標(biāo)題: 隨機(jī)信號(hào)統(tǒng)計(jì)特性分析與Matlab源碼 生物醫(yī)學(xué)信號(hào)處理軟件調(diào)試所必須的信號(hào) [打印本頁(yè)]
作者: swqswq 時(shí)間: 2018-6-4 00:30
標(biāo)題: 隨機(jī)信號(hào)統(tǒng)計(jì)特性分析與Matlab源碼 生物醫(yī)學(xué)信號(hào)處理軟件調(diào)試所必須的信號(hào)
隨機(jī)信號(hào)統(tǒng)計(jì)特性分析
一、實(shí)驗(yàn)?zāi)康?/strong>
隨機(jī)信號(hào)是生物醫(yī)學(xué)信號(hào)處理軟件調(diào)試所必須的信號(hào)。通過本實(shí)驗(yàn),了解一種偽隨機(jī)信號(hào)產(chǎn)生的方法,及偽隨機(jī)信號(hào)的數(shù)字特征。
二、實(shí)驗(yàn)要求
1.用同余法編制產(chǎn)生偽隨機(jī)信號(hào)的程序。
2.估計(jì)該信號(hào)的數(shù)字特征,均值、方差等。
3.檢驗(yàn)偽隨機(jī)信號(hào)的自相關(guān)函數(shù)。
三、實(shí)驗(yàn)方法
1.偽隨機(jī)信號(hào)的產(chǎn)生
用下式產(chǎn)生一組在[-0.5,0.5]內(nèi)均勻分布的偽隨機(jī)信號(hào):
(1)
(2)其中(1)表示k(i)為
的余數(shù),n(i)為一組在[-0.5,0.5]區(qū)間的均值為0的偽隨機(jī)信號(hào)。令
,
,i=0,1,2,…499。通過任意給定k(0),用上式可以產(chǎn)生一組偽隨機(jī)信號(hào)。
2.估計(jì)該信號(hào)的自相關(guān)函數(shù)
對(duì)于產(chǎn)生的偽隨機(jī)信號(hào),其自相關(guān)函數(shù)是
函數(shù),k=0時(shí)函數(shù)值取得最大。 四、實(shí)驗(yàn)步驟
1.根據(jù)實(shí)驗(yàn)方法寫出程序框圖
2.根據(jù)程序框圖寫出相應(yīng)程序并調(diào)試,觀察結(jié)果
五、預(yù)習(xí)與報(bào)告
1.預(yù)習(xí):實(shí)驗(yàn)前寫出程序框圖
2.報(bào)告:給出程序框圖、程序及結(jié)果
實(shí)驗(yàn)二誘發(fā)響應(yīng)的提取
- 實(shí)驗(yàn)?zāi)康?/font>
了解并掌握誘發(fā)響應(yīng)的提取方法。
由于對(duì)刺激的滯后響應(yīng)具有隨機(jī)性,誘發(fā)響應(yīng)具有不同的潛伏期,所以不能夠簡(jiǎn)單地對(duì)誘發(fā)響應(yīng)累加求平均,而應(yīng)該設(shè)法求出各次響應(yīng)的潛伏期后,在原始誘發(fā)響應(yīng)信號(hào)中除去潛伏期的影響后,再累加求平均。具體的步驟為
求出多次實(shí)驗(yàn)的平均響應(yīng)作為初步估計(jì)
- 求平均響應(yīng)與誘發(fā)響應(yīng)的時(shí)間互相關(guān)
- 求出互相關(guān)函數(shù)的最大值對(duì)應(yīng)的時(shí)間t
求出響應(yīng)的最終估計(jì)
- 構(gòu)造誘發(fā)響應(yīng)的模板信號(hào)s(t)=exp(-20t)sin(2*pi*f0*t);
- 產(chǎn)生不同潛伏期的誘發(fā)響應(yīng)s(t-tao);
- 產(chǎn)生誘發(fā)響應(yīng)的觀測(cè)信號(hào)x(t)= s(t-tao)+e(t)
1.根據(jù)實(shí)驗(yàn)方法寫出程序框圖
2.根據(jù)程序框圖寫出相應(yīng)程序并調(diào)試,觀察結(jié)果
五、 預(yù)習(xí)與報(bào)告
1.預(yù)習(xí):實(shí)驗(yàn)前寫出程序框圖
2.報(bào)告:給出程序框圖、程序及結(jié)果
實(shí)驗(yàn)三功率譜估計(jì)
- 實(shí)驗(yàn)?zāi)康?/font>
了解并掌握功率譜估計(jì)的各種方法,并比較其估計(jì)效果。
二、實(shí)驗(yàn)內(nèi)容
1. 采用自相關(guān)法、FFT法,三種改進(jìn)方法對(duì)帶噪聲的正弦信號(hào)做功率譜估計(jì),分析比較各種方法的估計(jì)效果。(課內(nèi))
