最新白噪声的产生与测试实验汇总
实验室噪声测定实验报告(3篇)
第1篇一、实验目的1. 了解噪声的基本概念和测量方法；2. 掌握噪声测量仪器的使用方法；3. 培养实验操作能力和数据分析能力。
二、实验原理噪声是指不规则、无规律的声音。
噪声的测量通常采用声级计，声级计是一种用于测量声音强度的仪器。
本实验采用声级计对实验室噪声进行测量，测量结果以分贝（dB）为单位。
三、实验仪器与设备1. 声级计：用于测量实验室噪声；2. 音频信号发生器：用于产生标准噪声信号；3. 电脑：用于数据采集和存储；4. 话筒：用于接收噪声信号；5. 实验室：实验场地。
四、实验步骤1. 准备工作：检查实验仪器是否完好，连接好声级计、音频信号发生器和电脑；2. 校准声级计：按照声级计说明书进行校准，确保测量结果的准确性；3. 测量实验室噪声：将声级计放置在实验室中央，距离地面1.2米处，开启声级计，调整测量频率为1kHz，开始测量实验室噪声；4. 数据采集：将测量结果记录在实验记录表上；5. 重复测量：为了提高测量结果的可靠性，对实验室噪声进行多次测量，取平均值；6. 测量标准噪声信号：开启音频信号发生器，产生标准噪声信号，调整声级计至标准噪声信号处，记录声级计读数；7. 数据分析：将实验室噪声测量结果与标准噪声信号进行对比，分析实验室噪声水平。
五、实验结果与分析1. 实验室噪声测量结果：经多次测量，实验室噪声平均值为60dB；2. 标准噪声信号测量结果：标准噪声信号声级为70dB；3. 实验室噪声分析：实验室噪声平均值为60dB，略低于标准噪声信号声级，说明实验室噪声水平相对较低。
六、实验结论通过本次实验，我们掌握了噪声的基本概念和测量方法，学会了使用声级计测量实验室噪声。
实验结果表明，实验室噪声水平相对较低，符合国家标准。
七、实验注意事项1. 实验过程中，注意保持实验室安静，避免外界噪声干扰；2. 声级计放置位置要稳定，避免晃动；3. 校准声级计时，要严格按照说明书进行操作；4. 实验结束后，将实验仪器归位，保持实验室整洁。
噪声监测实验报告分析
一、实验背景随着城市化进程的加快，噪声污染已经成为影响人们生活质量的重要因素之一。
为了了解和掌握噪声污染的现状，提高城市环境质量，本次实验对某区域噪声进行了监测和分析。
二、实验目的1. 熟悉噪声监测仪器的使用方法。
2. 掌握噪声监测的基本原理和操作步骤。
3. 分析噪声污染的特点和来源，为噪声污染治理提供依据。
三、实验仪器与设备1. 噪声监测仪：用于测量噪声水平。
2. 移动式测量车：用于移动测量仪器的位置。
3. 数据采集器：用于记录和分析噪声数据。
4. 风速仪、温度计、大气压力计：用于测量环境参数。
四、实验方法1. 实验地点：某区域主要道路、居民区、工业区等。
2. 测量时间：上午8:00-11:00，下午14:00-17:00。
3. 测量方法：按照《城市区域环境噪声测量方法》（GB/T14623--93）进行测量，使用手持式噪声监测仪进行测量，测量距离地面1.2m，测量高度与受声者耳朵高度相同。
4. 数据处理：将测量数据导入数据采集器，进行数据处理和分析。
五、实验结果与分析1. 噪声水平分析（1）道路噪声：道路噪声是城市噪声污染的主要来源之一。
本次实验测量了某区域主要道路的噪声水平，结果显示，道路噪声主要集中在50-70dB(A)之间，高峰时段噪声可达80dB(A)以上。
（2）居民区噪声：居民区噪声主要来源于交通噪声、建筑施工噪声、商业活动噪声等。
本次实验测量了某区域居民区的噪声水平，结果显示，居民区噪声主要集中在40-60dB(A)之间，夜间噪声水平相对较低。
（3）工业区噪声：工业区噪声主要来源于工业生产设备、运输车辆等。
本次实验测量了某区域工业区的噪声水平，结果显示，工业区噪声主要集中在70-90dB(A)之间，高峰时段噪声可达100dB(A)以上。
2. 噪声污染来源分析（1）交通噪声：交通噪声是城市噪声污染的主要来源之一。
本次实验发现，道路噪声主要来源于机动车辆、摩托车、电动车等。
（2）建筑施工噪声：建筑施工噪声主要来源于打桩、切割、钻孔等施工过程。
实验1---白噪声和M序列的产生
实验1 白噪声和M序列的产生实验报告1．实验题目：白噪声和M序列的产生．实验对象或参数、生成均匀分布随机序列1）利用混合同余法生成[0, 1]区间上符合均匀分布的随机序列，并计算该序列的均值和方差，与理论值进行对比分析。
要求序列长度为1200，推荐参数为a=655395．程序框图7．实验结果及分析1、生成均匀分布随机序列 （1）生成的0-1均布随机序列如下所示：200400600800100012000.10.20.30.40.50.60.70.80.91计算序列的均值和方差程序代码：mean_R = mean(R)var_R = var(R)均值和方差实际值：mean_R =0.4969var_R =0.0837随机变量X服从均匀分布U（a,b）,则均值为（a+b）/2,方差为（b-a)先平方再除以12。
[0,1]区间均值和方差理论值：mean_R =（0+1）/2=0.5；var_R =1/12 = 0.083333。
结论：容易看到，实际值与理论值较接近。
（2）该随机序列落在10个子区间的频率曲线图如下：结论：从结果图可以容易看到，该序列的均匀性较好。
