二、实验内容：1．产生1千点的白噪声信号，并计算它的均值、均方值、均方根值、方差。
（产生白噪声可用语句n=10^3;x=randn(1,n)）2．计算一白噪声加10Hz正弦信号构成的随机信号并作图显示该随机信号与它的自相关函数。
（白噪声加10Hz正弦信号可用语句x2=x+sin(2*pi*10*[0:999]/250);其中抽样率fs=250Hz）3．计算白噪声的自相关函数并作图显示白噪声与它的自相关函数。
4．计算脑电信号的均值、均方值、均方根值、方差，计算脑电信号的自相关函数并作图显示脑电信号与它的自相关函数。
5．计算含有噪声的心电信号的自相关函数并作图显示含有噪声的心电信号与它的自相关函数。
含有噪声的心电信号与脑电信号由数据文件shiyansi.mat提供，用load shiyansi命令后，shiyansi数据文件中的变量zshecg与eeg即在matlab工作空间中，可用plot（zshecg）语句观察该含有噪声的心电信号，用plot（eeg）语句观察脑电信号。
三、报告要求：报告格式要求同实验一。
报告内容应包含实验名称，实验目的，实验内容，实验程序代码及结果，实验结果分析与讨论等附录：1）均值：3）均方：4）相关函数：2．MATLAB语言说明：1）mean函数：2）var函数：(2)option为’biased’时，计算有偏互相关估计(3)option为’unbiased’时，计算无偏互相关估计。
随机信号分析实验报告
《随机信号分析》实验报告二班级_______学号______姓名_______实验二高斯噪声的产生和性能测试１．实验目的（1）掌握加入高斯噪声的随机混合信号的分析方法。
（2）研究随机过程的均值、相关函数、协方差函数和方差。
⒉实验原理（1）利用随机过程的积分统计特性，给出随机过程的均值、相关函数、协方差函数和方差。
（2）随机信号均值、方差、相关函数的计算公式，以及相应的图形。
⒊实验报告要求（1）简述实验目的及实验原理。
（2）采用幅度为1，频率为25HZ的正弦信号为原信号，在其中加入均值为2，方差为0.04的高斯噪声得到混合随机信号X(t)。
试求随机过程的均值、相关函数、协方差函数和方差。
用MATLAB进行仿真，给出测试的随机过程的均值、相关函数、协方差函数和方差图形，与计算的结果作比较，并加以解释。
（3）分别给出原信号与混合信号的概率密度和概率分布曲线，并以图形形式分别给出原信号与混合信号均值、方差、相关函数的对比。
（4）读入任意一幅彩色图像，在该图像中加入均值为0，方差为0.01的高斯噪声，请给出加噪声前、后的图像。
（5）读入一副wav格式的音频文件，在该音频中加入均值为2，方差为0.04的高斯噪声，得到混合随机信号X(t)，请给出混合信号X(t)的均值、相关函数、协方差函数和方差，频谱及功率谱密度图形。
4、源程序及功能注释(逐句注释)（1）：clear all;clc;t=0:320;x=sin(2*pi*t*25);x1=wgn(1,321,0);z=x+x1;y=trapz(t,z);%y=int(z,x,0,t);subplot(3,2,1),plot(z);title('随机信号序列')meany=mean(z);subplot(3,2,3),plot(t,meany,'.');title('随机信号均值')vary=var(y); %方差subplot(3,2,4),plot(t,vary,'.');title('随机信号方差')cory=xcorr(z,'unbiased');%自相关函数subplot(3,2,2),plot(cory);title('随机信号自相关函数')covv=cov(y);subplot(3,2,5),plot(t,covv,'.');title('随机信号协方差')（2）：t=[0:0.0005:0.045];X1=sin(2*pi*25*t);%正弦subplot(3,4,1);plot(t,X1);gridtitle('正弦函数序列');X2=randn(1,length(t)); %产生均值为0，方差σ^2=1，标准差σ=1的正态分布的随机数或矩阵的函数高斯随机信号%X2=normrnd(2,0.04); %高斯随机序列均值,标准差subplot(3,4,2);plot(t,X2);title('高斯噪声序列');X=X1+X2; %混合随机信号X(t)subplot(3,4,3);plot(t,X);gridtitle('混合随机信号');meany1=mean(X1); %原信号的均值subplot(3,4,6),plot(t,meany1);title('原信号均值');vary1=var(X1); %原信号的方差subplot(3,4