实验二 白噪声信道实验
实验二 白噪声信道实验
带通白噪声
R( )
f c B /2 f c B /2
sin B n0 B cos 2 f c B
f c B /2 n n0 j 2 f 0 e df e j 2 f df f c B /2 2 2
返回
理想低通高斯白噪声的产生和分析
白噪声
Pn ( f ) n0 / 2
R( ) PX ( f )e
j 2 f
n0 j 2 f n0 df e df ( ) 2 2
n0 R(0) (0) 2
高斯白噪声-白噪声取值的概率分布服从高斯分布
返回
低通白噪声
Pn ( f ) n0 / 2, f H f f H , 其他 Pn ( f ) 0
高斯过程
( x a) 2 p X ( x) exp 2 2 2 1
高斯随机过程的性质
高斯过程的n维分布仅由各个随机变量的数学期望、 标准偏差和归一化协方差决定，因此研究高斯随机 过程，只需研究其数学特征。 广义平稳的高斯过程也是严平稳的。因为若高斯过 程是广义平稳的，其均值和协方差函数都仅与时间 间隔有关，与时间起点无关。则它的n维分布也与 时间起点无关，故它是严平稳的。 若不同时间值两两之间互不相关 ，这时n维联合概 率密度等于各个一维概率密度的乘积。 高斯过程经过线性变化后仍是高斯过程。
m=1; n=10000; a=rand(m,n); n×m的均匀分布的随机数 for i=1:length(a) if a(i)>0.5 b(i)=1; 产生m×m的双极性信号 else b(i)=-1; end; end; S=1; snr=-8:2:8 (dB) SNR=exp(snr*log(10)/10);
白噪声
4.3 理想白噪声、带限白噪声比较分析1、实验原理若一个具有零均值的平稳随机过程，其功率谱密度在某一个有限频率范围内均匀分布，而在此范围外为零，则称这个过程为带限白噪声。
带限白噪声分为低通型和带通型。
白噪声详细描述可参考马文平、李兵兵等编著.随机信号分析与应用.科学出版社，2006出版的书第2章节。
朱华、黄辉宁、李永庆、梅文博.随机信号分析.北京理工大学出版社,2000出版的书第4章节。
以及与随机信号分析相关的参考书籍。
2、实验任务与要求⑴通过实验掌握白噪声的特性以及带限白噪声的意义，重点在于系统测试与分析。
算法选用matlab或c/c++语言之一编写和仿真程序。
系统框图如图2-8所示：低通带通x(t)y1(t)y2(t)图2-8带通滤波器系统框图⑵输入信号x(t)：x(t)分别为高斯白噪声信号和均匀白噪声信号，高斯白噪声如图2-9所示：图2-9 高斯白噪声的时域、频域图要求测试白噪声的均值、均方值、方差，自相关函数、概率密度、频谱及功率谱密度并绘图。
分析实验结果，搞清楚均值、均方值、方差，自相关函数、频谱及功率谱密度的物理意义。
例：均值除了表示信号的平均值，它还表示信号中有了什么成分。
相关函数当τ=0时为什么会有一个冲击，表示什么，它又等于什么。
信号的时域波形有哪些特征，频域又有哪些特征。
频谱及功率谱密度有什么差异，什么噪声是白噪声，这个噪声符合白噪声的定义吗等等。
⑶设计一个低通滤波器和一个带通滤波器。
要求白噪声分别通过低通滤波器和带通滤波器后的信号能够表现出带限白噪声的特点。
测试低通滤波器和一个带通滤波器的时频特性和频域特性以验证其正确性。
⑷分别计算高斯白噪声、均匀白噪声经低通滤波、带通滤波器后的均值、均方值、方差、概率密度、自相关函数、频谱及功率谱密度，并加以分析。
⑸所有结果均用图示法来表示。
⑹白噪声在什么情况下为带限白噪声？⑺按要求写实验报告。
第二章高斯白噪声中的信号检测(已校)
x y
0
x, y统计独立：两随机事件的发生没有关系 独立的 p x, y p x p y , E xy E x E y x, y正交 E xy 0
选择t ，则x1 , x2 , xn 不相关 c
又因其高斯分布，故统计独立
2
H1 : E xk s1k
2
k E xk xik n t 的方差
2 n t 方差 n 对功率谱的积分为
实际信号接收机是带限的，有带宽-c c
接收到的噪声： N0 Sn 2 相关函数： - c c
2 2
故xk的pdf： xk sik p xk H i exp 2 2 k 2 k 1
2
选择采样间隔t,使x1 , x2 , xn 是不相关的， 其为高斯分布 x1 , x2 , xn 是统计独立的。
x, y不相关 相关系数pxy cov x, y
P( D1 | H 0 )
0.5
0.5
1 x exp[ ]dx 0.362 4 4
P( D0 | H1 )
相应的检测概率为 P( D1 | H1 ) 1 P( D0 | H1 ) 0.638
1 ( x 1) 2 exp[ ]dx 0.362 4 4
§2.2高斯白噪声下确知信号的检测
首先研究二元通信系统(二择一)。二元通信系统中, 最佳检测系统是对观测波形进行处理,即在两个假设 中选择一个。
H 0 : x(t ) s0 (t ) n(t ) H1 : x(t ) s1 (t ) n(t ) (0 t T ) (0 t T )
白噪声特性测量实验
实验：白噪声特性测量一，实验目的1, 了解白噪声的性质与特点。
2, 掌握噪声对通信系统性能的影响。
二，实验内容1,开关的状态设置如下：(1)K102设置在1-2状态(跳线器置于左端)；(1)K103设置在1-2状态(跳线器置于左端)；2,伪码特性观察：测量TP101波形;图1.TP101波形3, 伪码噪声谱分析：用频谱仪测量TP101的伪码噪声谱4,2MHz噪声源分析：观察TP102信号波形图2.TP102波形5,限带噪声源观察：测量TP105信号波形图3.TP105信号波形6,低频噪声源观察：测量TP106基带噪声源。
图4.TP106基带噪声源波形图7,信号+噪声观察：在第一输入中频通道的输入端S001端加入1NHz 的信号，K201设置成3-4,5-6，如图3.1-3所示：分别测量TP201（输入）在有噪声与无噪声情况下的波形。
在加噪时K104的设置如图3.1-1所示，无加噪是K104的设置见图3.1-2所示。
通过电位器W101调整输出噪声的大小。
