实验一 白噪声测试
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。
噪声的测定_实验报告
一、实验目的1. 掌握声级计的使用方法。
2. 熟悉噪声监测的基本原理和步骤。
3. 了解噪声对环境和人体健康的影响。
二、实验原理噪声的测定主要依据声学原理，通过测量声压级来评价噪声的大小。
声压级是指声压与参考声压的比值，以分贝（dB）为单位。
声压级与声能量的大小有关，声能量越大，声压级越高。
三、实验器材1. 声级计2. 传声器3. 测量支架4. 记录本5. 计时器四、实验步骤1. 准备工作a. 将声级计和传声器连接，检查设备是否正常工作。
b. 选择合适的测量位置，确保传声器距离地面1.2m，距离测量对象0.5m以上。
c. 记录实验日期、地点、天气状况等信息。
2. 噪声测量a. 将声级计置于测量位置，打开电源，预热设备。
b. 选择合适的测量档位，确保声级计能够覆盖待测噪声的范围。
c. 按下“测量”按钮，开始记录噪声数据。
d. 根据实验要求，进行多次测量，取平均值作为最终结果。
3. 数据处理a. 将测量得到的噪声数据记录在记录本上。
b. 计算等效声级（Leq）、最大声级（Lmax）等参数。
c. 分析噪声数据，评估噪声对环境和人体健康的影响。
五、实验结果与分析1. 实验数据a. 实验地点：XX小区b. 实验日期：2021年X月X日c. 天气状况：晴朗d. 噪声测量结果：- Leq：55dB- Lmax：70dB2. 分析a. XX小区的噪声水平在正常范围内，但最大声级较高，可能对居民生活产生一定影响。
b. 噪声来源主要包括交通噪声、建筑施工噪声等。
c. 噪声对环境和人体健康的影响：- 噪声污染可能导致听力损伤、心血管疾病、睡眠障碍等问题。
- 噪声干扰居民生活，降低生活质量。
六、实验总结1. 通过本次实验，掌握了声级计的使用方法和噪声监测的基本步骤。
2. 认识到噪声对环境和人体健康的危害，提高环保意识。
3. 建议加强噪声污染治理，改善居住环境。
七、实验报告实验名称：噪声的测定实验日期：2021年X月X日实验地点：XX小区实验目的：掌握声级计的使用方法，熟悉噪声监测的基本原理和步骤，了解噪声对环境和人体健康的影响。
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。
白噪声检验公式了解白噪声检验的计算公式
白噪声检验公式了解白噪声检验的计算公式白噪声检验是一种经典的统计检验方法，用于判断时间序列数据是否存在自相关性，即是否存在与时间相关的模式。
在金融领域、信号处理、经济学等领域中，白噪声检验被广泛应用。
本文将介绍白噪声检验的基本概念以及常用的计算公式。
一、白噪声检验的基本概念白噪声是指具有等间隔时间间隔和相同振幅的随机信号。
在时间序列分析中，我们常常需要判断某个数据序列是否符合白噪声的特征。
如果序列中存在自相关性，则表明序列中存在某种模式，不符合白噪声的特征。
二、白噪声检验的计算公式1. 自相关系数计算公式自相关系数是衡量序列内部各观测值之间相关性的一种指标。
其计算公式如下：其中，ρ(k)表示序列在时间间隔k下的自相关系数；x(i)表示序列中第i个观测值；x表示序列的平均值；n表示序列的观测值个数。
2. 白噪声检验统计量计算公式Ljung-Box Q检验是一种常用的白噪声检验方法，可以用来判断时间序列数据是否具有自相关性。
其计算公式如下：其中，Q(m)表示Ljung-Box Q统计量；ρ(k)表示序列在时间间隔k下的自相关系数；n表示序列的观测值个数；m表示滞后期数（通常取序列长度的1/4到1/2）。
3. 白噪声检验的拒绝域白噪声检验的拒绝域可以根据显著性水平确定。
常见的显著性水平有0.01和0.05。
一般情况下，当Q(m)大于拒绝域的临界值时，我们拒绝原假设，认为序列具有自相关性，不符合白噪声的特征。
三、实例分析以股票市场的每日收盘价为例，假设我们有100个观测值，想要判断该时间序列是否符合白噪声的特征。
我们可以按照以下步骤进行计算和判断：1. 计算自相关系数ρ(k)，其中k的取值范围可以根据需求进行设定。
2. 根据自相关系数计算Q(m)统计量，其中m的取值一般为观测值个数的1/4到1/2。
噪声测定实验报告
噪声测定实验报告噪声测定实验报告引言噪声是我们日常生活中无法避免的环境问题之一。
它不仅会对人们的身心健康产生负面影响，还可能干扰正常的工作和学习。
