随机信号课程设计随机过程的模拟与特征估计
随机信号课程设计随机过程的模拟与特征估计公司内部档案编码：[OPPTR-OPPT28-OPPTL98-OPPNN08]
设计题目一：随机过程的模拟与特征估计
一、实验目的
随机过程的特征估计是信号处理最基本的内容，希望大家通过本实验熟悉和掌握特征估计的基本方法及其MATLAB实现。
二、实验内容
按照如下模型产生一组随机序列 x(n)=(n-1)+w(n)，其中w(n)为均值为0，方差为4的高斯白噪声序列。
（1）模拟产生X(n)序列的500 观测样本函数，绘出波形图。
（2）用观测点估计信号的均值和方差。
（3）估计该过程的自相关函数和功率谱密度，并画出图形。
【分析】给定AR 过程，可以用递推公式得出最终的输出序列。
或者按照一个白噪声通过线性系统的方式得到，这个系统的传递函数为：
,这是一个全极点的滤波器，具有无限长的冲激响应。
三、实验过程
（1）产生样本函数，并画出波形
题目中的 AR 过程相当于一个零均值正态白噪声通过线性系统后的输出，可以按照上面的方法进行描述。
clear all;
b=[1]; a=[1 ]; % 由描述的差分方程，得到系统传递函数
h=impz(b,a,20); % 得到系统的单位冲激函数，在20点处已经可以认为值是0
randn('state',0);
w=normrnd(0,2,1,500); % 产生题设的白噪声随机序列，标准差为2 x=filter(b,a,w); % 通过线形系统，得到输出就是题目中要求的AR 过程
plot(x,'r');
ylabel('X(n)');
title('产生的X(n) 随机序列');
grid;
得到的输出序列波行为：
(2)估计信号的均值和方差。
x_mean=mean(x); % 进行时间平均，求均值
subplot(121);
stem(x_mean);
x_var=var(x); % 求序列的方差
subplot(122);
stem(x_var);
（3）估计该过程的自相关函数和功率谱密度，并画出图形。
%估计的自相关函数序列
Mlag=20; % 定义最大自相关长度
Rx=xcorr(x,Mlag,'coeff');
m=-Mlag:Mlag;
stem(m,Rx,'r.');
grid on;
最终的值为
实际的功率谱密度可以用类似于上面的方法进行估计：
用以下语句实现：
window=hamming(20); % 采用hanmming 窗，长度为20
noverlap=10; % 重叠的点数
Nfft=512; % 做FFT 的点数
Fs=1000; % 采样频率，为1000Hz
[Px,f]=pwelch(x,window,noverlap,Nfft,Fs, 'onesided'); % 估计功率谱密度
f=[-fliplr(f') (f(2:end))']; % 构造一个对称的频率，范围是[-Fs/2, Fs/2]
Py=[-fliplr(Px') (Px(2:end))']; % 对称的功率谱
plot(f,10*log10(Py), 'b');
grid on;
估计出来的功率谱密度为：。
随机过程课程设计最终版
随机过程课程设计最终版一、教学目标本课程的教学目标是使学生掌握随机过程的基本概念、性质和数学描述，能够运用随机过程解决实际问题。
具体分为以下三个部分：1.知识目标：学生需要掌握随机过程的基本定义、分类和数学描述，包括离散随机过程和连续随机过程，以及随机过程的均值、方差、相关函数等基本性质。
2.技能目标：学生能够运用随机过程解决实际问题，如信号处理、通信系统、金融市场等领域的应用问题。
3.情感态度价值观目标：培养学生对随机过程学科的兴趣和好奇心，提高学生的问题解决能力和创新意识。
二、教学内容本课程的教学内容主要包括随机过程的基本概念、性质和数学描述，以及随机过程在实际问题中的应用。
具体包括以下几个部分：1.随机过程的基本概念：包括随机过程的定义、分类和数学描述。
2.随机过程的性质：包括随机过程的均值、方差、相关函数等基本性质。
3.随机过程的应用：包括随机过程在信号处理、通信系统、金融市场等领域的应用问题。
三、教学方法为了实现本课程的教学目标，将采用多种教学方法相结合的方式进行教学。
具体包括以下几种方法：1.讲授法：通过教师的讲解，使学生掌握随机过程的基本概念和性质。
2.讨论法：通过小组讨论，激发学生的思考和问题解决能力。
3.案例分析法：通过分析实际案例，使学生了解随机过程在实际问题中的应用。
4.实验法：通过实验操作，使学生更好地理解和掌握随机过程的性质和应用。
四、教学资源为了支持本课程的教学内容和教学方法的实施，将选择和准备以下教学资源：1.教材：选用《随机过程》一书作为主要教材，为学生提供系统的学习材料。
2.参考书：提供相关的参考书籍，供学生深入学习和研究。
3.多媒体资料：制作课件和教学视频，以图文并茂的形式展示随机过程的性质和应用。