,7),plot(t,vary1);title('原信号方差');cory1=xcorr(X1,'unbiased'); %原信号的自相关函数subplot(3,4,8),plot(cory1);title('原信号自相关函数');meany=mean(X); %混合信号的均值subplot(3,4,10),plot(t,meany);title('混合信号均值');vary=var(X); %混合信号的方差subplot(3,4,11),plot(t,vary);title('混合信号方差')cory=xcorr(X,'unbiased'); %混合信号的自相关函数subplot(3,4,12),plot(cory);title('混合信号自相关函数')covy=cov(X1,X); %协方差subplot(3,4,4),plot(covy);title('协方差');[f1,xi]=ksdensity(X1); %原信号的概率密度subplot(3,4,5);plot(xi,f1);title('原信号的概率密度分布)');[f2,xi]=ksdensity(X); %混合信号的概率密度subplot(3,4,9);plot(xi,f2);title('混合信号概率密度分布');（3）：clcclear allclose allA = imread('dadian.jpg'); % 读入图像V=0.01;Noisy=imnoise(A,'gaussian',0,V);subplot(1,2,1),imshow(A),title('原图像');subplot(1,2,2),imshow(Noisy),title('加噪后图像'); （4）：clcclear allclose allt=0:320;A = wavread('alert.wav'); % 读入音频x = double(A);y=awgn(x,2,0.04);%x1 = double(z);%y=x+x1;subplot(2,3,1),plot(y);title('随机信号序列')meany=mean(y);subplot(2,3,2),plot(t,meany,'.');title('随机信号均值')vary=var(y); %方差subplot(2,3,3),plot(t,vary,'.');title('随机信号方差')cory=xcorr(y,'unbiased');%自相关函数subplot(2,3,4),plot(cory);title('随机信号自相关函数')fy=fft(y);ym=abs(fy);subplot(2,3,5),plot(ym);title('随机信号频谱图')fz=fft(cory);zm=abs(fz);subplot(2,3,6),plot(zm);title('随机信号功率谱密度图')5. 实验总结（手写）可给出实验过程中遇到的问题、解决方法、自己的收获、可否有改进办法等。
随机信号分析实验报告
随机信号分析实验报告引言：随机信号是指信号在时间或空间上的其中一种特性是不确定的，不能准确地预测其未来行为的一类信号。
随机信号是一种具有随机性的信号，其值在一段时间内可能是不确定的，但是可以通过概率论和统计学的方法来描述和分析。
实验目的：通过实验，学习了解随机信号的基本概念和特性，学习了解和掌握常见的随机信号分析方法。
实验原理：随机信号可以分为离散随机信号和连续随机信号。
离散随机信号是信号在离散时间点上，在该时间点上具有一定的随机性；而连续随机信号是信号在连续时间上具有随机性。
常见的随机信号分析方法包括概率密度函数、功率谱密度函数等。
实验器材：计算机、MATLAB软件、随机信号产生器、示波器、电缆、电阻等。
实验步骤：1.配置实验仪器：将随机信号产生器和示波器与计算机连接。
2.生成随机信号：调节随机信号产生器的参数，产生所需的随机信号。
3.采集数据：使用示波器采集随机信号的样本数据，并将数据导入MATLAB软件。
4.绘制直方图：使用MATLAB软件绘制样本数据的直方图，并计算概率密度函数。
5.计算统计特性：计算随机信号的均值、方差等统计特性。
6.绘制功率谱密度函数：使用MATLAB软件绘制随机信号的功率谱密度函数。
实验结果和讨论：我们采集了一段长度为N的随机信号样本数据，并进行了相应的分析。
通过绘制直方图和计算概率密度函数，我们可以看出随机信号的概率分布情况。
通过计算统计特性，我们可以得到随机信号的均值、方差等重要参数。
通过绘制功率谱密度函数，我们可以分析随机信号的频谱特性。
结论：本实验通过对随机信号的分析，加深了对随机信号的理解。
通过绘制直方图、计算概率密度函数、计算统计特性和绘制功率谱密度函数等方法，我们可以对随机信号进行全面的分析和描述，从而更好地理解随机信号的特性和行为。