因此，准确测定噪声水平对于评估环境质量和采取相应措施具有重要意义。
本实验旨在通过噪声测定实验，了解噪声的特性、来源以及其对人体的影响，并探究不同环境下的噪声水平。
实验方法1. 实验仪器与设备本实验使用的仪器为声级计和噪声源。
声级计是一种专门用于测量声音强度的仪器，其测量结果以分贝（dB）为单位。
噪声源可以是机器设备、交通工具或其他产生噪声的物体。
2. 实验步骤（1）选择不同环境进行噪声测定，包括室内、室外、交通路口等。
（2）在每个环境中设置相同的测量距离，保持声级计与噪声源之间的距离不变。
（3）打开声级计，将其置于测量环境中。
（4）记录每个环境下的噪声水平，包括声音强度和频率分布。
实验结果与分析1. 室内环境下的噪声水平在室内环境中，我们选择了一个普通的办公室进行测定。
实验结果显示，办公室中的噪声水平较低，平均分贝数约为40dB。
这是因为办公室内通常没有大型机器设备运转，而且室内的隔音措施较好，能够减少外界噪声的干扰。
2. 室外环境下的噪声水平在室外环境中，我们选择了一个繁忙的市中心街道进行测定。
实验结果显示，街道上的噪声水平较高，平均分贝数约为70dB。
这是因为街道上存在大量交通工具行驶、行人交谈以及商贩叫卖等噪声源，同时缺乏隔音措施。
3. 交通路口的噪声水平在交通路口进行噪声测定，我们发现噪声水平较高，平均分贝数约为80dB。
这是由于交通路口是交通流量较大的地方，汽车、摩托车等交通工具的引擎声以及鸣笛声都是主要的噪声源。
此外，行人交谈声和交通信号灯的声音也会贡献一部分噪声。
结论与建议通过本次噪声测定实验，我们得出了以下结论：1. 室内环境下的噪声水平较低，对人体的影响较小。
2. 室外环境和交通路口的噪声水平较高，对人体的影响较大。
针对噪声问题，我们提出以下建议：1. 在室内环境中，可以采取隔音措施，如使用隔音玻璃、隔音门等，减少外界噪声的干扰。
白噪声检验的方法及原理
白噪声检验的方法及原理咱得明白啥是白噪声。
白噪声啊，就像是一种杂乱无章但又有规律可循的声音信号。
在统计学和时间序列分析里，白噪声可是个重要的概念呢。
它具有一些特定的性质，比如说均值为零，方差是一个常数，不同时间点的取值相互独立。
简单来说，白噪声就是一种随机的、没有明显趋势和规律的信号。
那为啥要进行白噪声检验呢？这可重要啦！如果一个时间序列是白噪声，那就意味着它没有可预测的模式，是完全随机的。
在很多情况下，我们需要确定一个时间序列是不是白噪声，因为这关系到我们后续的分析和预测方法的选择。
如果一个时间序列不是白噪声，那就可能存在某种趋势、季节性或者周期性，我们就可以利用这些特征来进行预测和分析。
但如果它是白噪声，那我们就知道用传统的预测方法可能不太管用啦。
接下来，咱说说白噪声检验的方法。
常见的方法有好几种呢，比如说自相关函数检验、Ljung-Box 检验和单位根检验等。
自相关函数检验呢，就是看时间序列的自相关函数。
如果一个时间序列是白噪声，那么它的自相关函数在所有的滞后阶数上都应该接近于零。
啥意思呢？就是说不同时间点的取值之间没有明显的相关性。
我们可以通过计算时间序列的自相关函数，并观察它在不同滞后阶数上的值来判断是不是白噪声。
如果自相关函数的值都很小，接近零，那很可能就是白噪声；如果自相关函数在某些滞后阶数上有较大的值，那就不是白噪声啦。
Ljung-Box 检验也是个常用的方法。
这个检验主要是通过计算统计量来判断时间序列的自相关性。
它会比较实际的自相关系数和在白噪声假设下的预期自相关系数。
如果统计量的值很大，那就说明时间序列不是白噪声；如果统计量的值比较小，那就有可能是白噪声。
Ljung-Box 检验通常会给出一个p 值，我们可以根据p 值来判断是否拒绝白噪声假设。
如果p 值小于某个显著性水平，比如0.05，那就拒绝白噪声假设，说明时间序列不是白噪声；如果p 值大于显著性水平，那就不能拒绝白噪声假设，可能是白噪声。
实验室噪音测试方法
实验室噪音测试方法咱就说，在实验室里，噪音测试可是个相当重要的事儿啊！这可不像咱平时在家里听听音乐那么简单。
你想想看，实验室里那么多仪器设备，要是噪音太大，那得多闹心啊！不仅会影响实验人员的心情，还可能干扰实验结果呢！那怎么进行噪音测试呢？首先，咱得准备好专门的噪音测试仪器，这就好比战士上战场得有趁手的兵器一样。
这仪器可得选好了，精度要高，不然测出来的数据不准确，那不就白忙活啦！然后呢，要选好测试的位置。
这位置可不能随便选，得找那些有代表性的地方，比如仪器旁边啊，实验人员经常工作的区域啊。
