随机实验报告2CJ
随机实验的实验报告
随机实验的实验报告随机实验的实验报告引言：随机实验是科学研究中常用的一种实验方法，通过随机选择和处理实验对象，以消除主观因素的干扰，从而得到更加客观、准确的实验结果。
本实验旨在探究随机实验的原理和应用，并通过具体实验案例来展示其实验效果。
实验目的：探究随机实验的原理和应用，验证随机实验的有效性和可靠性。
实验材料与方法：1. 实验材料：一副标准扑克牌、一枚骰子、一台计算机、一组随机数生成器。
2. 实验方法：a. 实验一：随机抽取扑克牌- 将一副标准扑克牌洗牌，并放置在桌面上。
- 使用随机数生成器生成一个随机数，代表抽取的牌的位置。
- 根据生成的随机数，从洗好的扑克牌中抽取一张牌。
- 记录抽取的牌的花色和点数，并重复上述步骤10次。
b. 实验二：随机掷骰子- 将骰子放置在桌面上。
- 使用随机数生成器生成一个随机数，代表骰子的点数。
- 根据生成的随机数，掷骰子一次。
- 记录掷骰子的结果，并重复上述步骤10次。
c. 实验三：随机选择实验对象- 准备一组实验对象，如十个学生。
- 使用随机数生成器生成一个随机数，代表选择的实验对象的编号。
- 根据生成的随机数，选择对应编号的实验对象进行实验。
- 记录实验结果，并重复上述步骤10次。
实验结果与分析：1. 实验一：随机抽取扑克牌通过10次实验，我们得到了10张随机抽取的扑克牌，其中包括不同花色和点数的牌。
这表明通过随机实验，我们能够在一副标准扑克牌中以相等的概率抽取任意一张牌，从而达到随机选择的效果。
2. 实验二：随机掷骰子通过10次实验，我们得到了10次随机掷骰子的结果，其中包括1到6点的不同点数。
这表明通过随机实验，我们能够以相等的概率获得骰子的每个点数，从而达到随机选择的效果。
3. 实验三：随机选择实验对象通过10次实验，我们随机选择了10个实验对象进行实验，每个对象都有相等的机会被选择到。
这表明通过随机实验，我们能够以相等的概率选择实验对象，从而消除了主观因素的干扰，得到更加客观、准确的实验结果。
随机分组实验报告总结
一、实验背景随机分组实验是一种常用的实验设计方法，旨在通过随机化分配被试到不同的实验组，以消除个体差异对实验结果的影响，提高实验结果的可靠性和有效性。
本实验旨在探讨某种教学方法对学生学习成绩的影响，采用随机分组实验进行研究。
二、实验目的1. 了解随机分组实验的基本原理和方法。
2. 探讨某种教学方法对学生学习成绩的影响。
3. 提高实验结果的可靠性和有效性。
三、实验方法1. 实验对象：选取某学校高中一年级学生100名作为实验对象，其中男生50名，女生50名。
2. 实验分组：将100名学生随机分为实验组和对照组，每组50人。
3. 实验材料：实验组采用某种教学方法进行教学，对照组采用传统教学方法进行教学。
4. 实验过程：实验组学生在教学过程中接受新的教学方法，对照组学生接受传统教学方法。
实验持续时间为一个学期。
5. 实验指标：实验结束后，对两组学生进行学习成绩测试，包括语文、数学、英语三门课程。
四、实验结果与分析1. 实验结果经过一个学期的教学，实验组和对照组学生的学习成绩如下：实验组：语文：平均分85分，及格率90%；数学：平均分80分，及格率85%；英语：平均分78分，及格率80%。
对照组：语文：平均分80分，及格率80%；数学：平均分75分，及格率75%；英语：平均分70分，及格率70%。
2. 实验结果分析通过对比实验组和对照组学生的学习成绩，我们可以得出以下结论：（1）某种教学方法在提高学生语文成绩方面有显著效果，实验组平均分比对照组高出5分，及格率高出10%。
（2）某种教学方法在提高学生数学成绩方面效果不明显，实验组平均分仅比对照组高出5分，及格率高出10%。
（3）某种教学方法在提高学生英语成绩方面效果不明显，实验组平均分仅比对照组高出8分，及格率高出10%。
五、实验结论1. 随机分组实验可以有效地消除个体差异对实验结果的影响，提高实验结果的可靠性和有效性。
2. 某种教学方法在提高学生语文成绩方面有显著效果，但在数学和英语方面效果不明显。
随机过程实验报告
随机过程实验报告一.实验目的通过随机过程的模拟实验, 熟悉随机过程编码规律以及各种随机过程的实现方法, 通过理论与实际相结合的方式, 加深对随机过程的理解。
