南京理工大学随机信号处理实验报告
随机信号分析实验报告
《随机信号分析》实验报告二班级_______学号______姓名_______实验二高斯噪声的产生和性能测试１．实验目的（1）掌握加入高斯噪声的随机混合信号的分析方法。
（2）研究随机过程的均值、相关函数、协方差函数和方差。
⒉实验原理（1）利用随机过程的积分统计特性，给出随机过程的均值、相关函数、协方差函数和方差。
（2）随机信号均值、方差、相关函数的计算公式，以及相应的图形。
⒊实验报告要求（1）简述实验目的及实验原理。
（2）采用幅度为1，频率为25HZ的正弦信号为原信号，在其中加入均值为2，方差为0.04的高斯噪声得到混合随机信号X(t)。
试求随机过程的均值、相关函数、协方差函数和方差。
用MATLAB进行仿真，给出测试的随机过程的均值、相关函数、协方差函数和方差图形，与计算的结果作比较，并加以解释。
（3）分别给出原信号与混合信号的概率密度和概率分布曲线，并以图形形式分别给出原信号与混合信号均值、方差、相关函数的对比。
（4）读入任意一幅彩色图像，在该图像中加入均值为0，方差为0.01的高斯噪声，请给出加噪声前、后的图像。
（5）读入一副wav格式的音频文件，在该音频中加入均值为2，方差为0.04的高斯噪声，得到混合随机信号X(t)，请给出混合信号X(t)的均值、相关函数、协方差函数和方差，频谱及功率谱密度图形。
4、源程序及功能注释(逐句注释)（1）：clear all;clc;t=0:320;x=sin(2*pi*t*25);x1=wgn(1,321,0);z=x+x1;y=trapz(t,z);%y=int(z,x,0,t);subplot(3,2,1),plot(z);title('随机信号序列')meany=mean(z);subplot(3,2,3),plot(t,meany,'.');title('随机信号均值')vary=var(y); %方差subplot(3,2,4),plot(t,vary,'.');title('随机信号方差')cory=xcorr(z,'unbiased');%自相关函数subplot(3,2,2),plot(cory);title('随机信号自相关函数')covv=cov(y);subplot(3,2,5),plot(t,covv,'.');title('随机信号协方差')（2）：t=[0:0.0005:0.045];X1=sin(2*pi*25*t);%正弦subplot(3,4,1);plot(t,X1);gridtitle('正弦函数序列');X2=randn(1,length(t)); %产生均值为0，方差σ^2=1，标准差σ=1的正态分布的随机数或矩阵的函数高斯随机信号%X2=normrnd(2,0.04); %高斯随机序列均值,标准差subplot(3,4,2);plot(t,X2);title('高斯噪声序列');X=X1+X2; %混合随机信号X(t)subplot(3,4,3);plot(t,X);gridtitle('混合随机信号');meany1=mean(X1); %原信号的均值subplot(3,4,6),plot(t,meany1);title('原信号均值');vary1=var(X1); %原信号的方差subplot(3,4,7),plot(t,vary1);title('原信号方差');cory1=xcorr(X1,'unbiased'); %原信号的自相关函数subplot(3,4,8),plot(cory1);title('原信号自相关函数');meany=mean(X); %混合信号的均值subplot(3,4,10),plot(t,meany);title('混合信号均值');vary=var(X); %混合信号的方差subplot(3,4,11),plot(t,vary);title('混合信号方差')cory=xcorr(X,'unbiased'); %混合信号的自相关函数subplot(3,4,12),plot(cory);title('混合信号自相关函数')covy=cov(X1,X); %协方差subplot(3,4,4),plot(covy);title('协方差');[f1,xi]=ksdensity(X1); %原信号的概率密度subplot(3,4,5);plot(xi,f1);title('原信号的概率密度分布)');[f2,xi]=ksdensity(X); %混合信号的概率密度subplot(3,4,9);plot(xi,f2);title('混合信号概率密度分布');（3）：clcclear allclose allA = imread('dadian.jpg'); % 读入图像V=0.01;Noisy=imnoise(A,'gaussian',0,V);subplot(1,2,1),imshow(A),title('原图像');subplot(1,2,2),imshow(Noisy),title('加噪后图像'); （4）：clcclear allclose allt=0:320;A = wavread('alert.wav'); % 读入音频x = double(A);y=awgn(x,2,0.04);%x1 = double(z);%y=x+x1;subplot(2,3,1),plot(y);title('随机信号序列')meany=mean(y);subplot(2,3,2),plot(t,meany,'.');title('随机信号均值')vary=var(y); %方差subplot(2,3,3),plot(t,vary,'.');title('随机信号方差')cory=xcorr(y,'unbiased');%自相关函数subplot(2,3,4),plot(cory);title('随机信号自相关函数')fy=fft(y);ym=abs(fy);subplot(2,3,5),plot(ym);title('随机信号频谱图')fz=fft(cory);zm=abs(fz);subplot(2,3,6),plot(zm);title('随机信号功率谱密度图')5. 实验总结（手写）可给出实验过程中遇到的问题、解决方法、自己的收获、可否有改进办法等。
随机信号处理实验报告讲诉
随机信号处理实验报告目录一、实验要求： (3)二、实验原理： (3)2.1 随机信号的分析方法 (3)2.2 随机过程的频谱 (3)2.3 随机过程的相关函数和功率谱 (4)（1）随机信号的相关函数： (4)（2）随机信号的功率谱 (4)三、实验步骤与分析 (5)3.1实验方案 (5)3.2实验步骤与分析 (5)任务一：（s1 变量）求噪声下正弦信号的振幅和频率 (5)任务二：（s1 变量）求噪声下正弦信号的相位 (8)任务三：（s1 变量）求信号自相关函数和功率谱 (11)任务四：（s变量）求噪声下信号的振幅和频率 (14)任务五：（s变量）求信号的自相关函数和功率谱 (17)3.3实验结果与误差分析 (19)（1）实验结果 (19)（2）结果验证 (19)（3）误差分析 (21)四、实验总结和感悟 (22)1、实验总结 (22)2、实验感悟 (23)五、附低通滤波器的Matlab程序 (23)一、实验要求：（学号末尾3，7）两个数据文件，第一个文件数据中只包含一个正弦波，通过MA TLAB 仿真计算信号频谱和功率谱来估计该信号的幅度，功率，频率和相位？对第二个文件数据估计其中正弦波的幅度，功率和频率？写出报告，包含理论分析，仿真程序及说明，误差精度分析等。
第一文件调用格式load FileDat01_1 s1，数据在变量s1中；第二文件调用格式load FileDat01_2 s ，数据在变量s 中。
二、实验原理：2.1 随机信号的分析方法在信号与系统中，我们把信号分为确知信号和随机信号。
其中随机信号无确定的变化规律，需要用统计特新进行分析。
这里我们引入随机过程的概念，所谓随机过程就是随机变量的集合，每个随机变量都是随机过程的一个取样序列。
随机过程的统计特性一般采用随机过程的分布函数和概率密度来描述，他们能够对随机过程作完整的描述。
但由于在实践中难以求得，在工程技术中，一般采用描述随机过程的主要平均统计特性的几个函数，包括均值、方差、相关函数、频谱及功率谱密度等来描述它们。
随机信号分析实验报告
随机信号分析实验报告引言：随机信号是指信号在时间或空间上的其中一种特性是不确定的，不能准确地预测其未来行为的一类信号。