图6.有噪声的情况下波形图图7.无噪声的情况波形图三，实验总结与体会在做实验前，我以为不会难做，就像以前做物理实验一样，做完实验,然后两下子就将实验报告做完•直到做完测试实验时，我才知道其实并不容易做，但学到的知识与难度成正比，使我受益匪浅.在做实验前，一定要将课本上的知识吃透，因为这是做实验的基础否则,在老师讲解时就会听不懂，这将使你在做实验时的难度加大，浪费做实验的宝贵时间•做实验时，一定要亲力亲为，务必要将每个步骤每个细节弄清楚，弄明白，实验后，还要复习，思考，这样，你的印象才深刻,记得才牢固，否则,过后不久你就会忘得一干二净，这还不如不做.做实验时，老师还会根据自己的亲身体会，将一些课本上没有的知识教给我们，拓宽我们的眼界，使我们认识到这门课程在生活中的应用是那么的广泛.通过这次的实验，使我学到了不少实用的知识，更重要的是，做实验的过程，思考问题的方法，这与做其他的实验是通用的，真正使我们受益匪浅.。
实验一 白噪声测试
白噪声测试一、 实验目的⑴ 了解白噪声信号的特性，包括均值（数学期望）、均方值、方差、相关函数、概率密度、频谱及功率谱密度等。
⑵ 掌握白噪声信号的分析方法。
二、 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。
然而白噪声在数学处理上比较方便，所以它在通信及电子工程系统的分析中有十分重要的作用。
一般地说，只要噪声的功率谱密度的宽度远大于它所作用的系统的带宽，并且在系统的带内，它的功率谱密度基本上是常数，就可以作为白噪声处理了。
白噪声的功率谱密度为：2)(0N f S n =其中0N 为单边功率谱密度。
白噪声的自相关函数为：)(20τδτN R =）（ 白噪声的自相关函数是位于τ=0处、强度为20N 的冲击函数。
这表明白噪声在任何两个不同的瞬间的取值是不相关的。
同时也意味着白噪声能随时间无限快的变化，因为它的带宽是无限宽的。
下面我们给出几种分布的白噪声。
随机过程的几种分布前人已证明，要产生一个服从某种分布的随机数，可以先求出其分布函数的反函数的解析式，再将一个在[0，1]区间内的均匀分布的随机数的值代入其中，就可以计算出服从某种分布的随机数。
下面我们就求解这些随机数。
[0，1]区间均匀分布随机信号的产生：采用混合同余法产生[0，1]区间的均匀分布随机数。
混合同余法产生随机数的递推公式为：c ay y n n +=+1 n=0,1,2…… My x n n = n=1,2,3…… 由上式的出如下实用算法： ][1M c ax M c ax x n n n +-+=+ My x 00=其中：k M 2=，其中k 为计算几种数字尾部的字长14+=t a ，t 为任意选定的正整数0y ，为任意非负整数c ，为奇数 Matlab 语言中的rand （）函数是服从[0，1]均匀分布的，所以在以后的实验中如果用到均匀分布的随机数，我们统一使用rand()函数。
理想白噪声和带限白噪声的产生与分析
理想白噪声和带限白噪声的产生与分析摘要 利用Matlab 仿真分析产生的高斯白噪声和均匀白噪声通过低通滤波器和带通滤波器后的时域及频域波形，以便更好地理解白噪声。
背景 在实际应用中，通信设备的各种电子器件、传输线、天线等都会产生噪声，伴随着信号的产生、传输和处理的全过程。
噪声也是一种随机过程，而白噪声具有均匀功率谱密度，在数学处理上具有方便、简单的优点。
电子设备中的起伏过程如电阻热噪声、散弹噪声等，在相当宽的频率范围内具有均匀的功率谱密度，可以当做白噪声处理，因而研究白噪声的特性显得非常重要。
实验特点与原理（1）随机信号的分析方法在信号系统中，把信号分为确知信号与随机信号两类。
在工程技术中，一般用概率密度、均值、均方值、方差、自相关函数、频谱、功率谱密度等描述随机过程的统计特性。
①均值均值E[x(t)](μ)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 内的幅值平均值表示：∑-==10/)()]([N t N t x t x E均值表达了信号变化的中心趋势，或称之为直流分量。
②均方值均方值E[x 2(t)](2ϕ)，或称为平均功率：N t x t x E N t /)()]([(1022∑-==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方差定义： N t x E t x N t /)]]([)([122∑-=-=σ可以证明，2ϕ=2σ+2μ。
其中：2σ描述了信号的波动量；2μ 描述了信号的静态量。
④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：∑∑-=-+=101N t xy N /)t (y )t (x ),t (N R τττ τ,t=0,1，2,……N-1随机信号的自相关函数表示波形自身不同时刻的相似程度。
白噪声信道模拟实验报告
白噪声信道模拟实验报告一、实验目的本实验旨在通过模拟白噪声信道，研究其在无线通信系统中的性能影响。
通过对比分析白噪声信道与理想信道下的通信性能，进一步理解白噪声信道对通信系统性能的影响，为实际无线通信系统的设计和优化提供理论依据。
二、实验原理白噪声是一种具有特定统计特性的随机信号，其功率谱密度在整个频率范围内均匀分布。
在无线通信系统中，白噪声信道是常见的信道模型之一，它描述了信号在传输过程中受到的加性噪声。
白噪声信道模型有助于研究无线通信系统的性能极限和优化方法。
三、实验步骤1. 搭建实验平台：搭建一个包含发射机、接收机、白噪声信道和测量设备的实验平台。
2. 初始化参数：设置发射机参数，如调制方式、码率等；设置接收机参数，如解调方式、滤波器等；设置白噪声信道参数，如信噪比（SNR）等。
3. 发送数据：通过发射机发送数据信号，经过白噪声信道传输，被接收机接收。
4. 测量性能：通过测量设备对接收到的信号进行测量，记录误码率（BER）、频谱效率（SE）等性能指标。
5. 改变参数：改变白噪声信道的SNR，重复步骤3和4，记录不同SNR下的性能指标。
6. 数据分析：对实验数据进行处理和分析，绘制性能曲线，分析白噪声信道对通信系统性能的影响。
四、实验结果通过实验，我们获得了不同SNR下白噪声信道的性能指标。
在误码率（BER）方面，随着SNR的增加，误码率逐渐降低；在频谱效率（SE）方面，随着SNR的增加，频谱效率逐渐提高。