2、生成高斯白噪声生成的白噪声如下图：-2.5-2-1.5-1-0.500.511.52生成的白噪声的频率统计图如下：0510152025结论：从结果图知，生成的白噪声基本服从N(0,1)分布。
3、生成M 序列生成的M 序列如下（n = 63）：010203040506070-1.5-1-0.50.511.5验证M 序列性质：均衡特性：m 序列每一周期中 1 的个数比 0 的个数多 1 个（-a 和a 的个数差1） 测试程序：number_a = sum(M_XuLie == a);number_a_c = sum(M_XuLie == -a);number_anumber_a_c 结果：number_a =31number_a_c =32结论：从测试结果看性质成立游程特性：m 序列的一个周期(p =2n -1)中，游程总数为2n -1。
噪声测定的实验报告
噪声测定的实验报告
《噪声测定的实验报告》
在现代社会中，噪声污染已经成为一个严重的问题，影响着人们的生活质量和
健康。
为了解决这一问题，我们进行了一项噪声测定的实验，旨在找出噪声来
源并采取相应的措施来减少噪声对人们的影响。
实验中，我们首先选择了几个常见的噪声来源，包括交通噪声、工业噪声和社
会生活中的噪声。
然后我们使用专业的噪声测定仪器对这些噪声进行了测定，
记录下了它们的具体分贝值和频率分布。
通过实验数据的分析，我们发现交通噪声在城市中占据了主要的噪声来源，特
别是汽车和摩托车的引擎噪声。
其次是工业噪声，尤其是在工厂和建筑工地上
产生的机械设备噪声。
社会生活中的噪声主要来自于人们的日常活动，比如家
庭用电器的噪声、餐厅和商场中的人声嘈杂等。
针对这些噪声来源，我们提出了一些减少噪声污染的建议。
对于交通噪声，我
们建议采取交通管理措施，比如限制车辆的行驶速度和改善道路的隔音设施。
对于工业噪声，我们建议加强工业设备的维护和更新，以减少机械设备的噪音。
对于社会生活中的噪声，我们建议人们在日常生活中尽量减少使用噪音大的家
电设备，并且在公共场所保持安静。
通过这次实验，我们不仅对噪声来源有了更深入的了解，也为减少噪声污染提
供了一些可行的措施。
希望我们的实验报告能够引起人们对噪声污染问题的重视，并且促进相关部门和个人采取有效的措施来减少噪声对我们生活的影响。
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。
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。
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。
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。
实验一噪声产生汇总
实验报告一、 实验目的：了解噪声仿真在系统仿真中的应用，通过对随机数的产生与检验、高斯白噪声与色噪声的产生、SIRP 方法等方法的学习，用MATLAB 或C 语言产生均匀分布的随机数，并在此基础上采用舍选法、函数逼近法、概率逼近法、函数变换法产生两组独立的正态分布的随机数，并对仿真结果进行分析。
二、实验原理：2.1 噪声仿真在系统仿真中的应用1. 均匀分布随机数的产生是各类分布随机数的产生的基础。
产生方法：线性同余法，模2线性递推序列法。
1）线性同余法（D.H.Lehrmer,1951）产生式：)(1c az z i i +=- (mod M)，M a <<0初值0z 为种子，由),,,(0M c a z 可以完全确定序列{ ,1,0,=i z i }，故称),,,(0M c a z 为一个（0，M ）内服从均匀分布的随机数产生器。
且：M)(a a c z a z n nn mod 1)1(0--+=要求：a 周期长(由M 决定,随机数个数要<<M)；b 一阶自相关系数近似为0。
(均匀分布的白噪声)2. 伪随机数的随机性检验和相关性检验随机性检验：统计直方图检验；划分区间，计算落入每个区间的频数，求落入各区间的概率。
相关性检验；1) 相关系数或相关函数估计 2) 功率谱估计3. 各种概率分布的随机数的产生在均匀分布的随机数的基础上产生各种概率分布的随机数。
主要的方法有：求逆法，舍选法，函数逼近法，概率逼近法，函数变换法等。
1) 求逆法（Inverse method ）定理：设随机变量的X 的分布函数为)(x F X ，)1,0(~U U ,定义)(1U F Y X -=，则Y 与X 具有相同的分布函数。
证明：)()())(())(()(1y x P y F y F U P y U F P y x P X X X <==<=<=<- 产生步骤：a. 产生均匀分布的随机数u ；b. 求)(1u F x X -=，则x 服从分布函数为)(x F X 的分布。
噪声设计实验报告总结(3篇)
第1篇一、实验背景随着城市化进程的加快，噪声污染已成为影响人们生活质量的重要因素之一。
为了降低噪声对人类生活和工作的干扰，本实验旨在通过噪声设计的方法，探究如何有效降低噪声污染，提高居住和工作环境的舒适度。
二、实验目的1. 了解噪声的基本概念和产生机理。