随机信号是一种具有随机性的信号，其值在一段时间内可能是不确定的，但是可以通过概率论和统计学的方法来描述和分析。
实验目的：通过实验，学习了解随机信号的基本概念和特性，学习了解和掌握常见的随机信号分析方法。
实验原理：随机信号可以分为离散随机信号和连续随机信号。
离散随机信号是信号在离散时间点上，在该时间点上具有一定的随机性；而连续随机信号是信号在连续时间上具有随机性。
常见的随机信号分析方法包括概率密度函数、功率谱密度函数等。
实验器材：计算机、MATLAB软件、随机信号产生器、示波器、电缆、电阻等。
实验步骤：1.配置实验仪器：将随机信号产生器和示波器与计算机连接。
2.生成随机信号：调节随机信号产生器的参数，产生所需的随机信号。
3.采集数据：使用示波器采集随机信号的样本数据，并将数据导入MATLAB软件。
4.绘制直方图：使用MATLAB软件绘制样本数据的直方图，并计算概率密度函数。
5.计算统计特性：计算随机信号的均值、方差等统计特性。
6.绘制功率谱密度函数：使用MATLAB软件绘制随机信号的功率谱密度函数。
实验结果和讨论：我们采集了一段长度为N的随机信号样本数据，并进行了相应的分析。
通过绘制直方图和计算概率密度函数，我们可以看出随机信号的概率分布情况。
通过计算统计特性，我们可以得到随机信号的均值、方差等重要参数。
通过绘制功率谱密度函数，我们可以分析随机信号的频谱特性。
结论：本实验通过对随机信号的分析，加深了对随机信号的理解。
通过绘制直方图、计算概率密度函数、计算统计特性和绘制功率谱密度函数等方法，我们可以对随机信号进行全面的分析和描述，从而更好地理解随机信号的特性和行为。
2.王五,赵六.随机信号分析方法.物理学报,2024,30(2):120-130.。
-随机信号分析实验报告
-随机信号分析实验报告H a r b i n I n s t i t u t e o f T e c h n o l o g y实验报告课程名称：随机信号分析院系：电⼦与信息⼯程学院班级：姓名：学号：指导教师：实验时间：实验⼀、各种分布随机数的产⽣（⼀）实验原理1.均匀分布随机数的产⽣原理产⽣伪随机数的⼀种实⽤⽅法是同余法，它利⽤同余运算递推产⽣伪随机数序列。
最简单的⽅法是加同余法)(mod 1M c y y n n +=+My x n n 11++= 为了保证产⽣的伪随机数能在[0,1]内均匀分布，需要M 为正整数，此外常数c 和初值y0亦为正整数。
加同余法虽然简单，但产⽣的伪随机数效果不好。
另⼀种同余法为乘同余法，它需要两次乘法才能产⽣⼀个[0,1]上均匀分布的随机数)(mod 1M ay y n n =+ My x n n 11++= 式中，a 为正整数。
⽤加法和乘法完成递推运算的称为混合同余法，即 )(mod 1M c ay y n n +=+ M y x n n 11++=⽤混合同余法产⽣的伪随机数具有较好的特性，⼀些程序库中都有成熟的程序供选择。
常⽤的计算语⾔如Basic 、C 和Matlab 都有产⽣均匀分布随机数的函数可以调⽤，只是⽤各种编程语⾔对应的函数产⽣的均匀分布随机数的范围不同，有的函数可能还需要提供种⼦或初始化。
Matlab 提供的函数rand()可以产⽣⼀个在[0,1]区间分布的随机数，rand(2,4)则可以产⽣⼀个在[0,1]区间分布的随机数矩阵，矩阵为2⾏4列。
Matlab 提供的另⼀个产⽣随机数的函数是random('unif',a,b,N,M)，unif 表⽰均匀分布，a 和b 是均匀分布区间的上下界，N 和M 分别是矩阵的⾏和列。
2.随机变量的仿真根据随机变量函数变换的原理，如果能将两个分布之间的函数关系⽤显式表达，那么就可以利⽤⼀种分布的随机变量通过变换得到另⼀种分布的随机变量。
信号实验报告南理工
本次实验旨在通过实际操作加深对信号处理基本理论的理解，掌握信号频谱分析的方法，学习不同窗函数对信号频谱的影响，以及采样定理在信号处理中的应用。
通过实验，培养学生动手能力、分析问题和解决问题的能力。
二、实验原理1. 信号频谱分析：利用傅里叶变换将信号从时域转换为频域，分析信号的频率成分和能量分布。
2. 窗函数：在信号截取过程中，窗函数用于减少截取信号边缘的泄漏效应，提高频谱分析的准确性。
3. 采样定理：奈奎斯特采样定理指出，为了无失真地恢复原信号，采样频率应大于信号最高频率的两倍。
三、实验设备与软件1. 实验设备：示波器、信号发生器、计算机等。
2. 实验软件：MATLAB、Simulink等。
四、实验内容1. 信号频谱分析：（1）定义一个离散信号x[n]，计算其频谱X[k]。
（2）分别采用矩形窗、汉宁窗、汉明窗对信号进行截取，计算截取信号的频谱。
（3）比较不同窗函数对信号频谱的影响。
2. 采样定理验证：（1）根据奈奎斯特采样定理，确定信号的最大采样间隔和最小采样点数。
（2）通过改变采样点数，观察频谱变化，验证采样定理。
3. 周期性信号的DFT分析：（1）计算信号x[n]的周期T。
（2）通过补零和截取信号，分析周期性信号的DFT。
1. 在MATLAB中定义离散信号x[n]，并计算其频谱X[k]。
2. 分别采用矩形窗、汉宁窗、汉明窗对信号进行截取，计算截取信号的频谱。
3. 比较不同窗函数对信号频谱的影响。
4. 根据奈奎斯特采样定理，确定信号的最大采样间隔和最小采样点数。
5. 改变采样点数，观察频谱变化，验证采样定理。
6. 计算信号x[n]的周期T，通过补零和截取信号，分析周期性信号的DFT。
六、实验结果与分析1. 信号频谱分析：通过实验，发现不同窗函数对信号频谱的影响不同。
矩形窗频谱泄漏严重，汉宁窗和汉明窗能较好地抑制泄漏。
2. 采样定理验证：实验结果表明，当采样点数小于最小采样点数时，频谱发生严重混叠；当采样点数等于最小采样点数时，频谱能够无失真地恢复原信号。
随机信号实验报告(模板)(1)
随机信号实验报告学院通信工程学院专业信息工程班级 1401051班制作人文杰制作人晓鹏一、 摘要根据实验的要求与具体容，我们组做了一下分工，XXX 完成了本次的第一组实验即基于MATLAB 的信号通过线性系统与非线性系统的特性分析，具体容有（高斯白噪声n ，输入信号x ，通过线性与非线性系统的信号a,b,y1,y2的均值，均方值，方差，自相关函数，概率密度，功率谱密度以及频谱并把它们用波形表示出来），XXX 和XXX 两人合力完成了基于QUARTUS II 的2ASK 信号的产生及测试实验具体容有（XXX 负责M 序列发生器以及分频器，XXX 负责载波的产生以及开关函数和管脚配置），最后的示波器调试以及观察2ASK 信号的FFT 变换波形由我们组所有人一起完成的。
二、实验原理及要求实验一、信号通过线性系统与非线性系统的特性分析1、实验原理① 随机过程的均值（数学期望）：均值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 的幅值平均值表示，即：均值表达了信号变化的中心趋势，或称之为直流分量。
② 随机过程的均方值：信号x(t)的均方值，或称为平均功率，其表达式为：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 随机信号的方差： 信号x(t)的方差定义为：描述了信号的静态量，方差反映了信号绕均值的波动程度。
在已知均值和均方值的前提下，方差就很容易求得了。
④随机信号的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：τ,t=0,1，2,……N-1。
⑤随机过程的频谱：信号频谱分析是采用傅立叶变换将时域信号x(t)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：⑥随机过程的功率谱密度：随机信号的功率普密度是随机信号的各个样本在单位频带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。
随机信号分析报告实验
实验一 随机序列的产生及数字特征估计一、实验目的1、学习和掌握随机数的产生方法；2、实现随机序列的数字特征估计。
二、实验原理1. 随机数的产生随机数指的是各种不同分布随机变量的抽样序列（样本值序列）。
进行随机信号仿真分析时，需要模拟产生各种分布的随机数。
在计算机仿真时，通常利用数学方法产生随机数，这种随机数称为伪随机数。