这些结果与理论分析一致，表明白噪声信道对通信系统性能存在一定的影响。
五、实验结论通过本次实验，我们验证了白噪声信道对通信系统性能的影响。
在无线通信系统中，白噪声信道是一种常见的信道模型，它描述了信号在传输过程中受到的加性噪声。
在设计和优化无线通信系统时，需要考虑白噪声信道的影响，以提高系统的性能和可靠性。
同时，本次实验也为后续研究提供了理论依据和实验基础。
噪声污染控制系统工程实验
噪声污染控制工程实验实验一 道路交通噪声监测一、实验目的交通噪声是城市环境噪声的主要来源，通过实验加深对交通噪声特征的理解，掌握等效连续声级及统计声级的概念，并且希望能够提高以下技能：1、掌握声级计的使用方法。
2、熟练地计算等效声级、统计声级、昼夜等效声级、标准偏差。
二、测量仪器采用积分声级计和噪声频谱分析仪。
三、实验条件测量时应该无雪、无雨，加防风罩。
使传声器膜片保持干净。
四、测点选择测量点选在两个路口间、交通干线路边的人行道上，传声器距离路中心7.5m 处。
测点在路段中间，距两交叉路口应该大于50m ，小于100m 。
测点距地面1.2m(无支架手持时距人身体0.5m)，尽量避免周围反射物体（离反射物体最短距离3.5m ）对测试结果的影响。
五、测量方法和步骤1.准备号复合条件的测试仪器，对传声器进行校正，检查声级计的电池电压是否足够2.在选定的位置布置测点，并标注在城市街区图中。
3.在规定时间（白天8：00～12：00，14：00～18：00；夜间22：00～05：00），每个测点每隔5s 读取瞬时A 声级，连续读取200个数据，同时记录车的种类和数量及车的总流速（辆/h ）。
4.计算噪声瞬时声级的标准偏差()∑=--=ni i L L n 1211σ（dB ）5.测量后，用校正器对传声器再次进行校正，要求测量前后传声器的灵敏度相差不大于2dB ，否则重新测量。
六、数据处理将测得的200个A 声级数据，按照从大到小的顺序排列，读出L10(第20个)、L50（第100个)、L90（第180个)的声级值，得到统计声级L10 、L50 、L90,由于交通噪声的声级起伏一般复合正态分布，所以等效声级根据下式近似值计算:七、测试报告的容和要求1.测试路段及环境简图；测试时段；车辆类型、数量及流速；2.测试数据列表（自己设计表格），标出统计声级L10 、L50 、L90,计算出等效连续声级Leq ，依据该路段所处区域的环境噪声标准（查资料列出），判断交通噪声是否超标。
通信原理实验(1-8)
通信原理实验报告学院：信息工程学院专业：通信工程学号：6姓名：李瑞鹏实验一 带通信道模拟及眼图实验一、实验目的1、 了解眼图与信噪比、码间干扰之间的关系及其实际意义；2、 掌握眼图观测的方法并记录研究。
二、实验器材1、 主控&信号源、9号、13号、17号模块 各一块2、 双踪示波器 一台3、 连接线 若干三、实验原理1、实验原理框图带通信道模拟框图2、实验原理框图带通信道是将直接调制的PSK 信号和经过升余弦滤波后调制的PSK 信号送入带通信道，比较两种状况的眼图。
然后，改变带通信道的带宽重复观测。
四、实验步骤概述：该项目是通过分别改变噪声幅度和带通信道频率范围，观测信道的眼图输出变化情况，了解和分析信道输出原因.1、关电，按表格所示进行连线。
2PSK 调制信号加升余弦滤波的带通信道模拟【250KHz~262KHz带通信道】。
3、此时系统初始状态为：PN15为8K。
4、实验操作及波形观测。
（1）以CLK时钟信号为触发源对比观测LPF-BPSK观测点，观察输出眼图波形。
（2）调节17号板W1噪声幅度调节，调节噪声幅度，观察眼图波形变化。
17号模块测试点TP4可以观察添加的白噪声。
（3）在主控菜单中改变带通信道频率范围，观察输出眼图变化，并分析原因。
五、实验报告1、完成实验并思考实验中提出来的问题。
2、分析实验电路工作原理，简述其工作过程。
3、整理信号在传输过程中的各点波形。
实验二 HDB3码型变换实验一、实验目的1、了解几种常用的数字基带信号的特征和作用。
2、掌握HDB3码的编译规则。
3、了解滤波法位同步在的码变换过程中的作用。
二、实验器材1、主控&信号源、2号、8号、13号模块各一块2、双踪示波器一台3、连接线若干三、实验原理1、HDB3编译码实验原理框图HDB3编译码实验原理框图2、实验框图说明我们知道AMI编码规则是遇到0输出0，遇到1则交替输出+1和-1。
而HDB3编码由于需要插入破坏位B，因此，在编码时需要缓存3bit的数据。
湘潭大学移动通信实验报告实验3-白噪声信道模拟实验
湘潭大学移动通信实验报告实验3-白噪声信道模拟实验第一篇：湘潭大学移动通信实验报告实验3-白噪声信道模拟实验实验三、白噪声信道模拟实验一、实验目的1、了解白噪声产生原因。
2、了解多径干扰对信号的影响。
二、实验内容观察白噪声对信号的干扰。
三、基本原理在移动通信中，严重影响移动通信性能的主要噪声与干扰大致可分为3类：加性正态白噪声、多径干扰和多址干扰。
这里加性是指噪声与信号之间的关系服从叠加原理的线性关系，正态则是指噪声分布遵从正态（高斯）分布，而白则是指频谱是平坦的，仅含有这类噪声的信道一般文献上称为AWGN信道。
这类噪声是最基本的噪声，非移动信道所特有，一般简称这类噪声为白噪声。
这类噪声以热噪声、散弹噪声及宇宙噪声为代表，其特点是，无论在时域内还是在频域内它们总是普遍存在和不可避免的。
热噪声是在电阻一类导体中，自由电子的布朗运动引起的噪声。
导体中的每一个自由电子由于其热能而运动。
电子运动的途径，由于和其他粒子碰撞，是随机的和曲折的，即呈现布朗运动。
所有电子运动的总结果形成通过导体的电流。
电流的方向是随机的，因而其平均值为零。
然而，电子的这种随机运动还会产生一个交流电流成分。
这个交流成分称为热噪声。
散弹噪声是由真空电子管和半导体器件中电子发射的不均匀性引起的。
散弹噪声的物理性质可由平行板二极管的热阴极电子发射来说明。
在给定的温度下，二极管热阴极每秒发射的电子平均数目是常数，不过电子发射的实际数目随时间是变化的和不能预测的。
这就是说，如果我们将时间轴分为许多等间隔的小区间，则每一小区间内电子发射数目不是常量而是随机变量。
因此，发射电子所形成的电流并不是固定不变的，而是在一个平均值上起伏变化。
