matlab随机信号实验报告,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) 本文关键词:信号,随机,语言,实验,报告

随机信号分析实验报告(基于MATLAB语言) 本文简介:随机信号分析实验报告(基于MATLAB语言)姓名:班级:学号: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

随机信号分析实验报告(基于MATLAB语言) 本文内容:

随机信号分析实验报告(基于MATLAB语言)

姓名:

班级:

学号:

随机信号分析实验报告

——基于MATLAB语言

_

_

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:

y0=1,yn=kynmod

N

xn=ynN

序列xn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Fxx,而R

为(0,1)均匀分布随机变量,则有

X=Fx-1R

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。

如果要产生服从Nμ,σ2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

分布

函数

分布

函数

二项分布

binornd

指数分布

exprnd

泊松分布

poissrnd

正态分布

normrnd

离散均匀分布

unidrnd

瑞利分布

raylrnd

均匀分布

unifrnd

X2分布

chi2rnd

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征。这里我们假定随机序列X(n)为遍历过程,样本函数为x(n),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

mX=1Nn=0N-1xn

σX2=1N-1n=0N-1xn-mX2

RXm=1N-mn=0N-1xnxn+m

m=0,±1,±2?

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

=

mean(x)

功能:返回按1.3式估计X(n)的均值,其中x为样本序列x(n)。

(2)

方差函数

函数:var

用法:sigma2

=

var(x)

功能:返回按(1.4)式估计X(n)的方差,其中x为样本序列x(n),这一估计为无偏估计。

(3)

互相关函数

函数:xcorr

用法:c

=

xcorr(x,y)

c

=

xcorr(x)

c

=

xcorr(x,y,opition

)

c

=

xcorr(x,opition

)

功能:xcorr(x,y)计算X(n)与Y(n)的互相关,xcorr(x)计算X(n)的自相关。

  • 1
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
实验目的: 1.了解16QAM信号调制方法 2.了解AWGN信道的特性 3.掌握Matlab实现16QAM信号在AWGN信道下的仿真方法 实验原理: 16QAM信号调制方法是将二进制数据分为四个比特一组,每组数据用一个16QAM符号表示。16QAM调制后,每个符号能够传送4个比特的信息,相比于二进制调制更高效。 AWGN信道是指添加高斯白噪声(Gaussian white noise)的信道。高斯白噪声是指具有均值为0和方差为N0/2的正态分布随机变量,其中N0是噪声功率谱密度。 实验步骤: 1.生成随机的二进制数据 2.将二进制数据分为四个比特一组,调制成16QAM信号 3.在信号中添加高斯白噪声 4.将加噪后的信号解调 5.计算误码率(BER) Matlab代码实现: ``` % 生成随机的二进制数据 data = randi([0,1],1,10000); % 将二进制数据分为四个比特一组,调制成16QAM信号 M = 16; k = log2(M); data_matrix = reshape(data,length(data)/k,k); data_decimal = bi2de(data_matrix,'left-msb'); data_symbols = qammod(data_decimal,M); % 在信号中添加高斯白噪声 SNRdB = 10; EsNo = 10^(SNRdB/10); N0 = 1/EbNo; n = sqrt(N0/2)*(randn(size(data_symbols))+1j*randn(size(data_symbols))); received_symbols = data_symbols + n; % 将加噪后的信号解调 received_decimal = qamdemod(received_symbols,M); received_matrix = de2bi(received_decimal,k,'left-msb'); received_data = received_matrix(:).'; % 计算误码率(BER) [number,ber] = biterr(data,received_data); % 输出误码率(BER) ber ``` 实验结果: 在SNR为10dB下进行仿真,得到的误码率为0.0139。 实验结论: 通过本次实验,我们了解了16QAM信号调制方法、AWGN信道的特性,并掌握了Matlab实现16QAM信号在AWGN信道下的仿真方法。实验结果表明,在SNR为10dB时,16QAM信号在AWGN信道下的误码率为0.0139。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值