二. 实验原理及实现代码1.伪随机数的产生函数功能: 采用线性同余法, 根据输入的种子数产生一个伪随机数, 如果种子不变, 则将可以重复调用产生一个伪随机序列实现思路：利用CMyRand类中定义的全局变量：S, K, N, Y。
其中K和N为算法参数, S用于保存种子数, Y为产生的随机数, 第一次调用检查将seed赋值与S获得Y的初值, 之后调用选择rand（）函数赋值与Y。
代码如下:unsigned int CMyRand::MyRand(unsigned int seed){Y=seed;Y=K*seed%N;S=Y;return Y;}2.均匀分布随机数的产生在上面实验中, 已经产生了伪随机序列, 所以为了得到0~N 的均匀分布序列, 只需将其转化为min 到max 的均匀分布即可, 代码如下:double CMyRand::AverageRandom(double min,double max) {double dResult;dResult = (double(MyRand(S))/N)*(max-min)+min; dResult=(int(dResult*10000))/10000.0 ;return dResult; }3.正态分布随机数的产生由AverageRandom 函数获得0－1间隔均匀分布随机数U(0,1), i=1,2,…,n, 且相互独立, 由中心极限定理可知, 当n 较大时,()~(0,1)nU nE U Z N -=取n=12, 近似有, 也就是说, 只要产生12个伪随机数u1,u2,…u12, 将它们加起来, 再减去6, 就能近似得到标准正态变量的样本值。
代码如下:double CMyRand::NormalRandom(double miu, double sigma, double min, double max){double dResult;dResult = 0;for(int i=0;i<12;i++)dResult+=(double(MyRand(S))/N); //循环相加12次dResult-=6;dResult=(dResult*sigma+miu)*(max-min)+min;return dResult;}3.指数分布的随机数的产生用AverageRandom产生均匀分布随机数{ui}, 计算指数分布随机数: xi=-ln ui /λdouble CMyRand::ExpRandom(double lambda, double min, double max){double dResult = 0.0;dResult=-log(AverageRandom(min,max))/lambda;return dResult;}4.泊松分布的随机数产生unsigned int CMyRand::PoisonRandom(double lambda, double min, double max){unsigned int dResult = 0;double F=exp(-lambda);while(AverageRandom(0,1)>=F){F+=(lambda*F)/(dResult+1);dResult++;}return dResult;}5.计算任意分布的随机过程的均值根据大数定律, 调用任意函数加和求平均即为该分布的均值。
判断随机实验报告
一、实验背景与目的在现代社会，随机实验作为一种科学研究方法，广泛应用于各个领域。
它通过模拟随机事件的发生，以揭示事件之间的统计规律，为决策提供科学依据。
本实验旨在通过设计和实施一个简单的随机实验，验证随机性原理，并分析实验结果，以加深对随机现象的理解。
二、实验材料与方法1. 实验材料- 100张写有数字1-100的纸条- 混合容器- 计时器- 记录表格2. 实验方法（1）将100张写有数字1-100的纸条放入混合容器中，确保纸条充分混合。
（2）从混合容器中随机抽取一张纸条，记录下数字。
（3）重复步骤（2），共抽取100次，记录每次抽取的数字。
（4）将抽取的数字按照大小顺序排列，绘制柱状图，分析分布情况。