总电流实际上是许多单个电子单独作用的总结果。
由于从阴极发射的每一个电子可认为是独立出现的，且观察表明，每1安培多平均电流相当于在1秒钟内通过约6×1018个电子，所以总电流便是相当多的独立小电流之和。
于是，根据中心极限定理可知，总电流是一个高斯随机过程。
信道随机过程实验报告
一、实验目的1. 理解信道随机过程的基本概念和特性。
2. 掌握信道随机过程的建模方法。
3. 熟悉信道随机过程在通信系统中的应用。
二、实验原理信道随机过程是指在一定时间或空间范围内，信道传输特性随时间或空间变化而呈现随机性的过程。
信道随机过程在通信系统中具有重要作用，如衰落、噪声等。
1. 信道随机过程的类型（1）衰落：指信号在传输过程中，由于信道特性变化导致信号幅度发生随机变化的现象。
（2）噪声：指信道中引入的干扰信号，如热噪声、冲击噪声等。
2. 信道随机过程的建模方法（1）高斯白噪声模型：假设噪声信号为高斯分布，且相互独立。
（2）瑞利衰落模型：假设衰落信号为两个相互独立的高斯随机变量的和。
（3）莱斯衰落模型：假设衰落信号为高斯随机变量与正弦波乘积的和。
三、实验内容1. 生成高斯白噪声信号（1）利用MATLAB生成高斯白噪声信号。
（2）观察高斯白噪声信号的时域波形和频谱特性。
2. 模拟瑞利衰落信道（1）利用MATLAB生成瑞利衰落信道。
（2）观察衰落信号的时域波形和频谱特性。
3. 模拟莱斯衰落信道（1）利用MATLAB生成莱斯衰落信道。
（2）观察衰落信号的时域波形和频谱特性。
4. 分析衰落信号对通信系统的影响（1）分析衰落信号对信号调制解调的影响。
（2）分析衰落信号对误码率的影响。
四、实验结果与分析1. 高斯白噪声信号（1）时域波形：高斯白噪声信号在时域上呈现出随机波动。
（2）频谱特性：高斯白噪声信号在频域上具有平坦的功率谱密度。
2. 瑞利衰落信道（1）时域波形：衰落信号在时域上呈现出随机波动，且波动幅度较大。
（2）频谱特性：衰落信号的频谱特性与高斯白噪声信号相似，但功率谱密度存在峰值。
3. 莱斯衰落信道（1）时域波形：衰落信号在时域上呈现出随机波动，且波动幅度较大。
（2）频谱特性：莱斯衰落信号的频谱特性与瑞利衰落信号相似，但存在一个主瓣。
4. 衰落信号对通信系统的影响（1）信号调制解调：衰落信号会降低信号调制解调的性能，增加误码率。
产生白噪声的实验报告
一、实验背景白噪声是一种具有平坦频谱特性的噪声，其功率谱密度在所有频率范围内均相等。
白噪声在信号处理、通信、噪声控制等领域具有广泛的应用。
本实验旨在通过搭建实验装置，产生白噪声，并对其进行测量和分析。
二、实验目的1. 了解白噪声的产生原理；2. 掌握白噪声的产生方法；3. 学习白噪声的测量方法；4. 分析白噪声的特性。
三、实验原理白噪声的产生原理是通过随机信号源产生具有平坦频谱特性的噪声。
在实验中，我们可以通过以下方法产生白噪声：1. 采用随机噪声发生器，将随机信号经过滤波器处理后，得到具有平坦频谱特性的白噪声；2. 利用数字信号处理技术，通过随机信号生成算法产生白噪声。
四、实验仪器与设备1. 随机噪声发生器；2. 滤波器；3. 信号分析仪；4. 示波器；5. 数据采集卡；6. 计算机。
五、实验步骤1. 连接实验装置，将随机噪声发生器的输出信号输入滤波器；2. 调整滤波器参数，使滤波器输出信号具有平坦频谱特性；3. 将滤波器输出信号输入信号分析仪，进行频谱分析；4. 使用示波器观察白噪声的波形；5. 使用数据采集卡采集白噪声信号，进行进一步分析。
六、实验结果与分析1. 频谱分析通过信号分析仪对白噪声进行频谱分析，得到白噪声的功率谱密度。
从分析结果可以看出，白噪声的功率谱密度在所有频率范围内均相等，符合白噪声的特性。
2. 波形观察使用示波器观察白噪声的波形，可以看到白噪声的波形具有随机性，无明显规律。
3. 数据分析使用数据采集卡采集白噪声信号，进行进一步分析。
通过分析白噪声的时域特性、频域特性等，可以进一步了解白噪声的特性。
七、实验结论1. 成功搭建了白噪声产生实验装置，并产生了具有平坦频谱特性的白噪声；2. 掌握了白噪声的产生方法、测量方法和特性分析；3. 为后续白噪声在信号处理、通信、噪声控制等领域的应用奠定了基础。
八、实验总结本实验通过对白噪声的产生、测量和分析，使我们了解了白噪声的特性及其应用。
信道仿真实验
信道仿真实验一、实验目的1、了解通信系统信道模型的基本概念。
2、掌握高斯白噪声的统计特性及其对通信系统的影响。
3、掌握带限线性滤波器信道模型的特性和对通信系统的影响。
4、掌握瑞利衰落信道的统计特性及其对通信系统的影响。
二、实验仪器1、移动通信实验箱一台；2、台式计算机一台；三、实验步骤1、通过串行口将实验箱和电脑连接，给实验箱上电。
将与实验箱相连的电脑上的学生平台程序打开。
在主界面上双击“信道仿真”实验图标，进入此实验界面。
2、先点击“初始化”键，再点击“输入数据”键，用于产生信道仿真所需的输入数据。
界面显示输入数据窗口，“数据长度”对话框可输入1～16 之间的数，产生相应个数的字节，如果学生想手动输入数据，可在窗口正下方以16 进制方式输入数据，如“12 bc ae 3e”等，中间以空格键分隔，输入完毕后按“手动输入”键，这时便可以从界面上看到手动输入的数据对应的二进制代码；如果学生不想手动输入数据，只需按动“随机生成”键，便可以生成实验所需要的输入数据。
然后按动“返回”键，输入数据窗口自动关闭，输入数据工作结束。
这里需要注意的是，如果不按动“返回”键而人工关闭此窗口，输入数据工作并未完成。
3、输入数据产生后就可以进行下面的信道仿真实验。
首先进行高斯白噪信道模型实验。
（1）在信道选择栏中选中“高斯”。
（2）在高斯信道参数信噪比一栏中输入一个数值，然后点击“仿真－>GO”键，波形显示区将显示本信噪比下的输入信号波形、输出信号波形以及噪声波形。
（3）修改信噪比的值，可重复以上实验。
若输入为0，则表示信噪比为0dB，0dB 意味着输入信号的功率和噪声功率的大小相当，由于噪声功率过大，因此输出信号与输入信号的相似程度很低。
将信噪比提高到一定的值（如：40dB），再点击“仿真”键再观察输入信号和输出信号。
完成实验报告的第 1 题。