2. 掌握噪声测量和评价的方法。
3. 探究噪声设计的基本原理和策略。
4. 通过实验验证噪声设计的效果。
三、实验内容1. 噪声基本概念和产生机理的学习：通过对噪声的定义、分类、强度、频率等基本概念的学习，了解噪声的产生机理。
2. 噪声测量和评价方法的学习：掌握声级计、噪声分析仪等仪器的使用方法，学习噪声测量和评价的标准和规范。
3. 噪声设计原理和策略的探究：研究噪声传播、吸收、反射等物理规律，探究噪声设计的基本原理和策略。
4. 实验方案设计：根据实验目的，设计合理的实验方案，包括实验地点、实验材料、实验步骤等。
5. 实验实施：按照实验方案进行实验，收集实验数据。
6. 数据分析：对实验数据进行整理、分析，得出实验结论。
四、实验过程1. 实验准备：确定实验地点，准备实验材料，包括声级计、噪声分析仪、吸音材料等。
2. 实验测量：在实验地点进行噪声测量，记录数据。
3. 实验设计：根据噪声测量结果，设计噪声设计方案，包括吸音材料的选择、布局、安装等。
4. 实验实施：按照设计方案进行噪声处理，再次进行噪声测量。
5. 数据分析：对实验前后噪声测量数据进行对比分析，评估噪声设计的效果。
五、实验结果与分析1. 实验结果显示，经过噪声处理后，实验地点的噪声水平明显降低。
2. 数据分析表明，吸音材料的选择和布局对噪声降低效果有显著影响。
3. 实验验证了噪声设计的基本原理和策略，为降低噪声污染提供了有效途径。
六、实验结论1. 噪声设计是降低噪声污染、提高居住和工作环境舒适度的有效手段。
2. 噪声设计的基本原理和策略包括吸音材料的选择、布局、安装等。
3. 实验结果表明，噪声设计可以有效降低噪声污染，提高居住和工作环境的舒适度。
噪声实验报告实验总结
一、实验背景随着社会经济的快速发展，城市噪声污染问题日益严重，严重影响人们的身心健康和生活质量。
为了了解噪声对人类生活的影响，掌握噪声测量的方法，本实验小组进行了噪声实验，旨在通过实验，对噪声的测量方法、噪声的来源及影响进行深入探讨。
二、实验目的1. 了解噪声的基本概念、产生原因及危害。
2. 掌握噪声测量的方法，包括声级计的使用、测量数据的记录与分析。
3. 分析噪声对人类生活的影响，提出减少噪声污染的建议。
三、实验原理1. 噪声是指无规律、杂乱无章的声音。
噪声的强度用分贝（dB）表示。
2. 声级计是一种测量声音强度的仪器，其测量原理是将声波转换成电信号，通过电子电路进行放大和处理，最后在显示屏上显示出来。
3. 噪声污染主要来源于交通、工业、建筑施工、生活等方面。
四、实验过程1. 实验器材：声级计、实验场地（如校园、街道等）、实验记录表。
2. 实验步骤：（1）了解实验场地周围环境，确定测量点。
（2）使用声级计进行噪声测量，记录数据。
（3）分析测量数据，了解噪声污染情况。
（4）根据实验结果，提出减少噪声污染的建议。
五、实验结果与分析1. 实验数据：（1）校园内噪声：白天约为60dB，夜间约为50dB。
（2）街道噪声：白天约为70dB，夜间约为60dB。
2. 分析：（1）校园内噪声主要来源于学生活动、交通工具等。
（2）街道噪声主要来源于车辆、行人、建筑施工等。
3. 噪声对人类生活的影响：（1）影响听力：长期处于高噪声环境下，可能导致听力下降。
（2）影响睡眠：噪声干扰睡眠，导致疲劳、免疫力下降。
（3）影响心理健康：噪声使人心情烦躁、易怒，影响心理健康。
六、实验结论1. 噪声污染对人类生活的影响较大，应引起高度重视。
2. 减少噪声污染的措施：（1）加强噪声源控制，如限制车辆行驶、禁止建筑施工等。
（2）加强噪声监测，及时发现和处理噪声污染问题。
（3）提高公众环保意识，倡导绿色出行、低碳生活。
七、实验心得1. 通过本次实验，我们对噪声污染有了更深入的了解，认识到噪声污染对人类生活的危害。
身边噪声实验报告
一、实验背景随着城市化进程的加快，各种噪声污染问题日益突出，严重影响着人们的生活质量和身心健康。
为了了解身边噪声污染的现状，本实验对所在地区的噪声进行了实地测量和分析。
二、实验目的1. 了解本地区噪声污染的来源和分布情况。
2. 测量不同地点的噪声水平，评估噪声对人们生活的影响。
3. 探讨降低噪声污染的有效措施。
三、实验方法1. 噪声源识别：通过观察和调查，识别本地区的主要噪声源，如交通噪声、工业噪声、建筑施工噪声等。
2. 噪声测量：采用声级计对噪声进行测量，测量点包括交通路口、居民区、工业区、学校等。
3. 数据分析：对测量数据进行统计分析，得出噪声污染的分布规律和影响范围。
四、实验结果与分析1. 噪声源识别本地区噪声污染的主要来源包括：（1）交通噪声：道路交通、公共交通、摩托车等；（2）工业噪声：工厂、工地等；（3）建筑施工噪声：建筑工地、拆除工程等；（4）生活噪声：家庭音响、宠物叫声等。
2. 噪声测量结果（1）交通路口噪声：平均噪声级为75分贝，最高达90分贝；（2）居民区噪声：平均噪声级为60分贝，最高达70分贝；（3）工业区噪声：平均噪声级为80分贝，最高达95分贝；（4）学校附近噪声：平均噪声级为65分贝，最高达75分贝。
3. 噪声污染影响分析（1）交通噪声对居民生活影响较大，特别是早晚高峰时段，严重影响居民休息；（2）工业噪声和建筑施工噪声对周边居民生活影响较大，容易导致居民心理和生理不适；（3）学校附近噪声对学生的学习、休息产生一定影响。