伪随机数是按照一定的计算公式产生的，这个公式称为随机数发生器。
伪随机数本质上不是随机的，而且存在周期性，但是如果计算公式选择适当，所产生的数据看似随机的，与真正的随机数具有相近的统计特性，可以作为随机数使用。
(0，1)均匀分布随机数是最最基本、最简单的随机数。
(0，1)均匀分布指的是在[0，1]区间上的均匀分布，即U(0，1)。
实际应用中有许多现成的随机数发生器可以用于产生(0，1)均匀分布随机数，通常采用的方法为线性同余法，公式如下：Ny x N ky Mod y y n n n n /))((110===-， （1.1）序列{}n x 为产生的(0，1)均匀分布随机数。
下面给出了上式的3组常用参数： (1) 7101057k 10⨯≈==，周期，N ；(2) （IBM 随机数发生器）8163110532k 2⨯≈+==，周期，N ； (3) （ran0）95311027k 12⨯≈=-=，周期，N ；由均匀分布随机数，可以利用反函数构造出任意分布的随机数。
定理1.1 若随机变量X 具有连续分布函数F X (x)，而R 为(0，1)均匀分布随机变量，则有)(1R F X x -= （1.2）由这一定理可知，分布函数为F X (x)的随机数可以由(0，1)均匀分布随机数按上式进行变换得到。
2. MATLAB 中产生随机序列的函数(1) (0，1)均匀分布的随机序列 函数：rand用法：x = rand(m,n)功能：产生m ×n 的均匀分布随机数矩阵。
(2) 正态分布的随机序列 函数：randn用法：x = randn(m,n)功能：产生m ×n 的标准正态分布随机数矩阵。
随机信号处理实验报告一
《随机信号分析与处理》实验报告指导教师：廖红华班级：0309411学号：030941103姓名：钱进红2011-12-7实验一 熟悉MA TLAB 的随机信号处理相关命令一、实验目的1、熟悉GUI 格式的编程及使用。
2、掌握随机信号的简单分析方法3、熟悉语音信号的播放、波形显示、均值等的分析方法及其编程 二、实验原理 1、语音的录入与打开在MATLAB 中，[y,fs,bits]=wavread('Blip',[N1 N2]);用于读取语音，采样值放在向量y 中，fs 表示采样频率(Hz)，bits 表示采样位数。
[N1 N2]表示读取从N1点到N2点的值。
2、时域信号的FFT 分析FFT 即为快速傅里叶变换，是离散傅里叶变换的快速算法，它是根据离散傅里叶变换的奇、偶、虚、实等特性，对离散傅里叶变换的算法进行改进获得的。
在MATLAB 的信号处理工具箱中函数FFT 的一种调用格式为其中X 是序列，Y 是序列的FFT 。
3、均值随机变量X 的均值也称为数学期望，它定义为对于离散型随机变量，假定随机变量X 有N 个可能取值，各个取值的概率为则均值定义为上式表明，离散型随机变量的均值等于随机变量的取值乘以取值的概率之和，如果取值是等概率的，那么均值就是取值的算术平均值，如果取值不是等概率的，那么均值就是概率加权和，所以，均值也称为统计平均值。
4、方差定义为随机过程的方差。
方差通常也记为D 【X （t ）】 ，随机过程的方差也是时间 t 的函数, 由方差的定义可以看出，方差是非负函数。
5、希尔伯特变换及性质x (t ) 的希尔伯特变换为x (t ) 与1/πt 的卷积，即因此，对x (t ) 的希尔伯特变换可以看作为x (t ) 通过一个冲击响应为1/πt 的线性滤波器。
希尔伯特变换器在整个频域上具有恒为1 的幅频特性，为全通网络，在相位上则引入−π/2 和π/2的相移 6、自相关函数设任意两个时刻1t ，2t ，定义121212121212(,)[()()](,,,)X R t t E X t X t x x f x x t t dx dx +∞+∞-∞-∞==⎰⎰为随机过程X （t ）的自相关函数，简称为相关函数。
随机信号处理作业南理工(有程序)
《随机信号处理》上机实验仿真报告学院：电子工程与光电技术学院指导老师：顾红日期：2014年11月10日题目1：<问题>线性调频脉冲信号，时宽10us ，带宽543MHz ，对该信号进行匹配滤波后，即脉压处理，处理增益为多少？脉压后的脉冲宽度为多少？并用图说明脉压后的脉冲宽度，内差点看3dB 带宽，以该带宽说明距离分辨率与带宽的对应关系。
建议补充：比较矩形视频脉冲信号、矩形包络单个中频脉冲信号、线性调频矩形脉冲信号匹配滤波，说明脉压后的脉冲3dB 宽度变化，与原脉冲的宽度比较得出压缩比即增益。
另外，通过仿真加噪声0dB 信噪比来看脉压后信噪比有没有提升。
<理论分析>：（1）线性调频信号（LFM ）是雷达中常用的信号，其数学表达式为：212()2()()c j f t kt t s t rect eTπ+= 式中c f 为载波频率，t rect T ⎛⎫⎪⎝⎭为矩形信号： 11()0,t t rect TT elsewise⎧ , ≤⎪=⎨⎪ ⎩当TB>1时，LFM 信号特征表达式如下：（2）在输入为确知加白噪声的情况下，所得输出信噪比最大的线性滤波器就是匹配滤波器。
线性调频信号叠加上噪声其表达式为：2()j kt t t S rect e Tπ=()(,10)t S t awgn S =白噪声条件下，匹配滤波器的脉冲响应：*()()o h t ks t t =-<仿真程序>：B=543e6; %带宽（这里设置带宽为学号后三位），程序段①从这行开始 fs=10*B; %采样频率 ts=1/fs;T=10e-6; %脉宽10μs N=T/ts; %采样点数 t=linspace(-T/2,T/2,N); K=B/T;a=1; %这里调频信号幅值假设为1 %% 线性调频信号si=a*exp(j*pi*K*t.^2); figure(1)plot(t*1e6,si);xlabel('t/μs');ylabel('si');title('线性调频信号时域波形图');grid on; sfft=fft(si);f=(0:length(sfft)-1)*fs/length(sfft)-fs/2;%f=linspace(-fs/2,fs/2,N); figure(2)plot(f*1e-6,fftshift(abs(sfft)));xlabel('f/MHz');ylabel('sfft');title('线性调频信号频域波形图');grid on; axis([-300,300,-inf,inf]); %程序段①到这行结束 %% 叠加高斯白噪声 ni=rand(1,N);disp('输入信噪比为:');SNRi=10*log10(a^2/var(ni)/2) xi=ni+si; figure(3)plot(t*1e6,real(xi));xlabel('t/us');ylabel('xi');title('叠加噪声后实际信号时域波形图'); x1fft=fft(xi); %输入信号频谱f=(0:length(x1fft)-1)*fs/length(x1fft)-fs/2; figure(4)plot(f*1e-6,fftshift(abs(x1fft)));xlabel('f/MHz');ylabel('x1fft');title('叠加噪声后实际信号频谱图');grid on; %% 匹配滤波器ht=exp(-j*pi*K*t.^2);x2=conv(ht,xi);L=2*N-1;ti=linspace(-T,T,L);ti=ti*B; %换算为B的倍数X2=abs(x2)/max(abs(x2));figure(5)plot(ti,20*log10(X2+1e-6));xlabel('t/B');ylabel('匹配滤波幅度');title('匹配滤波结果图');grid on; axis([-3,3,-4,inf]);%% 计算信噪比X22=abs(x2);%实际信号n2=conv(ht,ni);%噪声n22=abs(n2);s2=conv(ht,si);%信号s22=abs(s2);SNRo=(max(s22)^2)/(var(n2))/2;disp('输出信噪比为：');SNRo=10*log10(SNRo)disp('信噪比增益为：');disp(SNRo-SNRi)%% 匹配滤波器的幅频特性hw=fft(ht);f2=(0:length(hw)-1)*fs/length(hw)-fs/2;f2=f2/B;hw1=abs(hw);hw1=hw1./max(hw1);plot(f2,fftshift(20*log(hw1+1e-6)));xlabel('f/B');ylabel('幅度');title('匹配滤波器的幅频特性图');%% 匹配滤波器处理后的信号Sot=conv(si,ht);subplot(211)L=2*N-1;t1=linspace(-T,T,L);Z=abs(Sot);Z=Z/max(Z);Z=20*log10(Z+1e-6);Z1=abs(sinc(B.