4、下面进行带限线性滤波器信道模型实验，这个信道模型是对存在码间干扰的信道的建模，反映信道特性的信道参数由学生自定义输入。
随机信号分析应用在白噪声测试中
实验二 《随机信号分析》应用在白噪声测试中１．实验目的⑴ 了解白噪声信号的特性，包括均值（数学期望）、方差、相关函数、频谱及功率谱密度等。
⑵ 掌握白噪声信号的分析方法。
⒉ 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。
然而白噪声在数学处理上比较方便，所以它在通信系统的分析中有十分重要的作用。
一般地说，只要噪声的功率谱密度的宽度远大于它所作用的系统的带宽，并且在系统的带内，它的功率谱密度基本上是常数，就可以作为白噪声处理了。
白噪声的功率谱密度为： 2)(0N f S n = 其中0N 为单边功率谱密度。
白噪声的自相关函数位：)(20τδτN R =）（ 白噪声的自相关函数是位于τ=0处，强度为20N 的冲击函数。
这表明白噪声在任何两个不同的瞬间的取值是不相关的。
同时也意味着白噪声能随时间无限快的变化，因为它含一切频率分量而无限宽的带宽。
下面我们给出几种分布的白噪声。
随机过程的几种分布前人已证明，要产生一个服从某种分布的随机数，可以先求出其分布函数的反函数的解析式，再将一个在[0，1]区间内的均匀分布的随机数的值代入其中，就可以计算出服从某种分布的随机数。
下面我们就求解这些随机数。
[0，1]区间均匀分布随机信号的产生采用混合同余法产生[0，1]区间的均匀分布随机数。
混合同余法产生随机数的递推公式为：c ay y n n +=+1 n=0,1,2…… My x n n = n=1,2,3…… 由上式的出如下实用算法： ][1M c ax M c ax x n n n +-+=+ My x 00=其中：kM 2=，其中k 为计算几种数字尾部的字长14+=t a ，t 为任意选定的正整数0y ，为任意非负整数 c ，为奇数C 语言中的rand （）函数是服从[0，1]均匀分布的，所以在以后的实验中如果用到均匀分布的随机数，我们统一使用rand()函数。
白噪声信道模拟,交织技术,卷积编译码实验
⽩噪声信道模拟,交织技术,卷积编译码实验实验报告
⼀、实验数据（截图）
1.⽩噪声信道模拟实验
噪声幅度为0
⽩噪声幅度增⼤-出现误码
⼀通道⽆⽩噪声，⼆通道有⽩噪声
2.交织技术实验
任务⼀
任务⼆
⽆误码
随机错
突发错
对随机错纠错性能
对突发错纠错性能
3.卷积码编译码实验任务⼀
任务⼆
⽆误码
随机错
突发错（红框内为错误位置）
对突发错纠错性能
对随机错纠错性能
⼆、收获反思
交织技术实验验证了交织技术对突发错和随机错都有较好的纠错能⼒；卷积码实验验证出卷积码对随机错纠错能⼒较强，但不能很好的处理突发错。
掌握⽰波器调节很重要。
白噪声的产生与测试实验
⽩噪声的产⽣与测试实验实验课题：⽩噪声的产⽣与测试第⼆组⽩噪声的产⽣与测试⼀、实验⽬的了解⽩噪声信号⾃⾝的特性，包括均值、均⽅值、⽅差、相关函数、概率密度、频谱及功率谱密度等。
掌握⽩噪声的分析⽅法。
熟悉常⽤的信号处理仿真软件平台matlab 软件仿真。
了解估计功率谱密度的⼏种⽅法，掌握功率谱密度估计在随机信号处理中的作⽤⼆、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。
然⽽⽩噪声在数学处理上⽐较⽅便，所以它在通信系统的分析中有⼗分重要的作⽤。
⼀般地说，只要噪声的功率谱密度的宽度远⼤于它所作⽤的系统的带宽，并且在系统的带内，它的功率谱密度基本上是常数，就可以作为⽩噪声处理了。
⽩噪声的功率谱密度为： 2)(0N f S n =其中0N /2就是⽩噪声的均⽅值。
⽩噪声的⾃相关函数位：)(20τδτN R =）（⽩噪声的⾃相关函数是位于τ=0处、强度为20N 的冲击函数。
这表明⽩噪声在任何两个不同的瞬间的取值是不相关的。
同时也意味着⽩噪声能随时间⽆限快的变化，因为它的带宽是⽆限宽的。
下⾯我们给出⼏种分布的⽩噪声。
随机过程的⼏种分布均匀分布随机信号、正态分布（⾼斯分布）随机信号、指数分布随机信号等。
三实验任务与要求⑴通过实验要求掌握⼏种分布的随机噪声共同点和不同点，以及从随机噪声的相关和功率普中得到⽩噪声的特征，重点在于系统测试与分析。
实验系统框图如图2-1、图2-2所⽰：图2-1 各种分布随机信号测试图2-2 随机信号叠加后的特性测试⑵⾃选matlab或c/c++软件之⼀产⽣⼏种概率分布的仿真随机信号：随机数的长度N=1024，这些随机数包括均匀分布、正态分布、指数分布、瑞利分布、2 ⽅分布。
并计算这些随机数的均值、均⽅值、⽅差，⾃相关函数、概率密度、频谱及功率谱密度并绘图。
基于MATLAB的高斯白噪声信道分析报告
基于MATLAB的高斯白噪声信道分析报告一、引言高斯白噪声是信号传输过程中一种常见的干扰信号。
对于通信系统的设计和性能分析来说，了解信道模型对系统的影响非常重要。
本报告主要基于MATLAB对高斯白噪声信道进行分析，通过模拟实验来研究高斯白噪声对信号传输的影响。
二、背景知识1.高斯白噪声信道：高斯白噪声是一种均值为零，功率谱密度为常数的随机过程。
它的特点是干扰信号的瞬时值是随机的，且各个样本之间是无关的。
2.信道容量：信道容量是指在给定带宽和信噪比条件下，信道所能传输的最大信息速率。
对于高斯白噪声信道，香农公式可以用来计算信道容量。
三、实验步骤1. 生成高斯白噪声信号：使用MATLAB提供的randn函数生成服从高斯分布的随机数序列作为高斯白噪声信号。
2.生成待传输信号：为了模拟实际通信系统，我们生成一个随机的二进制信号序列，其中1代表信号出现，0代表信号未出现。
3.信号加噪声：将待传输信号与高斯白噪声信号相加，模拟信号在传输过程中受到噪声的影响。
4.信号解码：使用最简单的译码方法，将收到的信号进行硬判决，即大于0的样本判定为1，小于0的样本判定为0。
5. 比较原始信号和解码信号：对比原始信号和解码信号，计算误比特率（Bit Error Rate, BER）。
四、实验结果与讨论我们进行了多次实验，分别改变了信号传输的信噪比（Signal-to-Noise Ratio, SNR），记录了每次实验的误比特率。
实验结果表明，在相同的SNR条件下，误比特率随信噪比的增大而减小，即信噪比越大，误比特率越低。
