随机信号分析实验:随机序列的产生及数字特征估计
- 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)。
实验一 随机序列的产生及数字特征估计
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。
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:
N
y x N ky y y n
n n n =
==-) (mod ,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(1.1)式的3组常用参数:
① 1010=N ,7=k ,周期7
105⨯≈;
②(IBM 随机数发生器)312=N ,3216+=k ,周期8
105⨯≈; ③(ran0)1231
-=N ,5
7=k ,周期9
102⨯≈;
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)(x F X ,而R 为(0,1)均匀分布随机变量,则有
)(1
R F X X -= (1.2)
由这一定理可知,分布函数为)(x F X 的随机数可以由(0,1)均匀分布随机数按(1.2)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。
如果要产生服从),(2σμN 分布的随机序列,则可以由标准正态随机序列产生。 (3)其他分布的随机序列
MATLAB 上还提供了其他多种分布的随机数的产生函数,表1.1列出了部分函数。
表1.1 MATLAB 中产生随机数的一些函数
分布 函数 分布 函数 二项分布 binornd 指数分布 exprnd 泊松分布 poissrnd 正态分布 normrnd 离散均匀分布 unidrnd 瑞利分布
raylrnd 均匀分布 unifrnd
2χ方分布
chi2rnd
3.随机序列的数字特征估计
对于遍历过程,可以通过随机序列的一条样本函数来获得该过程的统计特性。这里我们假定随机序列)(n X 为遍历过程,样本函数为)(n x ,其中1,,2,1,0-=N n 。那么,)(n X 的均值、方差和自相关函数的估计为
∑-==1
)(1ˆN n X n x N
m
(1.3)
[]∑-=--=10
2
2ˆ)(11ˆN n X
X
m n x N σ (1.4) () ,2,1,0 )()(1ˆ1
±±=+-=∑--=m m n x n x m
N m R M N n X
(1.5)
利用MATLAB 的统计分析函数可以分析随机序列的数字特征。 (1)均值函数 函数:mean 用法:m = mean(x)
功能:返回按(1.3)式估计)(n X 的均值,其中x 为样本序列)(n x 。 (2)方差函数 函数:var
用法:sigma2 = var(x)
功能:返回按(1.4)式估计)(n X 的方差,其中x 为样本序列)(n x ,这一估计为无偏估计。 (3)互相关函数 函数:xcorr
用法:c = xcorr(x,y)
c = xcorr(x)
c = xcorr(x,y,'opition') c = xcorr(x,'opition')
功能:xcorr(x,y)计算)(n X 与)(n Y 的互相关,xcorr(x)计算)(n X 的自相关。 option 选项可以设定为: 'biased' 有偏估计,即
() ,2,1,0 )()(1ˆ1
±±=+=∑--=m m n x n x N
m R M N n X
(1.6)
'unbiased' 无偏估计,即按(1.5)式估计。 'coeff' m = 0时的相关函数值归一化为1。 'none' 不做归一化处理。
实验内容
1.采用线性同余法产生均匀分布随机数1000个,计算该序列均值和方差与理论值之间的误差大小。改变样本个数重新计算。
MATLAB实验代码:
>> y(1)=1;
>> for n=2:1001
y(n)=mod(7*y(n-1),10^10);
x(n)=y(n)/10^10;
end; end语句以前是线形同余法
>> plot(x); 画出随机序列x[n]
>> m=mean(x); 求均值
>> stem(m,'fill'); 画出均值的图形
>> sigma1=var(x); 求方差
>> stem(sigma1,'fill'); 画出方差图形
实验结果:
随机序列