医学随机信号分析实验指导书Word下载.docx

医学随机信号分析实验指导书Word下载.docx

《医学随机信号分析实验指导书Word下载.docx》由会员分享，可在线阅读，更多相关《医学随机信号分析实验指导书Word下载.docx（17页珍藏版）》请在冰豆网上搜索。

subplot（212）;

plot（m,rx）;

axis（-NN01）;

title（相关系数）;

六、实验结果及分析七、心得体会实验二实验二平稳随机过程的谱分析平稳随机过程的谱分析实验性质：

设计性实验级别：

2学时一、实验目的1、复习信号处理的采样定理2、理解功率谱密度函数与自相关函数的关系3、掌握对功率谱密度函数的求解和分析二、实验设备计算机、Matlab软件三、实验内容与步骤已知平稳随机过程的相关函数为：

RX（）=1-|/T|=TT=学号*3设计程序求:

1.利用采样定理求R1（m）2.利用RX（）求SX（w）,3.利用功率谱密度采样定理求S（w）（离散时间序列的功率谱密度）4.利用IFFT求R（m）5.利用求出的R1（m），用FFT求S1（w）6.比较上述结果。

四、实验原理平稳随机过程的谱分析和付立叶变换1、2、如果时间信号的采样间隔为T0，那么在频谱上的采样间隔1/（N*T0），保持时域和频域的采样点一致N3、注意实际信号以原点对称，画图时是以中心对称，注意坐标的变换五、实验程序closeall;

clc;

number=6;

T=number*3;

T0=0.1%input（采样间隔T0=）;

t=-T:

T0:

T;

n=T/T0;

Rx=1-abs（t）/T;

figure

（1）,subplot（211）,stem（t,Rx）;

title（自相关函数）;

自相关函数W=1/（2*T0）;

W0=1/（2*T）;

w=-W:

W0:

W;

a=2*pi*w*T/2;

%Sx=T*sin（a）.*sin（a）./（a.*a）;

%Sx（n+1）=T;

Sx=T*sinc（a）.2;

subplot（212）,stem（Sx）;

title（功率普密度函数）;

%功率普密度函数figure

（2）,R1=Rx;

subplot（211）,plot（R1）;

%自相关序列S1=T0*abs（fft（R1）;

S1=fftshift（S1）;

subplot（212）,plot（S1）;

%自相关序列FFT得到功率普密度函数figure（3）,S=Sx;

subplot（211）,plot（S）;

%功率普密度函数采样序列R=abs（ifft（S）;

R=ifftshift（R）;

subplot（212）,plot（R）;

%功率普密度序列FFT得到自相关序列六、实验结果及分析七、心得体会实验三随机信号通过线性系统的分析实验性质：

2学时一、实验目的1、掌握随机信号通过线性系统的分析方法2、掌握系统输出信号的数字特征和功率谱密度的求解二、实验设备计算机、Matlab软件三、实验内容与步骤已知平稳随机过程X（n）的相关函数为：

；

线性系统的单位冲击响应为。

编写程序求：

（1）输入信号的功率谱密度、期望、方差、平均功率；

（2）利用时域分析法求输出信号的自相关函数、功率谱密度、期望、方差、平均功率；

（3）利用频域分析法求输出信号的自相关函数、功率谱密度、期望、方差、平均功率；

（4）利用频域分析法或时域分析法求解输入输出的互相关函数、互功率谱密度。

四、实验原理1、线性系统的时域分析方法系统输入和输出的关系为：

输出期望：

输出的自相关函数：

输出平均功率：

互相关：

2、线性系统的频域分析方法输入与输出的关系：

输出的功率谱：

功率谱：

五、实验程序clc;

R_x=zeros（1,81）;

R_x（41）=1;

%输入自相关S_x=fftshift（abs（fft（R_x）;

%输入功率谱密度No=6;

%学号r=1-1/（No+1）;

h0=zeros（1,40）;

i=1:

41;

h1=r.i;

h=h0,h1;

%系统单位冲激函数H=fftshift（abs（fft（h）;

%系统函数m_x=0;

%输入期望,方差，平均功率sigma_x=R_x（41）;

P_x=R_x（41）;

figure

（1）,subplot（221）,stem（R_x）,title（Rx）;

subplot（222）,stem（S_x）,title（Sx）;

subplot（223）,stem（h）,title（h）;

subplot（224）,stem（H）,title（H）;

%时域法求解R_xy=conv（R_x,h）;

R_xy=R_xy（41:

121）;

R_yx=conv（R_x,fliplr（h）;

R_yx=R_yx（41:

R_y=conv（R_yx,h）;