这是因为噪声对信号传输的干扰越小，解码的准确性越高。
我们还进行了不同信噪比下信道容量的计算。
根据香农公式，信道容量与信噪比成正比。
我们发现，当信噪比较小时，信道容量较低，即信号传输的速率较慢；当信噪比较大时，信道容量达到最大值，即信号传输的速率最大。
通过以上分析，我们可以得出以下结论：1.高斯白噪声对信号传输会造成一定的干扰，降低信号的传输质量。
模拟噪声算法实验报告
一、实验目的1. 理解模拟噪声算法的基本原理和实现方法。
2. 掌握不同类型噪声算法的优缺点和适用场景。
3. 通过实验验证模拟噪声算法在实际应用中的效果。
二、实验环境1. 操作系统：Windows 102. 编程语言：Python3. 开发工具：PyCharm4. 库：NumPy、SciPy、Matplotlib三、实验内容1. 白噪声模拟2. 紫噪声模拟3. 红噪声模拟4. 噪声滤波四、实验步骤1. 白噪声模拟（1）导入NumPy库，生成随机白噪声信号。
（2）绘制白噪声信号时域图和频谱图。
（3）分析白噪声信号的特性。
2. 紫噪声模拟（1）导入NumPy库，生成随机紫噪声信号。
（2）绘制紫噪声信号时域图和频谱图。
（3）分析紫噪声信号的特性。
3. 红噪声模拟（1）导入NumPy库，生成随机红噪声信号。
（2）绘制红噪声信号时域图和频谱图。
（3）分析红噪声信号的特性。
4. 噪声滤波（1）导入SciPy库，实现低通滤波器。
（2）将模拟的噪声信号进行滤波处理。
（3）绘制滤波后的信号时域图和频谱图。
（4）分析滤波后的信号特性。
五、实验结果与分析1. 白噪声模拟实验结果显示，白噪声信号在时域图上呈现随机分布，频谱图上呈现出均匀分布的特性。
白噪声模拟适用于通信、信号处理等领域。
2. 紫噪声模拟实验结果显示，紫噪声信号在时域图上呈现缓慢变化的特性，频谱图上呈现出蓝色斜率的特性。
紫噪声模拟适用于模拟自然界中的某些现象，如大气湍流等。
3. 红噪声模拟实验结果显示，红噪声信号在时域图上呈现缓慢变化的特性，频谱图上呈现出红色斜率的特性。
红噪声模拟适用于模拟自然界中的某些现象，如地震波等。
4. 噪声滤波实验结果显示，经过滤波处理后，噪声信号中的高频成分被有效抑制，信号质量得到提高。
滤波器的设计和参数选择对滤波效果有较大影响。
六、实验结论1. 通过本次实验，我们了解了不同类型噪声算法的原理和实现方法。
2. 实验结果表明，模拟噪声算法在实际应用中具有较高的准确性和实用性。
信道实验报告
一、实验目的1. 了解信道的基本概念和分类；2. 掌握信道特性参数的测量方法；3. 分析信道的频率响应和时延特性；4. 熟悉信道仿真软件的使用。
二、实验原理信道是指信号传输过程中所经过的媒介，如电缆、光纤、无线电波等。
信道特性参数主要包括信噪比（SNR）、频率响应、时延等。
信噪比是衡量信号质量的重要指标，频率响应反映了信道对不同频率信号的传输能力，时延是指信号在信道中传播的时间。
三、实验内容1. 信噪比测量（1）实验原理：信噪比（SNR）是指信号功率与噪声功率之比，通常用分贝（dB）表示。
信噪比越大，信号质量越好。
（2）实验步骤：① 将信号发生器产生的信号接入信道；② 使用频谱分析仪测量信号功率和噪声功率；③ 计算信噪比。
2. 频率响应测量（1）实验原理：频率响应是指信道对不同频率信号的传输能力。
频率响应的测量通常使用扫频信号。
（2）实验步骤：① 将扫频信号发生器产生的信号接入信道；② 使用频谱分析仪测量信道输出信号的频率响应；③ 分析频率响应特性。
3. 时延测量（1）实验原理：时延是指信号在信道中传播的时间。
时延的测量通常使用脉冲信号。
（2）实验步骤：① 将脉冲信号发生器产生的信号接入信道；② 使用示波器测量信号在信道中的传播时间；③ 计算时延。
4. 信道仿真（1）实验原理：信道仿真是指利用计算机软件模拟信道特性，分析信道的传输性能。
（2）实验步骤：① 选择信道仿真软件，如MATLAB、CST等；② 根据实验需求，建立信道模型；③ 设置仿真参数，如信号频率、带宽等；④ 运行仿真，分析信道的传输性能。
四、实验结果与分析1. 信噪比测量结果：实验测得信噪比为20dB，表明信号质量较好。
2. 频率响应测量结果：实验测得信道频率响应在1MHz至100MHz范围内，传输能力较好。
3. 时延测量结果：实验测得信道时延为0.5ms，表明信号传播速度较快。
4. 信道仿真结果：仿真结果表明，在相同条件下，信道的传输性能与实验结果基本一致。
- 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)。
实验二 白噪声信道实验一、实验目的1、掌握用matlab 中高斯白噪声信道的产生方法。
2、掌握理想低通和高通白噪声的时频域特性。
3、掌握高斯白噪声对信号的影响。
4、掌握白噪声的消除方法。
二、实验原理 1、高斯过程高斯过程又称为随机过程，它的一维概率密度函数为：概率密度221()()exp 22X x a p x σπσ⎡⎤-=-⎢⎥⎣⎦。
式中，σ > 0, a = 常数。
概率密度曲线：正态分布的概率密度特征：（1）p(x)对称于直线 x = a ，即有：()()p a x p a x +=-（2）p(x)在区间(-∞, a)内单调上升，在区间(a, ∞)内单调下降，并且在点a 处达到其极大值1/(2)πσ。
当x → - ∞或 x → + ∞时，p(x) → 0。
（3）()1p x dx ∞-∞=⎰；()()1/2a ap x dx p x dx ∞-∞==⎰⎰（4）若a = 0, σ = 1，则称这种分布为标准化正态分布：21()exp 22x p x π⎡⎤=-⎢⎥⎣⎦2、白噪声 （1）白噪声白噪声是指具有均匀功率谱密度()n P f 的噪声，即0()/2n P f n =，式中，0n 为单边功率谱密度（W/Hz 。
白噪声的自相关函数可以从它的功率谱密度求得：2200()()()22j f j f X n nR P f edf e df πτπττδτ∞∞-∞-∞===⎰⎰由上式看出，白噪声的任何两个相邻时间（即τ ≠ 0时）的抽样值都是不相关的。
白噪声的平均功率：0(0)(0)2n R δ==∞。
上式表明，白噪声的平均功率为无穷大。
若白噪声的概率分布服从高斯分布，则称为高斯白噪声。