五、降低噪声污染的措施1. 加强噪声污染治理：对噪声污染严重的区域进行整改，如限制车辆通行、降低工业噪声、加强施工管理等。
2. 提高城市绿化：增加城市绿化面积，提高城市生态环境质量，降低噪声污染。
3. 推广低噪声技术：鼓励企业采用低噪声设备，降低工业噪声。
4. 加强宣传教育：提高公众对噪声污染的认识，倡导绿色出行、低碳生活。
六、结论本实验通过对本地区噪声污染的测量和分析，揭示了噪声污染对人们生活的影响。
实验三、白噪声信道模拟实验
实验三、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。
也就是说散弹噪声是⼀个⾼斯随机过程。
高斯白实验报告
一、实验目的1. 理解高斯白噪声的概念及其特性。
2. 掌握高斯白噪声的模拟方法。
3. 分析高斯白噪声对信号的影响。
4. 学习使用MATLAB进行高斯白噪声的仿真与分析。
二、实验原理高斯白噪声是一种在时间和频率上都具有随机性的噪声，其概率密度函数服从高斯分布。
高斯白噪声在通信、信号处理等领域有着广泛的应用。
高斯白噪声的数学模型为：f(t) = ∫[n(t) e^(-n(t)^2/2σ^2)]dt其中，n(t)为高斯白噪声，σ^2为噪声方差。
三、实验内容1. 熟悉MATLAB基本运算操作和图形绘制基本指令。
2. 模拟高斯白噪声。
3. 分析高斯白噪声对信号的影响。
4. 使用MATLAB进行高斯白噪声的仿真与分析。
四、实验步骤1. 打开MATLAB，创建一个新的脚本文件。
2. 编写代码，生成高斯白噪声信号。
3. 绘制高斯白噪声信号的时域波形图。
4. 对高斯白噪声信号进行傅里叶变换，绘制频谱图。
5. 将高斯白噪声信号与原始信号相加，生成含噪声信号。
6. 分析含噪声信号的时域波形图和频谱图。
7. 计算含噪声信号的信噪比（SNR）。
五、实验结果与分析1. 高斯白噪声信号的时域波形图如图1所示。
从图中可以看出，高斯白噪声信号的波形呈现出随机性，无明显规律。
图1：高斯白噪声信号的时域波形图2. 高斯白噪声信号的频谱图如图2所示。
从图中可以看出，高斯白噪声信号的频谱在频域内均匀分布，无明显峰值。
图2：高斯白噪声信号的频谱图3. 含噪声信号的时域波形图如图3所示。
从图中可以看出，含噪声信号的波形受到了高斯白噪声的影响，波形变得不规则。
图3：含噪声信号的时域波形图4. 含噪声信号的频谱图如图4所示。
从图中可以看出，含噪声信号的频谱与原始信号的频谱相似，但噪声频谱叠加在原始信号频谱上。
图4：含噪声信号的频谱图5. 计算含噪声信号的信噪比（SNR）为：SNR = 10 log10(Ps/Nn)其中，Ps为信号功率，Nn为噪声功率。
环境噪声检测实习报告
实习报告一、实习背景及目的随着我国城市化进程的不断推进，环境噪声问题日益严重，影响了居民的正常生活和工作。
为了提高我对环境噪声检测的了解和实际操作能力，学校安排我在环境噪声检测实验室进行为期一个月的实习。
本次实习的主要目的是通过实际操作，掌握环境噪声的检测方法、仪器设备的使用及数据分析处理，为今后从事相关工作打下基础。
二、实习内容与过程1. 实习前的准备在实习开始前，指导老师为我们讲解了环境噪声检测的基本原理、检测方法及相关法规标准。
我们学习了声级计的使用方法、环境噪声的采样技巧以及数据处理方法。
此外，我们还参观了实验室，了解了各种噪声检测仪器设备的功能和操作方法。
2. 实习过程实习期间，我们参与了多个环境噪声检测项目，主要包括以下几个环节：（1）现场勘察：在实地勘察过程中，我们了解了噪声源的类型、位置及影响范围，为后续的噪声检测提供了依据。
（2）噪声采样：我们使用声级计在噪声源附近的不同位置进行了噪声采样，掌握了噪声的时空分布特点。
（3）数据记录与处理：在采样过程中，我们认真记录了各项参数，包括时间、地点、声级等。
实习结束后，我们使用噪声数据分析软件对数据进行了处理，得出了各个测点的噪声级。
（4）检测报告撰写：根据检测数据和现场情况，我们撰写了详细的检测报告，分析了噪声源产生的原因，提出了相应的治理措施。
三、实习收获与反思通过本次实习，我对环境噪声检测有了更深入的了解，收获如下：1. 掌握了环境噪声检测的基本原理和方法，学会了使用声级计等噪声检测仪器。
2. 了解了噪声对人类生活和健康的影响，增强了环保意识。
3. 学会了与团队成员合作，提高了沟通与协作能力。
4. 通过对实际案例的分析，锻炼了独立思考和解决问题的能力。
反思：在实习过程中，我发现自己在噪声数据处理和报告撰写方面还存在不足，今后需要加强学习和实践，提高自己的专业素养。
四、实习总结通过本次环境噪声检测实习，我不仅学到了专业知识，还培养了实践操作能力。
监测噪声实训报告总结
一、实训背景随着我国城市化进程的加快，噪声污染已成为影响人们生活质量的重要因素之一。
为了提高环境监测水平，掌握噪声监测的基本技能，我们组织了本次噪声监测实训。
本次实训旨在通过实地操作，了解噪声监测的原理、方法及数据处理，提高环境监测人员的技术水平。
二、实训目的1. 熟悉噪声监测的基本原理和仪器操作；2. 掌握噪声监测数据的采集、处理和分析方法；3. 提高环境监测人员对噪声污染的认识，为噪声污染防治提供技术支持。
