欢迎来到天天文库
浏览记录
ID:15824609
大小:418.50 KB
页数:14页
时间:2018-08-05
《随机信号与系统第五章习题部分答案》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、第五章习题5-1设某信号为(1)试求x(t)的傅里叶变换X(jw),并绘制X(jw)曲线;(2)假设分别以采样频率为fs=5000Hz和fs=1000Hz对该信号进行采样,得到一组采样序列xk,说明采样频率对序列xk频率特性X(ejW)的影响。解:(1).X(jw)的曲线如下图所示:(2)设采样周期为T,则采样输出为.由时域相乘等于频域卷积,有.即序列xk频率特性X(ejW)是原信号频谱X(jw)以为周期进行延拓而成的,而采样频率,所以采样频率越高,序列xk频率特性的各周期越分散,越不容易发生频
2、谱混叠。5-2假设平稳随机过程x(t)和y(t)满足下列离散差分方程130式中,
3、a
4、<1;ek,vk~N(0,s2)分布,且二者互不相关。试求随机序列yk的功率谱。解:对进行离散时间傅里叶变换(DTFT),且记DTFT(xk)=X(ejW),DTFT(ek)=E(ejW),则有式中,W=wTs,称为数字频率(rad),w为实际频率(rad/s),Ts为采样周期(s)。如果把上式看作以ek为输入、以xk为输出的线性滤波器,则有式中,H(W)称为线性滤波器的频率传递函数。根据线性系统的功率传递函数
5、,若记输入序列ek的功率谱为N(W),则输出序列xk的功率谱Sx(W)可表示为将AR(1)模型参数估计值aˆ和噪声功率估计值σˆ2代入上式中相应的项,即可得到AR(1)序列xk的AR谱估计:由可知:对进行离散时间傅里叶变换(DTFT),且记DTFT(yk)=Y(ejW),DTFT(vk)=V(ejW),则有:所以:5-3已知某一线性系统的单位脉冲响应函数为130假定输入x(t)是一零均值的高斯白噪声,其功率谱为Sx(f)=N0,试求该线性系统输出响应y(t)的功率谱和协方差函数。解:系统的频率响
6、应函数为则而输出响应y(t)的功率谱,所以该线性系统输出响应y(t)的功率谱为.可见y(t)的功率谱不是常数,所以输出响应y(t)不再是白噪声。y(t)的自相关函数为∴直流分量功率∴输出响应y(t)的协方差函数.5-4请分别用Levinson递推算法和Burg算法估计信号的功率谱。式中,f1=150Hz,f2=200Hz,f3=210Hz;e(t)是方差为0.1的白噪声过程。解:MATLAB程序如下:f1=150;f2=200;f3=210;%信号频率f1,f2,f3;Fs=1000;N=155
7、;%采样频率Fs,序列点数N;k=0:1/Fs:N/Fs;x=cos(2*pi*f1*k)+cos(2*pi*f2*k)+cos(2*pi*f3*k)+randn(size(k));%xk序列R=zeros(1,N+1);%相关函数初始化,R0=R(1)%估计xk的相关函数form=1:N+1RXm=0;fork=1:N+2-mRX=x(k+m-1)*x(k);130RXm=RXm+RX;endR(m)=RXm/N;enda=zeros(N+1,N+1);sigma2=zeros(1,N+1);
8、%参数ak和估计量方差sk2FPE=zeros(1,N+1);%最终预测误差准则FPE%计算一阶AR模型的未知参数sigma2(1)=R(1);a(1,1)=-R(2)/R(1);sigma2(2)=(1-(abs(a(1,1)))^2)*sigma2(1);FPE=sigma2(2)*(N+2)/N;%一阶AR模型的最终预测误差FPE%Levinson递推算法fork=2:NRXk=0;form=1:k-1aRX=a(k-1,m)*R(k-m+1);RXk=RXk+aRX;enda(k,k)=
9、-(R(k+1)+RXk)/sigma2(k);form=1:k-1a(k,m)=a(k-1,m)+a(k,k)*a(k-1,k-m);endsigma2(k+1)=(1-(abs(a(k,k))^2))*sigma2(k);FPE(k)=sigma2(k+1)*(N+k+1)/(N-k+1);%k阶AR模型的最终预测误差FPEend%确定AR模型阶次min=FPE(1);fork=2:NifFPE(k)10、p);disp(‘输出AR(p)模型参数a');130fork=1:pdisp(a(p,k));enddisp(‘估计量协方差sigma2');disp(sigma2(p+1));%AR谱估计H=0;W=0:0.01:pi;fork=1:pH=H+a(p,k).*exp(-j*k*W);endSx=sigma2(p+1)./((abs(1+H)).^2);f=W*Fs/(2*pi);%将角频率转化为频率figure(1);plot(f,10*log10(Sx));grid%打印对数功率谱AR模型
10、p);disp(‘输出AR(p)模型参数a');130fork=1:pdisp(a(p,k));enddisp(‘估计量协方差sigma2');disp(sigma2(p+1));%AR谱估计H=0;W=0:0.01:pi;fork=1:pH=H+a(p,k).*exp(-j*k*W);endSx=sigma2(p+1)./((abs(1+H)).^2);f=W*Fs/(2*pi);%将角频率转化为频率figure(1);plot(f,10*log10(Sx));grid%打印对数功率谱AR模型
此文档下载收益归作者所有