（2）低通白噪声低通白噪声：白噪声通过理想低通滤波器的输出。
低通白噪声的功率谱密度：0()/2,()0,n H HnP f n f f f P f =-≤≤⎧⎨=⎩其他其自相关函数为：20002sin 2sin 2()2222HHf j f H H H Hf H H n n f f R e df f n f f f πτπτπττπτπτ-===⎰（3）带通白噪声带通白噪声：带宽受到限制的白噪声。
白噪声通过理想带通滤波器的输出。
带通白噪声的功率谱密度：设白噪声的频带限制在/2||/2c c f B f f B -≤≤+之间，则有0()/2,/2||/2()0,n c c n P f n f B f f B P f =-≤≤+⎧⎨=⎩其他其自相关函数为：/2/222000/2/2sin ()cos 222c c c c f B f B j f j f c f B f B n n B R e df e df n B f B πτπτπττπτπτ-++---=+=⎰⎰3、白噪声的产生（1）理想低通高斯白噪声的产生和分析fh=10;ts=2*fh*sinc(2*fh*nt);figure(1);subplot(2,1,1);plot(nt,ts);title('低通理想白噪声时域');xlabel('时间(s)');axis([-1 1 min(ts) max(ts)]);grid on;tf=fftshift(fft(ts));subplot(2,1,2);plot(f,abs(tf));title('低通理想白噪声频域');xlabel('频率(Hz)');axis([-30 30 min(abs(tf)) max(abs(tf))]);grid on;理想低通高斯白噪声的时频域波形如下所示：（2）理想带通高斯白噪声的产生和分析pf=zeros(1,length(f));fs=20;B=5;pf(length(f)/2+round((fs-B)/df):length(f)/2+round((fs+B)/df))=1; pf(length(f)/2-round((fs+B)/df):length(f)/2-round((fs-B)/df))=1; figure(3);subplot(2,1,1); plot(f,pf);title('Frequency content of y'); xlabel('frequency (Hz)');理想带通的时频域波形如下所示：（3）宽带白噪声的产生白噪声的产生可以用matlab 自带的函数randn(m,n)产生。
该函数产生m*n 维(0,1)分布的高斯白噪声。
若要产生2(,)b a 的白噪声，可以采用语句：a*randn(m,n)+b 。
当输入信号为正弦信号时，加噪后的输出信号为：()cos(2*100)()s t A t n T π=+，式中n(t)为高斯白噪声。
4、噪声的消除由于噪声是宽带信号，因此可以通过滤波器滤除噪声的影响。
如下面程序所示： bt=0; %开始时间 dt=0.01; %时间间隔N=4096; %傅立叶变换点数 et=bt+N*dt-dt; %结束时间 t=bt:dt:et; %时间域TT=et-bt; %总的时间 nt=-TT/2:dt:TT/2;y = sin(2*pi*10*t); %待分析的信号 df=1/TT; %频率间隔Tf=N*df %分析的频宽 f=-Tf/2+df:df:Tf/2; %频率域figure(1);subplot(3,2,1);plot(t,y);title('信号');xlabel('时间(s)');axis([0 2 -1.1 1.1]);grid on;Y =fftshift(fft(y,N));subplot(3,2,2);plot(f,abs(Y));title('频谱');xlabel('频率(Hz)');axis([-30 30 min(abs(Y)) max(abs(Y))]);grid on;y=sin(2*pi*10*t)+0.5*randn(1,length(t));subplot(3,2,3);plot(t,y);title('加噪信号');xlabel('时间(s)');axis([0 2 min(y) max(y)]);grid on;Y =fft(y,N);subplot(3,2,4);plot(f,abs(fftshift(Y)));title('加噪频谱');xlabel('频率(Hz)');axis([-30 30 min(abs(Y)) max(abs(Y))]);grid on;fs=10;B=2;pf=zeros(1,length(f));pf(length(f)/2+round((fs-B)/df):length(f)/2+round((fs+B)/df))=1; pf(length(f)/2-round((fs+B)/df):length(f)/2-round((fs-B)/df))=1; Y=Y.*fftshift(pf);y=ifft(Y);subplot(3,2,5);plot(t,real(y));title('去噪信号');xlabel('时间(s)');axis([0 2 min(real(y)) max(real(y))]);grid on;subplot(3,2,6);plot(f,abs(fftshift(Y)));title('去噪频谱');xlabel('频率(Hz)');axis([-30 30 min(abs(Y)) max(abs(Y))]); grid on;5、噪声对信号接收的影响假设信号为双极性信号，即+1、-1，则信号的平均功率为1，高斯分布噪声平均功率为该高斯分布的方差。
因此有：21,S N δ==。
