随机信号处理
实验报告
专 业： 电子信息科学与技术
班 级： 0312409 学 号： 学生姓名 指导教师： 钱 楷
2014/12/1
一．实验目的
1.熟悉matlab的随机信号处理相关命令。 2.熟悉guide格式的编程及使用。 3.掌握随机信号的简单分析方法。
4.熟悉语音信号的播放、波形显示、均值等的分析方法及其编程。
二、实验原理
1.语音的录入与打开
在MATLAB中，[y,fs,bits]=wavread('Blip',[N1,N2]);用于读取语音，采样值放在向量y中，fs表示采样频率(Hz)，bits表示采样位数。[N1 N2]表示读取从N1点到N2点的值。
2.自相关函数
设任意两个时刻1t，2t，定义
R(ttX12)?E[X(t1)(t2)]???xx12f(x1,x2,t1,t2)dx1dx2为随机过程X
（t）的自相关函数，简称为相关函数。自相关函数可正，可负，其绝对值越大表示相关性越强。
3. 希尔伯特变换及性质
x(t) 的希尔伯特变换为x(t) 与1/πt 的卷积，即 x(t)?x(t)?^1。因此，对x(t) 的?t希尔伯特变换可以看作为x(t) 通过一个冲击响应为1/πt 的线性滤波器。希尔伯特变换器在整个频域上具有恒为1 的幅频特性，为全通网络，在相位上则引入?π/2 和π/2的相移 。
4.时域信号的FFT分析
FFT即为快速傅里叶变换，是离散傅里叶变换的快速算法，它是根据离散傅里叶变换的奇、偶、虚、实等特性，对离散傅里叶变换的算法进行改进获得的。在MATLAB的信号处理工具箱中函数FFT的一种调用格式为 y=fft(t)。其中X是序列，Y是序列的FFT。
三．实验结果 1. 原信号：
x=wavread('123.wav'); x=x(15000:35000); plot(x);
2. 求音频信号的对数函数；
x=wavread('123.wav');
y=x(15000:35000); zz=log(y); plot(zz);
3. 求音频信号的指数函数的概率分布函数
x=wavread('123.wav'); x=x(15000:35000); y=exppdf(1,x); plot(y);
4求随机信号的瑞利分布函数
x=wavread('123.wav'); x=x(15000:35000); y=raylcdf(x,1);
plot(y);
5.指数函数的分布函数
x=wavread('123.wav'); x=x(15000:35000); y=expcdf(1,x); plot(y);
6.自相关函数（衡量同一随机过程在任意两个时刻上的随机变量的变化程度）
x=wavread('123.wav'); x=x(15000:35000); y=xcorr(x); plot(y);
7.希尔伯特变换
x=wavread('123.wav'); y=x(15000:35000); yy=hilbert(y); yy=imag(yy); plot(yy);
8.快速傅里叶算法
x=wavread('123.wav'); x=x(15000:35000); zz=fft(x,9000); y=fftshift(zz); m=abs(zz); plot(m);
9.互相关函数
x=wavread('123.wav'); x=x(15000:35000); y=wavread('123.wav'); y=y(15000:35000); z=xcorr(x,y); m=abs(z); plot(m);
10.最大似然估计
y=wavread('111.wav',[1,100000]); x=mle(y);0点的最大似然估计 plot(x,'r');
legend('100点的最大似然估计');
11．IIR高通滤波参数
[y,fs,bits]=wavread('111.wav',[1,100000]); N=2; wc=0.6;
[b,a]=butter(N,wc);%IIR高通滤波参数 x=filter(b,a,y);%滤波函数