第一篇：西電 電院 隨機信號分析[小編推薦]

隨機信號分析之簡答題

1.什么是隨機過程非線性變換的變換法？

利用傅里葉變換或者拉普拉斯變換，將非線性函數(shù)變換成轉(zhuǎn)移函數(shù)，將概率密度轉(zhuǎn)換成特征函數(shù)，改變積分形式后再進行運算的方法就是變換法。

非線性變換的厄密特多項式法適用于何種隨機過程？為什么？

適用于輸入為正態(tài)隨機過程。因為輸入隨機過程為正態(tài)分布，則可將用麥克勞林級數(shù)展開，變成厄密特多項式，由于分項積分容易計算，正交性重積分簡化為一重積分。此方法運算簡便，因而廣被引用。

普賴斯法適用的條件是什么？

普賴斯法適用于輸入為平穩(wěn)正態(tài)過程，且非線性函數(shù)經(jīng)k 緩變包絡(luò)法適用的條件是什么？

緩變包絡(luò)法適用于

2.一維分布為瑞利分布，相位服從均勻分布

輸出電壓服從指數(shù)分布

N次再積累輸出，其輸出隨機變量服從何種分

加法器的輸出電壓服從2N），輸出電壓的均值為2N，方差為4N

3.R（t）的一維概率分布服從何種分布？ 服從

SNR<<1時，R（t）的一維概率分布近似為何種分布？

當信噪比時，R（t）的一維概率分布近似為何種分布？

近似為正態(tài)分布

By Elwin

2012年11月12日

第二篇：《隨機信號分析》實驗報告

《隨機信號分析》實驗報告

學(xué)號：

姓名：

2009年12月21日

實驗一：平穩(wěn)隨機過程的數(shù)字特征

1、實驗?zāi)康摹罢?、小四宋體1.5倍行距”

2、實驗任務(wù)

3、實驗流程

4、實驗結(jié)果

5、實驗代碼

“代碼、五號宋體1倍行距”

1、實驗?zāi)康摹罢?、小四宋體1.5倍行距”

2、實驗任務(wù)

3、實驗流程

4、實驗結(jié)果

5、實驗代碼

“代碼、五號宋體1倍行距”

1、實驗?zāi)康摹罢?、小四宋體1.5倍行距”

2、實驗任務(wù)

3、實驗流程

4、實驗結(jié)果

5、實驗代碼

“代碼、五號宋體1倍行距”

1、實驗?zāi)康摹罢摹⑿∷乃误w1.5倍行距”

2、實驗任務(wù)

3、實驗流程

4、實驗結(jié)果

5、實驗代碼

“代碼、五號宋體1倍行距”

第三篇：西電 公關(guān)禮儀

公關(guān)禮儀

中國乃禮儀之邦。古人曰:“不學(xué)禮，無以立”。古代有“五禮”之說，祭祀之事為吉禮，冠婚之事為嘉禮，賓客之事為賓禮，軍旅之事為軍禮，喪葬之事為兇禮。禮儀,是中華傳統(tǒng)美德寶庫中的一顆璀璨明珠,是中國古代文化的精髓。

所謂禮儀是指在人際交往、社會交往和國際交往中，用于表示尊重、親善和友好的行為規(guī)范和慣用形式。具體來說，首先，禮儀是一種道德行為規(guī)范，是對人的行為進行約束的條條框框。其次，禮儀的直接目的是表示對他人的尊重。尊重是禮儀的本質(zhì)。禮儀的根本目的是為了維護社會正常的生活秩序。

