《葛海军的系统建模与仿真报告》由会员分享，可在线阅读，更多相关《葛海军的系统建模与仿真报告（41页珍藏版）》请在金锄头文库上搜索。
1、系统建模与仿真报告系统建模与仿真报告姓名：葛海军姓名：葛海军学号：学号：0411420841系统建模与仿真作业系统建模与仿真作业一一 产生十种随机分布的数：产生十种随机分布的数：1 （0-1）之间的均匀分布：概率密度函数：； 其他0101)(xxP产生思想：采用乘同余法产生；具体实现方法： （mod m） ；nnuxx1参数：；m 一般取取正整数，为初始值一般取为正整数；，或一般取bbxaau1253203计算机的字长，其是控制所产生随机数的精度（即：小数点后的位数） ；程序（具体程序见附录）实现中取 u=11，m=100000，的取值是随机赋的；0x参数估计：在 matlab 命令窗口键入
2、y=junyun(10240)；就可以产生 10240 个随机数保存 在向量 y 中，然后再键入 zhifangtu（y，100） （调用直方图来对其进行检验） ，运行结果如 下：然后在计算这 10240 个数的均值和方差在命令窗口键入 z=canshu（y） ，运行结果为： z=0.50038 0.083263 其中 0.50038 表示所产生的数据的均值，0.083263 表示所产生数据的方差，而（0-1）之间 的均匀分布的随机数的数学期望为 0.5，与上面所求出的 0.50038 很接近，方差 0.083263 近似与 0，于是这种产生方法已经符合要求。 2瑞利分布随机数的产生概率密度函
3、数：； 000)(222 2 xxex xPx 产生思想：利用直接抽样法产生；具体实现方法： a先调用产生（0-1）之间的均匀分布的函数（y=junyun(n)）产生一组（0-1）之间均 匀分布的随机数保存在向量 x 里；b然后作；2lnzy c另，于是向量就是要产生的瑞利分布的随机数；zyy参数估计：在 matlab 命令窗口键入 y=ruili(1，10240)；就可以产生 10240 个随机数保存 在向量 y 中，然后再键入 zhifangtu（y，100） （调用直方图来对其进行检验） ，运行结果如 下：然后在计算这 10240 个数的均值和方差在命令窗口键入 z=canshu（y）
4、，运行结果为： z=1.255 0.43138 其中 1.255 表示所产生的数据的均值，0.43138 表示所产生数据的方差，而瑞利分布的数学期望计算式为： 1.253，与上面所求出的随机数的12其中，代入计算得：平均值 1.2555 相当接近，瑞利分布方差的计算公式为：当时代入计算得2 2410.42920 与 0.43138 相当接近，于是这种产生方法已经符合要求。 3指数分布随机数的产生概率密度函数：； 0001 )( xxexPx 产生思想：利用直接抽样法；具体实现方法： a 先调用产生（0-1）之间的均匀分布的函数（x=junyun(n)）产生一组（0-1）之间均 匀分布的随机数保
5、存在向量 x 里；b 然后作（为参数）于是向量就是所要产生的指数分布的随机向量；xyln1 y参数估计：在 matlab 命令窗口键入 y=zhishu(1，10240)；就可以产生 10240 个随机数保 存在向量 y 中，然后再键入 zhifangtu（y，100） （调用直方图来对其进行检验） ，运行 结果如下：然后在计算这 10240 个数的均值和方差在命令窗口键入 z=canshu（y） ，运行结果为： z=1.0011 1.0011 其中 1.0011 表示所产生的数据的均值，1.0011 表示所产生数据的方差，而指数分布的数学期望计算式为： 1，与上面所求出的随机数的平均值11其
6、中，代入计算得：1.0011 相当接近，指数分布方差的计算公式为：当时代入计算得 1 与 1.0011 相21 1当符合，于是这种产生方法已经符合要求。 4韦布尔分布的随机数的产生概率密度函数：； 000)()()(1xxex xPx 产生思想：利用直接抽样法；具体实现方法： a 先调用产生（0-1）之间的均匀分布的函数（x=junyun(n)）产生一组（0-1）之间均 匀分布的随机数保存在向量 x 里；b 输出于是就是韦布尔分布的随机向量；1 )ln(xyy参数估计：在 matlab 命令窗口键入 y=weibuer(3,1,10240);；就可以产生 10240 个随机数 保存在向量 y
7、中，然后再键入 zhifangtu（y，100） （调用直方图来对其进行检验） ，运 行结果如下：然后在计算这 10240 个数的均值和方差在命令窗口键入 z=canshu（y） ，运行结果为： z=0.89448 0.10544 其中 0.89448 表示所产生的数据的均值，0.10544 表示所产生数据的方差，与韦布尔分布数 学期望和方差计算所得的结果比较相符合。如果在 matlab 命令窗口键入 y=weibuer(1,1,10240);，将会产生指数分布。在 matlab 命令窗口键入 y=weibuer(2,1,10240); ，将会产生瑞利分布。 5. swerling 分布的随机