三、实训内容1. 噪声监测基础知识实训开始，我们学习了噪声的定义、分类、产生原因以及噪声污染的危害。
同时，了解了噪声的物理量度，如声压级、声强级、声功率级等，以及它们之间的关系。
2. 噪声监测仪器操作在实训过程中，我们学习了噪声监测仪器的操作方法，包括声级计、噪声频谱分析仪等。
通过对仪器的实际操作，掌握了仪器的使用技巧和注意事项。
3. 噪声监测现场操作实训团队在指导老师的带领下，前往噪声污染现场进行实地监测。
我们按照监测方案，对噪声源进行了布点、测量和记录。
在测量过程中，我们严格按照操作规程，确保数据的准确性。
4. 噪声监测数据处理与分析实训结束后，我们对采集到的噪声数据进行处理和分析。
通过计算声压级、声强级等参数，评估噪声污染的程度。
同时，我们还分析了噪声源的特征，为噪声污染防治提供依据。
四、实训成果1. 掌握了噪声监测的基本原理和仪器操作；2. 学会了噪声监测数据的采集、处理和分析方法；3. 提高了环境监测人员对噪声污染的认识，为噪声污染防治提供了技术支持。
五、实训体会1. 噪声监测工作的重要性：通过本次实训，我们深刻认识到噪声监测工作在环境保护中的重要性。
只有准确、及时地获取噪声数据，才能为噪声污染防治提供有力支持。
2. 实践操作能力：实训过程中，我们不仅学习了理论知识，还进行了实际操作。
这使我们更加熟悉噪声监测的各个环节，提高了实践操作能力。
3. 团队合作精神：在实训过程中，我们分工合作，共同完成任务。
高斯白噪声的产生和性能测试
实验二 高斯白噪声的产生和性能测试１．实验目的⑴ 了解高斯白噪声信号的特性，包括均值（数学期望）、方差、相关函数、频谱及功率谱密度等。
⑵ 掌握高斯白噪声信号的分析方法。
⒉ 实验原理所谓高斯白噪声是指它的概率统计特性服从高斯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，并且在系统的带宽内，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…… M y x nn = 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 +-+=+M y 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。
噪声检测实验报告
一、实验目的1. 了解噪声的基本概念和分类；2. 掌握噪声检测的基本原理和方法；3. 培养实验操作技能和数据分析能力。
二、实验原理噪声是指不希望存在的声音，它会对人们的身心健康产生负面影响。
噪声检测是通过对噪声的测量和分析，了解噪声的强度、频率、时间等特性，为噪声控制提供依据。
噪声检测的基本原理是根据声波在空气中的传播速度和声压级之间的关系，通过测量声压级来反映噪声的强度。
常用的噪声检测仪器有声级计、频谱分析仪等。
三、实验仪器与材料1. 声级计（数字式或模拟式）2. 频谱分析仪3. 噪声发生器4. 信号线5. 电脑6. 实验室噪声环境四、实验步骤1. 准备实验仪器和材料，确保声级计、频谱分析仪等设备正常工作。
2. 将声级计放置在实验环境中，调整距离和角度，使声级计能够准确测量噪声。
3. 打开噪声发生器，产生不同频率和强度的噪声信号。
4. 使用声级计测量噪声信号，记录数据。
5. 使用频谱分析仪分析噪声信号的频率特性，绘制频谱图。
6. 根据实验数据，分析噪声的强度、频率、时间等特性。
7. 将实验数据整理成表格和图表，撰写实验报告。
五、实验结果与分析1. 噪声强度通过声级计测量，实验环境中的噪声强度为70dB。
根据我国相关标准，该噪声强度属于中等水平。
2. 噪声频率特性通过频谱分析仪分析，实验环境中的噪声主要分布在100Hz至1000Hz之间，属于中高频噪声。
3. 噪声时间特性实验过程中，噪声信号的持续时间较长，表明噪声源持续产生噪声。
六、实验结论1. 实验验证了噪声检测的基本原理和方法，为噪声控制提供了依据。
2. 实验结果表明，实验环境中的噪声强度为70dB，属于中等水平；噪声频率主要分布在100Hz至1000Hz之间，属于中高频噪声。
3. 针对实验环境中的噪声问题，可采取以下措施进行控制：（1）加强噪声源的管理，降低噪声强度；（2）采取隔音、吸音等措施，减少噪声传播；（3）加强员工噪声防护意识，提高噪声防护措施。
- 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。
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。
⑶ 验证当N 增大时，白噪声的功率普密度逼近20N 。
设产生N=20480长度的（2，3）正态随机随机数，从中取1024、10240、20480个点的功率普密度，做比较，观察这些随机数的功率谱密度随长度的变化。
实际的白噪声功率普密度不是常数。
⑷根据白噪声的特性，确定哪些随机信号属于白噪声范畴。
根据分析确定白噪声与概率分布有关系吗？⑸通过编程分别确定当5个均匀分布过程、5个指数分布分别叠加时，结果是否是高斯分布。