三、实验结果与分析1. 数据统计本次实验共抽取100次，抽取的数字范围为1-100。
统计数据如下：- 最小值：1- 最大值：100- 平均值：50.5- 中位数：50- 标准差：8.942. 数据分析（1）从统计数据可以看出，抽取的数字分布较为均匀，符合随机性原理。
（2）平均值与中位数相近，说明数据分布较为对称。
（3）标准差较小，说明数据波动较小，稳定性较好。
3. 结果分析（1）实验结果表明，随机实验可以有效地模拟随机事件的发生，揭示事件之间的统计规律。
（2）通过分析实验结果，我们可以发现随机事件的发生具有一定的规律性，但在大量重复实验中，这种规律性会逐渐显现。
四、结论本实验通过设计和实施一个简单的随机实验，验证了随机性原理，并分析了实验结果。
实验结果表明，随机实验是一种有效的科学研究方法，可以帮助我们揭示事件之间的统计规律，为决策提供科学依据。
五、实验心得通过本次实验，我深刻认识到随机性原理在科学研究中的重要性。
随机实验可以帮助我们模拟随机事件的发生，揭示事件之间的统计规律，为决策提供科学依据。
同时，实验过程中，我学会了如何设计和实施实验，如何分析实验结果，提高了自己的实验能力和数据分析能力。
六、改进与展望为了进一步提高实验效果，可以考虑以下改进措施：- 增加实验次数，以减小随机误差的影响。
随机过程实验报告
一、实验目的1. 理解随机过程的基本概念和性质。
2. 掌握随机过程的基本运算和性质。
3. 通过实验验证随机过程的性质和规律。
二、实验原理随机过程是指一系列随机变量按照一定规则排列而成的序列。
在现实生活中，随机过程广泛存在于自然界和人类社会，如股票价格、气象变化、生物进化等。
随机过程的研究有助于我们更好地理解和预测这些现象。
随机过程可以分为两类：离散随机过程和连续随机过程。
本实验主要研究离散随机过程。
三、实验设备与材料1. 计算机2. 随机过程模拟软件（如Matlab）3. 纸笔四、实验内容1. 随机过程的基本概念（1）随机变量的概念随机变量是指具有不确定性的变量，它可以取多个值。
在随机过程中，随机变量是基本的研究对象。
（2）随机过程的概念随机过程是由一系列随机变量按照一定规则排列而成的序列。
2. 随机过程的基本性质（1）无后效性无后效性是指随机过程的前后状态相互独立。
（2）无记忆性无记忆性是指随机过程的状态只与当前时刻有关，与过去时刻无关。
（3）马尔可夫性马尔可夫性是指随机过程的状态只与当前时刻有关，与过去时刻无关。
3. 随机过程的运算（1）随机过程的和设{Xn}和{Yn}是两个随机过程，则它们的和{Zn}定义为Zn = Xn + Yn。
（2）随机过程的差设{Xn}和{Yn}是两个随机过程，则它们的差{Zn}定义为Zn = Xn - Yn。
（3）随机过程的乘积设{Xn}和{Yn}是两个随机过程，则它们的乘积{Zn}定义为Zn = Xn Yn。
4. 随机过程的模拟利用随机过程模拟软件（如Matlab）模拟随机过程，观察其性质和规律。
五、实验步骤1. 初始化随机数生成器2. 定义随机过程（1）根据随机过程的基本性质，定义随机过程{Xn}。
（2）根据随机过程的运算，定义随机过程{Yn}。
3. 模拟随机过程（1）使用随机过程模拟软件（如Matlab）模拟随机过程{Xn}和{Yn}。
（2）观察模拟结果，分析随机过程的性质和规律。
随机开放实验报告
一、实验背景随着科技的发展，随机开放实验作为一种新的实验方法，逐渐被应用于各个领域。
随机开放实验是指在实验过程中，实验对象的选择、实验条件的设置以及实验结果的解释都是随机的。
这种方法可以有效地消除实验偏差，提高实验结果的可靠性。
本实验旨在探讨随机开放实验在心理学领域的应用效果。
二、实验目的1. 了解随机开放实验的基本原理和方法。
2. 探讨随机开放实验在心理学领域的应用效果。
3. 分析随机开放实验的优点和局限性。
三、实验方法1. 实验对象：选取50名自愿参与实验的大学生，其中男生25名，女生25名，年龄在18-25岁之间。
2. 实验材料：随机生成50个数字，每个数字代表一个实验对象，数字1-25代表男生，26-50代表女生。
3. 实验过程：（1）将50名实验对象随机分为两组，每组25人。
