4.随机过程的功率谱 - 随机信号分析实验报告
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。
随机信号实验报告(模板)(1)
随机信号实验报告学院通信工程学院专业信息工程班级 1401051班制作人文杰制作人晓鹏一、 摘要根据实验的要求与具体容，我们组做了一下分工，XXX 完成了本次的第一组实验即基于MATLAB 的信号通过线性系统与非线性系统的特性分析，具体容有（高斯白噪声n ，输入信号x ，通过线性与非线性系统的信号a,b,y1,y2的均值，均方值，方差，自相关函数，概率密度，功率谱密度以及频谱并把它们用波形表示出来），XXX 和XXX 两人合力完成了基于QUARTUS II 的2ASK 信号的产生及测试实验具体容有（XXX 负责M 序列发生器以及分频器，XXX 负责载波的产生以及开关函数和管脚配置），最后的示波器调试以及观察2ASK 信号的FFT 变换波形由我们组所有人一起完成的。
二、实验原理及要求实验一、信号通过线性系统与非线性系统的特性分析1、实验原理① 随机过程的均值（数学期望）：均值表示集合平均值或数学期望值。
基于随机过程的各态历经性，可用时间间隔T 的幅值平均值表示，即：均值表达了信号变化的中心趋势，或称之为直流分量。
② 随机过程的均方值：信号x(t)的均方值，或称为平均功率，其表达式为：均方值表达了信号的强度，其正平方根值，又称为有效值，也是信号的平均能量的一种表达。
③ 随机信号的方差： 信号x(t)的方差定义为：描述了信号的静态量，方差反映了信号绕均值的波动程度。
在已知均值和均方值的前提下，方差就很容易求得了。
④随机信号的自相关函数信号的相关性是指客观事物变化量之间的相依关系。
对于平稳随机过程X(t)和Y(t)在两个不同时刻t和t+τ的起伏值的关联程度，可以用相关函数表示。
在离散情况下，信号x(n)和y(n)的相关函数定义为：τ,t=0,1，2,……N-1。
⑤随机过程的频谱：信号频谱分析是采用傅立叶变换将时域信号x(t)从另一个角度来了解信号的特征。
时域信号x(t)的傅氏变换为：⑥随机过程的功率谱密度：随机信号的功率普密度是随机信号的各个样本在单位频带的频谱分量消耗在一欧姆电阻上的平均功率的统计均值，是从频域描述随机信号的平均统计参量，表示X(t)的平均功率在频域上的分布。
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。
随机信号分析报告实验
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：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) （ran0）95311027k 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 = 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。
随机信号的功率谱分析 (DEMO)
信号的功率谱分析1、功率谱密度函数的定义对于随机信号)(t x ，由于其任一样本函数都是时间的无限的函数，一般不能满足傅里叶变换的存在条件（即积分⎰∞∞-dt t x )(必须收敛）。
如果将样本函数取在一个有限区间]2,2[T T -内，如图所示，令在该区间以外的0)(=t x ，则积分⎰∞∞-dt t x )(收敛，满足傅里叶变换条件，变换后用功率谱密度函数表示。
2、功率谱密度函数（又称功率谱）的物理意义是在频域中对信号能量或功率分布情况的描述。
功率谱表示振动能量在频率域的分解，其应用十分广泛。
功率谱的横坐标是频率，纵坐标是实部、虚部的模的平方。
功率谱密度函数作为随机信号在频域内描述的函数。
对于随机信号而言，它不存在频谱函数，只存在功率谱密度函数（功率大小在频谱中反映为频谱的面积）。
时域中的相关分析为在噪声背景下提取有用信息提供了途径。
功率谱分析则从频域提供相关技术所能提供的信息，它是研究平稳随机过程的重要方法。
3．功率谱密度函数的应用(1)结构各阶固有频率的测定 工程结构特别是大型结构(如高层楼房、桥梁、高塔和重要机械设备等)要防止共振引起的破坏，需要测定其固有频率。
如果对结构加以激励(或以大地的脉动信号作为激励信号)，即可测定结构的响应(振动信号)，再对响应信号作自功率谱分析，便可由谱图中谱峰确定结构的各阶固有频率。
(2)利用功率谱的数学特点求取信号传递系统的频率响应函数。
(3)作为工业设备工作状况的分析和故障诊断的依据 根据功率谱图的变化，可以判断机器设备的运转是否正常。
同时．还可根据机器设备正常工作和不正常工作时，振动加速度信号的功率谱的差别，查找不正常工作时，功率谱图中额外谱峰产生的原因以及排除故障的方法。
自功率谱密度函数定义及其物理意义假如)(t x 是零均值的随机过程，即0=x μ（如果原随机过程是非零均值的，可以进行适当处理使其均值为零）又假设)(t x 中没有周期分量，那么当∞→τ，0)(→τx R 。