4.实验设备：准备相关的实验设备，如计算机、信号发生器等，供学生进行实验操作。
五、教学评估本课程的评估方式包括平时表现、作业和考试三个部分，以全面客观地评价学生的学习成果。
随机信号分析与处理简明教程教学设计
随机信号分析与处理简明教程教学设计一、教学目标1.理解随机信号的定义和特征，掌握随机变量、随机过程的概念及其常用分布类型。
2.掌握随机信号的性质分析方法，包括自相关函数、功率谱密度、自谱密度等。
3.掌握随机信号的常见处理方法，包括滤波、采样、信号平均等。
4.能够利用 Matlab等软件对随机信号进行仿真和分析。
二、教学内容1. 随机信号的基本概念•随机信号的定义和分类•随机变量的概念及其常用分布类型•随机过程的概念及其常用分布类型2. 随机信号的性质分析•自相关函数与互相关函数的定义和性质•自谱密度与互谱密度的定义和性质•功率谱密度的定义和性质•序列平稳性和宽平稳性3. 随机信号的处理方法•滤波和降噪•采样与重构•信号平均和时间平均4. 随机信号的仿真和分析•Matlab随机信号仿真工具箱的使用•随机信号的仿真实例分析三、教学方法本课程采用“理论讲解+实践操作”的教学方法。
其中，理论讲解和案例分析以讲授为主，通过引导学生发散思维和解决实际问题，形成深度探讨和广度交流。
实践操作部分，将主要通过实验、仿真等方式进行讲授，在操作过程中梳理和总结理论知识。
具体教学方法如下：1.现场讲解：以PowerPoint为主，讲解随机信号相关的理论知识。
2.实践操作：在 Matlab软件环境下，模拟随机信号的性质分析过程，进行实验验证。
3.讨论互动：学生就实验结果进行分析、解释，提出问题和质疑，并进行深入探究和解决问题。
4.实例分析：以工程实际问题为案例，引导学生通过分析和实践来解决问题。
四、教学评估教学评估通过考核学生综合理解和实战练习能力来进行。
具体考核方式如下：1.期中考试：主要测试学生掌握的理论知识。
考试时间为90分钟，总分100分。
占总成绩的30%。
2.实验作业：通过对所学实验进行分析，编写程序进行仿真测试，对实验结果进行分析解释，以及撰写实验报告等方式来评估学生的学习成果。
占总成绩的40%。
3.期末考试：考查学生的理论知识和实际应用能力。
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。
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U0;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：Ny x N ky Mod y y n n n n /))((110===-， 1.1序列{}n x 为产生的0;1均匀分布随机数.. 下面给出了上式的3组常用参数：1 7101057k 10⨯≈==，周期，N ；2 IBM 随机数发生器8163110532k 2⨯≈+==，周期，N ；3 ran095311027k 12⨯≈=-=，周期，N ；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 x;而R 为0;1均匀分布随机变量;则有)(1R F X x -= 1.2由这一定理可知;分布函数为F X x 的随机数可以由0;1均匀分布随机数按上式进行变换得到..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 = randm;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 = randnm;n功能：产生m ×n 的标准正态分布随机数矩阵..如果要产生服从2N(,)μσ分布的随机序列;则可以由标准正态随机序列产生..3 其他分布的随机序列MATLAB 上还提供了其他多种分布的随机数的产生函数;下表列出了部分函数..MATLAB 中产生随机数的一些函数表1.1 MATLAB中产生随机数的一些函数3、随机序列的数字特征估计对于遍历过程;可以通过随机序列的一条样本函数来获得该过程的统计特性..这里我们假定随机序列X n为遍历过程;样本函数为xn;其中n=0;1;2;…;N-1..那么;X n的均值、方差和自相关函数的估计为利用MATLAB 的统计分析函数可以分析随机序列的数字特征..1 均值函数函数：mean用法：m = meanx功能：返回按上面第一式估计X n的均值;其中x为样本序列xn..2 方差函数函数：var用法：sigma2 = varx功能：返回按上面第二式估计X n的方差;其中x为样本序列xn;这一估计为无偏估计..3 互相关函数函数：xcorr用法：c = xcorrx;yc = xcorrxc = xcorrx;y;'opition'c = xcorrx;'opition'功能：xcorrx;y计算X n与Yn的互相关;xcorrx计算X n的自相关..option 选项可以设定为：'biased' 有偏估计;即1.6'unbiased' 无偏估计;即按1.5式估计..'coeff' m = 0 时的相关函数值归一化为1..'none' 不做归一化处理..