作為新時代的大學(xué)生,較之中學(xué)生、小學(xué)生的差別也應(yīng)并非僅僅體現(xiàn)在年齡、學(xué)問上,而更多的應(yīng)該體現(xiàn)在個人修養(yǎng)、文明禮貌等方面。但當前國內(nèi)很多高校大學(xué)生的禮儀修養(yǎng)現(xiàn)狀卻令人堪憂:衣冠不整、遲到早退、隨地吐痰、亂扔雜物、張口罵人等不文明現(xiàn)象隨處可見;在食堂打飯不排隊,在宿舍大聲說話、聽音樂、玩游戲影響他人休息等情況比比皆是。更令人擔憂的是,不少大學(xué)生對上述不文明行為非但沒有正確的認識,還將其標榜為“有個性”、“張揚自我”的表現(xiàn),對于不文明行為不以為恥、反以為榮,體現(xiàn)了在價值觀方面的扭曲。

作為大學(xué)生我們應(yīng)學(xué)會克服這些不文明的行為做一個講禮儀的人。從《公關(guān)禮儀》這門課我學(xué)到了不少知識和常識，像介紹禮儀、電話禮儀、握手禮儀、以及面試禮儀等。如電話禮儀，電話被現(xiàn)代人公認為便利的通訊工具，在日常工作中，使用電話的語言很關(guān)鍵，它直接影響著一個公司的聲譽；在日常生活中，人們通過電話也能粗略判斷對方的人品、性格。因而，掌握正確的、禮貌待人的打電話方法是非常必要的。如面試禮儀，面試禮儀是指用人單位通過衣著、裝扮、語言、手勢、表情、笑容等方面來考察應(yīng)聘者的綜合素質(zhì)、勝任所報職位的工作能力。面試是用人單位對應(yīng)聘者進行選拔而采取的諸多方式中的一種，也是應(yīng)聘者取得求職成功的關(guān)鍵一步。在整個應(yīng)聘過程中，面試是最具有決定性的一環(huán)。面試是求職者展示自身素質(zhì)、能力、品質(zhì)的最好時機，面試發(fā)揮出色，可彌補其它方面所帶來的缺陷。因此，求職前要很好地掌握面試的技巧與相關(guān)的禮儀知識。禮儀本身是一種既具有內(nèi)在道德要求，又具有外在表現(xiàn)形式的行為規(guī)范。謙恭的態(tài)度、文明禮貌的語言、優(yōu)雅得體的舉止等方面表現(xiàn)出來的，是人的內(nèi)在文化修養(yǎng)、道德品質(zhì)、精神氣質(zhì)和思想境界等。沒有內(nèi)在的修養(yǎng)，外在的形式就失去了根基。無論在任何方面，做一個講究禮儀的大學(xué)生是很有必要的。而公關(guān)禮儀就是把組織形象和個人形象有機地結(jié)合起來，個人形象是組織形象的基礎(chǔ)，通過塑造完美的個人形象來塑造組織形象。

在當前的形勢下，禮儀已不是個別行業(yè)、個別社會層次的需求，而是全民所需。

禮儀，作為在人類歷史發(fā)展中逐漸形成并積淀下來的一種文化，始終以某種精神的約束力支配著每個人的行為，是適應(yīng)時代發(fā)展、促進個人進步和成功的重要途徑。禮儀的主要功能，從個人的角度來看，一是有助于提高人們的自身修養(yǎng)；在人際交往中，禮儀不僅可以有效地展現(xiàn)一個人的教養(yǎng)、風度和魅力，還體現(xiàn)出一個人對社會的認知水準、個人學(xué)識、修養(yǎng)和價值。二是有助于美化自身、美化生活；有助于促進人們的社會交往，改善人們的人際關(guān)系，禮儀是人立身處世的根本、人際關(guān)系的潤滑劑、是現(xiàn)代競爭的附加值。；還有助于凈化社會風氣。禮儀，對于各級行政機關(guān)來說，是糾正不良風氣，端正文明行政的有效手段；對企業(yè)來說，是企業(yè)形象的重要組成部分，是企業(yè)文化的重要內(nèi)涵，也是提高企業(yè)員工辦文辦事、工作效率的重要環(huán)節(jié)，更是實現(xiàn)企業(yè)認證和國際接軌的重要途徑。

