《matlab随机信号分析常用函数》由会员分享，可在线阅读，更多相关《matlab随机信号分析常用函数（11页珍藏版）》请在金锄头文库上搜索。
1、随机信号分析常用函数及示例1、熟悉练习使用下列MATLAB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。 rand()： 函数功能：生成均匀分布的伪随机数 使用方法： r = rand(n) 生成 n*n 的包含标准均匀分布的随机矩阵，其元素在(0，1)内。 rand(m,n)或 rand(m,n) 生成的 m*n 随机矩阵。 rand(m,n,p,.)或 rand(m,n,p,.) 生成的 m*n*p 随机矩数组。 rand () 产生一个随机数。 rand(size(A) 生成与数组 A 大小相同的随机数组。 r = rand(., double)或 r
2、 = rand(., single) 返回指定类型的标准随机数，其中double 指随机数为双精度浮点数，single 指随机数为单精度浮点数。 例：r=rand(3,4); 运行结果： r= 0.4235 0.4329 0.7604 0.2091 0.5155 0.2259 0.5298 0.3798 0.3340 0.5798 0.6405 0.7833 randn(): 函数功能：生成正态分布伪随机数 使用方法： r = randn(n) 生成 n*n 的包含标准正态分布的随机矩阵。 randn(m,n)或 randn(m,n) 生成的 m*n 随机矩阵。 randn(m,n,p,.)或
3、 randn(m,n,p,.) 生成的 m*n*p 随机矩数组。 randn () 产生一个随机数。 randn(size(A) 生成与数组 A 大小相同的随机数组。 r = randn(., double)或 r = randn(., single) 返回指定类型的标准随机数，其中double 指随机数为双精度浮点数，single 指随机数为单精度浮点数。 例：产生一个均值为 1，标准差为 2 的正态分布随机值： r=1+2.*randn(10,1); 运行结果： r= -1.3756 3.4046 2.9727 -0.0373 1.6547 1.4681 1.0429 -1.0079 -0
4、.8943 0.2511 normrnd() 函数功能：生成正态分布的随机数 使用方法： R = normrnd(mu,sigma) 生成服从均值参数为mu 和标准差参数sigma 的正态分布的随机数。 mu 和 sigma可能是有相同大小的向量、矩阵或多维数组，也和R 有相同的大小。 如果 mu 或 sigma是标量，则被扩展为和另一个输入有相同维数的数组。 R = normrnd(mu,sigma,v) 生成服从均值参数为mu 和标准差参数 sigma的正态分布的 v 个随机数组， 其中 v是行向量。 如果 v是 1*2 的向量，则 R是有 v(1)行和 v(2)列的矩阵。 如果 v是 1
5、*n 的向量，则 R是一个 n 维数组。 R = normrnd(mu,sigma,m,n) 生成服从均值参数为mu 和标准差差参数 sigma的正态分布的 m*n 的随机数 矩阵。 例： r=normrnd(0,1,1 5); 运行结果： r= -1.1859 -1.0559 1.4725 0.0557 -1.2173 mean() 函数功能：求数组的平均数或者均值 使用方法： M = mean(A) 返回沿数组中不同维的元素的平均值。 如果 A是一个向量， mean(A)返回 A 中元素的平均值。 如果 A 是一个矩阵， mean(A)将中的各列视为向量，把矩阵中的每列看成一 个向量，返回
6、一个包含每一列所有元素的平均值的行向量。如果A 是一个多 元数组， mean(A)将数组中第一个非单一维的值看成一个向量，返回每个向 量的平均值。 M = mean(A,dim) 返回 A中沿着标量 dim 指定的维数上的元素的平均值。 对于矩阵，mean(A,2) 就是包含每一行的平均值的列向量。 例：a=1 2 3;4 5 6; 7 8 9;10 11 12; ; mean(a) ans = 5.5000 6.5000 7.5000 mean(a,2) ans = 2 5 8 11 var() 函数功能：计算方差 使用方法： V = var(X) 如果 X是一个向量，返回向量X的方差。 如
7、果 X是一个矩阵， var(X)返回一个包含矩阵X每一列方差的行向量。 如果 X是一个 N 维数组， var 沿着第一个 X的非单一维进行操作。 只要 X是独立同分布的，结果V 是 X分布的总体方差的无偏估计。 当 N1时，var 由 N-1来标准化，其中N 是样本大小。 只要样本是独立同分布的， 它就是 X分布的总体方差的无偏估计。 对 N=1来 说，v 由 N 来标准化。 V = var(X,1) 由 N 来标准化，并且生成了样本关于其均值的二阶矩， var(X,0)等价于 var(X)。 V = var(X,w) 计算向量 X的方差利用权重向量w， 向量 w 中元素的数目必须和X中的列的
8、 数目相同，向量 w 中的元素必须全是正数。var 归一化 w 是的总和为 1。 V = var(X,w,dim) 沿着指定维数 dim 求 X的方差，默认用 N-1 标准化这时 w 为 0，w 为 1 时用 N 标准化。 例： x=4 5 3 5 2 5 6; var(x) ans = 1.9048 xcorr() 函数功能 :互相关函数 使用方法 : c = xcorr(x,y) 求 x,y的互相关函数。 c = xcorr(x) 为矢量 x 的自相关估计；c = xcorr(x,y,option) 为有正规化选项的互相关计算；其中选项为 “biased“为有偏的互相关函数估计； “unb
