随机信号通过线性系统和非线性系统后的特性分析
(完整版)随机信号处理考题答案
填空：1.假设连续随机变量的概率分布函数为F（x）则F（-∞）=0, F（+∞）=12.随机过程可以看成是样本函数的集合，也可以看成是随机变量的集合3.如果随机过程X(t)满足任意维概率密度不随时间起点的变化而变化,则称X(t)为严平稳随机过程，如果随机过程X(t)满足均值为常数，自相关函数只与时间差相关则称X(t)为广义平稳随机过程4.如果一零均值随机过程的功率谱，在整个频率轴上为一常数，则称该随机过程为白噪声,该过程的任意两个不同时刻的状态是不相关5. 宽带随机过程通过窄带线性系统，其输出近似服从正态分布,窄带正态噪声的包络服从瑞利分布,而相位服从均匀分布6.分析平稳随机信号通过线性系统的两种常用的方法是冲激响应法，频谱法7.若实平稳随机过程相关函数为Rx（τ）=25+4/（1+6τ），则其均值为5或-5,方差为4 7.匹配滤波器是输出信噪比最大作为准则的最佳线性滤波器。
1.广义各态历经过称的信号一定是广义平稳随机信号，反之，广义平稳的随机信号不一定是广义各态历经的随机信号2.具有高斯分布的噪声称为高斯噪声,具有均匀分布的噪声叫均匀噪声,而如果一个随机过程的概率谱密度是常数，则称它为白噪声3.白噪声通过都是带宽的线性系统，输出过程为高斯过程4.平稳高斯过程与确定的信号之和是高斯过程，确定的信号可以认为是该过程的数学期望5.平稳正态随机过程的任意概率密度只由均值和协方差阵确定1.白噪声是指功率谱密度在整个频域内均匀分布的噪声。
3.对于严格平稳的随机过程，它的均值与方差是与时间无关的函数，即自相关函数与时间间隔有关，与时间起点无关。
4.冲激响应满足分析线性输出，其均值为_____________________。
5.偶函数的希尔伯特变换是奇函数。
6.窄带随机过程的互相关函数公式为P138。
1.按照时间和状态是连续还是离散的，随机过程可分为四类，这四类是连续时间随机过程，离散型随机过程、随机序列、离散随机序列。
随机信号处理教程第6章随机信号通过非线性系统
信号的调制和解调
01
02
03
调制过程
在非线性系统中，输入信 号会受到调制，使得信号 的参数发生变化，如幅度、 频率或相位等。
解调过程
对调制后的信号进行解调， 恢复出原始的信号参数， 以便进一步处理或使用。
调频与调相
在非线性系统中，调制和 解调的方式可以是调频或 调相，具体取决于系统的 特性和应用需求。
音频处理中的非线性系统
音频压缩
音频压缩技术利用非线性系统来减小音频文件的大小，同时保持音频质量。压 缩算法通过非线性变换和量化过程来去除音频信号中的冗余信息。
音频特效
音频处理软件中的非线性系统用于创建各种音效和特效，如失真、混响、均衡 器和自动增益控制等。这些效果通过将音频信号通过非线性函数来实现。
应用实例
给出了随机信号通过非线性系统的应用实 例，如通信系统中的非线性失真、音频处 理中的压缩效应等。
非线性系统的发展趋势和未来展望
新技术与新方法
随着科学技术的不断发展，新的非线性系 统建模方法和分析技术将不断涌现，如深
度学习在非线性系统建模中的应用等。
跨学科融合
非线性系统理论与其他领域的交叉融合将 进一步加深，如与控制理论、人工智能等 领域的结合。
升级系统的硬件设备，提升性能表现。
系统集成优化
优化系统内部各模块之间的集成方式， 提高整体性能。
05
实际应用案例
通信系统中的非线性系统
数字信号处理
在通信系统中，数字信号经过非线性系统可能导致信号失真 ，如振幅压缩和频率偏移。这种失真可以通过数字信号处理 技术进行补偿和校正。
调制解调
在无线通信中，调制解调过程可能涉及非线性系统。例如，在 QAM（Quadrature Amplitude Modulation）调制中，信号 通过非线性调制器进行调制，然后通过非线性解调器进行解调。
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。
随机过程通过线性系统
随机过程通过线性系统
通信的目的在于传输信号，信号和系统总是联系在一起的。 通信系统中的信号或噪声一般都是随机的，因此在以后的讨论 中我们必然会遇到这样的问题：随机过程通过系统（或网络） 后，输出过程将是什么样的过程？
这里，我们只考虑平稳过程通过线性时不变系统的情况。 随机信号通过线性系统的分析，完全是建立在确知信号通过线 性系统的分析原理的基础之上的。我们知道，线性系统的响应 vo(t)等于输入信号vi(t)与系统的单位冲激响应h(t)的卷积，即
度，然后讨论输出过程的概率分布问题。
1. 输出过程ξo(t)的数学期望
E［ξo(t)］= e[h( ) ξi(t-τ)dτ ]
＝
h(
0
)E[1[i
(t
)]d
a
h( )d
0