就好像你要了解一个城市的热闹程度，总不能去荒郊野外测吧，得去市中心那些人多的地方才行。
接着，在测试的时候，周围可不能有其他乱七八糟的声音干扰。
要是这边测着，那边有人在大声喧哗，那测出来的能准吗？这就跟你考试的时候旁边有人一直吵吵，你能安心答题吗？还有啊，测试的时间也得注意。
不能说就测那么一小会儿，得测足够长的时间，这样才能得到比较全面的数据。
就像你了解一个人的性格，不能只看他一天的表现，得长时间观察才行呢。
测完之后，可别以为就完事了。
还得好好分析分析数据，看看噪音的大小、频率啥的。
这就好比医生看检查报告，得从那些数据里看出门道来。
要是发现噪音超标了，那可得赶紧想办法解决啊！是给仪器加上隔音罩呢，还是调整实验布局呢？这可得好好琢磨琢磨。
总之啊，实验室噪音测试可不是一件小事，得认真对待。
只有把噪音控制好了，实验室才能有一个良好的工作环境，实验人员才能安心地搞研究。
不然整天在一个吵吵闹闹的环境里，能做出好的成果来吗？咱可不能让噪音成为实验的绊脚石啊！大家说是不是这个理儿？。
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。
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。
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。
环境噪声检测实验报告
环境噪声检测实验报告本次实验旨在通过测量环境噪声，了解环境噪声的来源和影响，以及掌握环境噪声的测量方法和技巧。
一、实验目的1.了解环境噪声的来源与影响。
2.掌握环境噪声的测量方法和技巧。
3.熟悉常见噪声信号的特点和性质。
二、实验器材1.声级计：用于测量噪声的强度和级别。
2.示波器：用于观察噪声信号的波形和频谱。
3.噪声发生器：用于产生不同频率和幅度的噪声信号。
4.电脑：用于处理实验数据和绘制图表。
三、实验方案4.绘制噪声的级别-频率曲线和时间-级别曲线。
四、实验步骤1.使用声级计测量静息状态下的环境噪声，并记录测量值。
2.底噪分析：在无噪声状态下，使用示波器观察静态噪声的波形和频谱，并记录结果。
4.记录所有实验数据，并进行数据处理与统计。
五、实验结果1.噪声强度与级别的关系通过对不同噪声源进行测量，得出如下噪声强度与级别的关系：噪声源测量强度（dB）噪声级别（dB(A)）公路交通噪声 80 65机场噪声 100 85商业区噪声 70 552.波形和频谱分析底噪频谱底噪波形通过对不同噪声信号的观察和测量，得出以下噪声信号的特点和性质：白噪声平均能量均匀分布，频谱密度均匀。
粉噪声高频成分衰减得更快，低频成分衰减得更慢。
棕噪声高频成分衰减得更快，低频成分衰减得更快，比粉噪声更具有“低频强，高频弱”的特点。
4.绘制曲线通过测量得到的噪声级别数据，绘制了级别随频率变化的曲线和时间-级别曲线，如下图所示：曲线1：级别-频率曲线六、实验分析通过实验发现，交通和机械设备是环境噪声的主要来源，商业和工业区域也会产生一定程度的噪声污染。
噪声的强度和级别可以通过声级计进行测量。
在测量噪声之前，需要先检查声级计的准确性和灵敏度，并进行相应的校准。
不同类型的噪声信号有不同的特点和性质。
在实际应用中，需根据实际需要选择合适的噪声信号类型。
通过本次实验，我们深入了解了环境噪声的来源和影响，掌握了环境噪声的测量方法和技巧，熟悉了常见噪声信号的特点和性质。
环境噪声的测量实验报告
环境噪声的测量实验报告环境噪声的测量实验报告引言：环境噪声是指在人类生活和工作环境中由于交通、工业、建筑等各种因素产生的声音。
随着城市化进程的加快和人们对舒适生活的追求，环境噪声已成为一个严重的问题。
本实验旨在通过测量环境噪声的方法，了解噪声的强度和分布情况，为环境保护和城市规划提供科学依据。
一、实验目的：通过测量环境噪声，了解噪声的分布情况和强度，为环境保护和城市规划提供科学依据。
二、实验原理：环境噪声的测量通常采用声级计进行，声级计是一种专门用于测量声音强度的仪器。
它能够将声音转化为电信号，并通过显示屏显示出声音的强度。
声级计的测量结果以分贝（dB）为单位，分贝是一种用于表示声音强度的相对单位。
三、实验步骤：1. 在实验前，选择适当的测量地点，确保没有其他噪音干扰。
2. 打开声级计，校准仪器，确保其工作正常。
3. 将声级计放置在测量地点，保持仪器与环境垂直，并避免遮挡。
4. 开始测量，记录每个时间段内的噪声强度，并计算平均值。