9、iased“为无偏的互相关函数估计； “coeff“为 0 延时的正规化序列的自相关计算； “none“为原始的互相关计算； c = xcorr(x,y,maxlags) 返回一个延迟范围在 -maxlags,maxlags 的互相关函数序 列，输出 c 的程度为 2*maxlags-1. c = xcorr(x,maxlags) 返回一个延迟范围在 -maxlags,maxlags 的自相关函数序 列，输出 c 的程度为 2*maxlags-1. c = xcorr(x,y,maxlags,option) 同时指定 maxlags和 option 的互相关计算 . c = xcorr(x,m
10、axlags,option) 同时指定 maxlags和 option 的自相关计算 . c,lags = xcorr(.)返回一个在c 进行相关估计的延迟矢量lag，其范围为 -maxlags:maxlags, 当 maxlags没有指定时，其范围为 -N+1,N-1 例：r=randn(1000,1); c,lags=xcorr(r,10,coeff); stem(lags,c); periodogram() 函数功能：返回序列x,用周期图法的功率谱估计，加参数window 是采用修 正的周期图法， window 制定窗的系数。 使用方法： Pxx,w=periodogram(x) Pxx
11、,w=periodogram(x,window) 例：Fs = 1000; t = 0:1/Fs:.3; x = cos(2*pi*t*200)+randn(size(t); periodogram(x,twosided,512,Fs); fft() 函数功能：快速傅里叶变换 使用方法： X=fft(x) 例：x=1 3 5 4 2 5 6 7; X=fft(x); X = 33.0000 -0.2929 + 4.5355i -8.0000 + 3.0000i -1.7071 + 2.5355i -5.0000 -1.7071 - 2.5355i -8.0000 - 3.0000i -0.29
12、29 - 4.5355i normpdf() 函数功能：求解正态分布概率密度函数 使用方法： Y=normpdf(X,MU,SIMA) 求解数学期望为MU，标准差为 SIMA的正态分布随机变量的概率 密度函数在 x 处的值，若输入时MU,SIGMA为空 ,则默认为标准正态分布.MU为0,SIGMA为 1 例：x=0; y=normpdf(x,0,1) y = 0.3989 normcdf() 函数功能：正态分布概率分布函数 使用方法： P=normcdf(X,MU,SIGMA) 求解数学期望为MU，标准差为SIMA 的正态分布随机变量的累 积概率分布函数， X 表示 X 处的概率分布函数值，若
13、输入时MU,SIGMA为空 ,则默认为标准正态分布.MU 为 0,SIGMA为 1 例：x=0; y=normcdf(x,0,1) y = 0.5000 unifpdf() 函数功能：均匀分布概率密度函数 使用方法： Y=unifpdf(x,a,b) a,b 表示在 a,b区间内均匀分布的随机变量， x 表示其在 x 处的概 率密度值，若输入时a,b 为空 ,则默认 a 为 0,b 为 1。 例：x=3; y=unifpdf(x,2,6); y = 0.2500 unifcdf() 函数功能：均匀分布累积概率分布函数 使用方法： Y=unifcdf(x,a,b) a,b 表示在 a,b区间内均
14、匀分布的随机变量， x 表示其在 x 处的概 率分布函数值，若输入时a,b 为空 ,则默认 a 为 0,b 为 1。例：x=4; y=unifpdf(x,2,6); y = 0.5000 raylpdf() 函数功能：瑞利分布概率密度函数 使用方法： Y=raylpdf(x,b) 参数为 b 的瑞利分布在 x 处的概率密度函数。 例：x=1; y=raylpdf(x,2) y= 0.2206 raylcdf() 函数功能：瑞利分布概率分布函数 使用方法： Y=raylcdf(x,b) 参数为 b 的瑞利分布在 x 处的概率分布函数值。 例：x=1; y=raylcdf(x,2) y= 0.11
15、75 exppdf() 函数功能：指数分布概率密度函数 使用方法： Y=exppdf(x,mu) 位置参数为 mu 的指数分布在 x 处的概率密度函数值，若mu 处输入 为空，则默认 mu=1. 例：x=1; y=exppdf(x,3) y= 0.2388 expcdf() 函数功能：指数分布概率分布函数 使用方法： Y=exppdf(x,mu) 位置参数为 mu 的指数分布在 x 处的概率分布函数值，若mu 处输入 为空，则默认 mu=1. 例：x=1; y=expcdf(x,3) y= 0.2835 chol() 函数功能： Cholesky （矩阵）分解 使用方法： R = chol(A) 从矩阵 A的对角线和上三角生成一个上三角矩阵R，满足 R*R=A。下三角被 认为是上三角的 (复共轭 )转置，矩阵 A 必须是正定的， 否则，MATLAB显示错 误信息。 L = chol(A,lower) 从矩阵 A 的对角线和下三角生成一个下三角矩阵L，满足 L*L=A。当 A 为稀 疏矩阵， chol 是非常快的。矩阵A 必须是正定的，否则， MATLAB显示错误 信息。 R,p = chol(A) 对于正定矩阵 A，从矩阵 A 的对角线和上三角生成一个上三角矩阵R，满足 R*R=A并且 p=0。 对于 A不是正定的，则 p 是正整数， MATLAB不产生任何信息。