*t1));Z1=20*log10(Z1+1e-6);t1=t1*B;plot(t1,Z,t1,Z1,'r.');axis([-15,15,-50,inf]);grid on;legend('emulational','sinc');xlabel('Time in sec \times\itB');ylabel('Amplitude,dB');title('匹配滤波器处理后信号');subplot(212)N0=3*fs/B;t2=-N0*ts:ts:N0*ts; t2=B*t2;plot(t2,Z(N-N0:N+N0),t2,Z1(N-N0:N+N0),'r.'); axis([-inf,inf,-50,inf]);grid on;set(gca,'Ytick',[-13.4,-4,0],'Xtick',[-3,-2,-1,-0.5,0,0.5,1,2,3]); xlabel('Time in sec \times\itB'); ylabel('Amplitude,dB');title('匹配滤波器处理后信号（放大）'); %% 输出频谱 xfft=fft(x2);f3=(0:length(xfft)-1)*fs/length(xfft)-fs/2; xfft1=abs(xfft);xfft1=xfft1./max(xfft1); figure(7)plot(f3/B,fftshift(20*log(xfft1+1e-6)));xlabel('f/B');ylabel('幅度');title('输出信号频谱图');<仿真结果与分析>：对于一个理想的脉冲压缩系统，要求发射信号具有非线性的相位谱，并使其包络接近矩形；其中)(t S 就是信号s(t)的复包络。
随机信号分析实验百度
《随机信号分析》试验报告班级班学号姓名实验一1、熟悉并练习使用下列Matlab 的函数，给出各个函数的功能说明和内部参数的意义，并给出至少一个使用例子和运行结果：1）randn()产生随机数数组或矩阵，其元素服从均值为0，方差为1的正态分布（1）Y = randn 产生一个伪随机数（2）Y = randn(n) 产生n×n的矩阵，其元素服从均值为0，方差为1的正态分布（3）Y = randn(m,n) 产生m×n的矩阵，其元素服从均值为0，方差为1的正态分布（4）Y= randn([m n]) 产生m×n的矩阵，其元素服从均值为0，方差为1的正态分布选择（2）作为例子，运行结果如下：>> Y = randn(3)Y =1.3005 0.0342 0.97920.2691 0.9913 -0.8863-0.1551 -1.3618 -0.35622）rand()(1)Y = rand(n) 生成n×n 随机矩阵，其元素在（0，1）内(2)Y = rand(m,n) 生成m×n 随机矩阵(3)Y = rand([m n]) 生成m×n 随机矩阵(4)Y = rand(m,n,p,…) 生成m×n×p×…随机矩阵或数组(5)Y = rand([m n p…]) 生成m×n×p×…随机矩阵或数组(6)Y = rand(size(A)) 生成与矩阵A 相同大小的随机矩阵选择（3）作为例子，运行结果如下：>> Y = rand([3 4])Y =0.0579 0.0099 0.1987 0.19880.3529 0.1389 0.6038 0.01530.8132 0.2028 0.2722 0.74683）normrnd()产生服从正态分布的随机数（1）R = normrnd(mu,sigma) 产生服从均值为mu，标准差为sigma的随机数，mu和sigma可以为向量、矩阵、或多维数组。
南京理工大学随机信号处理实验报告
题目：雷达线性调频信号的脉冲压缩处理线性调频脉冲信号，时宽10us，带宽40MHz，对该信号进行匹配滤波后，即脉压处理，处理增益为多少，脉压后的脉冲宽度为多少？用图说明脉压后的脉冲宽度，内差点看4dB带宽，以该带宽说明距离分辨率与带宽的对应关系。
1.程序为：T=10e-6;B=112e6;Rmin=8500;Rmax=11500;R=[9000,10000,10020];RCS=[1 1 1 ];C=3e8;K=B/T;Rwid=Rmax-Rmin;Twid=2*Rwid/C;Fs=10*B;Ts=1/Fs;Nwid=ceil(Twid/Ts);t=linspace(2*Rmin/C,2*Rmax/C,Nwid); M=length(R);td=ones(M,1)*t-2*R'/C*ones(1,Nwid);Srt1=RCS*(exp(1i*pi*K*td.^2).*(abs(td)<T/2));Srt=Srt1;Nchirp=ceil(T/Ts);Nfft=2^nextpow2(Nwid+Nwid-1); Srw=fft(Srt,Nfft);Srw1=fft(Srt1,Nfft);t0=linspace(-T/2,T/2,Nchirp);St=exp(1i*pi*K*t0.^2);Sw=fft(St,Nfft);Sot=fftshift(ifft(Srw.*conj(Sw)));Sot1=fftshift(ifft(Srw1.*conj(Sw)));N0=Nfft/2-Nchirp/2;Z=abs(Sot(N0:N0+Nwid-1));Z=Z/max(Z);Z=20*log10(Z+1e-6);figuresubplot(211)plot(t*1e6,real(Srt));axis tight;xlabel('us');ylabel('幅度')title(['线性信号压缩前']);subplot(212)plot(t*C/2,Z)xlabel('Range in meters');ylabel('幅度 ')title(['线性信号压缩后']);选取0.9*10^4HZ 的一个脉冲进行放大分析（调整Y 轴与X 轴的范围）58606264666870727476us幅度线性调频信号压缩前0.850.90.9511.05 1.1 1.15x 104-150-100-5050Range in meters 幅度 线性调频信号压缩后选取主瓣调整：大致可以看出压缩后的带宽为0.1hz理论上分析处理增益为：D=10*10e -6*112*10e6=1120D=112/B1=1120.B1=0.1HZ2.分辩率。
随机信号实验报告
班级：姓名：学号：指导老师：时间：一、信号基本参数1.均值及方差由上图可以看出，该语音信号的能量不是很大，因其均值在0.12左右，方差在0.02左右，故波动不是很大；当加入信噪比为5的白噪声后，其均值明显增大，在0.48左右，说明噪声的能量远大于信号的能量，其方差在0.13左右，故波动很大。
由此看出，白噪声携带能量加大，且波动加大。
2.正态概率分布函数上图为语音信号各点的幅度的概率分布，它与语音信号分布差不多，它放映的是语音信号在各点的能量大小。
当语音信号在某时刻幅值越大，则其概率越大，反之，则越小。
3.自相关上图可以看出，该语音信号的自相关不是很大，因此该语音信号前后相关性不是很大，因此，在信号处理及通信中对信号处理要求不是很高；当加入噪声后，可以看出自相关有明显减小的痕迹，所以白噪声的自相关不大。
4.互相关上图为两个不同的语音信号的互相关，可以看出在前半段完全没有相关性，而在后半段有一定的相关性；当加入白噪声后，互相关增强，且前半段也没有相关性，说明有一语音信号前半段没有信号。
由两图比较可得，高斯白噪声的互相关较大。
二、信号加噪及提取5.信号加入确定噪声后加入确定噪声sin(17500*t)后，时域图上可以看出，振幅较小的语音信号完全被噪声淹没，从回放的声音中可以听到刺耳的噪声信号，从频谱图中也可以看出，在1800Hz左右，有明显的高峰，所含的能量远大于语音信号。
因此，可以用带阻滤波器滤除该噪声信号。
6.去除确定噪声信号sin()从上面两图可以看出，去噪后的频谱中没有高峰突起，确实去掉了噪声信号，从回放的声音中，也听不到刺耳的声音，是比较清晰地声音。