5. 根据需要，可以在不同时间段和地点进行多次测量，以得到更全面的数据。
四、实验结果：经过一系列测量，我们得到了以下数据：在白天的市中心，噪声强度平均为80dB，峰值可达90dB；而在夜晚，噪声强度平均为70dB，峰值可达80dB。
此外，在工业区和住宅区的对比实验中，工业区的噪声强度平均为85dB，住宅区的噪声强度平均为60dB。
这些数据显示了不同地点和时间段的噪声差异，为环境保护和城市规划提供了重要参考。
五、实验讨论：通过实验结果可以看出，城市中心的噪声强度明显高于其他地区，这主要是由于交通和商业活动的集中所致。
而夜晚的噪声强度相对较低，这是因为交通流量减少和人们的休息。
此外，工业区的噪声强度较高，这与工业设备和机械运行的噪音有关。
住宅区的噪声强度相对较低，这是由于相对较少的交通和工业活动。
然而，尽管住宅区的噪声强度较低，但仍然需要采取措施减少噪音对居民生活的影响。
六、实验结论：通过本次实验，我们了解了环境噪声的测量方法和噪声分布情况。
实验一白噪声测试
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： ][1Mc 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。
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。
建筑物理声学实验实验指导书
建筑物理实验实验指导书实验一环境噪声测量一、实验目的1、掌握噪声的基本评测方法。
2、了解噪声及其频谱的概念。
3、主观检验噪声对室内工作的影响，以及初步了解解决方法。
二、实验设备声级计，声级校准器等。
国产嘉兴恒升HS5671型精密积分声级计，构造图见下图。
HS5671型精密积分声级计构造图三、预习要求《建筑物理》第十四章。
四、实验原理与方法1、概述建筑环境以及建筑室内的噪声测量是为了了解因噪声源的存在而对测点产生的噪声情况：声级、频谱和时间特性。
因为噪声源的种类很多，差别很大，所以对不同的噪声源和在不同的环境中的测量方法是不一样的。
我们在测量时，主要考虑噪声的特性、环境的特性和对人的影响来确定测量地点、时间和频带范围。
从噪声的分布特性来看，噪声分为稳态噪声、脉冲噪声和随机分布噪声。
稳态噪声是指相当长一段时间内，噪声是稳定的，其强度和频谱没有太大的变化。
脉冲噪声的持续时间很短。
随机分布噪声是随机的，包括声源发声的随机性，发声体的出现是随机的，例如交通噪声。
2、噪声测量对于稳态噪声通常采用A计权声级测量。
如果要做频谱分析，需要采用滤波器来测量各个频带的声压级。
测点位置一般选在声源附近（以了解声源情况）和接收者的代表性位置（了解噪声对人的干扰）。
对于脉冲噪声需要脉冲声级计来测量，它设有脉冲保持档，脉冲声过后可以将脉冲的声级保持住，便于读取，如果需要进一步分析，需要示波器等其他设备。
随机噪声的产生具有不确定性。
如果起伏不大，可以测量一个短时间内的值，可用声计级采用慢档测出一个平均值。
如果起伏大而且要求了解较长时间的特性，需要测量统计噪声级（累计分布声级）。
L n是累计噪声级，它表示在测量时间内，有n%的噪声的声压级超过了L n。
一般测量L10，L50，L90。
L10反映了随机噪声的峰值，L50反映了平均值，L90反映了背景噪声。
如果把时间T内的噪声按照能量求和平均，得到等效连续噪声级L eq，可以用计算公式计算，也可以在加有积分功能的声级计上直接读出。
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引言：噪声是我们日常生活中无法避免的环境因素之一。
它不仅会对我们的健康和心理造成负面影响，也会干扰我们的工作和学习。
因此，对噪声进行测定和控制显得尤为重要。
本实验旨在通过测定不同环境下的噪声水平，了解噪声的特点和分布规律，为噪声控制提供科学依据。
实验设备和方法：本次实验使用了专业的噪声测定仪器，并按照相关标准进行了测量。
具体实验步骤如下：1. 选择不同的测量点：我们选取了室内和室外两个不同环境下的测量点，以比较室内外噪声水平的差异。
2. 测量噪声水平：在每个测量点，我们将噪声测定仪器放置在距离地面1.2米高的位置，并进行10分钟的连续测量。
每个测量点进行三次重复测量，然后取平均值作为最终结果。
实验结果与分析：1. 室内环境下的噪声水平：在室内环境下，我们选择了一个办公室作为测量点。
经过测量，我们得到了平均噪声水平为60分贝。