式中利用了平稳性假设E［ξi(t-τ)］=E［ξi(t)］=a(常数)。 又因为
H(W)=
h(t)e
jwtd
t
0
求得
H(0)= h(t)dt
可见, ξo(t)的自相关函数只依赖时间间隔τ而与时间起点t1 无关。
若线性系统的输入过程是平稳的，那么输出过程也是平 稳的。
3. 输出过程ξo(t)的功率谱密度
对式（2.4 - 7）进行傅里叶变换, 有
p0(w)
R0
(
)e
jw
d
0
[h(a)h(
0
)Ri (
)dad ]e jwrd
噪声平均功率。理想低通的传输特性为
H(ω)=
K0e-jwt 0
w wH
其他
解 由上式得|H(ω)|2=
K02
，|ω|≤ωH。输出功率谱密度为
随机信号处理教程 第6章 随机信号通过非线性系统
在实际中，还存在非线性系统的传输特性在 , 上不绝 对可积，且当 x 0 时 g x 不为零的情况。这时，式 (6.3.4)就不能用了。因为该式是在傅里叶积分的下限限 制为零的前提下引入了衰减因子 e x ( 0 )后得出的， 否则，在 x 0 的范围内 e x变成增长因子，不但不起收 敛作用，反而使积分更快地发散。这种情况下，我们可定 义半波传输特性为 g ( x) x 0 g ( x) (6.3.13) x0 0
BY (t1, t2 )
式中， f X 2 ( x1, x2 ; t1, t2 )
(6.2.5) 为输入随机信号的二维概率密度函数。
g ( x1 )g ( x2 ) f X 2 ( x1, x2 ; t1, t2 )dx1x2
6.2 直接分析法
平方律检波器输出端 功率谱密度的一般公式
随机信号处理教程
——献给进入信息领域学习的你！
随机信号处理教程
第1章 概率论基础 第2章 随机过程 第3章 随机过程的功率谱密度 第4章 随机信号通过线性系统 第5章 窄带系统和窄带随机信号 第6章 随机信号通过非线性系统 第7章 马尔可夫过程
第六章 随机信号通过非线性系统
1 2 引言 直接分析法 特征函数法 级数展开法
ai a j E X i (t ) X j (t )
i 0 j 0
ai E X i (t )
i 0
均值 均方值 自相关函数
6.1 引言
6.2 直接分析法
所谓直接分析法，就是运用概率论中有关随机变量函数变 换的分析方法及各种结果来分析随机信号通过非线性系统 的问题。这种方法的特点是简单、直观。 如果已知输入随机信号 X (t )的概率密度函数，则根据非线 性系统的传输特性 y g ( x) ，采用第一章求解随机变量函数 的概率分布的方法，确定输出随机信号Y (t ) 的概率密度函 数。
七.随机信号通过非线性系统的分析(1)
输出相关函数
Ry
R y b2 E x(t1)2 x(t2 )2 b2{E{x(t1)2}E{x(t2 )2} 2E 2{x(t1)x(t2 )}}
b2
4 x
2b2 Rx2
输出功率谱密度
Sy () 2b2 x4 () 2b2
R 2
x
e jd
信号和噪声同时作用于平方律检波器
x0 x0
y
x
x x
x0 x0
y (x
x)
2
x 0
x0 x0
2021/7/17
无惰性非线性系统输出概率密度的计算
1.1 非线性系统
非线性系统
无惰性 (无记忆)
有惰性 (有记忆)
x (t )
y (t )
g ()
在某一给定时刻，非线性系统的输出y(t)只取决于 同一时刻的输入x(t),而与x(t)的过去或未来值无关。惰 性非线性系统可以看成无惰性的和线性系统的级联。
(3) 根据反函数求雅可比因子；
单值 J dx dy
多值 Ji dxi dy i 1, 2, , n
xi 表示t时刻一个y值对应n个x值中的第i个值
(4) 写出非线性系统输出的一维概率密度。
fY
(
y;
t)
dx dy
n
i 1
fX
dxi dy
( x; t ) f X (xi
;
t
)
单值 多值
随机信号通过非线性系统的分析
2021/7/17
1
内容安排
1
无惰性非线性系统输出概率密度的计算
2
非线性系统输出统计特性的各种计算方法
2 2021/7/17
1.1 非线性系统
随机信号通过非线性系统
研究和发展适用于非线性系统的优化算法和设计方法，以提 高系统的性能和稳定性。
THANKS
感谢您的观看
非线性系统是指系统的输出与输 入不成正比关系的系统，即输出 与输入之间的关系不是线性的。
非线性系统的输出可能随着输入 的增加或减少而发生不规则的变 化，或者在不同的输入条件下表
现出不同的输出。
非线性系统的行为不能用简单的 数学模型描述，通常需要使用非 线性方程或非线性函数来描述。
非线性系统的分类
硬非线性
STEP 01
探索自适应信号处理算法在 非线性系统中的应用，以提 高信号的传输质量和效率。
研究和发展更高效的信号处理 算法，以更好地处理非线性系 统中的信号失真和噪声。