从频谱图中可以明显看到有凹下去的部分，是因为不是理想滤波器，必定会滤掉临近的很小的一部分信号，但并不会语音信号造成太大的影响。
采用的是巴特沃斯带阻滤波器，fp=1700Hz,fs=100Hz,当增大fs后，可以明显看到凹下去的部分增大；而改变fp后，就不能滤掉噪声信号。
随机信号处理实验报告二
实验二 随机信号处理的工程编程实现030841103 钱进红一、实验目的1、熟悉各种随机信号分析及处理方法。
2、掌握运用MATLAB 中的统计工具包和信号处理工具包绘制概率密度的方法 二、实验原理 1平滑滤波平滑滤波可以与中值滤波结合使用，对应的线性平滑器可以仅仅用低阶的低通滤波器（如果采用高阶的系统，则将抹掉信号中应该保存的不连续性）。
2、IIR 数字滤波器设计原理利用双线性变换设计IIR 滤波器（只介绍巴特沃斯数字滤波器的设计），首先要设计出满足指标要求的模拟滤波器的传递函数)(s H a ，然后由)(s H a 通过双线性变换可得所要设计的IIR 滤波器的系统函数)(z H 。
3、协方差设两个随机变量X 和Y ，定义： 为X 和Y 的协方差。
其相关函数为：)()(),cov(Y D X D Y X rxy=由此可见协方差的相关性与X 和Y 是密切相关的，表征两个函数变化的相似性4、互相关互相关函数定义为：如果X （t ）与Y （t ）是相互独立的，则一定是不相关的。
反之则不一定成立。
它是两个随机过程联合统计特性中重要的数字特征。
5、频率响应反映仪器对频率动态反应的重要参数。
时间序列经过滤波处理后，原来序列中各种频率振动的振幅会受到削弱。
各种频率振动过滤前后振幅之比值称为频率响应。
它反映输出信号随输入信号的频率变化而变化的情况。
6、白噪声的检测与分析白噪声信号是一个均值为零的随机过程，任一时刻是均值为零的随机变量。
而服从高斯分布的白噪声即称为高斯白噪声。
三、实验内容基于matlab 的随机语音信号的平滑滤波、IIR 高通/低通/带通/带阻滤波、概率密度、互相关、最大似然估计、产生白噪声并求其平均功率谱密度及自相关、求混合噪声自相关及平均功率谱密度。
四、实验结果及分析 1.平滑滤波由图知，经过平滑滤波后，原始信号的峰值变化减小了，信号的频谱变得平滑了很多。
说明平滑滤波对信号具有很好的平滑效果。
随机信号模块实验报告(一)
随机信号实验报告（一）学号： 姓名：熟悉Matlab 的随机信号处理相关命令(一)一、实验目的：1、掌握随机信号的简单分析方法。
2、熟悉语音信号的简单变换的分析方法及其编程 。
二、实验原理：1、声音的录入与读取在matlb 中实现对语音信号的读取可以用wavread 函数，如b=wavread('211.wav');括号中为语音信号的存储路径。
还可用sound 函数对录入的声音信号进行发声；用plot 函数把声音信号图谱绘制下来。
这是对声音信号的最基本处理。
2、时域与频域的简单分析语音信号是个随机信号，在matlab 中对随机信号可以有以下分析。
如概率密度分布，如果F X （x,t ）对x 的一阶导数存在，则定义xt x F t x f X x ∂∂=),(),( 为随机过程X （t ）的一维概率密度。
3、相关性与功率谱自相关估计，同一序列在不同时刻的取值之间的相关程度，自相关函数和功率谱密度函数是一对傅里叶变换。
互相关估计则是两个函数在同一时刻的不同取值之间的相关程度。
互相关函数是两个随机过程联合统计特性中重要的数字特征，它的定义为dxdy t t y x xyft Y t X E t t R xyXY ),,,()]()([),(212121⎰⎰∞∞-∞∞-==在频域要先对信号进行傅里叶变换，然后分析其频谱特性、相位等三、实验内容：对语音信号的读取，此为时域波形这是一个随机信号，横轴为时间t ，范围在0~350000 s 纵轴为声音幅度，范围在-0.25~0.25。
波形是关于x 轴对称的。
此图没有定义范围，是把录入的语音信号全程显示出来。
语音信号的相位分布进行了4096点傅里叶变换，横轴为采样点数，纵轴为信号在此点的相位。
范围集中于-3~3之间。
变换采样点数不一样，波形就会不一样。
概率密度分布直方图信号的概率密度类似正态分布，定义了-3~3之间的概率密度，密度最大在0附近可达450。
随机信号分析与处理实验报告
随机信号分析与处理实验题目：对音频信号的随机处理班级：0312412姓名：肖文洲学号：031241217指导老师：钱楷时间：2014年11月25日实验目的：1、学会利用MATLAB模拟产生各类随机序列。
2、熟悉和掌握随机信号数字特征估计的基本方法。
3、熟悉掌握MATLAB的函数及函数调用、使用方法。
4、学会在MATLAB中创建GUI文件。
实验内容：1、选用任意一个音频信号作为实验对象，进行各种操作并画出信号和波形。
2、操作类型：（1）、概率密度；（2）、希尔伯特变换；（3）、误差函数；（4）、randn;（5）、原始信号频谱；（6）、axis；（7）、原始信号；（8）、normpdf;（9）、unifpdf;（10）、unifcdf;（11）、raylpdf;（12）、raylcdf;（13）、exppdf;（14）、截取声音信号的频谱；（15）、expcdf;（16）、periodogram;（17）、weibrnd;（18）、rand;（19）、自相关函数；（20）、截取信号的均方值。
实验步骤：1、打开MATLAB软件，然后输入guide创建一个GUI文件。
2、在已经创建好的GUI文件里面穿件所需要的.fig面板（以学号姓名格式命名）。
入下图所示：图为已经创建好的.fig面板3、右击“概率密度”，查看回调，然后点击“callback”.在相应的位置输入程序。
然后点击运行，出现下图：4、依次对后续操作方式进行类似的操作。
5、当完成所有按键的“callback”后，出现的均为上图。
实验程序：function varargout = xiaowenzhou(varargin)% XIAOWENZHOU M-file for xiaowenzhou.fig% XIAOWENZHOU, by itself, creates a new XIAOWENZHOU or raises the existing% singleton*.%% H = XIAOWENZHOU returns the handle to a new XIAOWENZHOU or the handle to% the existing singleton*.%% XIAOWENZHOU('CALLBACK',hObject,eventData,handles,...) calls the local% function named CALLBACK in XIAOWENZHOU.M with the given input arguments.%% XIAOWENZHOU('Property','Value',...) creates a new XIAOWENZHOU or raises the% existing singleton*. Starting from the left, property value pairs are% applied to the GUI before xiaowenzhou_OpeningFunction gets called. An% unrecognized property name or invalid value makes property application% stop. All inputs are passed to xiaowenzhou_OpeningFcn via varargin.%% *See GUI Options on GUIDE's Tools menu. Choose "GUI allows only one% instance to run (singleton)".