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
基于MATLAB的⾼斯⽩噪声信道分析报告基于matlab⾼斯⽩噪声信道分析系统的设计××（陕西理⼯学院物理与电信⼯程学院通信⼯程专业1202班，陕西汉中 723003）指导教师：吴燕[摘要] MATLAB 是⼀种⽤于算法开发、数据可视化、数据分析以及数值计算的⾼级技术计算语⾔和交互式环境。
本⽂在matlab的环境下构建了BFSK在⾼斯⽩噪声信道中传输的系统模型，通过simulink程序仿真，研究系统的误码率与信道质量的关系，找到在⾼斯⽩噪声信道上传输的最⼤信噪⽐及所需发射功率和调制频率，从⽽得出该系统在⾼斯⽩噪声信道中的最佳传输性能。
[关键词] MATLAB；⾼斯⽩噪声；信道分析；simulink仿真Design and production of the Gauss white noise channel analysis system based on MATLAB××(Grade 2012,Class 2,Major of Communication Engineering,School of Physics and Telecommunication Engineering of Shaanxi University of Technology,Hanzhong 723003,Shaanxi)Tutor: Wu YanAbstract: MATLAB is a high-level technical computing language and interactive environment for the development of algorithms, data visualization, data analysis and numerical calculation. This article in the matlab environment build BFSK in AWGN channel model simulation,by running simulation the program on the system of quality of error rate and channel relationships,found in AWGN channel transport of maximum signal-to-noise ratio and the desired transmitter power.Key words:MA TLAB; Gauss white noise; channel analysis; Simulink simulation⽬录1.绪论 .................................... 错误！未定义书签。
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。
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。
(完整word版)MATLAB环境下的正弦信号及高斯白噪声仿真程序说明
MATLAB 环境下的正弦信号及高斯白噪声仿真程序说明一、信号的产生及时域观察1、设定正选信号的频率为10HZ ，抽样频率为100HZ ；2、设定N(0,0.25)高斯白噪声，及噪声功率为0.25W ；3、最后将噪声叠加到正弦信号上，观察其三者时域波形。
二、信号频谱及白噪声功率谱的求解与观察1、对原正弦信号直接进行FFT ，得出其频谱；2、求白噪声的自相关函数，随机序列自相关函数的无偏估计公式为：1^01()()()N m xx n r m x n x n m N m --==+-∑ 01m N ≤≤- ^^()()xx xx r m r m =- 01m N <<-对所求自相关函数进行FFT 变换，求的白噪声的功率谱函数。
源程序：1.产生正弦信号fs=100;fc=10;x=(0:1/fs:2);n=201;y1=sin(2*pi*fc*x); %原正弦信号，频率为10a=0;b=0.5; %均值为a ，方差为b^2subplot(2,2,1);plot(x,y1,'r');title('y=sin(20pi*x)');ylabel('y');xlabel('x/20pi');grid;2.产生高斯白噪声y2=a+b*randn(1,n); %高斯白噪声subplot(2,2,2);plot(x,y2,'r');title('N(0，0.25)的高斯白噪声');ylabel('y');xlabel('x/20pi');grid;3.复合信号y=y1+y2; %加入噪声之后的信号subplot(2,2,3);plot(x,y,'r');title('混合信号');ylabel('y');xlabel('x/20pi');grid;4.复合信号功率谱密度%求复合信号的自相关函数m=50;i=-0.49:1/fs:0.49;for j=1:mR(j)=sum(y(1:n-j-1).*y(j:199),2)/(n-j);%无偏自相关函数的估计Rx(49+j)=R(j);Rx(51-j)=R(j);endFy2=fft(Rx); %傅里叶变换得出复合信号功率谱函数Fy21=fftshift(Fy2); %功率谱校正f=(0:98)*fs/99-fs/2;subplot(2,2,4);plot(f,abs(Fy21),'r');axis([-50 50 -0.5 1]);title('复合信号功率谱函数图');ylabel('F(Rx)');xlabel('w');grid;。
瑞利衰落信道和高斯信道matlab
瑞利衰落信道和高斯信道是无线通信中常见的两种信道模型。
瑞利衰落信道适用于描述城市中的移动通信环境，而高斯信道则适用于描述开阔地带或者室内的通信环境。
本文将使用Matlab来分别模拟这两种信道，并对模拟结果进行分析和比较。
一、瑞利衰落信道模拟1. 利用Matlab中的rayleighchan函数可以模拟瑞利衰落信道。
该函数可以指定信道延迟配置、多径增益和相位等参数。
2. 我们需要生成随机的信号序列作为发送端的信号。
这里可以使用Matlab中的randn函数生成高斯白噪声信号作为发送端信号的模拟。
3. 接下来，我们需要创建一个瑞利衰落信道对象，并指定相应的参数。
这里可以设定信道延迟配置、多径增益和相位等参数，以便更好地模拟实际的信道环境。
4. 将发送端的信号通过瑞利衰落信道进行传输，即将信号与瑞利衰落信道对象进行卷积操作。
5. 我们可以通过Matlab中的plot函数绘制发送端和接收端信号的波形图以及信号经过瑞利衰落信道后的波形图，以便直观地观察信号经过信道传输后的变化。
二、高斯信道模拟1. 与瑞利衰落信道模拟类似，高斯信道的模拟同样可以使用Matlab 中的函数进行实现。
在高斯信道的模拟中，我们同样需要生成随机的信号序列作为发送端的信号。
2. 我们可以通过Matlab中的awgn函数为发送端信号添加高斯白噪声，模拟信号在传输过程中受到的噪声干扰。
3. 我们同样可以使用plot函数绘制发送端和接收端信号的波形图以及信号经过高斯信道后的波形图，以便观察信号传输过程中的噪声干扰对信号的影响。