探索非线性系统的应用潜力与限制
01
探索非线性系统在通信、雷达、声呐和振动控制等领域的应 用潜力。
02
研究非线性系统在实际应用中的限制和挑战，如系统建模误 差、噪声和非线性失真等。
常见的非线性失真有谐波失真、 互调失真和波形失真等。
非线性失真表现为信号的幅度、 频率和相位发生变化，这些变化 与输入信号的幅度和频率有关。
非线性失真会导致信号的失真和 信息丢失，影响通信和信号处理 系统的性能。
频率特性变化
1
频率特性是指系统对不同 频率信号的响应特性。
4
频率特性变化会影响信号 的传输质量和特征提取， 需要进行补偿和校正。
在地震学中，研究随机信号通过 非线性地层的传播特性，有助于 提高地震勘探的精度和分辨率。
Part
02
随机信号的基本特性
随机信号的定义
随机信号是指其取值在任 何时刻都是随机的，即具 有不确定性。
随机信号可以是连续的或离 散的时间序列，其取值可以 是标量、向量或矩阵。
随机信号分析实验：随机过程通过线性系统的分析
实验三 随机过程通过线性系统的分析实验目的1. 理解和分析白噪声通过线性系统后输出的特性。
2. 学习和掌握随机过程通过线性系统后的特性，验证随机过程的正态化问题。
实验原理1.白噪声通过线性系统设连续线性系统的传递函数为)(ωH 或)(s H ，输入白噪声的功率谱密度为2)(0N S X =ω，那么系统输出的功率谱密度为2)()(02N H S Y ⋅=ωω （3.1） 输出自相关函数为⎰∞∞-=ωωπτωτd e H N R j Y 20)(4)( （3.2）输出相关系数为)0()()(Y Y Y R R ττγ=（3.3） 输出相关时间为⎰∞=00)(ττγτd Y （3.4）输出平均功率为[]⎰∞=202)(2)(ωωπd H N t Y E （3.5）上述式子表明，若输入端是具有均匀谱的白噪声，则输出端随机信号的功率谱主要由系统的幅频特性)(ωH 决定，不再是常数。
2.等效噪声带宽在实际中，常常用一个理想系统等效代替实际系统的)(ωH ，因此引入了等效噪声带宽的概念，他被定义为理想系统的带宽。
等效的原则是，理想系统与实际系统在同一白噪声的激励下，两个系统的输出平均功率相等，理想系统的增益等于实际系统的最大增益。
实际系统的等效噪声带宽为⎰∞=∆022max)()(1ωωωωd H H e （3.6）或⎰∞∞--=∆j j e ds s H s H H j )()()(212maxωω （3.7）3.线性系统输出端随机过程的概率分布 （1）正态随机过程通过线性系统若线性系统输入为正态过程，则该系统输出仍为正态过程。
（2）随机过程的正态化随机过程的正态化指的是，非正态随机过程通过线性系统后变换为正态过程。
任意分布的白噪声通过线性系统后输出是服从正态分布的；宽带噪声通过窄带系统，输出近似服从正态分布。
实验内容设白噪声通过图3.1所示的RC 电路，分析输出的统计特性。
图3.1 RC 电路（1）试推导系统输出的功率谱密度、相关函数、相关时间和系统的等效噪声带宽。
- 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----通过线性系统和非线性系统后的特性分析一、实验目的1、了解随机信号自身的特性，包括均值、均方值、方差、相关函数、概率密度、频谱及功率谱密度等的概念和特性2、研究随机信号通过线性系统和非线性系统后的均值、均方值、方差、相关函数、概率密度、频谱及功率谱密度有何变化，分析线性系统和非线性系统所具有的性质3、掌握随机信号的分析方法。
4、熟悉常用的信号处理仿真软件平台：matlab、c/c++、EWB。
二、实验仪器1、256MHz以上内存微计算机。
2、20MHz双踪示波器、信号源。
3、matlab或c/c++语言环境、EWB仿真软件。
4、fpga实验板、面包板和若干导线。
三、实验步骤1、根据选题的内容和要求查阅相关的文献资料，设计具体的实现程序流程或电路。
2、自选matlab、EWB或c仿真软件。
如用硬件电路实现，需用面包板搭建电路并调试成功。
3、按设计指标测试电路。
分析实验结果与理论设计的误差，根据随机信号的特征，分析误差信号对信号和系统的影响。
四、实验任务与要求1、用matlab或c/c++语言编程并仿真2、输入信号为x(t)加上白噪声n(t),用软件仿真通过滤波器在通过限幅器后的信号y1(t),在仿真先平方律后在通过滤波器后的信号y2(t).框图如下:3、计算x(t)、a、b、c、y(t)的均值、均方值、方差、频谱、功率谱密度，自相关函数，并绘出函数曲线。