總之，公關(guān)禮儀是一門學(xué)問，我們應(yīng)該重視它，了解它，并在以后的日子里很好地運用它，以一種新的方式生活，讓生活更美好。

第四篇：隨機信號分析實驗報告

Ｈ ａ ａr r ｂ ｂi in n

Ｉ Ｉn ns st ti iｔ ｔ ｕ ｕt te e

o of f

T Te ec ch h ｎ ｎo o ｌ ｌo og gy y

實 驗 報 告 告

課程名稱:

隨機信號分析

院

系：

電子與信息工程學(xué)院

班

級：

姓

名:

學(xué)

號：

指導(dǎo)教師:

實驗時間:

實驗一、各種分布隨機數(shù)得產(chǎn)生

（一)實驗原理 1、、均勻分布隨機數(shù)得產(chǎn)生原理 產(chǎn)生偽隨機數(shù)得一種實用方法就是同余法,它利用同余運算遞推產(chǎn)生偽隨機數(shù)序列．最簡單得方法就是加同余法

為了保證產(chǎn)生得偽隨機數(shù)能在[0,１]內(nèi)均勻分布,需要Ｍ為正整數(shù)，此外常數(shù) c 與初值 y0 亦為正整數(shù)。加同余法雖然簡單,但產(chǎn)生得偽隨機數(shù)效果不好。另一種同余法為乘同余法,它需要兩次乘法才能產(chǎn)生一個［0，１]上均勻分布得隨機數(shù)

? ??

式中,ａ為正整數(shù)。用加法與乘法完成遞推運算得稱為混合同余法,即

??

?用混合同余法產(chǎn)生得偽隨機數(shù)具有較好得特性,一些程序庫中都有成熟得程序供選擇。

常用得計算語言如 Basic、Ｃ與 Matlab 都有產(chǎn)生均勻分布隨機數(shù)得函數(shù)可

以調(diào)用，只就是用各種編程語言對應(yīng)得函數(shù)產(chǎn)生得均勻分布隨機數(shù)得范圍不同，有得函數(shù)可能還需要提供種子或初始化。

Matlaｂ提供得函數(shù)ｒａnd()可以產(chǎn)生一個在[0,1］區(qū)間分布得隨機數(shù)，rand（2,4）則可以產(chǎn)生一個在［０,1]區(qū)間分布得隨機數(shù)矩陣,矩陣為２行４列。Matlab 提供得另一個產(chǎn)生隨機數(shù)得函數(shù)就是 ranｄom(’unif’,a,b，N，M),unif 表示均勻分布,a與b就是均勻分布區(qū)間得上下界,N與M分別就是矩陣得行與列。

2、、隨機變量得仿真 根據(jù)隨機變量函數(shù)變換得原理,如果能將兩個分布之間得函數(shù)關(guān)系用顯式表達,那么就可以利用一種分布得隨機變量通過變換得到另一種分布得隨機變量。

若Ｘ就是分布函數(shù)為 F(x)得隨機變量,且分布函數(shù) F(x)為嚴格單調(diào)升函數(shù),令Ｙ=F(X）,則 Y 必為在[0，1]上均勻分布得隨機變量．反之,若 Y 就是在[0,1]上均勻分布得隨機變量,那么 即就是分布函數(shù)為 FX(x）得隨機變量。式中 F X??1()為F X()? 得反函數(shù).這樣,欲求某個分布得隨機變量,先產(chǎn)生在[0,１］區(qū)間上得均勻分布隨機數(shù),再經(jīng)上式變換，便可求得所需分布得隨機數(shù)。

３、高斯分布隨機數(shù)得仿真 廣泛應(yīng)用得有兩種產(chǎn)生高斯隨機數(shù)得方法，一種就是變換法,一種就是近似法.如果Ｘ1,X2 就是兩個互相獨立得均勻分布隨機數(shù),那么下式給出得 Y１,Y2