三、模拟结果分析和比较对于瑞利衰落信道模拟结果和高斯信道模拟结果，我们可以进行一些分析和比较：1. 信号衰落特性：瑞利衰落信道模拟中，我们可以观察到信号在传输过程中呈现出快速衰落的特性，而高斯信道模拟中，信号的衰落速度相对较慢。
2. 噪声干扰：高斯信道模拟中，我们可以观察到添加了高斯白噪声对信号的影响，而在瑞利衰落信道模拟中，虽然也存在噪声干扰，但其影响相对较小。
基于MATLAB的信道编码仿真 毕设汇总
In this paper, the linear block codes and convolutional codes are compiled and analyzed, and the simulation is carried out with MATLAB. Linear block code to (7,4) Hamming code as an example, using MATLAB to the over a binary symmetric channel (BSC), additive white Gaussian noise (AWGN) simulation, the bit error rate curve to analyze performance of Hamming code. The convolutional code is verified by MATLAB for simulation and error correction, and the error rate is analyzed under different SNR and different decision modes.Simulation results show that the Hamming code with increase of the signal to noise ratio, bit error rate is getting smaller and smaller, and for convolutional codes, signal-to-noise ratios were slightly higher will greatly reduce the bit error rate (BER) and using a soft decision decoding error rate is lower, a better effect. Keywords: channel coding MATLAB bit error rate
高斯白噪声 matlab -回复
高斯白噪声matlab -回复Matlab是一个强大的数学工具，广泛用于数据分析、信号处理和模拟等领域。
在这篇文章中，我们将详细介绍高斯白噪声，并使用Matlab来产生和分析这种噪声信号。
1.什么是噪声？噪声是指在信号中包含的随机干扰，它通常以不可避免且不受控制的形式存在。
噪声可以干扰信号的传输和处理，降低系统的性能。
不同类型的噪声具有不同的特点，因此需要了解各种噪声并采取相应的措施来应对噪声带来的问题。
2.什么是高斯白噪声？高斯白噪声是一种常见的噪声类型，其中包含了具有特定概率密度函数（PDF）的随机信号。
高斯白噪声的频谱是平坦的，即在所有频率上具有相等的功率密度。
这意味着在频域上，高斯白噪声在整个频域上具有相同的能量分布。
3.高斯白噪声的特点高斯白噪声具有以下特点：a) 平均值为零：高斯白噪声的平均值为零，即在长期统计意义下，噪声的均值为零。
b) 均方差是常数：高斯白噪声在所有时间点上的方差是一个常数，这表明在任意时间段上噪声的波动是恒定的。
c) 相邻样本间无关: 高斯白噪声的相邻样本之间是无关的，即当前样本的取值与前一个样本之间没有任何关系。
4.高斯白噪声的生成在Matlab中，可以使用randn函数生成高斯白噪声。
randn函数会生成服从均值为0、方差为1的标准正态分布的随机数。
下面是一个示例代码，用于生成10秒钟的高斯白噪声信号，并绘制其幅值随时间的变化：matlabFs = 1000; %采样频率为1000HzT = 10; %总时间长度为10秒t = 0:1/Fs:T-1/Fs; %时间向量x = randn(size(t)); %生成高斯白噪声信号plot(t,x);xlabel('Time (s)');ylabel('Amplitude');title('Gaussian White Noise');在这个代码中，我们设定了采样频率为1000Hz，总时间长度为10秒。
基于MATLAB的BFSK在高斯白噪声信道中的传输性能研究
（ 楚 雄 师 范 学 院 物 理 与 电 子 科 学 学 院 ，云 南 楚 雄 ６ ７ ５ ０ ０ ０）
摘 要 ：本 文 在 ＭＡＴ Ｌ Ａ Ｂ 的环 境 下 构 建 了 Ｂ Ｆ Ｓ Ｋ在 高 斯 白噪 声 信 道 中传 输 的 系 统 模 型 ，通 过 运 行 程 序
中 图 分 类 号 ：Ｔ Ｎ ９ １ １ ． ７ 文 章 标 识 码 ：Ａ 文章 编 号 ：１ ６ ７ １ —７ ４ ０ ６ （ ２ ０ １ ５ ）０ ３ 一ｏ ｏ ２ １ —０ ５
１ ．引 言
在 数 字信 号 载 波 传 输 系 统 中 ， 由于 信 道 噪 声 的存 在 会 造 成 误 码 。 在研 究 通 信 系 统 的误 码 率 与 信 道 质 量 的关 系 时 ，最 简 单 的 数 学 模 型 是 加 性 宽 带 高 斯 白噪 声 信 道 ，该 性 道 模 型 在 通 信 系 统 的分
同时 也 是 这 种 Ｂ Ｆ Ｓ Ｋ和 ２ Ａ Ｓ Ｋ 的关 系 构 成 了键 控 法 实 现 Ｂ Ｆ Ｓ Ｋ 的理 论 基 础 ，二 进 制 频 移 键 控 可 以 采 用 模 拟 信 号 调 频 电路 理 实 现 。
收 稿 日 期 ：２ ０ １ ５ —０ １—１ ２
作 者 简 介 ：叶
第 三 十 卷 第 三 期 ２ ０ １ ５年 ３月
楚
雄
师
范
学
院
学
报
Ｖ ０１ ．３ ０ Ｎ Ｏ ．３ Ｍａ ｒ ．２ Ｏ１ ５
Ｊ ＯＵＲＮＡＬ ＯＦ ＣＩ ４ ＵＸＩ ＯＮＧ ＮＯＲＭ ＡＬ ＵＮＩ ＶＥＲＳｒ ｒ Ｙ
基 于 ＭＡＴ Ｌ ＡＢ 的 Ｂ Ｆ Ｓ Ｋ 在 高 斯 白 噪 声 信 道 中 的 传 输 性 能 研 究
随机信号分析实验报告
随机信号分析实验报告目录随机信号分析 (1)实验报告 (1)理想白噪声和带限白噪声的产生与测试 (2)一、摘要 (2)二、实验的背景与目的 (2)背景： (2)实验目的: (2)三、实验原理 (3)四、实验的设计与结果 (4)实验设计: (4)实验结果: (5)五、实验结论 (12)六、参考文献 (13)七、附件 (13)1理想白噪声和带限白噪声的产生与测试一、摘要本文通过利用MATLAB软件仿真来对理想白噪声和带限白噪声进行研究。
理想白噪声通过低通滤波器和带通滤波器分别得到低通带限白噪声和帯通带限白噪声。
在仿真的过程中我们利用MATLAB工具箱中自带的一些函数来对理想白噪声和带限白噪声的均值、均方值、方差、功率谱密度、自相关函数、频谱以及概率密度进行研究，对对它们进行比较分析并讨论其物理意义。