三、实验内容1.采用线性同余法产生均匀分布随机数1000个;计算该序列均值和方差与理论值之间的误差大小..改变样本个数重新计算..实验代码：num=input'Num=';N=2^31;k=2^16+3;Y=zeros1;num;X=zeros1;num;Y1=1;for i=2:numYi=modk*Yi-1;N;endX=Y/N;a=0;b=1;m0=a+b/2;sigma0=b-a^2/12;m=meanX;sigma=varX;delta_m=absm-m0;delta_sigma=abssigma-sigma0;plotX;'k';xlabel'n';ylabel'Xn';实验结果：1 Num=1000时：delta_m=0.0110;delta_sigma=0.00112 Num=5000时：delta_m =2.6620e-04;delta_sigma =0.0020实验结果分析：样本越大;误差越小;实际值越接近理论值..2. 参数为的指数分布的分布函数为x x e F λ--=1利用反函数法产生参数为0.5 的指数分布随机数1000 个;测试其方差和相关函数..实验代码： R=rand1;1000; lambda=0.5; X=-log1-R/lambda; DX=varX; Rm;m=xcorrX; subplot211;plotX;'k';xlabel'n';ylabel'Xn'; subplot212;plotm;Rm;'k';xlabel'm';ylabel'Rm';实验结果：实验结果分析：方差的实际值为4.1201;理论值为1/0.5^2=4;基本一致..3.产生一组N1;4分布的高斯随机数1 000个样本;估计该序列的均值、方差和相关函数..实验代码：X=normrnd1;2;1;1000;Mx=meanX;Dx=varX;Rm;m=xcorrX;subplot211;plotX;'k';xlabel'n';ylabel'Xn';subplot212;plotm;Rm;'k';xlabel'm';ylabel'Rm';实验结果：实验结果分析：实验中的均值为0.9937;方差为3.8938..理论上均值为1;基本一致..四、实验心得体会通过这次实验;我学习和掌握了随机数的产生方法、实现随机序列的数字特征估计;并用MATLAB产生相应的图形;更直观的了解了相关的知识..本次实验的难点在于用线性同余法产生随机序列;多次试验后终于攻克了难关..实验二随机过程的模拟与数字特征一、实验目的1、学习利用MATLAB 模拟产生随机过程的方法；2、熟悉和掌握特征估计的基本方法及其MATLAB 实现..二、实验原理1. 正态分布白噪声序列的产生MATLAB 提供了许多产生各种分布白噪声序列的函数;其中产生正态分布白噪声序列的函数为randn..函数：randn用法：x = randnm;n功能：产生m ×n 的标准正态分布随机数矩阵..如果要产生服从),(2συN 分布的随机序列;则可以由标准正态随机序列产生..如果X~N0;1;则2X ~N(,)μ+σμσ..2. 相关函数估计MATLAB 提供了函数xcorr 用于自相关函数的估计.. 函数：xcorr 用法：c = xcorrx;y c = xcorrxc = xcorrx;y;'opition' c = xcorrx;'opition'功能：xcorrx;y 计算X n 与Yn 的互相关;xcorrx 计算X n 的自相关.. option 选项可以设定为： 'biased' 有偏估计.. 'unbiased' 无偏估计..'coeff' m=0时的相关函数值归一化为1.. 'none' 不做归一化处理..3. 功率谱估计对于平稳随机序列Xn;如果它的相关函数满足∞<∑+∞-∞=m xm R )( 2.1那么它的功率谱定义为自相关函数R x m 的傅里叶变换：∑+∞-∞=-=m jm xX em R S ωω)()( 2.2功率谱表示随机信号频域的统计特性;有着重要的物理意义..我们实际所能得到的随机信号总是有限的;用有限长度的信号所得的功率谱只是真实功率谱的估计;称为谱估计或谱分析..1 自相关法先求自相关函数的估计;然后对自相关函数做傅里叶变换∑---=-=1)1(^^)()(N N m jm xX em R S ωω 2.3其中N 表示用于估计样本序列的样本个数.. 2 周期图法先对样本序列xn 做傅里叶变换∑-=-=10)()(N n jm e n x X ωω 2.4其中10-≤≤N n ;则功率谱估计为2^)(1)(ωωX NS =2.5 MATLAB 函数periodogram 实现了周期图法的功率谱估计.. 