8、数的产生 产生思想：利用直接抽样法；具体实现方法： 先调用产生（0-1）之间的均匀分布的函数（x1 x2=junyun(n)）产生一组（0-1）之间均匀分 布的随机数保存在向量x1 x2里r=ones(1,n); 222ln 1cos(22)2ln 1sin(22)/2()uxxvxxyruv输出的 y 就是 swerling 分布的随机变量。 参数估计：在 matlab 命令窗口键入 y=swerlingr(10240);；就可以产生 10240 个随机数保存 在向量 y 中，然后再键入 zhifangtu（y，100） （调用直方图来对其进行检验） ，运行结果如 下：然后在计算这 1024
9、0 个数的均值和方差在命令窗口键入 z=canshu（y） ，运行结果为：z=1.0015 0.99343 其中 1.0015 表示所产生的数据的均值，0.99343 表示所产生数据的方差，与 swerling 分布 数学期望和方差计算所得的结果比较相符合。 6bernoulli分布的随机数的产生 它的概率密度具有以下形式：其中x取0n的整数，q=1-p。它的随机数要么是0，要么是1。 xn xxnP xp qC产生思想：利用直接抽样法； 先调用产生（0-1）之间的均匀分布的函数（x=junyun(n)）产生一组（0-1）之间均匀 分布的随机数保存在向量 x 里；如果 x1)p=-log(ex
10、p(1)+a)/exp(1)-y2)/a);if(x1=1)while(k=log(z)y(k)=x;k=k+1;elsecontinue;endendendy=b*y;function y=beitafenbu(a1,a2,n) %产生贝他分布的随机数，其中a1、a2是贝他分布的参数，n代表数据量%x1=dajiama(a1,1,n);x2=dajiama(a2,1,n);y=x1./(x1+x2);function y1,y2=gaussian(n) %产生数据量为n的两个相互独立高斯分布y1、y2%-%k=1;y1=zeros(1,n);y2=zeros(1,n);while(k=1)c
11、ontinue;elseif(s=0)k=k+1;elsey1(k)=v1*sqrt(-2*log(s)/s);y2(k)=v2*sqrt(-2*log(s)/s);k=k+1;endendfunction y=canshu(x);y=ones(1,2);n=length(x);y(1)=sum(x)/n;z=x-y(1);z=z.2;y(2)=sum(z)/(n-1);function y=correlation(x) %计算x的自相关函数%n=length(x);for i=1:nx1(i)=x(n+1-i);endy=conv(x,x1);二三种相关杂波function y=gaussi
12、anpu(x) %由数据量为n的高斯白噪声产生向量为n，功率谱为高斯型的高斯随机向量%N=0:20;f=20;T=1/256;c=2*f*T*sqrt(pi)*exp(-4*f2*pi2*T2*N.2);n=length(x);y=zeros(1,n);for k=1:nfor i=20:-1:0if (k-i)=103)y(i)=x(i);else y(i)=0;endendw=y(:);i=1:length(w);plot(i,w);function y=u(n) %发射信号包络函数%if (n=0)y=1;elsey=0;endfunction h=wide(w,M)a=(M-1)/2;
13、n=0:1:(M-1);m=n-a+eps;h=sin(w*m)./(pi*m);function leidaxitong %总的雷达系统仿真figure(1); h,s1,g,f0,fs,f1=huibo;%,title(目标回波);figure(2); y1=gaofang(s1,f0,fs,f1);%,title(高放);figure(3); y2=hunpin(y1,f0,fs,f1);%,title(混频);figure(4); y3=zhongfang(y2,f0,fs,f1);%,title(中放);figure(5); I,Q=xiangganjianbo(y3,fs,f0,f1);%,title(相干检波);x4,y4=AD(I,Q);figure(6); I1,Q1=maichongyasuo(x4,y4,h);%,title(脉冲压缩);figure(7);y5,y6=MTI(I1,Q1);%,title(MTI);figure(8); y7=qumo(y5,y6),title(取模);figure(9); y8=jilei(y7),title(脉冲积累);figure(10); y9=CFAR(y8),title(恒虚警);