关键词：理想白噪声带限白噪声均值均方值方差功率谱密度自相关函数、频谱以及概率密度二、实验的背景与目的背景：在词典中噪声有两种定义：定义1：干扰人们休息、学习和工作的声音，引起人的心理和生理变化。
定义2：不同频率、不同强度无规则地组合在一起的声音。
如电噪声、机械噪声，可引伸为任何不希望有的干扰。
第一种定义是人们在日常生活中可以感知的，从感性上很容易理解。
而第二种定义则相对抽象一些，大部分应用于机械工程当中。
在这一学期的好几门课程中我们都从不同的方面接触到噪声，如何的利用噪声，把噪声的危害减到最小是一个很热门的话题。
为了加深对噪声的认识与了解，为后面的学习与工作做准备，我们对噪声进行了一些研究与测试。
实验目的:了解理想白噪声和带限白噪声的基本概念并能够区分它们，掌握用MATLAB 或c/c++软件仿真和分析理想白噪声和带限白噪声的方法，掌握理想白噪声和带限白噪声的性质。
三、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。
高斯色噪声的产生实验报告
高斯色噪声的产生实验报告一．实验要求用SPW或者Matlab产生高斯色噪声，其功率谱满足高斯函数：22()2()cff fS fσ--=其中，2000cf Hz=，50fHzσ=二．实验原理首先通过实验1的正态分布随机数生成程序生成高斯白噪声，然后将该白噪声通过一个滤波器滤波，滤波器的频率响应满足上述的频谱特性，从而得到所需的色噪声。
三．仿真分析频率(kHz)功率/频率(dB/Hz)高斯白噪声的功率谱图1 高斯白噪声的验证由于本实验需要首先生成高斯白噪声，因此做了高斯白噪声的验证。
显然，从图1中，可以明显看出，生成的噪声的统计特性服从高斯分布，其功率谱服从均匀分布，因此得到的噪声是高斯白噪声。
-3滤波器的幅频响应幅度频率（Hz ）图2 滤波器的幅频响应如图2所示，设计的滤波器的幅频响应满足高斯分布，其中心频率为2000Hz ，满足设计要求。
频率 (kHz)功率/频率 (d B /H z )高斯色噪声的功率谱-9高斯色噪声的功率谱功率/频率（W /H z )频率（Hz ）图3 高斯色噪声的功率谱估计将图1中所描述的高斯白噪声通过图2描述的滤波器进行滤波，从而得到了符合频率分布的高斯色噪声。
图3采用两种功率谱估计的方法对得到的高斯色噪声进行了功率谱估计。
显然，得到的色噪声的功率谱特性满足高斯高斯，说明得到的色噪声就是高斯色噪声，其功率谱满足高斯函数。
三．附录本实验的程序如下：clear; clc;f_sample=8000; step =1; f_c=2000; segma_f=50; ff=0:step:f_sample;S_f = 1/( sqrt(2*pi)*segma_f) *exp(- (ff-f_c).^2/2/segma_f^2);u=Probability_method(length(ff));u_fft = fft(u);f_filter=u_fft.*S_f;u_ifft = ifft(f_filter);%--------- 画图--------figure(1) %滤波器幅频特性plot(ff,S_f,'linewidth',2)grid ontitle('滤波器幅频特性');%高斯分布白噪声功率谱估计figure(2)Hs=spectrum.periodogram;psd(Hs,u,'Fs',f_sample);grid on%-- %高斯色噪声功率谱估计figure(3)[hk,f]=pwelch(u_ifft,70,1,[],f_sample,'twosided'); plot(f,hk,'b','LineWidth',2)grid ontitle('高斯色噪声功率谱估计');Hs=spectrum.periodogram;figure;psd(Hs,u_ifft,'Fs',f_sample);grid on。
基于matlab的信道编码仿真(可编辑)
基于matlab的信道编码仿真（可编辑）基于matlab的信道编码仿真海南大学毕业论文(设计)题目:基于matlab的信道编码仿真学号:姓名:年级:学院:信息科学技术学院系别:电子信息工程专业:电子信息工程指导教师: 完成日期:摘要通信技术的飞速发展,信道编码已经成功地应用于各种通信系统中。
以及各种传输方式对可靠性要求的不断提高,信道编码技术作为抗干扰技术的一种重要的手段,在数字通信技术领域和数字传输系统中显示出越来越重要的作用。
信道编码的目的是为了改善通信系统的传输质量。
由于实际信道存在噪声和干扰,使发送的码字与信道传输后所接收的码字之间存在差异,称这种差异为差错。
一般情况下,信道噪声、干扰越大,码字产生差错的概率也就越大。
本文利用matlab对二进制对称信道BSC,高斯白噪声信道AWGN两种信道的仿真,(7,4)Hamming码对信道的仿真,通过误码率的曲线图来了解信道的编码。
并利用matlab的simulink模块仿真,运用simulink里的卷积码viterbi译码器来对二进制对称信道和高斯白噪声信道的仿真,观察误码率的曲线图来了解2个信道的不同。
关键字:matlab,信道,编码,译码,Simulink。
AbstractWith the rapid development of communication technology, channelcoding has been successfully applied to various communications systems. And a variety of transmission of the continuous improvement ofreliability requirements, anti-jamming channel coding technology as an important means of technology in the field of digital communications technology and digital transmission systems in a more and more important role The purpose of channel coding is to improve the transmissionquality of communications systems. As the actual existence of thechannel noise and interference, the transmitted codewords and channel transmission received after the difference between code words, said this difference is wrong. Under normal circumstances, channel noise, the greater the interference, the code word generated the greater the probability of errorIn this paper, matlab binary symmetric channel BSC, Gaussian white noise channel AWGN two channel simulation, 7,4 Hamming code simulation of the channel, through the bit error rate curve to understand the channel coding. Using matlab to simulink block simulation, using simulink in the viterbi decoder to convolutional codes on the binary symmetric channel and Gaussian white noise channel simulation, observation error rategraphs to understand the two different channelsKeywords: matlab, channel, coding, decoding, Simulink.