函数：periodogram用法：Pxx;w = periodogramxPxx;w = periodogramx;window Pxx;w = periodogramx;window;nfftPxx;f = periodogramx;window;nfft;fsperiodogram...功能：实现周期图法的功率谱估计..其中：Pxx为输出的功率谱估计值；f为频率向量；w为归一化的频率向量；window代表窗函数;这种用法对数据进行了加窗;对数据加窗是为了减少功率谱估计中因为数据截断产生的截断误差;表2.1列出了产生常用窗函数的MATLAB函数..nfft设定FFT算法的长度；fs表示采样频率；如果不指定输出参量最后一种用法;则直接会出功率谱估计的波形..三、实验内容1.按如下模型产生一组随机序列=-+ωx(n)0.8x(n1)(n)其中(n)是均值为1;方差为4的正态分布白噪声序列..估计过程的自相关函数和功率谱..实验代码：y0=randn1;500; %产生一长度为500的随机序列y=1+2*y0;x1=y1;n=500;for i=2:1:nxi=0.8*xi-1+yi; %按题目要求产生随机序列xn endsubplot311;plotx;title'xn';subplot312;c=xcorrx; %用xcorr函数求xn的自相关函数plotc;title'Rn';p=periodogramx; %用periodogram函数求功率谱密度subplot313; plotp; title'Sw';实验结果：其中xn 为样本序列;长度为500；Rn 为xn 的自相关函数;Sw 为xn 的功率谱..2. 设信号为其中12.0,05.021==f f ;)(n w 为正态分布白噪声序列;试在N =256和N=1024点时;分别产生随机序列xn;画出xn 的波形并估计xn 的相关函数和功率谱..1 N=256时：实验代码：N=256;w=randn1;N; %用randn函数产生长度为256的正态分布白噪声序列n=1:1:N;f1=0.05;f2=0.12;x=sin2*pi*f1*n+2*cos2*pi*f2*n+wn; %产生题目所给信号R=xcorrx; %求xn的自相关函数p=periodogramx; %求x的功率谱subplot311;plotx;title'xn';subplot312;plotR;title'Rn';subplot313;plotp;title'Sw';实验结果：其中xn为样本序列;长度为256；Rn为xn的自相关函数;Sw为xn的功率谱..2 N=1024时：实验代码：N=1024; %将N值改为1024w=randn1;N; %用randn函数产生长度为256的正态分布白噪声序列n=1:1:N;f1=0.05;f2=0.12;x=sin2*pi*f1*n+2*cos2*pi*f2*n+wn; %产生题目所给信号R=xcorrx; %求xn的自相关函数p=periodogramx; %求x的功率谱subplot311;plotx;title'xn';subplot312;plotR;title'Rn';subplot313;plotp;title'Sw';实验结果：其中xn为样本序列;长度为1024；Rn为xn的自相关函数;Sw为xn的功率谱..四、实验心得体会这次实验学会了在MATLAB中求解并绘制随机序列的自相关函数和功率谱密度的方法..用MATLAB可以用具体的函数来求自相关函数和功率谱;极大的方便了学习过程..通过本次实验;我学会了利用MATLAB 模拟产生随机过程的方法并且熟悉和掌握特征估计的基本方法及其MATLAB 实现..实验三随机过程通过线性系统的分析一、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..二、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Hw 或Hs;输入白噪声的功率谱密度为S X w=N 0/2;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⎰∞∞-=ωωπτd H NR Y 2)(4)( 3.2输出相关系数为)0()()(Y Y Y R R τωγ=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|Hw|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Hw;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 3.73. 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..三、实验内容1. 