%% See also: GUIDE, GUIDATA, GUIHANDLES% Edit the above text to modify the response to help xiaowenzhou% Last Modified by GUIDE v2.5 02-Dec-2014 23:14:41% Begin initialization code - DO NOT EDITgui_Singleton = 1;gui_State = struct('gui_Name', mfilename, ...'gui_Singleton', gui_Singleton, ...'gui_OpeningFcn', @xiaowenzhou_OpeningFcn, ...'gui_OutputFcn', @xiaowenzhou_OutputFcn, ...'gui_LayoutFcn', [] , ...'gui_Callback', []);if nargin && ischar(varargin{1})gui_State.gui_Callback = str2func(varargin{1});endif nargout[varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});elsegui_mainfcn(gui_State, varargin{:});end% End initialization code - DO NOT EDIT% --- Executes just before xiaowenzhou is made visible.function xiaowenzhou_OpeningFcn(hObject, eventdata, handles, varargin)% This function has no output args, see OutputFcn.% hObject handle to figure% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)% varargin command line arguments to xiaowenzhou (see VARARGIN)% Choose default command line output for xiaowenzhouhandles.output = hObject;% Update handles structureguidata(hObject, handles);% UIWAIT makes xiaowenzhou wait for user response (see UIRESUME)% uiwait(handles.figure1);% --- Outputs from this function are returned to the command line. function varargout = xiaowenzhou_OutputFcn(hObject, eventdata, handles) % varargout cell array for returning output args (see VARARGOUT);% hObject handle to figure% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)% Get default command line output from handles structurevarargout{1} = handles.output;% --- Executes on button press in pushbutton1.function pushbutton1_Callback(hObject, eventdata, handles)[y,Fs,bits]=wavread('Íõ·Æ.wav');y=y(1:5000);N=length(y);i=1:N;[f,i]=ksdensity(y);plot(i,f);grid;xlabel('x');ylabel('f(x)');axis();title('¸ÅÂÊÃܶÈ');% hObject handle to pushbutton1 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton2.function pushbutton2_Callback(hObject, eventdata, handles)x=wavread('Íõ·Æ.wav');x=x(20000:40000);y=hilbert(x);y=real(y);plot(x);% hObject handle to pushbutton2 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton3.function pushbutton3_Callback(hObject, eventdata, handles)x=wavread('Íõ·Æ.wav');x=randn(500,1);plot(x);% hObject handle to pushbutton3 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton4.function pushbutton4_Callback(hObject, eventdata, handles)x=wavread('Íõ·Æ.wav');y=erf(x);plot(y);% hObject handle to pushbutton4 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton5.function pushbutton5_Callback(hObject, eventdata, handles)x=wavread('Íõ·Æ.wav');plot(x);axis([0 5000 -0.01 0.01]);% hObject handle to pushbutton5 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton6.x=wavread('Íõ·Æ.wav');x=x(20000:40000);plot(x);% hObject handle to pushbutton6 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton7.function pushbutton7_Callback(hObject, eventdata, handles)x=wavread('Íõ·Æ.wav');x=-6:0.01:7;y=normpdf(x,1,2);plot(y);% hObject handle to pushbutton7 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton8.function pushbutton8_Callback(hObject, eventdata, handles)x=wavread('Íõ·Æ.wav');x=0:0.1:5;y=unifpdf(x,1,30);plot(y);% hObject handle to pushbutton8 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton9.function pushbutton9_Callback(hObject, eventdata, handles)x=wavread('Íõ·Æ.wav');x=0:0.1:5;y=unifcdf(x,1,5);plot(y);% hObject handle to pushbutton9 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton10.x=wavread('Íõ·Æ.wav');x=0:0.1:3;y=raylpdf(x,2);plot(y);% hObject handle to pushbutton10 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton11.function pushbutton11_Callback(hObject, eventdata, handles)x=wavread('Íõ·Æ.wav');x=0:0.1:3;y=raylcdf(x,10);plot(y);% hObject handle to pushbutton11 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton12.function pushbutton12_Callback(hObject, eventdata, handles)x=wavread('Íõ·Æ.wav');x=0:0.01:5;y=exppdf(x,1);plot(y);% hObject handle to pushbutton12 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton13.function pushbutton13_Callback(hObject, eventdata, handles)x=wavread('Íõ·Æ.wav');x=0:0.01:5;y=expcdf(x,1);plot(y);% hObject handle to pushbutton13 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton14.