噪声的接收信号的影响的仿真程序为 m=1;n=10000;a=rand(m,n); %产生n ×m 的均匀分布的随机数 for i=1:length(a)if a(i)>0.5 b(i)=1; %产生m ×m 的双极性信号 else b(i)=-1; end; end;S=1; %信号功率 snr=-8:2:8 %信噪比(dB) SNR=exp(snr*log(10)/10); for l=1:length(snr)N=S/SNR(l); %噪声功率 rk=b+sqrt(N)*randn(m,n); %加上高斯白噪声dec=sign(rk); %判决，大于0判为1，小于0判为-1 err(l)=sum(abs(dec-b)/2)/length(b); %计算总的误码率 end;semilogy(snr,err,snr,err,'+'); title('误码率');xlabel('信噪比(dB)'); ylabel('误码率');三、实验步骤1、产生并分析理想低通高斯白噪声的时频特性，绘制其时频波形。
2、产生并分析理想带通高斯白噪声的时频特性，绘制其时频波形。
3、任意输入一个信号如()cos(2*15)s t t π=，绘制其时频域波形。
4、产生一个正态分布的高斯白噪声()n t ，绘制()()()r t s t n t =+的时频域波形。
5、将()()()r t s t n t =+通过带通滤波器，绘制通过带通滤波器后的时频域波形。
6、计算高斯白噪声信道的信噪比为-10dB 到10dB ，每2dB 递进，发送端信号为0、1时的误码率情况。
四、实验结果1、写出完成实验步骤的程序。
2、绘制实验步骤中要求的图形。
附程序1：bt=0; %开始时间dt=0.01; %时间间隔N=4096; %傅立叶变换点数et=bt+N*dt-dt; %结束时间t=bt:dt:et; %时间域TT=et-bt; %总的时间nt=-TT/2:dt:TT/2;fh=10;ts=2*fh*sinc(2*fh*nt);figure(1);subplot(2,1,1);plot(nt,ts);title('低通理想白噪声时域');xlabel('时间(s)');axis([-1 1 min(ts) max(ts)]);grid on;tf=fftshift(fft(ts));subplot(2,1,2);plot(f,abs(tf));title('低通理想白噪声频域');xlabel('频率(Hz)');axis([-30 30 min(abs(tf)) max(abs(tf))]);grid on;fs=20;B=10;ts=2*B*sinc(B*nt).*cos(2*pi*fs*nt);figure(2);subplot(2,1,1);plot(nt,ts);title('带通理想白噪声时域');xlabel('时间(s)');axis([-1 1 min(ts) max(ts)]);grid on;tf=fftshift(fft(ts));subplot(2,1,2);plot(f,abs(tf));title('带通理想白噪声频域');xlabel('频率(Hz)');axis([-30 30 min(abs(tf)) max(abs(tf))]);grid on;附文件2：bt=0; %开始时间dt=0.01; %时间间隔N=4096; %傅立叶变换点数et=bt+N*dt-dt; %结束时间t=bt:dt:et; %时间域TT=et-bt; %总的时间nt=-TT/2:dt:TT/2;y = sin(2*pi*10*t); %待分析的信号df=1/TT; %频率间隔Tf=N*df %分析的频宽f=-Tf/2+df:df:Tf/2; %频率域figure(1);subplot(3,2,1);plot(t,y);title('信号');xlabel('时间(s)');axis([0 2 -1.1 1.1]);grid on;Y =fftshift(fft(y,N));subplot(3,2,2);plot(f,abs(Y));title('频谱');xlabel('频率(Hz)');axis([-30 30 min(abs(Y)) max(abs(Y))]);grid on;y=sin(2*pi*10*t)+0.5*randn(1,length(t));subplot(3,2,3);plot(t,y);title('加噪信号');xlabel('时间(s)');axis([0 2 min(y) max(y)]);grid on;Y =fft(y,N);subplot(3,2,4);plot(f,abs(fftshift(Y)));title('加噪频谱');xlabel('频率(Hz)');axis([-30 30 min(abs(Y)) max(abs(Y))]);grid on;fs=10;B=2;pf=zeros(1,length(f));pf(length(f)/2+round((fs-B)/df):length(f)/2+round((fs+B)/df))=1;pf(length(f)/2-round((fs+B)/df):length(f)/2-round((fs-B)/df))=1;Y=Y.*fftshift(pf);y=ifft(Y);subplot(3,2,5);plot(t,real(y));title('去噪信号');xlabel('时间(s)');axis([0 2 min(real(y)) max(real(y))]);grid on;subplot(3,2,6);plot(f,abs(fftshift(Y)));title('去噪频谱');xlabel('频率(Hz)');axis([-30 30 min(abs(Y)) max(abs(Y))]);grid on;附文件3：m=1;n=10000;a=rand(m,n); %产生n×m的均匀分布的随机数for i=1:length(a)if a(i)>0.5 b(i)=1; %产生m×m的双极性信号else b(i)=-1;end;end;S=1; %信号功率snr=-8:2:8 %信噪比(dB)SNR=exp(snr*log(10)/10);for l=1:length(snr)N=S/SNR(l); %噪声功率rk=b+sqrt(N)*randn(m,n); %加上高斯白噪声dec=sign(rk); %判决，大于0判为1，小于0判为-1 err(l)=sum(abs(dec-b)/2)/length(b); %计算总的误码率end;semilogy(snr,err,snr,err,'+');title('误码率');xlabel('信噪比(dB)');ylabel('误码率');11。