R_y=R_y（41:

figure

（2）,subplot（221）,stem（R_x）;

title（Rx）;

subplot（222）,stem（R_xy）;

title（Rxy）;

%互相关subplot（223）,stem（R_yx）;

title（Ryx）;

subplot（224）,stem（R_y）;

title（Ry）;

%输出自相关S_xy=abs（fft（R_xy）;

S_xy=fftshift（S_xy）;

S_yx=fftshift（abs（fft（R_yx）;

S_y=fftshift（abs（fft（R_y）;

figure（3）,subplot（221）,stem（S_x）;

title（Sx）;

subplot（222）,stem（S_xy）;

title（Sxy）;

%互功率普密度subplot（223）,stem（S_yx）;

title（Syx）;

subplot（224）,stem（S_y）;

title（Sy）;

%输出功率谱密度%频域分析法S0_xy=S_x.*H;

S0_yx=S_x.*fliplr（H）;

S0_y=S0_yx.*H;

figure（4）,subplot（221）,stem（S_x）;

subplot（222）,stem（S0_xy）;

title（S0xy）;

%互功率普密度subplot（223）,stem（S0_yx）;

title（S0yx）;

subplot（224）,stem（S0_y）;

title（S0y）;

%输出功率谱密度R0_xy=fftshift（abs（ifft（S0_xy）;

R0_yx=fftshift（abs（ifft（S0_yx）;

R0_y=fftshift（abs（ifft（S0_y）;

figure（5）,subplot（221）,stem（R_x）;

subplot（222）,stem（R0_xy）;

title（R0xy）;

%互相关subplot（223）,stem（R0_yx）;

title（R0yx）;

subplot（224）,stem（R0_y）;

title（R0y）;

%输出自相关%另外，函数的数字特征，自己实现得出具体的值（仿程序12，13，14行）六、实验结果及分析七、心得体会实验四平稳时间序列模型预测实验性质：

2学时一、实验目的1、掌握平稳时间序列分析模型的分析方法和步骤2、会求平稳时间序列的自相关函数和偏相关函数3、掌握模型类别和阶数的确定二、实验设备计算机、Matlab软件三、实验内容与步骤已知平稳时间序列一个长为50的样本数据如下表：

numberZi1-1028928528928628828728829229129129111-2029229629730130430430330729929621-3029330129330129528428628628728431-4028227828127827727927827026827241-50273279279280275271277278279285每个同学以自己的学号为起点，循环计数50重新排序，如：

学号为3的学生样本数据为：

Z3,Z4Z50,Z1,Z2,编程计算，并打印下列：

1、2、3、利用递推公式计算样本的偏相关系数4、5、确定模型的类别和阶数四、实验原理平稳时间序列的模型估计与预测原理1、样本自协方差函数：

样本自相关函数：

2、样本偏相关函数3、利用与的拖尾和截尾性质判定类型和阶数五、实验程序closeall;

r=;

p1=;

p=;

Fai=;

FAI=;

%学号为6z1=292296297301304288292291291291;

z2=304303307299296293301293301295;

z3=284286286287284282278281278277;

z4=279278270268272273279279280275;

z5=271277278279285285289286288287;

Z=z1z2z3z4z5;

W=Z-mean（Z）;

figure

（1）,subplot（211）,plot（Z）;

gridon;

subplot（212）,plot（W）;

N=length（W）;

%利用公式来求样本函数,取K50/4;

K=12;

fork=1:

Ksum=0;

fori=1:

（N-k）sum=sum+W（i）*W（i+k）;

endr（k）=sum/N;

end%55sum=0;

Nsum=sum+W（i）*W（i）;

endr0=sum/N;

%样本方差p1=r/r0;

p=1p1;

%样本相关系数%利用递推法求偏相关函数Fai（1,1）=p1

（1）;

%利用公式1fork=1:

K-1sum1=0;

sum2=0;

forj=1:

ksum1=sum1+p1（k+1）*Fai（k,j）;

sum2=sum2+p1（j）*Fai（k,j）;

endFai（k+1,k+1）=（p1（k+1）-sum1）/（1-sum2）;

%公式2forj=1:

kFai（k+1,j）=Fai（k,j）-Fai（k+1,k+1）*Fai（k,k+1-j）;

%公式3endendfork=1:

KFAI（k+1）=Fai（k,k）;

endFAI

（1）=1;

figure

（2）,tt=0:

length（p1）;

subplot（2,1,1）,plot（tt,p）;

title（样本自相关函数）;

subplot（2,1,2）;

plot（tt,FAI）;

title（样本偏相关函数）;

六、实验结果七、心得体会