便就是數(shù)學(xué)期望為 m,方差為得高斯分布隨機數(shù)，且互相獨立，這就就是變換法。

另外一種產(chǎn)生高斯隨機數(shù)得方法就是近似法.在學(xué)習中心極限定理時，曾提到 n 個在[0,1］區(qū)間上均勻分布得互相獨立隨機變量 Xi（i＝１，2…，ｎ）,當ｎ足夠大時,其與得分布接近高斯分布.當然,只要 n 不就是無窮大，這個高斯分布就是近似得。由于近似法避免了開方與三角函數(shù)運算，計算量大大降低。當精度要求不太高時，近似法還就是具有很大應(yīng)用價值得.4、、各種分布隨機數(shù)得仿真 有了高斯隨機變量得仿真方法，就可以構(gòu)成與高斯變量有關(guān)得其她分布隨機變量,如瑞利分布、指數(shù)分布與分布隨機變量。

(二）

實驗?zāi)康?在很多系統(tǒng)仿真得過程中,需要產(chǎn)生不同分布得隨機變量。利用計算機可以很方便地產(chǎn)生不同分布得隨機變量，各種分布得隨機變量得基礎(chǔ)就是均勻分布得隨機變量.有了均勻分布得隨機變量，就可以用函數(shù)變換等方法得到其她分布得隨機變量。

(三)實驗結(jié)果

附:源程序 suｂplot（2,2，1);

x=random（’ｕniｆ’，2，5，1，１024）； ploｔ(x)； tｉtｌｅ(’均勻分布隨機數(shù)’)subpｌｏt(２，2，2);G1=ｒandｏm(’Nｏrmaｌ＇,0,1,1，20００0)； ploｔ（G１)； ｔitle（’高斯分布隨機數(shù)’)ｓｕbplot(2，2,３）;G2=raｎdom(“Nｏrmal’,0,1,1,20０00);R=sqrt（G1、＊G1＋G2、＊G２）;plｏt（Ｒ);title(’瑞利分布隨機數(shù)’)suｂplot(2，２,4);G3=raｎdｏm(”Nｏrｍal’,0,１,1,2000０);G４=ｒandom(“Nｏrｍａl’，０,1,1,2０0０0）； Ｘ=G１、＊Ｇ1+G２、*G2+G３、*G3+Ｇ4、*G4； pｌoｔ（Ｘ);ｔｉtle（”x^2 分布隨機數(shù)＇）

實驗 二、隨機變量檢驗（一)實驗 原理 1、均值得計算 在實際計算時,如果平穩(wěn)隨機序列滿足各態(tài)歷經(jīng)性，則統(tǒng)計均值可用時間均值代替。這樣，在計算統(tǒng)計均值時,并不需要大量樣本函數(shù)得集合，只需對一個樣本函數(shù)求時間平均即可。甚至有時也不需要計算 N ? ? 時得極限,況且也不可能。通常得做法就是取一個有限得、計算系統(tǒng)能夠承受得 N 求時間均值與時間方差。根據(jù)強調(diào)計算速度或精度得不同,可選擇不同得算法。

設(shè)隨機數(shù)序列｛}，一種計算均值得方法就是直接計算下式中,xn 為隨機數(shù)序列中得第 n 個隨機數(shù)。

另一種方法就是利用遞推算法，第ｎ次迭代得均值也亦即前 n 個隨機數(shù)得均值為迭代結(jié)束后,便得到隨機數(shù)序列得均值 m m N ?