2.王五,赵六.随机信号分析方法.物理学报,2024,30(2):120-130.。
《随机信号分析与处理》实验报告完整版(GUI)内附完整函数代码
《随机信号分析与处理》实验报告指导教师：班级：学号：姓名：实验一 熟悉MA TLAB 的随机信号处理相关命令一、实验目的1、熟悉GUI 格式的编程及使用。
2、掌握随机信号的简单分析方法3、熟悉语音信号的播放、波形显示、均值等的分析方法及其编程 二、实验原理 1、语音的录入与打开在MATLAB 中，[y,fs,bits]=wavread('Blip',[N1 N2]);用于读取语音，采样值放在向量y 中，fs 表示采样频率(Hz)，bits 表示采样位数。
[N1 N2]表示读取从N1点到N2点的值。
2，均匀分布白噪声在matlab 中，有x=rand （a ，b ）产生均匀白噪声序列的函数，通过与语言信号的叠加来分析其特性。
3、均值随机变量X 的均值也称为数学期望，它定义为对于离散型随机变量，假定随机变量X 有N 个可能取值，各个取值的概率为则均值定义为上式表明，离散型随机变量的均值等于随机变量的取值乘以取值的概率之和，如果取值是等概率的，那么均值就是取值的算术平均值，如果取值不是等概率的，那么均值就是概率加权和，所以，均值也称为统计平均值。
4、方差定义为随机过程的方差。
方差通常也记为D 【X （t ）】 ，随机过程的方差也是时间 t 的函数, 由方差的定义可以看出，方差是非负函数。
5、自相关函数设任意两个时刻1t ，2t ，定义为随机过程X （t ）的自相关函数，简称为相关函数。
自相关函数可正，可负，其绝对值越大表示相关性越强。
6．哈明(hamming)窗（10.100）121212121212(,)[()()](,,,)X R t t E X t X t x x f x x t t dx dx +∞+∞-∞-∞==⎰⎰（10.101）B = 1.3Δf，A = -43dB，D= -6dB/oct.哈明窗本质上和汉宁窗是一样的，只是系数不同。
哈明窗比汉宁窗消除旁瓣的效果好一些而且主瓣稍窄，但是旁瓣衰减较慢是不利的方面。
随机信号分析实验报告
随机信号分析实验报告实验一：平稳随机过程的数字特征实验二：平稳随机过程的谱分析实验三：随机信号通过线性系统的分析实验四：平稳时间序列模型预测班级：姓名：学号：一、实验目的1、加深理解平稳随机过程数字特征的概念2、掌握平稳随机序列期望、自相关序列的求解3、分析平稳随机过程数字特征的特点二、实验原理平稳随机过程数字特征求解的相关原理三、实验过程function y = experiment number = 49; %学号49 I = 8; %幅值为8 u = 1/number;Ex = I*0.5 + (-I)*0.5; N = 64; C0 = 1; %计数 p(1) = exp(-u);for m = 2:N k = 1:m/2;p(m) = exp(-u*m) + sum((u*m).^(2*k)./factorial(2*k)*exp(-u*m));2222()[()()]{()()}{()()}X R m E X n X n m I P X n X n m I I P X n X n m I =+=+=-+=-E[X(n)]= I P{X(n)=+I}+(-I)P{X(n)=-I}=0⨯⨯0m >当时，/222(){()()}(2)!m k mk m P X n X n m I e P k λλ⎢⎥⎣⎦-=+===∑222()(1)(21)X R m I P I P I P =--=-2()()X X XC m R m m =-me I m n X n X E m R λ22)]()([)(-=+=end;pp = [fliplr(p) C0 p];Rx = (2*pp - 1)*I^2;m = -N:N;Kx = Rx - Ex*Ex;rx = Kx/25;subplot(211), plot(m,Rx); axis([-N N 0 I*I]); title('自相关序列');subplot(212), plot(m,rx); axis([-N N 0 1]); title('自相关序数');四、实验结果及分析自相关序列的特点分析：m>0时Rx(m)随着m的增大而减小，m<0时Rx(m)随着m的增大而增大。
随机信号分析实验报告