仿真一个平均功率为1的白噪声带通系统;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;估计输出的自相关函数和功率谱密度函数..假设采样频率为10kHz;同时在系统仿真时为了得到统计的结果;可以进行多次实验;并取多次实验的平均结果作为统计结果实验代码：Fs=10000; %抽样频率为10kHzx=randn1000;1; %产生随机序列;模拟高斯白噪声figure1;subplot3;1;1;plotx;grid on;xlabel't';subplot3;1;2;x_corr=xcorrx;'unbiased'; %计算高斯白噪声的自相关函数plotx_corr;grid on;subplot3;1;3;Pxx;w=periodogramx; %计算功率谱密度x_Px=Pxx;plotx_Px;grid on;figure2;subplot2;1;1;x_pdf;x1=ksdensityx; %高斯白噪声一维概率密度函数plotx1;x_pdf;grid on;subplot2;1;2;f=0:999/1000*Fs;X=fftx;mag=absX; %随机序列的频谱plotf1:1000/2;mag1:1000/2;grid on;xlabel'f / Hz';figure3;subplot3;1;1;b;a=ellip10;0.5;50;3000;4000*2/Fs;H;w=freqzb;a; %带通滤波器plotw*Fs/2*pi;absH;grid on;xlabel'f / Hz';ylabel 'Hw';subplot3;1;2;y=filterb;a;x;y_pdf;y1=ksdensityy; %滤波后的概率密度函数ploty1;y_pdf;grid on;y_corr=xcorry;'unbiased'; %滤波后自相关函数subplot3;1;3;ploty_corr;grid on;figure4;Y=ffty;magY=absY; %随机序列滤波后频谱subplot2;1;1;plotf1:1000/2;magY1:1000/2;grid on;xlabel'f / Hz';subplot2;1;2;nfft=1024;index=0:roundnfft/2-1;ky=index.*Fs./nfft;window=boxcarlengthy_corr;Pyy;fy=periodogramy_corr;window;nfft;Fs; %滤波后高斯白噪声功率谱y_Py=Pyyindex+1;plotky;y_Py;grid on;实验结果：下图分别为高斯白噪声序列、高斯白噪声自相关函数、高斯白噪声功率谱密度..下图分别为高斯白噪声一维概率密度函数、模拟高斯白噪声序列频谱..下图分别为带通滤波器、带通滤波后一维概率密度函数、限带高斯白噪声自相关函数..2.设白噪声通过下图所示的RC电路;分析输出的统计特性..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..2 采用MATLAB 模拟正态分布白噪声通过上述RC 电路;观察输入和输出的噪声波形以及输出噪声的概率密度..3 模拟产生均匀分布的白噪声通过上述RC 电路;观察输入和输出的噪声波形以及输出噪声的概率密度..4 改变RC 电路的参数电路的RC 值;重做2和3;与之前的结果进行比较..1 输出功率谱密度：22222)(RC N S ωω+=；相关函数：RCe RCN R τ-=4； 相关时间：RC =τ； 等效噪声带宽：RCB 2π=..2 实验代码： R=100; C=0.01;n=1:1:500;h=b*exp-n*b; %RC电路的冲击响应x=randn1;1000; %产生正态分布的白噪声y=convx;h;fy y1=ksdensityy %求输出噪声的概率密度subplot3;1;1;plotx;title'xn';subplot3;1;2;ploty;title'yn';subplot3;1;3;plotfy;title'fy';3实验代码：R=100;C=0.01;b=1/R*C;n=1:1:500;h=b*exp-n*b;x=rand1;1000; %均匀分布的白噪声y=convx;h;fy y1=ksdensityy;subplot3;1;1;plotx;title'xn';subplot3;1;2; ploty;title'yn'; subplot3;1;3; plotfy;title'fy';实验结果：4 R=300;C=0.01;正态分布时：R=300;C=0.01;均匀分布时：R=30;C=0.01;正态分布时：R=30;C=0.01;均匀分布时：实验结果分析：从以上图像中可以看出;系统相关时间与带宽成反比；正态随机过程通过一个线性系统后;输出仍为正态分布；而均匀分布的白噪声通过一个线性系统后;输出也服从正态分布..