《哈尔滨工业大学(威海)随机信号分析实验1》由会员分享，可在线阅读，更多相关《哈尔滨工业大学(威海)随机信号分析实验1（11页珍藏版）》请在金锄头文库上搜索。
1、随机信号分析实验一班 级 学 号 姓 名 实验一 实验内容：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nn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mn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mn的矩阵，其元素服从均值为0，方差为1的正态分布 例：以（2）为例Y = ran
2、dn(4)结果为：Y = -0.1941 -1.0722 -1.9609 0.8252 -2.1384 0.9610 -0.1977 1.3790 -0.8396 0.1240 -1.2078 -1.0582 1.3546 1.4367 2.9080 -0.4686（2）rand()(1)Y = rand(n) 生成nn 随机矩阵，其元素在（0，1）内(2)Y = rand(m,n) 生成mn 随机矩阵(3)Y = rand(m n) 生成mn 随机矩阵(4)Y = rand(m,n,p,) 生成mnp随机矩阵或数组(5)Y = rand(m n p) 生成mnp随机矩阵或 数组(6)Y =
3、rand(size(A) 生成与矩阵A 相同大小的随机矩阵例：以（2）为例Y = rand(3,4)结果为：Y = 0.5797 0.8530 0.5132 0.2399 0.5499 0.6221 0.4018 0.1233 0.1450 0.3510 0.0760 0.1839（3）normrnd()产生服从正态分布的随机数（1）Y = 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。（2）Y = normrnd(mu,sigma,v) 产生服从均值为mu 标准差为sigma的随机数，v是一个行向量。如果v是
4、一个12的向量，则R为一个1行2列的矩阵。如果v是1n的，那么R是一个n维数组（3）Y = normrnd(mu,sigma,m,n) 产生服从均值为mu 标准差为sigma的随机数，标量m和n是R的行数和列数。例：以（2）为例Y = normrnd(1,1,3)结果为：Y = -0.3617 0.6651 -0.1176 1.4550 1.5528 2.2607 0.1513 2.0391 1.6601（4）mean()（1）Y = mean(A) 如果A是一个向量，则返回A的均值。如果A是一个矩阵，则把A的每一列看成一个矩阵，返回一个均 值（每一列的均值）行矩阵 （2）Y = mean(A
5、,dim) 返回由标量dim标定的那个维度的平均值。如（A，2）是一个列向量，包含着A中每一行的均值。例：以（2）为例A = 1 2 3; 3 3 6; 4 6 8; 4 7 7Y = mean(A,2)结果为：A = 1 2 3 3 3 6 4 6 8 4 7 7Y = 2 4 6（5） var()求方差（1）V = var(X) 返回X的每一列的方差，即返回一个行向量。（2）V = var(X,w) 计算方差时加上权重w例：以（2）为例A = 1 2 3; 3 3 6; 4 6 8; 4 7 7;V = var(A,1)结果为：V = 1.5000 4.2500 3.5000（6）xcor
6、r()计算互相关（1）A=xcorr(x,y) 计算x,y的互相关（2）A=xcorr(x) 计算x的自相关例：以（2）为例A = 1 2 3; 3 3 6X = xcorr(A)结果为：A = 1 2 3 3 3 6X = 3 3 6 6 6 12 9 9 18 10 11 21 11 13 24 21 24 45 3 6 9 3 6 9 6 12 18（7）periodogram()计算功率谱密度 Y=periodogram(x) 计算x的功率谱密度例：X=-20:6:20;Y=periodogram(X);plot(Y,B)结果为：（8) fft()离散傅里叶变换（1）Y =fft(X)
7、 返回向量X用快速傅里叶算法得到的离散傅里叶变换，如果X是一个矩阵，则返回矩阵每一列的傅里叶变换（2）Y = fft(X,n) 返回n点的离散傅里叶变换，如果X的长度小于n，X的末尾填零。如果X的长度大于n，则X被截断。当X是一个矩阵时，列的长度也服从同样的操作。例：以（2）为例X=0:0.5:4;Y=fft(X,3)结果为：Y = 1.5000 + 0.0000i -0.7500 + 0.4330i -0.7500 - 0.4330i（9)normpdf()求正态分布概率密度函数值Y = normpdf(X,mu,sigma) 对每一个X中的值返回参数为mu,sigma的正态分布概率密度函数
8、值例：x=-5:0.1:5;y=normpdf(x,1,2);plot(x,y)结果为：（10)normcdf()求正态分布概率分布函数值P = normcdf(X,mu,sigma) 对每一个X中的值返回参数为mu,sigma的累计分布函数值例：X=2,2,4;2,4,5;P = normcdf(X,0,1)结果为：P = 0.9772 0.9772 1.00000.9772 1.0000 1.0000（11）unifpdf()求连续均匀分布的概率密度函数值Y = unifpdf(X,A,B) 对每一个X中的值返回参数为A,B的均匀分布函数值例：x = 1:0.1:3;y = unifpdf
9、(x,1,2) 结果为：y = 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0（12） unifcdf()求连续均匀分布的概率分布函数值P = unifcdf(X,A,B) 对每一个X中的值返回参数为A,B的均匀分布累计分布函数值例：Y=unifcdf(0.2,-1,1)结果为：Y =0.6000（13）raylpdf()求瑞利概率密度分布函数值Y = raylpdf(X,B) 对每一个X中的值返回参数为B的瑞利概率分布函数值例：x = 0:0.2:4;p = raylpdf(x,1);plot(x,p)结果为：（14）raylcdf()求瑞利分布的概率分布
10、函数值P = raylcdf(X,B) 对每一个X中的值返回参数为B的瑞利分布的累计分布函数值例：x = 0:0.1:4;p = raylcdf(x,1);plot(x,p)结果为：（15）exppdf()求指数分布的概率密度函数值Y = exppdf(X,mu) 对每一个X中的值返回参数为mu的瑞利分布的概率密度函数值例：X=2,1;3,5;Y = exppdf(X,1)结果为：Y = 0.1353 0.36790.0498 0.0067（16）expcdf()求指数分布的概率分布函数值P = expcdf(X,mu) 对每一个X中的值返回参数为mu的瑞利分布的概率分布函数值例：X = 0:
11、0.1:5;P = expcdf(x,2);plot(P)结果为：（17）chol()对称正定矩阵的Cholesky分解（1）R=chol(X) 产生一个上三角阵R，使RR=X。若X为非对称正定，则输出一个出错信息（2）R,p=chol(X) 不输出出错信息。当X为对称正定的，则p=0，R与上述格式得到的结果相同；否则p为一个正整数。如果X为满秩矩阵，则R为一个阶数为q=p-1的上三角阵，且满足RR=X(1:q,1:q)。以（2）作为例n = 3;X = pascal(n);R = chol(X)结果为：R = 1 1 1 0 1 2 0 0 1（18）ksdensity()计算概率密度估计（1）f,xi = ksdensity(x) 计算向量x样本的一个概率密度估计，返回向量f是在xi各个点估计出的密度值（2）f = ksdensity(x,xi) 计算在确定点xi处的估计值以（1）作为例R = normrnd(2,1);f,xi = ksdensity(R);plot(xi,f)结果为：(19)hist()画直方图（1）n = hist(Y) 将向量Y