（2）对两组实验对象进行心理测试，包括智力测试、性格测试和情绪测试。
（3）对两组实验对象进行干预，干预措施包括：一组进行心理辅导，另一组进行普通讲座。
（4）在干预结束后，再次对两组实验对象进行心理测试。
4. 数据收集：记录两组实验对象在心理测试中的得分，并进行分析。
四、实验结果1. 实验对象的基本情况：男生和女生在年龄、性别、文化程度等方面没有显著差异。
2. 心理测试结果：两组实验对象在智力测试、性格测试和情绪测试中的得分没有显著差异。
3. 干预效果：经过干预后，两组实验对象在心理测试中的得分有显著差异，心理辅导组的得分高于普通讲座组。
五、实验分析1. 随机开放实验的优点：（1）消除实验偏差：随机开放实验可以消除实验偏差，提高实验结果的可靠性。
（2）提高实验效率：随机开放实验可以节省实验资源，提高实验效率。
（3）拓展研究领域：随机开放实验可以拓展心理学领域的应用范围。
2. 随机开放实验的局限性：（1）实验对象的选择：随机开放实验需要大量实验对象，这在实际操作中可能存在困难。
（2）实验条件的设置：随机开放实验需要严格控制实验条件，这在某些情况下可能难以实现。
随机实验报告
随机实验报告注：本报告以实验的方式展示了使用随机抽样进行调查的过程和结果。
该实验旨在验证随机抽样的有效性，以及其在得出统计结论时的可靠性。
1. 实验目的：本实验旨在通过随机抽样方法，调查学生参与体育活动的情况，并据此进行统计分析，得出结论，以验证随机抽样在数据收集中的有效性。
2. 实验设计：2.1 实验对象：本实验选取某高中的500名学生作为研究对象。
2.2 实验步骤：2.2.1 制定调查问卷：设计调查问卷，包括学生基本信息以及参与体育活动的情况等相关问题。
2.2.2 随机抽样：利用计算机随机生成数字序列，再根据抽样比例，按照编号从前往后的顺序选取相应数量的样本。
2.2.3 发放问卷：将制定好的调查问卷发放给随机选取的样本对象。
2.2.4 数据收集：收集被调查者的问卷，确保问卷的完整性和真实性。
2.3 数据分析：使用适当的统计方法对收集到的数据进行分析，得出相应的统计结论。
3. 实验结果：3.1 样本信息：经过随机抽样，本次实验共收集到了500份问卷，样本对象的人口统计学特征与全体学生基本一致，可代表整个群体。
3.2 调查结果：根据收集到的问卷数据进行统计分析，得出以下主要结果：3.2.1 参与体育活动的比例：通过问卷调查发现，在500名学生中，有80%的学生参与了体育活动。
3.2.2 体育活动类型比例：在参与体育活动的学生群体中，根据调查结果，得出以下主要体育活动类型的比例：- 足球：30%- 篮球：25%- 游泳：15%- 跑步：10%- 其他：20%3.2.3 参与体育活动的性别差异：在参与体育活动的学生中，男生的比例为60%，女生的比例为40%。
4. 结论：通过本次实验，我们成功验证了随机抽样方法在数据收集中的有效性。
经过统计分析，我们得出结论：在该高中学生群体中，约80%的学生参与了体育活动，且男生比例略高于女生。
其中，最受欢迎的体育活动是足球和篮球。
5. 实验总结：本次实验通过随机抽样方法进行调查，使用统计方法对收集到的数据进行分析，并得出相应结论。
随机实验的实验报告
实验名称：随机实验对消费者购买意愿的影响实验目的：探究随机实验对消费者购买意愿的影响，以及不同实验条件下的效果差异。
实验时间：2023年4月10日实验地点：某大型购物中心实验对象：随机抽取的100名年龄在18-45岁之间的消费者实验方法：1. 实验设计：本实验采用随机实验设计，将100名消费者随机分为五组，每组20人。
2. 实验条件：每组消费者在购物中心内随机挑选一家店铺，进行购物体验。
具体实验条件如下：A组：消费者在购物过程中不参与任何实验活动，正常购物。
B组：消费者在购物过程中，随机抽取一份优惠券，优惠券金额在10-50元之间。
C组：消费者在购物过程中，随机抽取一份抽奖券，有机会获得价值100元的购物券。
D组：消费者在购物过程中，随机抽取一份优惠券，优惠券金额在50-100元之间。
E组：消费者在购物过程中，随机抽取一份抽奖券，有机会获得价值200元的购物券。
3. 实验过程：每组消费者在购物体验过程中，由实验员记录其购买意愿及实际购买情况。