四、实验心得体会本次实验是关于随机信号通过线性系统的;我发现了白噪声通过线性系统后;输出也服从正态分布;从实践上验证了课本的理论..通过本次实验;我理解了白噪声通过线性系统后输出的特性;学习和掌握了随机过程通过线性系统后的特性;关于随机信号的知识有了更深入的理解..实验四 窄带随机过程的产生及其性能测试一、实验目的1、基于随机过程的莱斯表达式产生窄带随机过程..2、掌握窄带随机过程的特性;包括均值数学期望、方差、相关函数及功率谱密度等..二、实验原理1. 窄带随机过程的莱斯表达式任何一个实平稳窄带随机过程Xt 都可以表示为t t b t t a t X 00sin )(cos )()(ωω-= 4.1上式称为莱斯表达式;根据上式可以模拟产生窄带随机过程;具体过程如下图所示..图4.1 窄带随机过程的产生2.窄带随机过程包络与相位的概率密度见教材5.3节..3.窄带随机过程包络平方的概率密度见教材5.4节..三、实验内容1.按图4.1所示结构框图;基于随机过程的莱斯表达式;用MATLAB产生一满足条件的窄带随机过程..实验代码：n=1:1:1000;h=exp-n;c1=randn1;1000;a=convc1;h;c2=randn1;1000; %产生两个正态分布的高斯白噪声b=convc2;h; %通过低通滤波器fc=10000;x=zeros1;1000;for i=1:1000 %卷积结果相加;得到窄带随机过程xi=ai*cos2*pi*fc*i-bi*sin2*pi*fc*i;endplotx;实验结果：2.画出该随机过程的若干次实现;观察其形状..实验结果：第一次实现：第二次实现：第三次实现：3.编写MATLAB程序计算该随机过程的均值函数、自相关函数、功率谱、包络、包络平方及相位的一维概率密度;画出相应的图形并给出解释..实验代码：n=1:1:1000;h=exp-n;c1=randn1;1000;a=convc1;h;c2=randn1;1000;b=convc2;h;fc=10000;x=zeros1;1000;for i=1:1000 %得到窄带随机过程xi=ai*cos2*pi*fc*i-bi*sin2*pi*fc*i;endm=meanxfigure1plotm;title'均值' %均值函数R=xcorrx;figure2plotR;title'自相关函数' %自相关函数S;w=periodogramx;figure3plotS;title'功率谱密度' %功率谱密度函数B=zeros1;1000;for i=1:1000Bi=sqrtai^2+bi^2;endfB2 j=ksdensityB;figure4plotfB2;title'包络概率密度' %包络概率密度B=zeros1;1000;for i=1:1000Bi=ai^2+bi^2;endfB2 j=ksdensityB;figure5plotfB2;title'包络平方概率密度' %包络平方概率密度for i=1:1000faii=atanbi/ai;endfp j=ksdensityfai;figure6;plotfp;title'相位一维概率密度函数' %相位一维概率密度函数实验结果：均值m=-0.0075：自相关函数：功率谱密度：包络概率密度：包络平方概率密度：相位一维概率密度函数：实验结果分析：生成的两个高斯白噪声;分别通过低通滤波器得到at和bt..用莱斯表达式的原理产生一个窄带随机过程..其中窄带随机过程的均值为零;包络服从瑞利分布;相位按均匀分布;包络的平方呈指数型分布..四、实验心得体会这次实验描述了窄带随机过程;对于其均值、包络、包络平方、相位的分布也有了直观的表达;也有了更深刻的理解..通过本次实验;我认识了通过莱斯表达式产生窄带随机过程的方法;并且掌握窄带随机过程的特性..。
随机实验报告
随机信号实验报告课程：随机信号实验题目：随机过程的模拟与特征估计学院：学生名称：实验目的：1.学会利用MATLAB模拟产生各类随即序列。
2.熟悉和掌握随机信号数字特征估计的基本方法。
实验内容：1.模拟产生各种随即序列，并画出信号和波形。
（1）白噪声（高斯分布，正弦分布）。
（2）随相正弦波。
（3）白噪声中的多个正弦分布。
（4）二元随机信号。
（5）自然信号：语音，图形（选做）。
2.随机信号数字特征的估计（1）估计上诉随机信号的均值，方差，自相关函数，功率谱密度，概率密度。
（2）各估计量性能分析（选做）实验仪器：PC机一台MATLAB软件实验原理：随机变量常用到的数字特征是数字期望值、方差、自相关函数等。
相应地，随机过程常用到的数字特征是数字期望值、方差、相关函数等。
它们是由随机变量的数字特征推广而来，但是一般不再是确定的数值，而是确定的时间函数。
1.均值：m x(t)=E[X(t)]=；式中，p(x,t)是X（t）的一维概率密度。