[y,Fs,bits]=wavread('Íõ·Æ.wav');y1=y(1:1000);t=0:1/Fs:1;y1=periodogram(y1,[],1000,Fs);plot(y1);% hObject handle to pushbutton14 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton15.function pushbutton15_Callback(hObject, eventdata, handles)x=wavread('Íõ·Æ.wav');x=0:0.01:5;x=weibrnd(1,1.5,100,1);plot(x);% hObject handle to pushbutton15 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton16.function pushbutton16_Callback(hObject, eventdata, handles)x=wavread('Íõ·Æ.wav');x=rand(200,1);plot(x);% hObject handle to pushbutton16 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton17.function pushbutton17_Callback(hObject, eventdata, handles)[x,Fs,bits]=wavread ('Íõ·Æ.wav');x=x (:,1);X=fft (x,4096);magX=abs (X);angX=angle (X);plot (X); title ('Ô-ʼÐźÅƵÆ×');% hObject handle to pushbutton17 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton18.function pushbutton18_Callback(hObject, eventdata, handles)[y,Fs,bits]=wavread('Íõ·Æ.wav');y=y(500:1000);h=[ones(1,20) zeros(1,20)];y2=conv(h,y);stem(y2,'.');grid;title('½ØÈ¡ÉùÒôÐźŵľí»ý');% hObject handle to pushbutton18 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton19.function pushbutton19_Callback(hObject, eventdata, handles)[y,Fs,bits]=wavread('Íõ·Æ.wav');y=y(1:5000);R=xcorr(y);plot(R);grid;title('×ÔÏà¹Øº¯Êý');% hObject handle to pushbutton19 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB % handles structure with handles and user data (see GUIDATA)% --- Executes on button press in pushbutton20.function pushbutton20_Callback(hObject, eventdata, handles)[y,Fs,bits]=wavread('Íõ·Æ.wav');y=y(1:1000);n=length(y);x=randn(50,n);square=zeros(1,50);for i=1:50for j=1:1000square(i)=square(i)+x(i,j).^2;endsquare(i)=square(i)/1000;endRMS=sum(square)/30;plot(square);grid;title('½ØÈ¡ÉùÒôÐźŵľù·½Öµ');% hObject handle to pushbutton20 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles structure with handles and user data (see GUIDATA)% --- Executes during object creation, after setting all properties. function pushbutton1_CreateFcn(hObject, eventdata, handles)% hObject handle to pushbutton1 (see GCBO)% eventdata reserved - to be defined in a future version of MATLAB% handles empty - handles not created until after all CreateFcns called 实验结果：（1）概率密度（2）希尔伯特变换（3）randn（4）误差函数（5）axis（6）原始信号（7）normpdfd（8）unifpdf（9）unifcdf（10）raylpdf（11）raylcdf（12）exppdf（13）截取声音信号的卷积（14）expcdf（15）periodogram（16）weibrnd（17）rand（18）原始信号频谱（19）自相关函数（20）截取信号的均方值实验总结：随机信号分析与处理是研究随机信号的特点及其处理方法的专业基础课，是目标检测、估计、滤波等信号处理理论的基础。
信号处理综合实验报告(3篇)
第1篇一、实验目的1. 深入理解信号处理的基本原理和方法。
2. 掌握信号处理在各个领域的应用，如语音信号处理、图像处理等。
3. 熟悉实验设备的使用，提高实际操作能力。
4. 培养团队协作和问题解决能力。
二、实验内容本次实验主要分为以下几个部分：1. 语音信号处理（1）采集语音信号：使用麦克风采集一段语音信号，并将其转换为数字信号。
（2）频谱分析：对采集到的语音信号进行频谱分析，观察其频谱特性。
（3）噪声消除：设计并实现噪声消除算法，对含噪语音信号进行处理，提高信号质量。
（4）语音增强：设计并实现语音增强算法，提高语音信号的清晰度。
2. 图像处理（1）图像采集：使用摄像头采集一幅图像，并将其转换为数字图像。
（2）图像增强：对采集到的图像进行增强处理，如对比度增强、亮度增强等。
（3）图像滤波：设计并实现图像滤波算法，去除图像中的噪声。
（4）图像分割：设计并实现图像分割算法，将图像中的不同区域分离出来。
3. 信号处理算法实现（1）傅里叶变换：实现离散傅里叶变换（DFT）和快速傅里叶变换（FFT）算法，对信号进行频谱分析。
（2）小波变换：实现离散小波变换（DWT）算法，对信号进行时频分析。
（3）滤波器设计：设计并实现低通滤波器、高通滤波器、带通滤波器等，对信号进行滤波处理。
三、实验原理1. 语音信号处理（1）语音信号采集：通过麦克风将声音信号转换为电信号，再通过模数转换器（ADC）转换为数字信号。
（2）频谱分析：利用傅里叶变换将时域信号转换为频域信号，分析信号的频谱特性。
（3）噪声消除：采用噪声消除算法，如维纳滤波、谱减法等，去除信号中的噪声。
