数字通信-随机信号仿真原理与matlab实现

千寻361

于 2024-07-20 05:11:41 发布

阅读量1k

点赞数 25

文章标签： matlab 开发语言信息与通信

本文链接：https://blog.csdn.net/weixin_60838266/article/details/140564248

版权

实现原理

随机信号通过线性系统分析的中心问题是：给定系统的输入函数（或统计特性：均值和自相关函数）和线性系统的特性，求输出函数。设L为线性变换，信号X(t)为系统输入，Y(t)为系统的输出，也是随机信号。即有：

众所周知，LTI系统又可以表示为

其中是系统的冲激响应。如果考虑傅里叶变换，令

则

下面来分析输出随机信号的均值和相关函数。

依定理5.1，对于任何稳定的线性系统有

白噪声的Simulink仿真

对于一个实际系统而言，其测量信号常会受到噪声的干扰，在理论分析时常常用白噪声作为干扰信号，虽然理想的白噪声物理上并不存在，但由于白噪声在数学处理上具有简单方便的特点，所以在实际应用中占有重要的地位。实际上，当我们所研究的随机过程，在比所考虑的有用频带宽得多的范围内具有均匀的功率谱密度时，就可以把它当作白噪声来处理，而不会带来多大的误差。在完成这次作业的过程中，我利用Simulink对白噪声的相关特性进行了探究，共对5个小问题进行仿真实验，以期加深对白噪声的理解。

基于当正弦信号通过线性系统时，其频率保持不变，而相位发生改变这样的事实，在实验中我采用的是一个单一频率的正弦信号，其它频率信号的响应可以类似地得到。所用正弦信号的相关参数如下图所示：信号频率为1Hz，振幅为1。叠加的白噪声信号参数为：均值为0，方差为1，服从高斯分布。

图1-1a原始信号的参数

图1-1b白噪声信号的参数

考虑到白噪声“均值为零，功率谱密度在整个频率轴上有非零常数”，由于原信号是频率为1Hz的正弦信号，所以首先考虑用低通滤波器进行滤波，系统的完整结构图如下：

在上图中，右上角示波器的四个输入分别为原正弦信号、叠加了高斯白噪声的正弦信号、高斯白噪声以及通过滤波器之后的信号。

实现教程

平稳随机过程

代码程序：


%%%%%%%%%%%%随机平稳性实验%%%%%%%%%%%%%%

close all;

%%%%%%%%%获取wav文件%%%%%%%%%

[y,fs]=wavread('E:\xiaoyu.wav');

sound(y,fs);

time=(1:length(y))/fs;

plot(time,y);

axis(7 -22);

%%%%%%%%%%自相关分析%%%%%%%%%

Mlag=10;

y1=xcorr(y,Mlag,'biased');

figure(2);

stem(y1);

语音文件如下图：通过电脑声卡获取我的语音，并保存为WAV格式音频文件，通过MATLAB调用获取波形。

Wav文件获取：音频转换链接在线转换音频文件 (aconvert.com)

下图是语音信号自相关的波形，调用的是MATLAB信号处理工具箱的xcorr函数。

Mlag=10自相关

Mlag=60自相关

二、高斯随机信号

在communications system toolbox下找到noise generators,选择gaussian noise generator

2.建立新simulink页面，将gaussian noise generator拉入

3.运行看下效果

利用simulink 模拟的方法分析了随机信号通过LTI系统的具体过程:图1 是用MATLAB 的simulink 模拟白噪声通过图1 的RC 电路，用示波器观察输入和输出的波形，改变RC 的值，使电路时间常数改变，观察输出波形的变化。

图3 “带限白噪声”参数设定窗口

上述的带限白噪声模块中Seed 参数代表了随机数发生器初始化的状态，可以自行设定。下面为原理框图：

图4 实验框图

实验观察到的波形如下所示:

图5 原始白噪声信号

图8 高斯信号通过LTI系统框图

该实验仿真了高斯信号通过低通线性系统的过程，以及正弦信号加高斯信号通过低通线性系统的过程，实验结果如下图所示

图9 原始高斯信号

图11 正弦信号波形

图12 高斯加正弦信号

图13 高斯加正弦信号通过低通滤波器

通过观察系统输出信号的时域波形可以看出，低通LTI系统滤除了输入信号的高频成分。对低频正弦信号而言，高斯信号包含了大量的高频成分，他们叠加在一起表现为正弦信号附带显著的毛刺。将他们作为低通滤波器的输入信号，输出信号的毛刺得到了明显平滑，显现了滤波的功能。

2.1低通滤波

低通滤波器的参数如下：8阶Butterworth低通滤波器，截止频率2Hz

图2-1 低通滤波器参数

补充：滤波器的阶数

1阶Butterworth低通滤波器 2阶Butterworth低通滤波器 8阶Butterworth低通滤波器

2.1.1频域分析结果

图2-2a原正弦信号的功率谱密度函数图2-2b白噪声的功率谱密度函数

图2-2c叠加后信号的功率谱密度函数图2-2d滤波后信号的功率谱密度函数

2.1.2 时域分析

从上到下，依次为：原正弦信号、叠加了高斯白噪声的正弦信号、高斯白噪声以及低通滤波之后的信号。

从图上可以看出滤波之后的信号大致恢复了原来的信号，但可以较明显地看出在原来的正弦信号之上还叠加有低频信号，初步考虑之后认为，低通滤波器虽然滤除了信号的高频部分，但白噪声的功率谱密度在整个频率轴上都有非零常数，于是自然想到利用带通滤波器可以得到更好的滤波效果，以下为了简化，作图时只研究未加噪声的原始信号和滤波后的信号。

2.2带通滤波

带通滤波器的参数如下图所示：