叠加次数对结果的影响？四、实验步骤与结果1.产生五种概率分布的信号，如下图：2.均匀分布、正态分布、指数分布、瑞利分布、2 方分布均值、均方值、方差，自相关函数、概率密度、频谱及功率谱密度等参数图像：，如下图：均值：均值E[x(t)]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：均值表达了信号变化的中心趋势，或称之为直流分量。
在MATLAB中，可以用mean()函数来计算。
（1）方差：随机过程的方差函数描述了随机过程所有样本函数在t时刻的函数值相对于其数学期望的偏离程度。
定义：其中σ(t)是随机过程的标准差。
当随即过程表征的是接收机输出端的噪声电压时，σ2(t)表示小号在单位电阻上的瞬时交流功率统计平均值，而σ(t)表示噪声电压相对于电压统计平均值的交流分量。
在MATLAB中，可以用std()函数计算出标准差σ(t)，再平方就可以得到方差。
自相关：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：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。
与波形分析、频谱分析相比，它具有能够在强噪声干扰情况下准确地识别信号周期的特点。
（2）概率密度函数：一维分布函数为：若F x(x1;t1)对x1的一阶偏导存在，则一维概率密度为：在MATLAB中，可以用ksdensity()函数来计算一维概率密度。
（3）频谱：信号频谱分析是采用傅立叶变换将时域信号x(t)变换为频域信号x(f)，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：在MATLAB中，对信号进行快速傅立叶变换fft()就可以得到频谱函数。
（4）功率谱密度：随机信号的功率谱密度是随机信号的各个样本在单位频带内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。
它只反映随机信号的振幅信息，而没有反映相位信息。
在MATLAB中，可由下式得到功率谱密度：limT∞→（5）取20480个点时的功率谱密度和自相关函数，如下图（1）功率谱密度：（2）随机信号叠加：4.随机信号检验：五、实验总结这次试验让我们对白噪声有了很大的理解，最主要是在实验过程中用到了好久不用的matlab软件，由于好长时间不用好多的函数的功能都忘记了，而且实验过程中用到的好多函数以前都没接触过，所以还得花好长时间去查阅相关资料。
这次试验的目的其实让我们学会是利用matlab软件对信号分析，同时加深我们对信号和噪声参数处理的理解，锻炼我们的实践动手能力。
参考文献：《随机信号分析教程》高等教育出版社主编：李兵兵《matlab7.x 程序设计语言》西安电子科技大学出版社主编：楼顺天《现代通信原理与技术》西安电子科技大学出版社主编：张辉《高频电子线路》高等教育出版社主编：曾兴文%生成各种分布的随机数x1=unifrnd(-1,1,1,1024);%生成长度为1024的均匀分布x2=normrnd(0,1,1,1024);%生成长度为1024的正态分布x3=exprnd(1,1,1024);%生成长度为1024的指数分布均值为零x4=raylrnd(1,1,1024);%生成长度为1024的瑞利分布x5=chi2rnd(1,1,1024);%生成长度为1024的卡方分布%时域特性曲线：figure;subplot(3,2,1),plot(1:1024,x1);grid on;title('均匀分布时域特性曲线');xlabel('时间（t）');ylabel('幅度（v）');axis([0 1000 -2 2 ]);subplot(3,2,2),plot(1:1024,x2);grid on;title('正态分布');xlabel('时间（t）');ylabel('幅度（v）');axis([0 1000 -2 5 ]);subplot(3,2,3),plot(1:1024,x3);grid on;title('指数分布');xlabel('时间（t）');ylabel('幅度（v）');axis([0 1000 -2 5 ]);subplot(3,2,4),plot(1:1024,x4);grid on;title('瑞利分布');xlabel('时间（t）');ylabel('幅度（v）');axis([0 1000 -2 5 ]);subplot(3,2,5),plot(1:1024,x5);grid on;title('卡方分布');xlabel('时间（t）');ylabel('幅度（v）');axis([0 1000 -2 5 ]);%求各种分布的均值figure;m1=mean(x1),m2=mean(x2),m3=mean(x3),m4=mean(x4),m5=mean(x5);subplot(3,2,1),plot(1:1024,m1);grid on;title('均匀分布均值');xlabel('时间（t）');ylabel('幅度（v）'); subplot(3,2,2),plot(1:1024,m2);grid