目录1引言 11.1选题的目的和意义 11.2本选题的理论依据、研究内容 12.信道编码以及其运行环境MATLAB的介绍 2 2.1 信道编码的概念及分类 22.2 信道编码定理及信道编码中所包含的各种码类的简介 22.2.1卷积码 22.2.2线性分组码 32.2.3循环码 32.3 MATLAB语言的简介 42.4 Simulink 53.信道 53.1二进制对称信道(BSC) 53.2二进制删除信道(BEC) 63.3高斯白噪声信道AWGN 64. Hamming码 74.1汉明码 74.2校验方法 74.3汉明码编码 94.3.1汉明码对高斯白噪声信道 94.3.2汉明码对二进制对称信道的仿真 115.卷积码 155.1卷积码定义与原理 155.2维特比译码原理 155.3卷积码译码器对高斯白噪声信道的设计与仿真 18 5.3.1卷积码译码器的设计与仿真 195.3.2简化维特比译码器的仿真 225.3.3卷积码译码器的误码率分析 245.4卷积编码器在二进制对称信道(BSC)中的性能 256.卷积码译码器对二进制对称信道和高斯白噪声信道仿真比较 307.总结 31致谢 32参考文献 33附录1: 34附录2: 37附录3: 40附录4: 411引言1.1选题的目的和意义数字信号在传输中往往由于各种原因,使得在传送的数据流中产生误码,从而使接收端产生图象跳跃、不连续、出现马赛克等现象。
实验二 白噪声信道实验
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(matlab)
均匀分布的白噪声信号u(n),画出其波形，并检验其分布情况%-----------------------------------------------------------------% To test rand.m and to generate the white noise signal u(n)% with uniform distribution% 产生均匀分布的随机白噪信号,并观察数据分布的直方图%-----------------------------------------------------------------clear;N=50000;u=rand(1,N);u_mean=mean(u)power_u=var(u)subplot(211)plot(u(1:100));grid on;ylabel('u(n)')xlabel('n')subplot(212)hist(u,50);grid on;ylabel('histogram of u(n)')思考：如何产生一均匀分布、均值为0，功率为0.01的白噪声信号u(n)提示：u （n ）~[a ，b]上均匀分布，E （u ）= (a+b)/2, 12/)()(2a b u -=σ% to generate the white noise signal u(n) with uniform distribution% and power p;% 产生均匀分布的白噪信号，使均值为0，功率为p%-----------------------------------------------------------------clear;p=0.01;N=50000;u=rand(1,N);u=u-mean(u);a=sqrt(12*p);u1=u*a;power_u1=dot(u1,u1)/Nsubplot(211)plot(u1(1:200));grid on;ylabel('u(n)')xlabel('n')example2: 产生零均值功率0.1且服从高斯分布的白噪声%-----------------------------------------------------------------% to test randn.m and to generate the white noise signal u(n)% with Gaussian distribution and power p% 产生高斯分布的白噪信号，使功率为p，并观察数据分布的直方图%-----------------------------------------------------------------clear;p=0.1;N=500000;u=randn(1,N);a=sqrt(p)u=u*a;power_u=var(u)subplot(211)plot(u(1:200));grid on;ylabel('u(n)');xlabel('n')subplot(212)hist(u,50);grid on;ylabel('histogram of u(n)');example3: sinc信号%-----------------------------------------------------------------% to generate the sinc function.% 产生一sinc 函数；%-----------------------------------------------------------------clear;n=200;stept=4*pi/n;t=-2*pi:stept:2*pi;y=sinc(t);plot(t,y,t,zeros(size(t)));ylabel('sinc(t)');xlabel('t=-2*pi~2*pi');grid on;example4: chirp信号%-----------------------------------------------------------------% to test chirp.m and to generate the chirp signal x(t)% 产生一chirp 信号；% chirp(T0,F0,T1,F1):% T0: 信号的开始时间；F0:信号在T0时的瞬时频率，单位为Hz；% T1: 