实验结果：1. 购买意愿：A组：购买意愿为40%。
B组：购买意愿为60%。
C组：购买意愿为65%。
D组：购买意愿为70%。
E组：购买意愿为80%。
2. 实际购买情况：A组：实际购买率为30%。
B组：实际购买率为50%。
C组：实际购买率为55%。
D组：实际购买率为65%。
E组：实际购买率为75%。
实验分析：1. 随机实验对消费者购买意愿的影响：从实验结果可以看出，随机实验对消费者购买意愿有显著的促进作用。
实验组（B、C、D、E组）的购买意愿及实际购买率均高于对照组（A组）。
2. 不同实验条件下的效果差异：实验结果显示，抽奖券的效果优于优惠券。
在实验组中，抽奖券组的购买意愿及实际购买率均高于优惠券组。
结论：1. 随机实验对消费者购买意愿具有显著的促进作用。
2. 抽奖券比优惠券更能提高消费者购买意愿。
3. 企业在促销活动中，可考虑采用随机实验方式，以提高消费者购买意愿和实际购买率。
随机性实验报告
随机性实验报告实验报告：随机性实验引言：随机性实验是现代科学研究与数据分析中常用的一种方法。
通过对事物进行多次重复实验，观察结果的随机性以及其概率分布规律，我们可以得出一些重要的结论。
本文将介绍随机性实验的概念、实验设计、实施过程和结果分析，并通过一个简单的实例来说明其中的核心原理。
一、实验目的本次实验的目的是研究一种新型抗生素的有效性。
通过随机选取实验对象并给予药物处理，观察不同实验样本的感染程度，验证该抗生素对病菌的抑制作用。
二、实验设计1. 实验对象：在实验开始前，我们需要随机抽取一定数量的培养基上已感染病菌的标本，作为实验对象。
这样可以尽量避免对实验结果产生误差的可能性。
2. 实验组与对照组：将选取的实验对象分为两组，一组为实验组，接受新型抗生素的处理；另一组为对照组，接受普通抗生素的处理。
两组处理的方式需要保持一致，以排除其他因素的干扰。
3. 随机分组：为了保证实验结果的客观和准确，我们需要使用随机分组方法将实验对象随机分配到实验组和对照组。
这样能够避免实验结果受到个体差异的影响，使两组之间具有可比性。
三、实施过程1. 培养处理：将实验对象的标本进行分离培养，确保实验前所有样本环境一致。
2. 随机分组：使用计算机随机数发生器或其他随机分组方法，将实验对象随机分为实验组和对照组。
3. 药物处理：对实验组和对照组分别进行处理。
实验组的样本接受新型抗生素的处理，而对照组的样本接受普通抗生素的处理。
处理的方法和浓度要求一致，以避免实验结果的误差。
4. 数据记录：在一定时间间隔内，记录两组样本的感染程度。
可以使用定量或定性的方式进行观察和记录。
5. 数据分析：我们需要通过统计学分析来得出实验结果的可靠性。
可以使用t检验或方差分析等方法来比较两组数据之间的差异。
四、结果分析根据实验数据统计分析的结果，我们得到了以下结论：新型抗生素在抑制病菌的效果上明显优于普通抗生素。
在实验组，感染程度较低且持续稳定，而在对照组，感染程度较高且有波动。
随机试验报告
实验八微弱信号的检测提取及分析一、实验目的⑴了解随机信号分析理论如何在实践中应用。
⑵了解随机信号自身的特性，包括均值（数学期望）、方差、概率密度、相关函数、频谱及功率谱密度等。
⑶掌握随机信号的检测及分析方法。
二、实验原理⑴随机信号的分析方法在信号系统中，我们可以把信号分成两大类——确知信号和随机信号。
确知信号具有一定的变化规律，因而容易分析，而随机信号无确知的变化规律，需要用统计特性进行分析。
我们在这里引入了随机过程的概念。
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取样序列。
随机过程可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，则随机信号是平稳的。
如果一个平稳的随机过程它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。
我们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，我们可以取随机过程的一个样本来描述随机过程的统计特性。