随机信号分析实验报告
一、实验名称微弱信号的检测提取及分析方法二、实验目的1．了解随机信号分析理论如何在实践中应用2．了解随机信号自身的特性，包括均值、方差、相关函数、频谱及功率谱密度等3．掌握随机信号的检测及分析方法三、实验原理1．随机信号的分析方法在信号与系统中，我们把信号分为确知信号和随机信号。
其中随机信号无确定的变化规律，需要用统计特新进行分析。
这里我们引入随机过程的概念，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，他们能够对随机过程作完整的描述。
但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。
本实验中算法都是一种估算法，条件是N要足够大。
2．微弱随机信号的检测及提取方法因为噪声总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，而强噪声背景下的微弱信号提取又是信号检测的难点。
噪声主要来自于检测系统本身的电子电路和系统外空间高频电磁场干扰等，通常从以下两种不同途径来解决①降低系统的噪声，使被测信号功率大于噪声功率。
②采用相关接受技术，可以保证在信号功率小于噪声功率的情况下，人能检测出信号。
对微弱信号的检测与提取有很多方法，常用的方法有：自相关检测法、多重自相法、双谱估计理论及算法、时域方法、小波算法等。
对微弱信号检测与提取有很多方法，本实验采用多重自相关法。
多重自相关法是在传统自相关检测法的基础上，对信号的自相关函数再多次做自相关。
即令：式中，是和的叠加；是和的叠加。
对比两式，尽管两者信号的幅度和相位不同，但频率却没有变化。
信号经过相关运算后增加了信噪比，但其改变程度是有限的，因而限制了检测微弱信号的能力。
多重相关法将当作x（t），重复自相关函数检测方法步骤，自相关的次数越多，信噪比提高的越多，因此可检测出强噪声中的微弱信号。
随机信号分析实验报告
随机信号分析实验报告目录随机信号分析 (1)实验报告 (1)理想白噪声和带限白噪声的产生与测试 (2)一、摘要 (2)二、实验的背景与目的 (2)背景： (2)实验目的: (2)三、实验原理 (3)四、实验的设计与结果 (4)实验设计: (4)实验结果: (5)五、实验结论 (12)六、参考文献 (13)七、附件 (13)1理想白噪声和带限白噪声的产生与测试一、摘要本文通过利用MATLAB软件仿真来对理想白噪声和带限白噪声进行研究。
理想白噪声通过低通滤波器和带通滤波器分别得到低通带限白噪声和帯通带限白噪声。
在仿真的过程中我们利用MATLAB工具箱中自带的一些函数来对理想白噪声和带限白噪声的均值、均方值、方差、功率谱密度、自相关函数、频谱以及概率密度进行研究，对对它们进行比较分析并讨论其物理意义。
关键词：理想白噪声带限白噪声均值均方值方差功率谱密度自相关函数、频谱以及概率密度二、实验的背景与目的背景：在词典中噪声有两种定义：定义1：干扰人们休息、学习和工作的声音，引起人的心理和生理变化。
定义2：不同频率、不同强度无规则地组合在一起的声音。
如电噪声、机械噪声，可引伸为任何不希望有的干扰。
第一种定义是人们在日常生活中可以感知的，从感性上很容易理解。
而第二种定义则相对抽象一些，大部分应用于机械工程当中。
在这一学期的好几门课程中我们都从不同的方面接触到噪声，如何的利用噪声，把噪声的危害减到最小是一个很热门的话题。
为了加深对噪声的认识与了解，为后面的学习与工作做准备，我们对噪声进行了一些研究与测试。
实验目的:了解理想白噪声和带限白噪声的基本概念并能够区分它们，掌握用MATLAB 或c/c++软件仿真和分析理想白噪声和带限白噪声的方法，掌握理想白噪声和带限白噪声的性质。
三、实验原理所谓白噪声是指它的概率统计特性服从某种分布而它的功率谱密度又是均匀的。
确切的说，白噪声只是一种理想化的模型，因为实际的噪声功率谱密度不可能具有无限宽的带宽，否则它的平均功率将是无限大，是物理上不可实现的。
- 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)。
计算机与信息工程学院验证性实验报告
一、实验目的 1、 了解随机过程功率谱密度的意义并掌握如何利用MATLAB 产生功率谱函数。
2、 掌握功率谱密度估计在随机信号处理中的作用。
二、实验仪器或设备
一台装有MATLAB 的计算机 三、实验原理
功率谱密度()X S ω描述了随机过程X(t)的功率在各个不同频率上的分布。
称为随机过程X(t)的功率谱密度。
()21
()lim
,2T
X X T T S w E X T w T
-→∞⎡⎤=⎣⎦
⎰ （3.1） 对()X S ω 在X(t)的整个频率范围内积分，便可得到X(t)的功率。
21=()lim
[()]2T
X T
T Q S d E X t dt T
