《随机信号处理》课程设计
————————————————————————————————作者：————————————————————————————————日期：
华北水利水电大学
随机信号处理上机实验报告
学院：数学与信息科学
专业：信息与计算科学
姓名：孙志攀
学号：201216511
指导老师：蒋礼
日期：2015年10月20日
实验一
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.rand()
(1)Y = rand(n) 生成n×n 随机矩阵，其元素在（0，1）内
(2)Y = rand(m,n) 生成m×n 随机矩阵
(3)Y = rand([m n]) 生成m×n 随机矩阵
(4)Y = rand(m,n,p,…) 生成m×n×p×…随机矩阵或数组
(5)Y = rand([m n p…]) 生成m×n×p×…随机矩阵或数组
(6)Y = rand(size(A)) 生成与矩阵A 相同大小的随机矩阵
选择（3）作为例子，运行结果如下：
2.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n×n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m×n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m×n的矩阵，其元素服从均值为0，方差为1的正态分布选择（3）作为例子，运行结果如下：
3．normrnd()
产生服从正态分布的随机数
（1）R = 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）R = 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是一个1×2的向量，则R为一个1行2列的矩阵。如果v是1×n的，那么R 是一个n维数组
（3）R = 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。
选择（3）作为例子，运行结果如下：
>> R = normrnd(2,1,3,4)
R =
1.4117
2.1139 1.9044 0.6638
4.1832 3.0668 1.1677 2.7143
1.8636
2.0593 2.2944
3.6236
4．mean()
（1）M = 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）M = mean(A,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。
选择（2）作为例子，运行结果如下：
>> A = [2 2 3; 3 4 6; 4 5 8; 3 9 7];M=mean(A,2)
M =
2.3333
4.3333
5.6667
6.3333
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
选择（2）作为例子，运行结果如下：
>> X=[1:1:5;1:2:10];V=var(X,1)
V =
0 0.2500 1.0000 2.2500 4.0000
6．xcorr()
计算互相关
（1）c=xcorr(x,y) 计算x,y的互相关
（2）c=xcorr(x) 计算x的自相关
选择（2）作为例子，运行结果如下：
>> x=normrnd(3,1,3,4);c=xcorr(x)
c =
Columns 1 through 6
5.7322 5.5904 9.4211 10.1106 4.6526 4.5375
18.1391 15.0984 23.3099 23.7231 14.3009 11.8433
26.5151 21.2285 25.1494 27.2039 21.2285 17.1356
18.1391 14.3009 13.3476 15.5832 15.0984 11.8433
5.7322 4.6526 3.0791 4.3145 5.5904 4.5375
Columns 7 through 12
7.6467 8.2064 3.0791 3.0029 5.0606 5.4310
18.2264 18.5110 13.3476 11.6251 18.4445 19.1000
20.4102 22.1727 25.1494 20.4102 27.3464 28.6498
11.6251 13.2468 23.3099 18.2264 18.4445 20.7174
3.0029
4.2078 9.4211 7.6467
5.0606 7.0910
Columns 13 through 16
4.3145 4.2078 7.0910 7.6100
15.5832 13.2468 20.7174 21.2606
27.2039 22.1727 28.6498 30.4723
23.7231 18.5110 19.1000 21.2606
10.1106 8.2064 5.4310 7.6100
7．periodogram()
计算功率谱密度
[Pxx,w]=periodogram(x) 计算x的功率谱密度
运行结果如下：
X=[-20:4:20];Y=periodogram(X);plot(Y)
8．fft()
离散傅里叶变换
（1）Y = fft(X) 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。
选择（1）作为例子，运行结果如下：
X=[0:.2:1];Y = fft(X)
Y =
3.0000 -0.6000 + 1.0392i -0.6000 + 0.3464i -0.6000 -0.6000 - 0.3464i -0.6000 - 1.0392i
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值
运行结果如下：
>> x=-5:0.1:5;y=normpdf(x,1,2);plot(x,y)