实验一 随机噪声的产生与性能测试一、实验内容1．产生满足均匀分布、高斯分布、指数分布、瑞利分布的随机数,长度为N=1024，并计算这些数的均值、方差、自相关函数、概率密度函数、概率分布函数、功率谱密度，画出时域、频域特性曲线; 2．编程分别确定当五个均匀分布过程和5个指数分布分别叠加时,结果是否是高斯分布; 3．采用幅度为2, 频率为25Hz 的正弦信号为原信号,在其中加入均值为2 ， 方差为0.04 的高斯噪声得到混合随机信号()X t ，编程求 0()()tY t X d ττ=⎰的均值、相关函数、协方差函数和方差，并与计算结果进行比较分析。
二、实验步骤 1.程序N=1024； fs=1000； n=0:N —1;signal=chi2rnd （2，1，N); ％rand(1,N)均匀分布 ,randn(1,N ）高斯分布，exprnd(2,1，N ）指数分布,raylrnd （2，1,N)瑞利分布，chi2rnd(2，1，N ）卡方分布 signal_mean=mean(signal ）； signal_var=var （signal ）；signal_corr=xcorr(signal,signal ，'unbiased ’)； signal_density=unifpdf(signal ，0，1); signal_power=fft(signal_corr); ％[s,w]=periodogram （signal); [k1,n1］=ksdensity(signal)；[k2,n2］=ksdensity （signal,’function ’，'cdf ’）; figure ；hist(signal)；title （’频数直方图’）; figure ；plot （signal)；title(’均匀分布随机信号曲线’）; f=n ＊fs/N ； ％频率序列 figure;plot(abs （signal_power)）; title('功率幅频’); figure;plot(angle （signal_power)）； title （'功率相频'); figure;plot （1:2047,signal_corr)； title （'自相关函数’）; figure;plot(n1，k1）；title('概率密度’）；figure；plot(n2,k2);title（'分布函数’)；结果（1）均匀分布(2）高斯分布（3）指数分布（4)瑞利分布（5）卡方分布2.程序N=1024；signal_1=rand(1,N);signal_2=rand(1，N）；signal_3=rand(1,N);signal_4=rand（1，N）;signal_5=rand(1,N)；signal=signal_1+signal_2+signal_3+signal_4+signal_5; [k1,n1］=ksdensity(signal）；figure(1）subplot(1，2，1）;hist(signal);title（'叠加均匀分布随机数直方图');subplot(1,2，2);plot（n1,k1）；title(’叠加均匀分布的概率密度'）；结果指数分布叠加均匀分布叠加结果：五个均匀分布过程和五个指数分布分别叠加时，结果是高斯分布。
随机信号分析实验
随机实验1、产生均匀分布的随机数，直方图和点表示：代码：x = random('unif', 2,5,1,1024);g = 2:0.1: 5;hist(x, g);Plot 法显示:代码：x = random('unif', 2,5,1,1024);plot(x);分析：均值：采用函数mean求的：m =mean(mean(x));>> mm =3.4940大约是3.5 和理论值差不多方差：var(x)ans =0.7223和理论值0.75 也差不多，说明点还是取的不够多的2、高斯随机数分布直方图均值为1，方差为0代码：N = 200000;g = -5:0.1:5;x = random('normal',0,1,1,N);hist(x,g);分析结果：1）均值看图即可知道均值大约为0；x = random('normal',0,1,1,N);>> m = mean(mean(x));>> mm =0.0025大概N的取值再大一些，这样均值会更接近0 的2）方差var(x)ans =0.9976方差和1 是比较接近的3、相互独立的随机数作和1)J均匀分布随机数作和0 ~ 2区间代码：N = 200000;g = 0:0.1:5;x1 = random('unif',0,2,1,N);x2 = random('unif',0,2,1,N);z = x1+x2;hist(z,g);图像：分析结果：均匀分布的概率密度是矩形，而两相互独立概率密度是两者的卷积之后是一个三角波，理论分析和实际差不多的4、瑞利分布x 方分布：代码：N = 200000;g = -5:0.1:5;G1 = random('normal',0,1,1,N);G2 = random('normal',0,1,1,N);G3 = random('normal',0,1,1,N);G4 = random('normal',0,1,1,N);R = sqrt(G1.