这一结果表明，办公室的噪声水平处于较低的范围内，属于相对安静的环境。
2. 室外环境下的噪声水平：在室外环境下，我们选择了一个繁华的市中心作为测量点。
测量结果显示，平均噪声水平为80分贝。
相比于室内环境，室外的噪声水平明显较高，这主要是由于车辆、人声和建筑工地等因素导致的。
根据实验结果，我们可以得出以下结论：1. 噪声水平与环境有关：不同环境下的噪声水平存在明显差异。
室内环境相对较安静，而室外环境噪声水平较高。
2. 噪声水平与活动有关：在室外环境下，人声、车辆和建筑工地等活动会显著增加噪声水平。
因此，在选择居住或工作地点时，需要考虑周围环境的噪声水平。
3. 噪声对健康的影响：长时间暴露在高噪声环境下会对人的健康产生不良影响，包括睡眠障碍、听力损伤和心理压力等。
因此，噪声控制对于保护人们的健康非常重要。
结论：通过本次实验，我们对噪声测定有了更深入的了解。
噪声水平的测定可以帮助我们评估环境的安静程度，为噪声控制提供科学依据。
在日常生活中，我们应该尽量选择安静的环境居住和工作，同时也要注意保护自己的听力健康。
白噪声检验的四步内容
白噪声检验的四步内容
嘿，朋友！今天咱就来好好聊聊白噪声检验的四步。
第一步，收集数据呀。
就像你要准备一顿美味大餐得先去买食材一样，咱得把相关的数据都收集起来。
比如说，咱要研究一个地方的噪音情况，那就要在不同时间、不同地点去收集声音数据，是不是挺有意思的？
第二步，数据预处理。
哎呀，这就好比给收集来的食材洗干净、切好，让它们能更好地发挥作用。
把那些乱七八糟的数据整理得干干净净的，去除一些干扰的部分，这样后面的分析才能更准确呀，你说对不对？
第三步，进行分析啦！这就如同大厨开始烹饪了，用各种方法去分析这些整理好的数据。
看看它们有没有啥规律，是不是符合白噪声的特点。
哎呀呀，就很奇妙啊，你能想象不？
第四步，得出结论。
哈哈，终于要看到成果啦！就像你尝一口自己做的饭菜，好吃不好吃就知道了。
咱通过分析得出结论，这个数据到底是不是白噪声，是不是特有成就感？
总之，白噪声检验就是这么有趣又有意义的事儿，咱可得好好搞清楚，不是吗？。
白噪声检验的方法
白噪声检验的方法我折腾了好久白噪声检验这事儿，总算找到点门道。
说实话，白噪声检验，我一开始也是瞎摸索。
最开始我知道有种方法是通过看自相关函数。
我就去计算自相关函数，想着这应该很简单，不就是按照公式来吗。
但没想到，在实际操作的时候，数据处理就把我弄懵了。
比如说数据收集的时候，样本量到底取多少合适呢，我当时就很不确定。
我试过一个比较小的样本量，结果检验出来完全不对头。
后来我才明白，样本量太小的话，根本就不能很好地反映数据的特性。
这就好比你要去评判一群人的习惯，只看两三个人肯定不行呀。
后来我又了解到，除了自相关函数，还有Q检验这个方法。
这个方法我在做的时候，要先计算出一个统计量Q，然后再和临界值比较。
但是这个临界值怎么确定呢？我当时又晕了。
我照搬书上的一个参考值就用，结果当然是失败了。
后来我才知道，临界值跟自由度有关系，要根据实际的自由度去查分布表才能得到准确的。
这就好像你要去坐公交车，你不能看别人坐哪路就跟着坐，要根据自己要去的地方，也就是数据本身的自由度来确定正确的线路。
再后来我又尝试用Ljung - Box检验。
这个方法相对来说，在实际做的时候，要先把数据按照要求整理好，就像整理积木一样，你得把它们按形状和颜色分好类，在这个检验里就是按照时间顺序等规则来排列数据。
然后按照公式计算检验统计量。
这里面的公式一开始看可复杂了，我错了好多次才把公式里每个参数都理解对。
比如说有时候会把滞后阶数弄错，我开始以为随便定一个就行，后来才发现这需要根据实际数据的一些特征，像是数据的波动周期之类的来确定。
总的来说，白噪声检验这个事儿啊，真的是要多尝试，不能怕犯错，每次犯错其实都是一次学习的机会。
还有就是千万别想当然地用一些参数或者数值，一定要弄清楚它们背后的意义才行。
我也还在不断摸索当中，说不定之后还会发现更多容易犯错的地方或者更好的方法。