随机过程的统计特性一般采用随机过程的分布函数和概率密度来描述，它们能够对随机过程作完整的描述。
但是由于在实践中难以求得，在工程技术中，一般采用描述随机过程的主要平均统计特性的几个函数，包括均值、方差、相关函数、频谱及功率谱密度等来描述它们。
以下算法都是一种估计算法，条件是N要足够大。
⑵微弱随机信号的检测及提取方法因为噪声总是会影响信号检测的结果，所以信号检测是信号处理的重要内容之一，低信噪比下的信号检测是目前检测领域的热点，而强噪声背景下微弱信号的提取又是信号检测的难点，其目的就是消除噪声，将有用的信号从强噪声背景中提取出来，或者用一些新技术和新方法来提高检测系统输出信号的信噪比。
噪声主要来自于检测系统本身的电子电路和系统外的空间高频电磁场干扰等，通常从两种不同的途径来解决：①降低系统的噪声，使被测信号功率大于噪声功率，达到信噪比S /N > 1 。
②采用相关接收技术，可以保证在被测信号功率< 噪声功率的情况下，仍能检测出信号。
- 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)。
程序 2
N=1024;
Ts=1/50000;
n=1:1:N;
w=randn(1,N);
a=5;
f1=a*1000;
f2=a*1000*2;
f3=a*1000*3;
x=sin(2*pi*f1*n*Ts)+sin(2*pi*f2*n*Ts)+sin(2*pi*f3*n*Ts)+w(n);
R=xcorr(x);
[S,W]=periodogram(x);
m=-(N-1):1:(N-1);
%f=n/(N*Ts);
figure(1)
subplot(3,1,1);plot(n,x);
subplot(3,1,2);plot(m,R);
subplot(3,1,3);plot(W,S);
fp=f1;fs=f2;ap=1;as=40; %数字滤波器指标
T=Ts,fsa=1/T; %采样频率与间隔
wp=2*pi*fp/fsa;ws=2*pi*fs/fsa; %转换为数字角频率
Wp=2/T*tan(wp/2);Ws=2/T*tan(ws/2); %由数字角频率转换为模拟角频率
[N1,Wc]=buttord(Wp,Ws,ap,as,'s'); %获取模拟滤波器的阶数和3dB截止频率[Z,P,K]=buttap(N1); %归一化模拟滤波器模型的零极点形式参数[B,A]=zp2tf(Z,P,K); %归一化模拟滤波器传递函数的系数
[Bl,Al]=lp2lp(B,A,Wc); %把模拟滤波器原型转换成截至频率为Wc的低通滤波器[b,a]=bilinear(Bl,Al,fsa);%用双线性变换法实现模拟滤波器到数字滤波器的转换[H,w]=freqz(b,a); %获取频率响应
figure(2)
plot(w*fsa/(2*pi),abs(H));grid; %绘制频率响应曲线
xlabel('频率(Hz)');ylabel('频率响应幅度');
y=filter(b,a,x);
Ry=xcorr(y);
[Sy,Wy]=periodogram(y);
m=-(N-1):1:(N-1);
%f=n/(N*Ts);
figure(3)
subplot(3,1,1);plot(n,y);
subplot(3,1,2);plot(m,Ry);
subplot(3,1,3);plot(Wy,Sy);
1.结果
200
400
600
800
1000
1200
-10-50
5-1500-1000
-500
500
1000
1500
-200002000
400000.51 1.52 2.53 3.5
50
10000.51
1.52
2.5x 10
4
0.2
0.4
0.6
0.8
1
1.2
1.4
频率(Hz)
频率响应幅度
200
400
600
800
1000
1200
-202
4-1500
-1000-500050010001500
-10000
1000
程序2 clc;
R_x=zeros(1,81);R_x(41)=1; % S_x=fftshift(abs(fft(R_x))); % No=39; % r=1-1/(No+1); h0=zeros(1,40); i=1:41;