2. 任選其中的一種估計(jì)方法,對(duì)EEG信號(hào)做功率譜估計(jì),并分析alpha、beta等頻段信號(hào)的功率。(課外綜合練習(xí))
EEG信號(hào)做功率譜估計(jì)時(shí),使用CHB-MIT Scalp EEG Database,并選用癲癇發(fā)作前后的EEG信號(hào),分析其功率譜的變化及各頻段功率的變化。
- 說明譜估計(jì)方法的基本原理;
- 說明選用CHB-MIT Scalp EEG Database中數(shù)據(jù)的詳細(xì)情況;
- 給出分析結(jié)果;
- 附程序框圖、程序。
實(shí)驗(yàn)四AR建模
- 實(shí)驗(yàn)?zāi)康?/font>
通過本實(shí)驗(yàn),掌握采用L-D算法,對(duì)隨機(jī)信號(hào)建立 AR模型的方法。
采用L-D遞推算法,對(duì)信號(hào)x(n)建立AR模型,并確定其激勵(lì)白噪聲功率。
LD算法的步驟:
1. 令k=0,則
2. 令k=k+1
3. 
4. 
5.
) 6. 當(dāng)達(dá)到模型階次時(shí),
結(jié)束,否則,返回2;或當(dāng)達(dá)到給定階次時(shí)結(jié)束。
給定AR模型
使用該AR模型構(gòu)建一定長(zhǎng)度的信號(hào),并使用LD算法求AR模型參數(shù),將LD算法所得參數(shù)與構(gòu)建的模型參數(shù)進(jìn)行比較。
- clc
- clear
- %產(chǎn)生一組偽隨機(jī)信號(hào)
- C=2^9+3;
- M=2^12;
- k(1)=1;
- Sum=0;
- S2=0;
- N=500;
- for i=2:501 %循環(huán)500次
- k(i)=mod((C*k(i-1)),M);
- n(i)=k(i)/M-0.5;
- Sum=Sum+n(i);
- end
- figure
- subplot(1,2,1)
- plot(n) %得到偽隨機(jī)信號(hào)
- title('隨機(jī)變量')
- %隨機(jī)信號(hào)的均值
- Ex=Sum/N;
- %隨機(jī)信號(hào)的方差
- for i=2:501
- k(i)=mod((C*k(i-1)),M);
- n(i)=k(i)/M-0.5;
- S2=S2+(n(i)-Ex)^2;
- end
- Sigma2=S2/N;
- N=500;
- %驗(yàn)證均值
- X=mean(n);
- %驗(yàn)證均方差
- Y=var(n);
- %用自相關(guān)函數(shù)檢驗(yàn)上述信號(hào)
- s=zeros(1,500);
- for k=0:499;
- for i=1:N-k
- s(i+1)=s(i)+n(i)*n(i+k);
- end
- r(k+1)=s(i+1)/N;
- end
- subplot(1,2,2);
- plot(r)
- title('相關(guān)函數(shù)')
- %用自帶函數(shù)檢驗(yàn)并作對(duì)比
- figure
- plot(xcorr(r));
- title('自帶函數(shù)求得的自相關(guān)函數(shù)');
復(fù)制代碼
0.png (41.9 KB, 下載次數(shù): 97)
下載附件
2018-6-4 03:12 上傳
全部資料51hei下載地址:
exp1.zip
(141.69 KB, 下載次數(shù): 37)
2018-6-4 00:30 上傳
點(diǎn)擊文件名下載附件
下載積分: 黑幣 -5
作者: 414526344 時(shí)間: 2020-3-11 23:25
您好,您有實(shí)驗(yàn)二三的框圖和程序嗎
作者: 421765869 時(shí)間: 2021-4-30 08:48
414526344 發(fā)表于 2020-3-11 23:25
您好,您有實(shí)驗(yàn)二三的框圖和程序嗎
兄弟,有實(shí)驗(yàn)三源碼嗎
作者: 哈哈→_→ 時(shí)間: 2022-5-8 23:49
很棒,程序好用
作者: 哈哈→_→ 時(shí)間: 2022-5-9 00:12
求第四個(gè)程序
作者: 2529721569 時(shí)間: 2025-5-4 17:01
求第三個(gè)程序
| 歡迎光臨 (http://m.raoushi.com/bbs/) |
Powered by Discuz! X3.1 |