遞推算法得優(yōu)點就是可以實時計算均值,這種方法常用在實時獲取數(shù)據(jù)得場合。

當數(shù)據(jù)量較大時,為防止計算誤差得積累,也可采用式中,m1 就是取一小部分隨機數(shù)計算得均值.２、方差得計算 計算方差也分為直接法與遞推法。仿照均值得做法

方差得遞推算法需要同時遞推均值與方差 m mnx mn n n n? ? ?? ? 1 11()

迭代結(jié)束后，得到隨機數(shù)序列得方差為

其它矩函數(shù)也可用類似得方法得到.３、統(tǒng)計隨機數(shù)得概率密度直方圖 假定被統(tǒng)計得序列得最大值與最小值分別為 a 與 b。將區(qū)間等分 M(M 應(yīng)與被統(tǒng)計得序列得個數(shù) N 相適應(yīng)，否則統(tǒng)計效果不好。)份后得區(qū)間為,，…，,… ,。用，表示序列得值落在區(qū)間里得個數(shù),統(tǒng)計序列得值在各個區(qū)間得個數(shù)，則就粗略地反映了隨機序列得概率密度得情況.用圖形方式顯示出來就就是隨機數(shù)得概率密度直方圖.（二）

實驗?zāi)康?隨機數(shù)產(chǎn)生之后,必須對它得統(tǒng)計特性做嚴格得檢驗。一般來講,統(tǒng)計特性得檢驗包括參數(shù)檢驗、均勻性檢驗與獨立性檢驗等.事實上,我們?nèi)绻诙A矩范圍內(nèi)討論隨機信號,那么參數(shù)檢驗只對產(chǎn)生得隨機數(shù)一、二階矩進行檢驗。我們可以把產(chǎn)生得隨機數(shù)序列作為一個隨機變量,也可以瞧成隨機過程中得一個樣本函數(shù)。不論就是隨機變量還就是隨機過程得樣本函數(shù)，都會遇到求其數(shù)字特征得情況，有時需要計算隨機變量得概率密度直方圖等.（三）

實驗結(jié)果

附：源程序 subplｏt(2,2，1）;x=raｎdom(“ｕnｉf”,２，５,1,１０2４）;ｈisｔ（x,2:0、２：5);ｔitle（’均勻分布隨機數(shù)直方圖’);s1=0 foｒ ｎ１＝1:１024

s１=x(n1)＋s１;end Mｅan1=s1/102４； t1=0 for n1＝１:10２4

ｔ1＝(x（n1）—Mean1)＾2＋t1;end Ｖaｒiance１＝ｔ1/１024;sｕbplot(2,2，2)； G1＝raｎdｏm(’Noｒｍal“,0，1,１，２0０00)； hist(G1，—4:0、2:4）； ｔitｌe(”高斯分布隨機數(shù)直方圖’）;ｓ2=０ foｒ n２=1：2０00０

ｓ2=Ｇ1（ｎ2）+s2； eｎｄ Mｅan2＝s2/20000； t2=0 fｏr n2＝1：20０00

t2=(G1(n2）-Mean２)^2+t2;enｄ Vaｒｉaｎｃe2=t2/20000； subｐｌot(２，2,3);G2=rａndom(’Nｏｒmal’,0，1，1,２0000）； R＝sqｒt（G１、*G1＋G2、*G２);hｉst（R,0:０、２:5）;tｉtｌｅ(“瑞利分布隨機數(shù)直方圖’)； s3=０ for n3=1：20000

ｓ3=R(ｎ3）+ｓ3;ｅnd Meａn３=s3/２00０0;t３＝0 ｆor n3=1：2０000

ｔ3=(R（n３)—Ｍｅan3）^2+t3;end Ｖarianｃｅ3=t3/２00００;subｐlot(2,２，4);G3=ｒandom（’Normaｌ”，0,1，1,200０0）;G４=raｎdom（“Ｎormal”,０,1,１，２0000）;X=Ｇ1、*G1＋G2、＊Ｇ2+G3、＊G3＋Ｇ4、＊G4； hist(X，0：０、5：30）;tiｔle(“x^2 分布隨機數(shù)直方圖’)ｓ4=0 for ｎ4=1:200０0