信号的结束时间；F1:信号在T1时的瞬时频率，单位为Hz；%-----------------------------------------------------------------clear;t=0:0.001:1;x=chirp(t,0,1,125);plot(t,x);ylabel('x(t)')xlabel('t')%-------------------------------------------------------------------------% to test specgram.m ：估计信号谱图（SFFT）%specgram（x，Nfft，Fs，window，Noverlap）%x-信号；Fs抽样频率（2），Nfft做FFT长度（256）, window窗函数（Hanning）%Noverlap：估计功率谱时每一段叠合长度（0）%-------------------------------------------------------------------------clear;t=0:0.001:1.024-.001;N=1024;% 得到两个Chirp 信号，并相加；y1=chirp(t,0,1,350);y2=chirp(t,350,1,0);y=y1+y2;subplot(211);plot(t,y1);ylabel(' Chirp signal y1')% 求两个Chirp 信号和的短时傅里叶变换；[S,F,T]=specgram(y,127,1,hanning(127),126);subplot(212);surf(T/1000,F,abs(S).^2)view(-80,30);shading flat;colormap(cool);xlabel('Time')ylabel('Frequency')zlabel('spectrogram')还有diric信号（周期SINC）gauspuls(高斯信号)pulstran(脉冲串信号)tripuls三角波脉冲信号example5:线性卷积%-----------------------------------------------------------------% to test conv.m% 计算两个序列的线性卷积；%-----------------------------------------------------------------clear;N=5;M=6;L=N+M-1;x=[1,2,3,4,5];h=[6,2,3,6,4,2];y=conv(x,h);nx=0:N-1;nh=0:M-1;ny=0:L-1;subplot(231);stem(nx,x,'.k');xlabel('n');ylabel('x(n)');grid on;subplot(232);stem(nh,h,'.k');xlabel('n');ylabel('h(n)');grid on;subplot(233);stem(ny,y,'.k');xlabel('n');ylabel('y(n)');grid on;思考：设信号x(n)由正弦信号加均值为0白噪声所组成，正弦信号幅度为1，白噪声方差为1 SNR = 10LG(PS/PU) = -3dB,试分析信号；%-----------------------------------------------------------------% to test xcorr.m% 求两个序列的互相关函数，或一个序列的自相关函数；%-----------------------------------------------------------------clear;N=500;p1=1;p2=0.1;f=1/8;Mlag=50;u=randn(1,N);n=[0:N-1];s=sin(2*pi*f*n);% 混有高斯白噪的正弦信号的自相关u1=u*sqrt(p1);x1=u1(1:N)+s;rx1=xcorr(x1,Mlag,'biased');subplot(221);plot(x1(1:Mlag));xlabel('n');ylabel('x1(n)');grid on;subplot(223);plot((-Mlag:Mlag),rx1);grid on;xlabel('m');ylabel('rx1(m)');% 高斯白噪功率由原来的p1减少为p2，再观察混合信号的自相关u2=u*sqrt(p2);x2=u2(1:N)+s;rx2=xcorr(x2,Mlag,'biased');subplot(222);plot(x2(1:Mlag));xlabel('n');ylabel('x2(n)');grid on;subplot(224);plot((-Mlag:Mlag),rx2);grid on;xlabel('m');ylabel('rx2(m)');用乘同余法产生(见光盘FLch2bzsheg2.m)①编程如下：A=6; x0=1; M=255; f=2; N=100；%初始化；x0=1; M=255;for k=1: N %乘同余法递推100次；x2=A*x0; %分别用x2和x0表示x i+1和x i-1；x1=mod (x2,M); %取x2存储器的数除以M的余数放x1（x i）中；v1=x1/256; %将x1存储器中的数除以256得到小于1的随机数放v1中；）减去0.5再乘以存储器f中的系数，存放在v(:,k)=(v1-0.5 )*f; %将v1中的数（i矩阵存储器v的第k列中，v(:,k)表示行不变、列随递推循环次数变化；x0=x1; % x i-1= x i；v0=v1;end %递推100次结束；v2=v %该语句后无‘；’，实现矩阵存储器v中随机数放在v2中，且可直接显示在MATLAB的window中；k1=k;%grapher %以下是绘图程序；k=1:k1;plot(k,v,k,v,'r');xlabel('k'), ylabel('v');tktle(' (-1,+1)均匀分布的白噪声')②程序运行结果如图2.6所示。
高斯脉冲噪声 和高斯白噪声 matlab
高斯脉冲噪声和高斯白噪声是数字信号处理中常见的信号模型，它们在通信领域、图像处理领域以及其他多个领域都有着重要的应用。
而在MATLAB中，我们可以利用各种工具和函数来模拟和处理这两种噪声信号。
本文将就高斯脉冲噪声和高斯白噪声的特点、模拟方法和在MATLAB中的实现进行介绍和分析。
一、高斯脉冲噪声的特点1. 高斯脉冲噪声的产生高斯脉冲噪声是一种脉冲干扰的随机信号，在通信系统中常常会遇到。
它的产生过程可以通过高斯分布来描述，即每个脉冲的幅值服从高斯分布。
2. 高斯脉冲噪声的特点高斯脉冲噪声的特点在于其具有随机性和突发性，幅度分布服从高斯分布，且脉冲出现的位置和幅值都是随机的。
这使得高斯脉冲噪声在一定程度上对系统的性能产生影响，因此需要对其进行模拟和分析。
二、高斯脉冲噪声的模拟方法在MATLAB中，可以利用randn函数生成高斯分布的随机数序列，然后可以根据需要进行幅度调制和脉冲出现的位置的控制，从而生成高斯脉冲噪声信号。
以下是MATLAB代码示例：```matlab生成高斯脉冲噪声信号N = 1000; 信号长度mu = 0; 均值sigma = 1; 标准差noise = mu + sigma * randn(1, N); 产生高斯分布随机数序列```以上代码使用了randn函数生成了长度为N的高斯分布随机数序列，并通过设置均值和标准差来控制噪声信号的特点。