*G1 + G2.*G2);X2 = G1.*G1 + G2.*G2+ G3.*G3 + G4.*G4; subplot(311); hist(G1,g);subplot(312); hist(R,0:0.05:5);subplot(313); hist(X2,0:0.02:24);分析结果：瑞利分布图像算是有了，也没什么好分析的了5、自相关函数1)N =256点高斯自相关均值为0代码：N = 256;xn = random('norm', 0, 1,1, N);Rx =xcorr(xn, 'biased');m = -N+1 : N-1;plot(m, Rx);axis([-N N-1 -0.5 1.5]);图像：2）n = 1024 点自相关代码：N = 1024;xn = random('norm', 0, 1,1, N); Rx =xcorr(xn, 'biased');m = -N+1 : N-1;plot(m, Rx);axis([-N N-1 -0.5 1.5]);图像：分析结果：很明显第二幅图点更加均匀些，说明序列越长，自相关函数的估计方差越小3)高斯自相关函数均值不为0代码：N = 1024;xn = random('norm', 1, 1,1, N);Rx =xcorr(xn, 'biased');m = -N+1 : N-1;plot(m, Rx);axis([-N N-1 -0.5 1.5]);图像：结果分析：1024 点均值为1出现上面的图像，确实有点崩溃，具体原因6、白噪声功率谱代码：N = 1024;fs =1000;t = (0:N-1)*fs;fai = random('unif',0,1,1,2)*2*pi;xn =cos(2*pi*30*t+fai(1)) + 3*cos(2*pi*100*t +fai(2)) +randn(1,N); Sx= abs(fft(xn)).^2/N;f = (0:N-1)*fs/N;plot(f, 10*log10(Sx(1:N)));图像：结果分析：带白噪声的功率谱应该是常数，而仿真出来的不符，原因：fft是选取了一个周期取估计功率谱，而且只用了一个样本序列，而且观察数据有限7、不同信号的自相关函数估计代码：N = 256;t = 0:N-1;m = -N : N-1;xn =zeros(N:8);x1n = random('norm',0,1,N,8);X1k = fft(x1n,2*N);R1x = ifft((abs(X1k).^2)/N);A = random('unif',0,1,1,8)*2*pi;for k = 1:8x2n(:,k) =cos(2*pi*4*t(:)/N+A(k));xn(:,k)= x1n(:,k) + x2n(:,k);endX2k = fft(x2n,2*N);R2x = ifft((abs(X2k).^2)/N);Xk = fft(xn,2*N);Rx = ifft((abs(Xk).^2)/N);subplot(311); plot(m,fftshift(R1x)); axis([-N N-1 -0.5 1.5] );subplot(312); plot(m,fftshift(R2x)); axis([-N N-1 -0.5 1.5] );subplot(313); plot(m,fftshift(Rx)); axis([-N N-1 -0.5 1.5] );图像：。
- 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)。
4FSk 的调制原理
随着时代的发展，数字信号在信号传输比模拟信号有许多的优越性，数字信 号传输也越来越重要。虽然近距离传输可以由数字基带信号直接传输，但是要进 行远距离传输时必须将基带信号调制到高频处，所以调制解调技术是数字通信中 一种关键的技术。二进制频移键控是数字信号调制的基本方式之一。而多进制 （MFSK）的可降低信道系统信噪比的要求。2FSK 信号的产生方法主要有两种：采 用模拟调频电路实现；采用键控法来实现，即在二进制基带脉冲序列的控制下通 过开关电路对两个不同的独立频率源进行选通，使其在每个码元期间输出 f1 和 f2 两个载波之一。频移键控是利用载波的频率变化来传递信息的。在 2FSK 中， 载波的频率随二进制基带信号在 f1 和 f2 两个频率点间变化。同理 4FSK 中基带 脉冲序列四个码元（00 01 10 11）可用 f1,f2,f3,f4 四个载波之一；本实验讨 论 4FSK 是通过并联输入两位基带信号，两位二进制来表示四进制的频移键控。