(整理)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哈尔滨工业大学航天学院控制科学与工程系专业：自动化班级：0904103姓名：邱国锐学号：1090410321日期：2012 年9 月27 日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=655397．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：2004006008001000120000.10.20.30.40.50.60.70.80.91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 = 0.4969 var_R =0.0837均值和方差理论值： mean_R =0.5var_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。
噪声测量实验
- 94 -实验1 噪声测量实验目 的1．掌握声压级的测量方法.2．掌握噪声的测量方法。
原 理声音是大气压上的压强波动,这个压强波动的大小简称为声压,以p 表示,其单位是Pa （帕）.从刚刚可以听到的声音到人们不堪忍受的声音，声压相差数百万倍.显然用声压表达各种不同大小的声音实属不太方便，同时考虑了人耳对声音强弱反应的对数特性,用对数方法将声压分为百十个等级，称为声压级。
声压级的定义是:声压与参考声压之比的常用对数乘以20，单位是dB （分贝）。
其表达式为：L p ＝20lg 0p p 式中，p 为声压，p 0是参考声压,它是人耳刚刚可以听到的声音。
值得注意的是两个声压级或多个声压级相加不是dB 的简单算术相加,是按照对数的运算规律相加。
声压级只反映声音的强度对人耳的响度感觉的影响，而不能反映声音频率对响度感觉的影响。
利用具有一个频率计权网络的声学测量仪器，对声音进行声压级测量，所得到的读数称为计权声压级,简称声级，单位为dB 。
声学测量仪器中，模拟人耳的响度感觉特性,一般设置A 、B 和C 三种计权网络。
声压级经A 计权网络后就得到A 声级,用L A 表示，其单位计作dB（A)。
经大量实验证明,用A 声级来评价噪声对语言的干扰,对人们的吵闹程度以及听力损伤等方面都有很好的相关性。
另外，A 声级测量简单、快速，还可以与其它评价方法进行换算,所以是使用最广泛的评价尺度之一。
如金属切削机床通用技术条件规定：高精度机床噪声容许小于75dB （A)；精密机床和普通机床噪声容许小于85dB(A ）。
实际测量中,除了被测声源产生噪声外，还有其它噪声存在,这种噪声叫做背景噪声。
背景噪声会影响到测量的准确性,需要对结果进行修正。
初略的修正方法是：先不开启被测声源测量背景噪声,然后再开启声源测量，若两者之差为3dB ，应在测量值中减去3dB ，才是被测声源的声压级；若两者之差为4～5dB,减去数应为2dB;若两者之差为6～9dB ，减去数应为1dB;当两者之差大于10dB 时，背景噪声可以忽略。
- 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)。
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：)(2τδτN R =）（ 白噪声的自相关函数是位于τ=0处、强度为2N 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 nn =n=1,2,3…… 由上式的出如下实用算法：][1M cax 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。
正态分布（高斯分布）随机信号的产生： 高斯分布的密度函数为：)2exp(21)(2x x f -=π采用变换法产生正态分布随机数，若1R 、2R 示[0，1]均匀分布随机数，则有正态分布随机数：212cos ln 2R R πξ-= 212sin ln 2R R πη-= 指数分布随机信号的产生：指数分布的密度函数为：x e x f αα-=*)( 当x>0时，当x ≤0时 f(x)=0，其中α>0它的反函数（指数分布随机数）为：)1ln(1)(1r r F x --==-α其中r 为[0，1]区间均匀分布的随机数。