五．实验过程与仿真1、输入信号的获取与分析(a)输入信号的获取按照实验要求，Matlab仿真如下：%输入信号x的产生t=0:1/16000:0.01;x1=sin(1000*2*pi*t)+sin(2000*2*pi*t)+sin(3000*2*pi*t);x=awgn(x1,5,'measured'); %加入高斯白噪声n=x-x1; %高斯白噪声(b)输入信号及其噪声的分析%输入信号x自相关系数x_arr=xcorr(x);tau = (-length(x)+1:length(x)-1)/16000;%输入信号x的频谱和功率谱x_mag=abs(fft(x,2048));f=(0:2047)*16000/2048;x_cm=abs(fft(x_arr,2048));%画出高斯白噪声n的时域图和频域图figure(1)subplot(1,2,1)plot(t,n)title('高斯白噪声n')xlabel('t/s')ylabel('n(t)')grid onsubplot(1,2,2)N=fft(n,2048);plot(f(1:length(f)/2),N(1:length(f)/2))title('高斯白噪声n的频谱图')xlabel('f/Hz')ylabel('幅值')grid on结果为：%画输入信号的时域,相关系数,频谱图和频谱图figure(2);subplot(2,2,1)plot(t,x)title('输入信号x')xlabel('t/s');ylabel('x(t)');grid on;subplot(2,2,2)plot(tau,x_arr)title('输入信号x的自相关系数')xlabel('\tau/s')ylabel('R_x_i(\tau)')subplot(2,2,3)plot(f(1:length(f)/2),x_mag(1:length(f)/2)) title('输入信号x的频谱')xlabel('f/Hz')ylabel('幅值')grid on;subplot(2,2,4)plot(f(1:length(f)/2),x_cm(1:length(f)/2)) title('输入信号x的功率谱')xlabel('f/Hz')ylabel('S_x_i（f)')结果如下图:2、带通滤波器的频谱和相频特性[B,A]=butter(8,[1500/(16000/2) 2500/(16000/2)]); figure(3)freqz(B,A,2048)title('带通滤波器的频率特性曲线')grid on结果作图如下:3、输入信号通过带通滤波器后的信号a%信号通过带通滤波器后,过滤出2khz分量,得到信号a a=filter(B,A,x);%信号a的自相关系数a_arr=xcorr(a);%信号a的频谱和功率谱a_mag=abs(fft(a,2048));a_cm=abs(fft(a_arr,2048));%画出信号a的时域图，自相关系数,频谱图和功率谱图figure(4)subplot(2,2,1)plot(t,a)title('通过带通滤波器后的信号a')xlabel('t/s');ylabel('a(t)');subplot(2,2,2)plot(tau,a_arr)title('信号a的自相关系数')xlabel('\tau/s')ylabel('R_a_i(\tau)')subplot(2,2,3)plot(f(1:length(f)/2),a_mag(1:length(f)/2)) title('信号a的频谱')xlabel('f/Hz')ylabel('幅值')subplot(2,2,4)plot(f(1:length(f)/2),a_cm(1:length(f)/2)) title('信号a的功率谱')xlabel('f/Hz')ylabel('S_a_i(f)')作图如下:4、输入信号x通过平方律检波器的信号b%平方律检波器的传输特性为y=m*x^2,k\m=1b=1:length(x);for k=1:length(x)if(x(k)>0)b(k)=x(k)^2;elseb(k)=0;endend%信号b的自相关系数b_arr=xcorr(b);%信号b的频谱和功率谱b_mag=abs(fft(b,2048));b_cm=abs(fft(b_arr,2048));%画出信号b的时域图,自相关系数,频谱图和功率谱figure(5)subplot(2,2,1)plot(t,b)title('通过平方检波器后的信号b')xlabel('t/s');ylabel('b(t)');subplot(2,2,2)plot(tau,b_arr)title('信号b的自相关系数')xlabel('\tau/s')ylabel('R_b_i(\tau)')subplot(2,2,3)plot(f(1:length(f)/2),b_mag(1:length(f)/2)) title('信号b的频谱')xlabel('f/Hz')ylabel('幅值')subplot(2,2,4)plot(f(1:length(f)/2),b_cm(1:length(f)/2)) title('信号b的功率谱')xlabel('f/Hz')ylabel('S_b_i(f)')作图如下:5、信号a通过限幅器后的信号y1%限定幅度最大为0.5，大于0.5的取0.5y1=0:length(a)-1;for