2FSK 键控法调频原理图如下：
振荡器 f1 反相器
选通开关
相加器
振荡器 f2
选通开关
4FSK 可通过基带信号（00,01,10,11）并联传输 0 或 1 来分别用 f1,f2,f3,f4 四个载频表示，两路基带信号作为控制选通选通开关，1 路选通开关发送 0 时选 通载频 f1, 发送 0 时选通载频 f2, 1 路选通开关发送 0 时选通载频 f3, 送 1 时 选通载频 f4。两路不同载频通过相加器得到已调信号发送出去。
4FSK 键控法调频原理图（图 1.1）如下：
0或1 0或1
振荡器 f1 选通开关 1 振荡器 f2
振荡器 f3 选通开关 2 振荡器 f4
相加器
图 1.1 4FSK 键控法调频原理框图
4FSK 实验的设计与实现
1. 电路设计 4FSK 调制原理框图如图所示
clk1
分频器
计数器
Rom 载波
clk2
行检错，在确认无错误后，进行下一步操作； 调制器的电路图如下：
注：m 序列发生器前面的分频器用的是分频系数为 2048 的分频器。 ⑵仿真波形：
⑶电路在ＦＰＧＡ实验板上的实现： 仿真成功后连接好ＵＳＢ连线和实验板电源，将文件 下载到实验板上，并用示波器观察输出波形。 示波器波形如下：
实验结论及体会
注：本次试验的计数器是 5 位输出，在 rom 中是 5 位输入 12 位输出。 ⑹ 数据选择器：本实验中，我们利用了 QuartusⅡ中提供的器件 lpm_mux 来实现四选一。电路如下：
注：四选一为 12 位输入 12 为输出。
电路仿真及实现
⑴连接电路 将上述原理中的每个器件参照 4FSK 调制器的原理图连接好，用 QuartusⅡ进
１．做好电路仿真后，发现波形有的有正弦波，有的波发生失谐，相位发生突变， 仔细检查后发现问题如下： ⑴ＲＯＭ输出 8 位，导致输出精度下降，造成波形失真，后来改为 12 位，效果 明显改善，但波形还不是正弦波。 ⑵在上面调整后出现的问题，我们认为是分频器分频有问题，经过仔细计算发现 我们刚开始的分频系数太小了，刚开始第一分频分频系数为 16，经过计算后发现 我们应该是 64（2000/（9.765625*32）=64），调整后我们的正弦波就完美了表现 出来了。 ２．在实验过程中，我们深刻的体会到理论与实践的巨大差距，一个计数器的参 数错误就意味着整个实验的失败，但是在实验中我们深刻的体会到做实验必须要 有耐心，冷静思考，仔细思考问题会出在哪里，想好后，按照自己的想法一一排
随机信号分析实验报告
实验选题：码元速率 9.765625KHz 的 4FSK 调制信号的实验与性 能分析
指导教师：
实验小组成员： 所在院系：通信工程学院 所在班级：班
2013/11/14
摘 要：频率偏移调制，又称频率移键、频移键控（FSK，Frequency-Shift Keying ）是一种利用频率差异的信号来传送资料的调制方式。最常见的 FSK 为 二进制 FSK（BFSK，binary FSK，或称 2FSK）。BFSK 用两个离散的频率分别代表
分频器
计数器
start
clk3
分频器
clk4
分频器
计数器 计数器
clk5
m序列
串并转 换
Rom 载波
Rom 载波
Rom 载波
4FSK
4选一
⑴ 基带信号（信源）：设计一个周期为 15 的小 M 序列作为信源。信源码元 速率为 9.765625KHz。电路图如下：
⑵ 时钟信号：由实验板提供 20MHz 时钟，经分频得到（仿真时可设 20MHz 时钟分频得到）。
⑶ Start 信号：开始信号，在仿真时可以自己设置，在实验板中需要硬件 实现。Start 信号波形图如下（本实验中置 1）：
⑷ 分频器：使用 QuartusⅡ中的 lpm_counter 计数器实现分频，四个分频器 分频系数分别为 64,32,16,8，m 序列前面的分频系数为 2048。
⑸ 正弦波输出电路：
除问题，慢慢走向成功。 同时我们也感受到合作的重要性，一个人的思维永远 比不上两个人的思考，在实验诸多的问题上，我的队员给了我许许多多的帮助， 正是这些帮助才让我们的实验完美的完成。
参考资料
【1】张辉，曹丽娜.现代通信原理与技术（第三版）.西安：西安电子科技大学四进制频移键控则称 QFSK。 FSK 广泛应用于低速数据传输设备中，根据国际电联(ITU－T)的建议，传
输速率为 1200 波特以下的设备一般采用 FSK 方式传输数据。 FSK 具有：调制方法简单易于实现、解调不需要恢复本地载波、可以异步
传输、抗噪声和衰落性能较强等特点。由于这些原因，FSK 是在模拟电话网上用 来传输数据的低速、低成本异步调制解调器的一种主要调制方式。