三、高斯脉冲噪声的处理与分析在实际系统中，需要对高斯脉冲噪声进行处理和分析，以评估系统的性能和稳定性。
MATLAB提供了丰富的信号处理工具和函数，能够方便地进行信号的滤波、频谱分析等操作。
在处理高斯脉冲噪声时，可以利用MATLAB中的滤波函数对噪声信号进行去噪，比如利用高斯滤波器进行平滑处理。
另外，还可以通过频谱分析函数对噪声信号进行频域特性的分析，以了解其频谱分布和功率谱密度等特性。
四、高斯白噪声的特点1. 高斯白噪声的产生高斯白噪声是一种具有均匀频谱分布的随机信号，其幅度也服从高斯分布。
信号实验报告matlab
信号实验报告matlab下面是一篇1500-2000字的文章，标题为：信号实验报告: 使用MATLAB 进行信号分析与处理。
1. 引言信号分析与处理是现代工程学中的一个重要领域，它涉及到对各种形式的信号进行分析、识别和处理。
在本实验中，我们将使用MATLAB作为工具，对不同类型的信号进行分析和处理。
本报告将逐步介绍实验过程和结果。
2. 实验目标本实验的主要目标是使用MATLAB对以下几类信号进行分析和处理：- 周期性信号- 随机信号- 数字信号3. 实验步骤3.1 周期性信号分析首先，我们生成一个简单的正弦信号并对其进行分析。
我们使用MATLAB 的`sin`函数生成一个周期性信号，并使用`plot`函数绘制其时域波形图。
接下来，我们使用`fft`函数计算信号的频谱，并使用`abs`函数绘制其幅值谱图。
最后，我们计算信号的功率谱，并使用`plot`函数可视化结果。
3.2 随机信号分析接下来，我们将分析一个随机信号。
我们生成了一个高斯白噪声信号，并使用`plot`函数绘制其时域波形图。
然后，我们计算该信号的自相关函数，并使用`plot`函数绘制结果。
最后，我们计算信号的功率谱密度，并使用`plot`函数可视化结果。
3.3 数字信号处理最后，我们将对一个数字信号进行处理。
我们导入一个音频文件，并使用`audioread`函数读取其数据。
然后，我们对该信号进行降噪处理，使用MATLAB的滤波函数对其进行消除噪声。
接下来，我们使用`plot`函数绘制降噪后的音频信号波形图，并通过MATLAB的`sound`函数播放结果。
4. 实验结果在周期性信号分析中，我们观察到正弦信号的频谱图为单个峰值，并且功率谱也可以准确计算。
在随机信号分析中，我们发现白噪声信号在自相关函数中显示出与时间无关的模式，并且功率谱密度在频域上呈现均匀分布。
在数字信号处理中，我们成功对音频信号进行了降噪处理，通过对比降噪前后的波形图和通过听音频的差异可以明显感觉到噪声的减少。
高斯白噪声 matlab
高斯白噪声1. 什么是高斯白噪声？高斯白噪声是一种在时间和频率上都是均匀分布的随机信号，其特点是具有平坦的功率谱密度。
在频域上，高斯白噪声在所有频率上都具有相同的能量。
在时域上，它表现为一个平均值为零、方差为常数的随机过程。
高斯白噪声可以用数学模型来描述，即服从高斯分布（正态分布）且均值为0、方差为常数的随机变量序列。
由于其随机性质和均匀分布特点，高斯白噪声广泛应用于信号处理、通信系统、图像处理等领域。
2. 高斯白噪声模拟方法2.1 Box-Muller变换Box-Muller变换是一种常用的生成服从标准正态分布的随机数方法。
通过该方法，我们可以生成服从高斯分布（正态分布）的随机数。
Box-Muller变换基于极坐标转换原理，将两个独立且均匀分布在[0,1]区间上的随机数转换为符合高斯分布的随机数。
具体步骤如下： 1. 生成两个均匀分布在[0,1]区间上的随机数u1和u2。
2. 计算z0 = sqrt(-2 * ln(u1)) * cos(2 * pi * u2)和z1 = sqrt(-2 * ln(u1)) * sin(2 * pi * u2)。
3. z0和z1即为服从标准正态分布的随机数。
2.2 MATLAB实现在MATLAB中，可以使用randn函数生成服从标准正态分布的随机数。
通过乘以方差sigma和加上均值mu，可以得到服从指定均值和方差的高斯白噪声。
以下是MATLAB代码示例：% 生成高斯白噪声mu = 0; % 均值sigma = 1; % 方差n = 1000; % 生成1000个样本点noise = mu + sigma * randn(n, 1); % 生成服从指定均值和方差的高斯白噪声% 绘制高斯白噪声时域波形图t = (0:n-1)';figure;plot(t, noise);xlabel('Time');ylabel('Amplitude');title('Gaussian White Noise');% 绘制高斯白噪声频谱图Fs = 1000; % 采样率f = (-Fs/2):(Fs/n):(Fs/2-Fs/n);spectrum = abs(fftshift(fft(noise)));figure;plot(f, spectrum);xlabel('Frequency');ylabel('Magnitude');title('Frequency Spectrum of Gaussian White Noise');3. 高斯白噪声的应用高斯白噪声由于其随机性和均匀分布特点，在信号处理和通信系统中具有广泛的应用。
基于Matlab的1_3倍频程分析
用Matlab语言实现噪声的1/3倍频程分析摘要:在声学测量研究中，1/3倍频程谱反映了声源的能量分布情况.本文基于Matlab软件开发平台，实现了对高斯白噪声的1/3倍频程分析，验证了该算法的正确性，具有精度高,性能稳定的特点。
关键词: 故障诊断；传感器优化布置；高斯白噪声；功率谱；1/3倍频程0 引言“设备故障诊断（Condition Monitoring and Faults Diagnosis）”是近十几年发展起来的一门新兴技术，包含两方面的内容：一是对设备的现场运行状态进行监测；二是在出现故障情况时对故障进行分析与诊断。
这二者是密不可分和相互关联的。
掌握设备现在的状况及信息，预知和预测有关故障或异常的程度，分析故障产生的原因，判断故障发展趋势及其对将来的影响，从而找出必要的对策或解决方法，是设备故障诊断的功能。
运用设备诊断技术所取得的经济效益是明显的。
据日本资料报道，采用诊断技术后，事故率减少75%，维修费用可降低25-50%。
英国对两千个工厂进行的调查表明，采用诊断技术后，维修费用每年可节约 3 亿英磅。
目前我国的机器设备总值约为8000 多亿元，每年用于设备大修、小修和处理故障的费用一般占固定资产原值的3%—5%，采用诊断技术改进维修方式和方法后，一年取得的经济效益可达数百亿元。
因而减少停机时间而创造的社会效益将非常巨大。
显然，设备故障诊断与监测技术对企业的正常生产经营是必不可少的，必须把它作为企业管理与发展的一个重要内容。
设备故障诊断一般分两个阶段四个步骤实施。
两个阶段为状态监测和故障诊断。
故障诊断的四个步骤为：信号检测、特征提取（信号处理）、状态识别和诊断决策。
其具体内容为：（l）信号检测：按不同诊断目的选择最能表征工作状态的信号。
这种工作状态信号称为初始模式。
（2）特征提取（信号处理）：将初始模式向量进行信号处理、变换，去掉冗余信息，提取故障特征、形成待检模式；（3）状态分析：将待检模式与样式模式（故障档案）对比和状态分类，判断出故障类型。