on;title('高斯分布均值');xlabel('时间（t）');ylabel('幅度（v）');subplot(3,2,3),plot(1:1024,m3);grid on;title('指数分布均值');xlabel('时间（t）');ylabel('幅度（v）'); subplot(3,2,4),plot(1:1024,m4);grid on;title('瑞利分布均值');xlabel('时间（t）');ylabel('幅度（v）'); subplot(3,2,5),plot(1:1024,m5);grid on;title('卡方分布均值');xlabel('时间（t）');ylabel('幅度（v）'); %求各种分布的方差figure;v1=var(x1),v2=var(x2),v3=var(x3),v4=var(x4),v5=var(x5);subplot(3,2,1),plot(1:1024,v1);grid on;title('均匀分布方差');xlabel('时间（t）');ylabel('幅度（w）'); subplot(3,2,2),plot(1:1024,v2);grid on;title('高斯分布方差');xlabel('时间（t）');ylabel('幅度（w）'); subplot(3,2,3),plot(1:1024,v3);grid on;title('指数分布方差');xlabel('时间（t）');ylabel('幅度（w）'); subplot(3,2,4),plot(1:1024,v4);grid on;title('瑞利分布方差');xlabel('时间（t）');ylabel('幅度（w）'); subplot(3,2,5),plot(1:1024,v5);grid on;title('卡方分布方差');xlabel('时间（t）');ylabel('幅度（w）'); %求各种分布的自相关函数figure;title('自相关函数图');[x_c1,lags]=xcorr(x1,200,'unbiased');[x_c2,lags]=xcorr(x2,200,'unbiased');[x_c3,lags]=xcorr(x3,200,'unbia sed');[x_c4,lags]=xcorr(x4,200,'unbiased');[x_c5,lags]=xcorr(x5,200,'unbiased');subplot(3,2,1),plot(lags,x_c1);grid on;title('均匀分布自相关函数图');subplot(3,2,2),plot(lags,x_c2);grid on;title('正态分布');subplot(3,2,3),plot(lags,x_c3);grid on;title('指数分布');subplot(3,2,4),plot(lags,x_c4);grid on;title('瑞利分布');subplot(3,2,5),plot(lags,x_c5);grid on;title('卡方分布');%求各种分布的概率密度函数y1=unifpdf(x1,-1,1);y2=normpdf(x2,0,1);y3=exppdf(x3,1);y4=raylpdf(x4,1);y5=chi2pdf(x5,1);%各种分布的概率密度估计figure;[k1,n1]=ksdensity(x1);[k2,n2]=ksdensity(x2);[k3,n3]=ksdensity(x3);[k4,n4]=ksdensity(x4);[k5,n5]=ksdensity(x5); subplot(3,2,1),plot(n1,k1);grid on;title('均匀分布概率密度');xlabel('时间');ylabel('幅度') subplot(3,2,2),plot(n2,k2);grid on;title('正态分布');xlabel('时间');ylabel('幅度')subplot(3,2,3),plot(n3,k3);grid on;title('指数分布');xlabel('时间');ylabel('幅度（') subplot(3,2,4),plot(n4,k4);grid on;title('瑞利分布');xlabel('时间');ylabel('幅度')subplot(3,2,5),plot(n5,k5);grid on;title('卡方分布');xlabel('时间');ylabel('幅度')%功率谱密度figure;f1=fft(x1,1024);f2=fft(x2,1024);f3=fft(x3,1024);f4=fft(x4,1024);f5=fft(x5,1024);p1=mean(f1.*conj(f1))/1024; p2=mean(f2.*conj(f2))/1024; p3=mean(f3.*conj(f3))/1024;p4=mean(f4.*conj(f4))/1024; p5=mean(f5.