三、 实验内容与结果1.产生五种概率分布的信号Matlab 程序：%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');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2 ]); subplot(3,2,2),plot(1:1024,x2);grid on;title('正态分布');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2 ]); subplot(3,2,3),plot(1:1024,x3);grid on;title('指数分布');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -1 5 ]); subplot(3,2,4),plot(1:1024,x4);grid on;title('瑞利分布');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -1 4 ]); subplot(3,2,5),plot(1:1024,x5);grid on;title('卡方分布');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -1 5 ]);2.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。
%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);title('均匀分布均值');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2]); subplot(3,2,2),plot(1:1024,m2);title('高斯分布均值');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2]); subplot(3,2,3),plot(1:1024,m3);title('指数分布均值');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2]); subplot(3,2,4),plot(1:1024,m4);title('瑞利分布均值');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2]); subplot(3,2,5),plot(1:1024,m5);title('卡方分布均值');xlabel('时间（t）');ylabel('幅度');axis([0 1024 -2 2]);3.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。
%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'); subplot(3,2,2),plot(1:1024,v2);grid on;title('高斯分布方差');xlabel('时间（t）');ylabel('幅度'); subplot(3,2,3),plot(1:1024,v3);grid on;title('指数分布方差');xlabel('时间（t）');ylabel('幅度'); subplot(3,2,4),plot(1:1024,v4);grid on;title('瑞利分布方差');xlabel('时间（t）');ylabel('幅度'); subplot(3,2,5),plot(1:1024,v5);grid on;title('卡方分布方差');xlabel('时间（t）');ylabel('幅度');4.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。
%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,'unbiased'); [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');subplot(3,2,2),plot(lags,x_c2);grid on;title('正态分布自相关');subplot(3,2,3),plot(lags,x_c3);grid on;title('指数分布自相关');subplot(3,2,4),plot(lags,x_c4);grid on;title('瑞利分布自相关');subplot(3,2,5),plot(lags,x_c5);grid on;title('卡方分布自相关');5.概率密度函数：一维分布函数为：若F x (x 1;t 1)对x 1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。