（4）语音增强：利用语音增强算法，如谱峰增强、长时能量增强等，提高语音信号的清晰度。
2. 图像处理（1）图像采集：通过摄像头将光信号转换为电信号，再通过模数转换器（ADC）转换为数字图像。
（2）图像增强：通过调整图像的亮度、对比度等参数，提高图像的可视效果。
（3）图像滤波：利用滤波器去除图像中的噪声，如均值滤波、中值滤波、高斯滤波等。
（完整版）南理工数字信号处理课程实验报告
（完整版）南理工数字信号处理课程实验报告数字信号处理project实验报告学院：电子工程与光电技术学院专业：通信工程学号：姓名：一、IIR 低通滤波器设计1.滤波器要求：Using bilinear transform methods ,design a IIR low-pass filter with the following specifications:(1)Write a program to compute the required order of theButterworth or Chebyshev analog filters;(2) Using bilinear transform methods ,transform the analog filters to the corresponding digital filters;(3)Sketch the frequency response of the filters.2.滤波器设计程序如下：wp=0.25*pi;ws=0.45*pi;Wp=tan(wp/2);Ws=tan(ws/2);ap=0.5;as=20;[N,Wn]= cheb1ord(Wp,Ws,ap,as,'s');[B,A]= cheby1(N,1,Wn,'s');[num,den]= bilinear(B,A,0.5);[h,w]=freqz(num,den);subplot(211);plot(w/pi,20*log10(abs(h)));ylim([-50 5]);xlim([0 1]);xlabel('\Omega/\pi');ylabel('增益（dB ）');0.2A ,0.4A ; the passband ripple -0.5dB, p s the stopband attenuation20dB. where A is the last nomber of your student numbertitle('幅度响应曲线');grid;[h,w]=phasez(num,den);subplot(212);plot(w/pi,h/pi*180);xlabel('\Omega/\pi');ylabel('phase(degree)');title('相位响应曲线');grid;其中，wp,ws是角频带边界频率，Wp,Ws是模拟低通滤波器的边带角频率，ap是通带波纹，as是阻带波纹，h是频率响应。
南理工通信原理实验报告
南理工通信原理实验报告目录实验一抽样定理实验 (3)实验七HDB3码型变换实验 (14)实验十一 BPSK调制与解调实验 (21)实验十九滤波法及数字锁相环法位同步提取实验 (29) 实验一抽样定理实验一、实验目的1.了解抽样定理在通信系统中的重要性。
2.掌握自然抽样与平顶抽样的实现方法。
3.理解低通采样定理的原理。
4.理解实际的采样系统。
5.理解低通滤波器的幅频特性和对抽样信号恢复的影响。
6.理解带通采样定理的原理。
二、实验器材1.主控&信号源、3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2.实验框图说明抽样信号由抽样电路产生。
将输入的被抽样信号与抽样脉冲相乘就可以得到自然抽样信号，自然抽样信号经过保持电路得到平顶抽样信号。
平定抽样和自然抽样信号是通过S1切换输出的。
抽样信号的恢复是将抽样信号经过低通滤波器，即可得到恢复的信号。
这里滤波器可以选用抗混叠滤波器（8阶3.4khz的巴特沃斯低通滤波器）或fpga数字滤波器（有FIR、IIR 两种）。
反sinc滤波器不是用来恢复抽样信号的，而是用来应对孔径失真现象。
要注意，这里的数字滤波器是借用的信源编译码部分的端口。
在做本实验室与信源编译码的内容没有联系。
四、实验结果与波形观测实验项目一抽样信号观测及抽样定理验证概述：通过不同频率的抽样时钟，从时域与频域两方面观测自然抽样和平顶抽样的输出波形，以及信号恢复的混叠情况，从而了解不同抽样方式的输出差异和联系，验证抽样定理。
注：通过观测频谱可以看到当抽样脉冲小于2倍被抽样信号频率时，信号会产生混叠。
1.关电，按表格所示进行连线。
源端口目标端口连线说明信号源：MUSIC 模块3：TH1(被抽样信号) 将被抽样信号送入抽样单元信号源：A-OUT 模块3：TH2(抽样脉冲) 提供抽样时钟模块3：TH3(抽样输出) 模块3：TH5(LPF-IN) 送入模拟低通滤波器2. 开电，设置主控菜单，选择【主菜单】→【通信原理】→【抽样定理】。
- 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)。
题目：雷达线性调频信号的脉冲压缩处理
线性调频脉冲信号，时宽10us，带宽40MHz，对该信号进行匹配滤波后，即脉压处
理，处理增益为多少，脉压后的脉冲宽度为多少？用图说明脉压后的脉冲宽度，内
差点看4dB带宽，以该带宽说明距离分辨率与带宽的对应关系。
1.程序为：
T=10e-6;
B=112e6;
Rmin=8500;Rmax=11500;
R=[9000,10000,10020];
RCS=[1 1 1 ];
C=3e8;
K=B/T;
Rwid=Rmax-Rmin;
Twid=2*Rwid/C;
Fs=10*B;Ts=1/Fs;
Nwid=ceil(Twid/Ts);
t=linspace(2*Rmin/C,2*Rmax/C,Nwid); M=length(R);
td=ones(M,1)*t-2*R'/C*ones(1,Nwid);
Srt1=RCS*(exp(1i*pi*K*td.^2).*(abs(td)<T/2));
Srt=Srt1;
Nchirp=ceil(T/Ts);
Nfft=2^nextpow2(Nwid+Nwid-1); Srw=fft(Srt,Nfft);
Srw1=fft(Srt1,Nfft);
t0=linspace(-T/2,T/2,Nchirp);
St=exp(1i*pi*K*t0.^2);
Sw=fft(St,Nfft);
Sot=fftshift(ifft(Srw.*conj(Sw)));
Sot1=fftshift(ifft(Srw1.*conj(Sw)));
N0=Nfft/2-Nchirp/2;
Z=abs(Sot(N0:N0+Nwid-1));
Z=Z/max(Z);
Z=20*log10(Z+1e-6);
figure
subplot(211)
plot(t*1e6,real(Srt));
axis tight;
xlabel('us');ylabel('幅度')
title(['线性信号压缩前']);
subplot(212)
plot(t*C/2,Z)
xlabel('Range in meters');ylabel('幅度 ')
title(['线性信号压缩后']);
选取0.9*10^4HZ 的一个脉冲进行放大分析（调整Y 轴与X 轴的范围）
58606264666870
727476
us
幅度线性调频信号压缩前
0.850.90.951
1.05 1.1 1.15x 104
-150
-100
-50
50
Range in meters 幅度 线性调频信号压缩后
选取主瓣调整：
大致可以看出压缩后的带宽为0.1hz
理论上分析处理增益为：D=10*10e -6*112*10e6=1120
D=112/B1=1120.
B1=0.1HZ
2.分辩率。
改变两目标的相对位置，可以分析线性调频脉冲压缩雷达的分辨率。
仿真程序默认参数的距离分辨率为：
6
81011221032⨯⨯⨯==B C R σ=1.33 下图为分辨率仿真结果，可做如下解释：（图形为两个目标点的距离逐渐变大） 图为单点目标压缩候的波形；
(a)图中，两目标相距1m 小于R σ，因而不能分辨；
(b)图中，两目标相距2m 略大于
R σ，能够分辩出一点点; (d)图中，两目标距离大于雷达的距离分辨率很多为5m ，主瓣变宽，直至能明显分
辨出两目标。