*conj(f5))/1024;subplot(3,2,1),plot(1:1024,abs(p1));grid on;title('均匀分布功率谱密度');Xlabel('频率Hz'); Ylabel('幅值');%axis([0 511 -5*10^-5 10*10^-5]);subplot(3,2,2),plot(1:1024,abs(p2));grid on;title('正态分布功率谱密度');Xlabel('频率Hz'); Ylabel('幅值')%axis([0 511 0 10]);subplot(3,2,3),plot(1:1024,abs(p3));grid on;title('指数分布功率谱密度');Xlabel('频率Hz'); Ylabel('幅值')%axis([0 511 0 10]);subplot(3,2,4),plot(1:1024,abs(p4));grid on;title('瑞利分布功率谱密度');Xlabel('频率Hz') ;Ylabel('幅值')%axis([0 511 0 10]);subplot(3,2,5),plot(1:1024,abs(p5));grid on;title('卡方分布功率谱密度');Xlabel('频率Hz'); Ylabel('幅值')%axis([0 511 0 10]);%幅频特性曲线%%%%%%%%%%%%%%%figure;subplot(3,2,1),plot(abs(f1)),axis([0 1023 0 50]);grid on;title('均匀分布幅频特性');Xlabel('频率Hz'); Ylabel('幅值V')subplot(3,2,2),plot(abs(f2));axis([0 1023 0 50]);grid on;title('正态分布');Xlabel('频率Hz'); Ylabel('幅值V')subplot(3,2,3),plot(abs(f3)),axis([0 1023 0 100]);grid on;title('指数分布');Xlabel('频率Hz'); Ylabel('幅值subplot(3,2,4),plot(abs(f4)),axis([0 1023 0 50]);grid on;title('瑞利分布');Xlabel('频率Hz'); Ylabel('幅值V')subplot(3,2,5),plot(abs(f5)),axis([0 1023 0 100]);grid on;title('卡方分布');Xlabel('频率Hz'); Ylabel('幅值V')%随机数长度为20480时figure;x11=normrnd(2,3,1,20480);%生成长度为20480的正态分布[x_c11,lags]=xcorr(x11,20480,'unbiased');f_c1=fft(x11,20480);f_c2=fft(x11,10240);f_c3=fft(x11,1024);p11=mean(f_c1.*conj(f_c1))/20480;p22=mean(f_c2.*conj(f_c2))/10240;p33=mean(f_c3.*conj(f_c3))/1024;subplot(2,2,1);plot(1:20480,abs(p11));grid on;title('N为20840正态分布功率谱密度');Xlabel('频率Hz'); Ylabel('幅值')subplot(2,2,2);plot(1:10240,abs(p22));grid on;title('N为10240 正态分布功率谱密度');Xlabel('频率Hz'); Ylabel('幅值')subplot(2,2,3);plot(1:1024,abs(p33));grid on;title('N为1024 正态分布功率谱密度');Xlabel('频率Hz'); Ylabel('幅值')%figure;plot(x_c11);grid on;title('正态分布自相关函数');%判断是否是高斯分布s=zeros(1,1024);for i=0:4z=unifrnd(0,1,1,1024);s=s+z;ends1=zeros(1,1024);for j=0:4z1=exprnd(3,1,1024);s1=s1+z1;endfigure;[j1,l1]=ksdensity(s);[j2,l2]=ksdensity(s1);subplot(2,2,1),hist(s);grid on;title('均匀分布叠加'); subplot(2,2,2),plot(l1,j1);grid on;title('均匀分布叠加'); subplot(2,2,3),hist(s1);grid on;title('指数分布叠加');subplot(2,2,4),plot(l2,j2);grid on;title('指数分布叠加'); figure;subplot(1,2,1),normplot(s);title('均匀分布正态检验');subplot(1,2,2),normplot(s1);title('指数分布正态检验');%参数估计[muhat,sigmahat,muci,sigmaci]=normfit(s); [muhat1,sigmahat1,muci1,sigmaci1]=normfit(s1);%假设检验[h,sig,ci]=ttest(s,muhat)[h1,sig1,ci1]=ttest(s1,muhat1)。