MATLAB中的信号噪声分析与处理方法
MATLAB中的信号噪声分析与处理方法一、引言信号噪声是在实际工程应用中普遍存在的问题，噪声会对信号的质量和准确性产生不良影响。
因此，对信号噪声进行分析和处理是非常重要的。
MATLAB作为一款强大的科学计算软件，提供了丰富的信号处理工具和算法，可以方便地进行信号噪声分析与处理。
本文将介绍一些常用的MATLAB工具和方法，帮助读者更好地处理信号噪声。
二、信号噪声分析在进行信号噪声分析之前，首先需要了解噪声的特性和类型。
常见的噪声类型有白噪声、高斯噪声、脉冲噪声等。
其中，白噪声是一种功率谱密度恒定的噪声，常用于模拟信号分析。
高斯噪声则符合正态分布特性，常用于数字信号处理。
脉冲噪声则表现为突然出现的噪声干扰。
对于信号噪声的分析，可以使用MATLAB中的频谱分析工具来实现。
例如，可以利用MATLAB中的fft函数对信号进行频谱分析，得到信号的功率谱密度。
通过观察功率谱密度图，可以清楚地看到信号的频域特性和噪声的功率分布情况。
此外，MATLAB还提供了丰富的统计工具，可以计算信号的均值、方差等统计参数，帮助进一步分析信号的噪声特性。
三、信号噪声处理1. 滤波方法滤波是一种常用的信号噪声处理方法，其目的是通过选择合适的滤波器对信号进行处理，抑制或消除噪声。
在MATLAB中，可以利用fir1、butter等函数来设计和应用滤波器。
滤波器可以分为低通滤波器、高通滤波器、带通滤波器和带阻滤波器等不同类型。
根据信号噪声的特点和需求，选择合适的滤波器类型是十分重要的。
例如，如果信号中的噪声主要集中在高频段，可以选择高通滤波器进行去噪处理。
2. 去噪算法除了滤波方法外，还有其他一些去噪算法可以应用于信号噪声处理。
例如，小波去噪算法是一种常用的信号去噪方法。
该算法通过对信号进行小波分解，并利用小波系数的特性进行噪声抑制。
MATLAB提供了丰富的小波变换函数和去噪函数，可以方便地进行信号去噪处理。
另外，独立分量分析（ICA）是一种基于统计的信号盲源分离方法，也可以用于信号噪声的降维和去噪。
高斯白噪声及Matlab常用实现方法
高斯白噪声及Matlab常用实现方法一、概念英文名称：white Gaussian noise; WGN定义：均匀分布于给定频带上的高斯噪声；所谓高斯白噪声中的高斯是指概率分布是正态函数，而白噪声是指它的二阶矩不相关，一阶矩为常数，是指先后信号在时间上的相关性。
这是考察一个信号的两个不同方面的问题。
高斯白噪声：如果一个噪声，它的幅度服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。
热噪声和散粒噪声是高斯白噪声。
二、matlab举例Matlab有两个函数可以产生高斯白噪声，wgn( )和awgn( )。
1. WGN：产生高斯白噪声y = wgn(m,n,p)y = wgn(m,n,p) %产生一个m行n列的高斯白噪声的矩阵，p以dBW为单位指定输出噪声的强度。
y = wgn(m,n,p,imp)y = wgn(m,n,p,imp) %以欧姆(Ohm)为单位指定负载阻抗。
y = wgn(m,n,p,imp,state)y = wgn(m,n,p,imp,state) %重置RANDN的状态。
2. AWGN：在某一信号中加入高斯白噪声y = awgn(x,SNR)y = awgn(x,SNR) %在信号x中加入高斯白噪声。
信噪比SNR以dB为单位。
x的强度假定为0dBW。
如果x是复数，就加入复噪声。
clear,clc;N=0:1000;fs=1024;t=N./fs;y=3*sin(2*pi*t);x=wgn(1,1001,2);i=y+x;% i=awgn(y,2); subplot(3,1,1),plot(x); subplot(3,1,2),plot(y); subplot(3,1,3),plot(i);。
- 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)。
基于matlab高斯白噪声信道分析系统的设计××（陕西理工学院物理与电信工程学院通信工程专业1202班，陕西汉中 723003）指导教师：吴燕[摘要] MATLAB 是一种用于算法开发、数据可视化、数据分析以及数值计算的高级技术计算语言和交互式环境。
本文在matlab的环境下构建了BFSK在高斯白噪声信道中传输的系统模型，通过simulink程序仿真，研究系统的误码率与信道质量的关系，找到在高斯白噪声信道上传输的最大信噪比及所需发射功率和调制频率，从而得出该系统在高斯白噪声信道中的最佳传输性能。
[关键词] MATLAB；高斯白噪声；信道分析；simulink仿真Design and production of the Gauss white noise channel analysis system based on MATLAB××(Grade 2012,Class 2,Major of Communication Engineering,School of Physics and Telecommunication Engineering of Shaanxi University of Technology,Hanzhong 723003,Shaanxi)Tutor: Wu YanAbstract: MATLAB is a high-level technical computing language and interactive environment for the development of algorithms, data visualization, data analysis and numerical calculation. This article in the matlab environment build BFSK in AWGN channel model simulation,by running simulation the program on the system of quality of error rate and channel relationships,found in AWGN channel transport of maximum signal-to-noise ratio and the desired transmitter power.Key words:MA TLAB; Gauss white noise; channel analysis; Simulink simulation目录1.绪论 ..................................... 错误!未定义书签。
1.1课程研究背景 ............................. 错误!未定义书签。
1.2课程研究目的及意义........................ 错误!未定义书签。
2.MATLAB和SIMULINK的相关介绍 (1)2.1MATLAB介绍 (1)2.1.1MATLAB的功能及特点.................... 错误!未定义书签。