h1=r.^i; h=[h0,h1]; %
H=fftshift(abs(fft(h)));% m_x=0; % sigma_x=R_x(41); P_x=R_x(41); figure(1),
subplot(221),stem(R_x),title('Rx'); subplot(222),stem(S_x),title('Sx'); subplot(223),stem(h),title('h'); subplot(224),stem(H),title('H'); %%%%%%%%%%%%%%%%%% %时域法求解
R_xy=conv(R_x,h);R_xy=R_xy(41:121);
R_yx=conv(R_x,fliplr(h));R_yx=R_yx(41:121); R_y=conv(R_yx,h);R_y=R_y(41:121); figure(2),
subplot(221),stem(R_x);title('Rx');
subplot(222),stem(R_xy);title('Rxy'); % subplot(223),stem(R_yx);title('Ryx');
subplot(224),stem(R_y);title('Ry'); % S_xy=abs(fft(R_xy));S_xy=fftshift(S_xy);
S_yx=fftshift(abs(fft(R_yx)));S_y=fftshift(abs(fft(R_y)));
figure(3),
subplot(221),stem(S_x);title('Sx');
subplot(222),stem(S_xy);title('Sxy'); %
subplot(223),stem(S_yx);title('Syx');
subplot(224),stem(S_y);title('Sy'); % %%%%%%%%%%%%%%%%%%%%%%%
%频域分析法
S0_xy=S_x.*H;
S0_yx=S_x.*fliplr(H);
S0_y=S0_yx.*H;
figure(4),
subplot(221),stem(S_x);title('Sx');
subplot(222),stem(S0_xy);title('S0xy'); %
subplot(223),stem(S0_yx);title('S0yx');
subplot(224),stem(S0_y);title('S0y'); %
R0_xy=fftshift(abs(ifft(S0_xy)));
R0_yx=fftshift(abs(ifft(S0_yx)));
R0_y=fftshift(abs(ifft(S0_y)));
figure(5),
subplot(221),stem(R_x);title('Rx');
subplot(222),stem(R0_xy);title('R0xy'); %
subplot(223),stem(R0_yx);title('R0yx');
subplot(224),stem(R0_y);title('R0y'); %
%另外，函数的数字特征，自己实现得出具体的值（仿程序12，13，14行）结果2
50100
00.20.40.60.81
50100
00.20.40.60.81050100
0.5
1
h
050100
10
20
30H
50100
00.20.40.60.81Rx
50100
00.20.40.60.81Rxy
50
100
00.5
1
Ryx
50100
05
1015
20Ry
50100
00.20.40.60.810
50100
010
2030
50
100
10
20
30Syx
50100
0200
400
600800Sy
50100
00.20.40.60.81
Sx
050100
010
2030
S0xy
50
100
10
20
30S0yx
50100
0200
400
600800S0y
50100
00.20.40.6
0.81
Rx
050100
00.51
1.5
2R0xy
50
100
00.511.52
R0yx
50100
05101520R0y。