k=1:length(a)if(a(k)>0.5)y1(k)=0.5;else if(a(k)<-0.5)y1(k)=-0.5;elsey1(k)=a(k);endendend%信号y1的自相关系数y1_arr=xcorr(y1);%信号y1的频谱和功率谱y1_mag=abs(fft(y1,2048));y1_cm=abs(fft(y1_arr,2048));figure(5)%画出信号y1的时域图，自相关系数,频谱图和功率谱图figure(6)subplot(2,2,1)plot(t,y1)axis([0 0.01 -1 1])title('信号a通过限幅器后的信号y1')xlabel('t/s');ylabel('y1(t)');subplot(2,2,2)plot(tau,y1_arr)title('信号y1的自相关系数')xlabel('\tau/s')ylabel('R_y_1_i(\tau)')subplot(2,2,3)plot(f(1:length(f)/2),y1_mag(1:length(f)/2))title('信号y1的频谱')xlabel('f/Hz')ylabel('幅值')subplot(2,2,4)plot(f(1:length(f)/2),y1_cm(1:length(f)/2))title('信号y1的功率谱')xlabel('f/Hz')ylabel('S_y_1_i(f)')作图如下:6、信号b通过带通滤波器器后的信号y2%信号a通过带通滤波器后,过滤出2khz分量,得到信号y1 [B,A]=butter(8,[1900/(16000/2) 2100/(16000/2)]);y2=filter(B,A,b);%信号a的自相关系数y2_arr=xcorr(y2);%信号a的频谱和功率谱y2_mag=abs(fft(y2,2048));y2_cm=abs(fft(y2_arr,2048));%画出信号a的时域图，自相关系数,频谱图和功率谱图figure(7)subplot(2,2,1)plot(t,y2)title('信号b通过带通滤波器后的信号y2')xlabel('t/s');ylabel('y2(t)');subplot(2,2,2)plot(tau,y2_arr)title('信号y2的自相关系数')xlabel('\tau/s')ylabel('R_y_2_i(\tau)')subplot(2,2,3)plot(f(1:length(f)/2),y2_mag(1:length(f)/2)) title('信号y2的频谱')xlabel('f/Hz')ylabel('幅值')subplot(2,2,4)plot(f(1:length(f)/2),y2_cm(1:length(f)/2))title('信号y2的功率谱')xlabel('f/Hz')ylabel('S_y_2_i(f)')作图如下:7、通过matlab计算x(t)、a、b、c、y(t)的均值、均方值、方差(a)输入信号x的均值，方差和均方值x_mean=mean(x)x_var=var(x)x_st=x_var+x_mean^2结果得：x_mean = 0.0200x_var =1.9562x_st =1.9566(b)信号a的均值，方差和均方值a_mean = mean(a)a_var=var(a)a_st=a_var+a_mean^2a_arr=xcorr(a);结果得:a_mean =-0.0051a_var =0.4908a_st = 0.4908(c)信号b的均值，方差和均方值b_mean=mean(b)b_var=var(b)b_st=b_var+b_mean^2结果得:b_mean =0.9755b_var = 6.2748b_st = 7.2264(d)信号y1的均值，方差和均方值y1_mean=mean(y1)y1_var=var(y1)y1_st=y1_var+y1_mean^2结果得:y1_mean =-0.0054y1_var = 0.1616y1_st =0.1617(e)信号y1的均值，方差和均方值y2_mean = mean(y2)y2_var=var(y2)y2_st=y2_var+y2_mean^2结果得:y2_mean =-0.0035y2_var = 1.3080y2_st =1.30806.实验中遇到的问题在刚开始做实验时，理论知识都没有学完，对于很多概念仍不清晰。