m x(t)是随机过程X（t）的所有样本函数在时刻t的函数值的均值。
在matlab中用mea()函数求均值。
2.方差：（t）=D[X(t)]=E[]；（t）是t的确定函数，它描述了随机过程诸样本函数围绕数学期望m x(t)的分散程度。
若X（t）表示噪声电压，则方差（t）则表示瞬时交流功率的统计平均值。
在matlab中用var()函数求均值。
3.自相关函数：Rx(t1,t2)=E[X(t1)X(t2)]；自相关函数就是用来描述随机过程任意两个不同时刻状态之间相关性的重要数字特征。
在matlab中用xcorr（）来求自相关函数。
4.在matlab中可用函数rand、randn、normr、random即可生成满足各种需要的近似的独立随机序列。
实验步骤：（一）大体实验步骤（1）利用MATLAB编写程序。
（2）调试程序。
（3）得出各项输出结果，产生波形。
（4）分析各参数的物理意义，各个波形参数相比较。
随机信号分析实验：随机序列的产生及数字特征估计
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，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：Ny x N ky y y nn n n ===-) (mod ,110 （1.1）序列{}n x 为产生的(0,1)均匀分布随机数。
下面给出了（1.1）式的3组常用参数：① 1010=N ，7=k ，周期7105⨯≈；②（IBM 随机数发生器）312=N ，3216+=k ，周期8105⨯≈； ③（ran0）1231-=N ，57=k ，周期9102⨯≈；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)(x F X ，而R 为(0,1)均匀分布随机变量，则有)(1R F X X -= （1.2）由这一定理可知，分布函数为)(x F X 的随机数可以由(0,1)均匀分布随机数按（1.2）式进行变换得到。
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。
随机信号分析与处理课程概述
17
8 维纳滤波
第一讲 课程概述 教学组织
教学内容 课堂教学（精讲） 学时 26学时 所占比例 81.25%
实验
6学时
18.75%
18
第一讲 课程概述 四、参考书
（1）、《随机信号分析》、哈尔滨工业大学，赵淑清
（2）、《随机信号分析》、清华大学，杨福生
（3）、“Probability,Random Variables and Stochastic Processes ”，Papoulis,(有中译本） （4）《An introduction to Statistical Signal Processing with Applications》，Srinath M.D. John Wiily & Sons INC,1979. （5）《Detection of Signals in Noise》，Anthony D.Whalen，Academic Press。1995 （6）《信号检测理论》、哈尔滨工业大学，段凤增，2002 19
6学时
4学时
5 窄带随机过程
4学时 习题课、仿真实验
合计
6学时
54学时
16
第一讲 课程概述
本课程的仿真作业和实验安排
1 图象直方图均衡 随机变量函数和概率密度估计的应用
2 随机过程的分布特性*
3 随机过程的特征估计*
用MATLAB编写各种分布函数并显示
用MATLAB实现对均值方差相关函数和功率谱 的估计
第一讲 课程概述
五、学好本课程应把握好的几个问题 （1）注意掌握与信号分析与处理前后课程之间的联系 信号可以分为确定性信号与随机信号（包括连 续的和离散的），信号与系统分析、时域离散 时间信号分析两门课程学习了连续信号、离散
随机信号分析第三章
§ 3.1
平稳随机过程及其数字特征
一、平稳随机过程的基本概念
1．严平稳随机过程
一个随机过程X(t), 如果它的n维概率密度(或n维分 布函数)不随时间起点选择的不同而改变，则称X(t)是 严平稳随机过程。
p X ( x1 , x2 ,..., xn ; t1 , t 2 ,..., t n ) p X ( x1 , x2 ,..., xn ; t1 , t 2 ,..., t n )
2 *
则称X(t)为宽平稳过程(或称广义平稳过程) 严平稳过程只要均方值有界， 就是广义平稳的， 但反之则不一定。
两个随机过程平稳相依
当我们同时考虑两个平稳过程X(t)和Y(t)时，若它 们的互相关函数仅是单变量τ 的函数，即
R X Y (t1 , t 2 ) E[ X (t1 )Y (t 2 )] R XY ( ), t 2 t1 ,
(2)平稳过程X（t）的二维概率密度只与t1、 t2的时间间隔有关，而与时间起点t1无关。