ωω∞
-∞-→∞=⎰⎰
（3.2）
注：
1）Q 为确定性值，不是随机变量。
2）()X S ω为确定性实函数。
对于平稳随机过程，有：
221[()][()]()2X Q A E X t E X t S d ωωπ
∞
-∞
=<>==
⎰
（3.3）
对于实随机过程()X t 来说，功率谱密度是非负的实偶可积函数。
若随机过程()X t 是平稳的，自相关函数绝对可积，则功率谱密度与自相关函数构成一对傅里叶变换对。
即：
()()j X X S R e d ωτωττ∞
--∞
=⎰ （3.4）
1
()()2j X X R S e d ωττωωπ
∞
-∞
=
⎰
（3.5）
四、实验内容
产生一组服从N(2,5)的正态白噪声序列，画出其自相关函数和功率谱密度；
0100200300400500600
-100
10N(2,5)分布白噪声序列
0200
40060080010001200
5
10N(2,5)分布白噪声序列自相关函数
050
100150
-50
50Frequency (Hz)
P o w e r /f r e q u e n c y (d B /H z )
N(2,5)分布白噪声序列功率谱密度
估计随机过程X (t )=cos (600πt )+cos (800πt )+N (t )的自相关函数和功率谱，其中N (t )服从N(0,1)的高斯分布；
100
200
300
400
500
600
700
800
900
1000
-50
5X (t)=cos(600*pi*t)+cos(800*pi*t)+N(t)
200
400
600
800100012001400
1600
1800
2000
-20
2
随机过程X (t)自相关函数R X t
R X t
时间间隔t
100
110
120
130
140150160170
180
190
200
-40
-20Frequency (Hz)
P o w e r /f r e q u e n c y (d B /H z )
随机过程X (t)功率谱密度
随机相位信号()()cos X t A t ωϕ=+，其中A=2和1000ωπ=，ϕ是在()0,2π上均匀分布的随机变量，估计该随机信号的自相关函数和功率谱密度；
200
400
600
800
1000
1200
1400
1600
1800
2000
-2-101
2随机相位信号X (t)的自相关函数
050100150
200250300350400450500
-60
-40-20
0Frequency (Hz)
P o w e r /f r e q u e n c y (d B /H z )
随机相位信号X (t)的功率谱密度
五、程序代码
%1、N(2,5)的正态白噪声序列 figure;
a=300;b=2*a;
x=normrnd(2,sqrt(5),1,b); subplot 311 plot(x,'y');
title('N(2,5)分布白噪声序列'); subplot 312
R_x=xcorr(x,'unbiased'); plot(R_x,'m'); grid
title('N(2,5)分布白噪声序列自相关函数'); subplot 313
periodogram(x,[],512,a);
title('N(2,5)分布白噪声序列功率谱密度');
%2、随机过程X(t)=cos(600pit)+cos(800pit)+N(t) figure;
a=500;b=2*a; t=[0:1/b:1-1/b]; N=randn(1,b);
X=cos(600*pi*t)+cos(800*pi*t)+N; subplot(3,1,1) plot(X);
title('X(t)=cos(600*pi*t)+cos(800*pi*t)+N(t)') subplot(3,1,2)
R_X=xcorr(X,'unbiased'); plot(R_X,'m');
title('随机过程X(t)自相关函数R_Xt'); ylabel('R_Xt')
xlabel('时间间隔t') subplot(3,1,3)
periodogram(X,[],512,a); axis([100 200 -inf inf]);
title('随机过程X(t)功率谱密度'); %3、随机相位信号()()cos X t A t ωϕ=+ figure;
A=2;w=1000*pi; a=1000;b=a;
t=[0:1/b:1-1/b]; p=2*pi*rand(1,b); X=A*cos(w*t+p); X1=A*cos(w*t+p); subplot 211
R=xcorr(X,'unbiased'); plot(R,'m'); grid
title('随机相位信号X(t)的自相关函数'); subplot 212
periodogram(X,[],b*2,a);
title('随机相位信号X(t)的功率谱密度');
教师签名：
年 月 日。