2.1.2MATLAB应用............................ 错误!未定义书签。
2.1.3学习MATLAB应掌握的基本知识 (3)2.2SIMULINK简介 (3)2.2.1SIMULINK的特点........................ 错误!未定义书签。
2.2.2SIMULINK的功能........................ 错误!未定义书签。
3.高斯白噪声 (4)3.1高斯白噪声的基本概念 (4)3.2高斯白噪声的数学模型 (4)3.3高斯白噪声产生及仿真 (4)4.加性高斯白噪声 (7)4.1加性高斯白噪声的概念 (8)4.2BFSK信号的传输性能建模与仿真 (8)5.仿真程序 (10)5.1AWGN加性高斯白噪声产生程序............... 错误!未定义书签。
5.2信噪比与误比特率关系程序.................. 错误!未定义书签。
结论: . (11)致谢 (12)参考文献 (13)1.绪论1.1 课程研究背景本次课程设计的课题是“基于MATLAB/SIMULINK的高斯白噪声信道的设计与仿真”。
信道是传送信息的物理性通道，可分为有线信道和无线信道两类，本次课程设计主要研究无线信道。
有线信道包括明线、对称电缆、同轴电缆及光缆等。
无线信道有地波传播、短波电离层反射、超短波或微波视距中继、人造卫星中继以及各种散射信道等。
如果我们把信道的范围扩大，它还可以包括有关的变换装置，比如：发送设备、接收设备、馈线与天线、调制器、解调器等，我们称这种扩大的信道为广义信道，而称前者为狭义信道。
信息是抽象的，但传送信息必须通过具体的媒质。
例如二人对话，靠声波通过二人间的空气来传送，因而二人间的空气部分就是信道。
邮政通信的信道是指运载工具及其经过的设施。
无线电话的信道就是电波传播所通过的空间，有线电话的信道是电缆。
每条信道都有特定的信源和信宿。
在多路通信，例如载波电话中，一个电话机作为发出信息的信源，另一个是接收信息的信宿，它们之间的设施就是一条信道，这时传输用的电缆可以为许多条信道所共用。
在理论研究中，一条信道往往被分成信道编码器、信道本身和信道译码器。
人们可以变更编码器、译码器以获得最佳的通信效果，因此编码器、译码器往往是指易于变动和便于设计的部分，而信道就指那些比较固定的部分。
但这种划分或多或少是随意的，可按具体情况规定。
例如调制解调器和纠错编译码设备一般被认为是属于信道编码器、译码器的，但有时把含有调制解调器的信道称为调制信道；含有纠错编码器、译码器的信道称为编码信道。
根据信道中其主要作用的噪声的特点，信道可以分为加性高斯白噪声（AWGN）信道、瑞利（Rayleigh）信道、莱斯（Rician）信道、突发干扰信道以及二进制平衡信道（BSC）等。
此次通信原理课程设计主要针对高斯白噪声信道。
在数字信号载波传输系统中，由于信道噪声的存在会造成误码。
在研究通信系统的误码率与信道质量的关系时，最简单的数学模型是加性宽带高斯白噪声信道，该性道模型在通信系统的分析与设计中是一主要的信道模型。
本文在MATLAB的环境下，仿真了BFSK（2FSK）信号在加性宽带高斯白噪声信道传输过程，研究了系统的误码率与信道质量的关系，找到加性宽带高斯白噪声信道中传输的最大信噪比及所需发射功率和调制频率，从而得出该系统在高斯白噪声信道中的最佳传输性能。
为中、低速数据传输，以及衰落信道和频带较宽的信道应用提供了理论根据。
1.2课程研究目的及意义在MATLAB的环境下构建了BFSK在高斯白噪声信道中传输的系统模型，通过运行程序仿真，研究系统的误码率与信道质量的关系，找到在高斯白噪声信道上传输的最大信噪比及所需发射功率和调制频率，从而得出该系统在高斯白噪声信道中的最佳传输性能。
而且通过此次实践，巩固了所学的专业技术知识问题的能力，培养学生综合运用所学知识与生产实践经验，分析和解决工程技术问题的能力，培养初步的设计能力，通过课程实践，了解并掌握通信系统的一般设计方法，训练并提高学生在理论计算、结构设计、工程绘图、查阅资料的能力，更好的将理论与实践相结合，提高综合运用所学理论知识分析和解决问题的能力，并且掌握Simulink 的操作方法。
2.Matlab和Simulink的相关介绍2.1 Matlab介绍Matlab是由美国mathworks公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。
它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。
Matlab集成环境下的Simulink:MATLAB是一种功能强大的科学计算和工程仿真软件，它的交互式集成界面能够帮助用户快速地完成数值分析、矩阵运算、数字信号处理、仿真建模、系统控制和优化等功能。
MATLAB语言采用与数字表达相同的形式，不需要传统的程序设计语言，由于MATLAB的这些特性，它已成为科研工作和工程仿真中的高效助手。
2.1.1Matlab的功能及特点Matlab可以进行矩阵运算、绘制函数和数据、实现算法、创建用户界面、连接其他编程语言的程序等，主要应用于工程计算、控制设计、信号处理与通讯、图像处理、信号检测、金融建模设计与分析等领域。
（1）简单易用Matlab是一个高级的矩阵/阵列语言，它包含控制语句、函数、数据结构、输入和输出和面向对象编程特点。
用户可以在命令窗口中将输入语句与执行命令同步，也可以先编写好一个较大的复杂的应用程序（M文件）后再一起运行。
新版本的MATLAB语言是基于最为流行的C++语言基础上的，因此语法特征与C++语言极为相似，而且更加简单，更加符合科技人员对数学表达式的书写格式。
使之更利于非计算机专业的科技人员使用。
而且这种语言可移植性好、可拓展性极强，这也是MATLAB 能够深入到科学研究及工程计算各个领域的重要原因。
（2）强处理能力MATLAB是一个包含大量计算算法的集合。
其拥有600多个工程中要用到的数学运算函数，可以方便的实现用户所需的各种计算功能。
函数中所使用的算法都是科研和工程计算中的最新研究成果，而且经过了各种优化和容错处理。
在通常情况下，可以用它来代替底层编程语言，如C和C++ 。
在计算要求相同的情况下，使用MATLAB的编程工作量会大大减少。
MATLAB的这些函数集包括从最简单最基本的函数到诸如矩阵，特征向量、快速傅立叶变换的复杂函数。
函数所能解决的问题其大致包括矩阵运算和线性方程组的求解、微分方程及偏微分方程的组的求解、符号运算、傅立叶变换和数据的统计分析、工程中的优化问题、稀疏矩阵运算、复数的各种运算、三角函数和其他初等数学运算、多维数组操作以及建模动态仿真等。
（3）图形处理MATLAB自产生之日起就具有方便的数据可视化功能，以将向量和矩阵用图形表现出来，并且可以对图形进行标注和打印。
高层次的作图包括二维和三维的可视化、图象处理、动画和表达式作图。
可用于科学计算和工程绘图。
新版本的MATLAB对整个图形处理功能作了很大的改进和完善，使它不仅在一般数据可视化软件都具有的功能（例如二维曲线和三维曲面的绘制和处理等）方面更加完善，而且对于一些其他软件所没有的功能（例如图形的光照处理、色度处理以及四维数据的表现等），MATLAB同样表现了出色的处理能力。