p X ( x1 , x2 ; t1 , t2 ) p X ( x1 , x2 ;0, t2 t1 ) p( x1 , x2 ; )
所以与二维分布有关的数字特征仅是τ的函数， 而与t1,t2的本身取值无关
式中
1 x(t ) lim T 2T
x(t )dt
1 x(t ) x(t ) lim T 2T
x(t ) x(t )dt
分别称作X(t) 的时间均值和时间自相关函数。
各态历经过程
若X(t)的均值和自相关函数都具有各态历经性， 则称X(t)是宽各态历经过程。 若X(t)的所有统计平均特性和其样函数所有 相应的时间平均特性以概率为一相等, 则称X(t)为 严遍历过程或窄义遍历过程. 本章仅限于研究宽遍 历过程.如果不加特别说明,遍历过程即指宽遍历过 程. 不难看出,遍历过程必定是平稳过程,但平稳过 程不一定是遍历过程。 对于遍历过程,只要根据其一个样函数,便 可得到其数字特征。
实验一：随机过程的模拟与特征估计
实验一：随机过程的模拟与特征估计一、实验目的了解随机过程特征估计的基本概念和方法，学会运用MATLAB 软件产生各种随机过程，对随机过程的特征进行估计，并通过实验了解不同估计方法所估计出来的结果之间的差异。
二、实验原理（1）高斯白噪声的产生利用MATLAB 函数randn 产生（2）自相关函数的估计111()()ˆ()1ˆ()N m n x N m x n m n n x n m x n N R m R m x x N m --=--+=⎧+⎪⎪=⎨⎪=⎪-⎩∑∑对有偏估计对无偏估计MATLAB 自带的函数为xcorr()，阐述xcorr 的用法R=xcorr(x,y)或R=xcorr(x,y,’option ’) 用来求序列x(n)与y(n)的互相关函数R=xcorr(x)或R=xcorr(x,’option ’) 用来求序列x(n)的自相关函数 option 选项是: ‘biased ‘unbiased‘coeff ’ m=01‘none ’不作归一化处理（3）功率谱的估计利用周期图方法估计功率谱，21ˆ()()xG X N=ωω 提示：MATLAB 自带的函数为periodogram()，阐述periodogram()的用法; 阐述其它谱估计方法的用法。
[Pxx,w]=periodgram(x)Pxx 为对应频率w 的功率谱密度值。
[Pxx,w]=periodgram(x,window)window =boxcar(n)矩形窗（Rectangle Window ）window=triang(n)三角窗（Triangular Window）window=hanning(n)汉宁窗（Hanning Window）window=hamming(n)海明窗（Hamming Window）window=blackman(n)布拉克曼窗（Blackman Window）window=kaiser(n,beta)恺撒窗（Kaiser Window）Window代表与x等长度的窗序列，对数据进行加窗。
随机实验报告
随机信号实验报告课程：随机信号实验题目：随机过程的模拟与特征估计学院：四川大学电子信息学院学生名称：实验目的：1.学会利用MATLAB模拟产生各类随即序列。
2.熟悉和掌握随机信号数字特征估计的基本方法。
实验内容：1.模拟产生各种随即序列，并画出信号和波形。
（1）白噪声<高斯分布，正弦分布）。
（2）随相正弦波。
（3）白噪声中的多个正弦分布。
（4）二元随机信号。
（5）自然信号：语音，图形<选做）。
2.随机信号数字特征的估计（1）估计上诉随机信号的均值，方差，自相关函数，功率谱密度，概率密度。
（2）各估计量性能分析<选做）实验仪器：PC机一台MATLAB软件实验原理：随机变量常用到的数字特征是数字期望值、方差、自相关函数等。
相应地，随机过程常用到的数字特征是数字期望值、方差、相关函数等。
它们是由随机变量的数字特征推广而来，但是一般不再是确定的数值，而是确定的时间函数。
b5E2RGbCAP均值：mx(t>=E[X(t>]=；式中，p(x,t>是X<t）的一维概率密度。
mx(t>是随机过程X<t）的所有样本函数在时刻t的函数值的均值。
在matlab中用mea(>函数求均值。
p1EanqFDPw方差：<t）=D[X(t>]=E[]；<t）是t 的确定函数，它描述了随机过程诸样本函数围绕数学期望mx(t>的分散程度。
若X<t）表示噪声电压，则方差<t）则表示瞬时交流功率的统计平均值。
在matlab中用var(>函数求均值。
DXDiTa9E3d自相关函数：Rx(t1,t2>=E[X(t1>X(t2>]；自相关函数就是用来描述随机过程任意两个不同时刻状态之间相关性的重要数字特征。
在matlab中用xcorr<）来求自相关函数。
RTCrpUDGiT在matlab中可用函数rand、randn、normr、random即可生成满足各种需要的近似的独立随机序列。