ｓ４=X(ｎ４）+s４;ｅnd Mean4=s4/2000０;t4＝0 for n４＝1:２00０0

t4=(X(ｎ4)-Meaｎ４)^2＋t4； end 實驗 三、中心極限定理得驗證(一）

實驗 原理 如果 n 個獨立隨機變量得分布就是相同得,并且具有有限得數(shù)學(xué)期望與方差，當 n 無窮大時，它們之與得分布趨近于高斯分布。這就就是中心極限定理中

得一個定理。

我們以均勻分布為例，來解釋這個定理。若 n 個隨機變量 Xi（ｉ=1，2，…,n)都為[0,1］區(qū)間上得均勻分布得隨機變量,且互相獨立，當 n 足夠大時，其與得分布接近高斯分布。

(二）

實驗?zāi)康?利用計算機產(chǎn)生均勻分布得隨機數(shù)。對相互獨立得均勻分布得隨機變量做與,可以很直觀瞧到均勻分布得隨機變量得與,隨著做與次數(shù)得增加分布情況得變化，通過實驗對中心極限定理得進行驗證。

((三）

實驗結(jié)果

分析:隨ｎ取值得增大，均勻分布隨機序列求與得圖形越發(fā)接近于高斯分布。

附：源程序 X0=random(＇uniｆ”,0,1，１,１0２4);X1=randｏm(’unｉｆ’,0,1，1，１024)；

Ｘ2=ｒandoｍ（＇ｕniｆ“,0,1,1，１024);X3=rａndom(＇unif＇，0,１,１,1024);

Ｘ4=ｒaｎｄｏｍ(”uｎif＇，0，１，1，１０24);

X5=raｎdom(’ｕnif’，0，1,１,１024）；

Ｘ６=ｒaｎdom（’ｕnif“,0,1，1,1024）;X7=raｎｄom（’ｕｎiｆ’,0,1，１,1024);

X８=raｎdom(＇unif”，0，1，1,１０24);

X9=ｒaｎdom(’ｕnｉf’,0,１,１,1０２４）； Ｇ=rａｎｄom(“ｎｏｒmal”,０，1，1，1024）;

Ｙ1=X０+X1+X2＋X3＋Ｘ4；

Y2=Ｘ0+X1＋X2+Ｘ3+X４+Ｘ5+X6+X7+Ｘ8+X9;

suｂploｔ(2,2,1);ｈｉsｔ(X０,０:0、２：2)；

titlｅ(“均勻分布隨機數(shù)直方圖’）

sｕbplot(2，２,2）;hist（Y１,0：0、２：6);

ｔitlｅ(’五個均勻分布之與隨機數(shù)直方圖”)sｕｂplot(2,２,3）;ｈｉｓｔ(Y2，0：0、2：8);

title（’十個均勻分布之與隨機數(shù)直方圖“)subpｌoｔ(2，２，4);ｈiｓt（G,－4：0、2:4）;title(”高斯分布隨機數(shù)直方圖“）

實驗 四、中心極限定理得驗證(一）

實驗 原理 在實際應(yīng)用中，我們可以把產(chǎn)生得隨機數(shù)序列瞧成隨機過程中得一個樣本函數(shù)。如果平穩(wěn)隨機序列滿足各態(tài)歷經(jīng)性,則統(tǒng)計自相關(guān)序列可用時間自相關(guān)序列

代替。當數(shù)據(jù)得樣本數(shù)有限時,也只能用有限個數(shù)據(jù)來估計時間自相關(guān)序列,統(tǒng)計自相關(guān)序列得估值。若各態(tài)歷經(jīng)序列Ｘ(n）得一個樣本有 N 個數(shù)據(jù),由于實序列自相關(guān)序列就是對稱得，自相關(guān)函數(shù)得估值為

(二)實驗?zāi)康?在隨機信號理論中,自相關(guān)函數(shù)就是非常重要得概念。在實際系統(tǒng)仿真中也會經(jīng)常計算自相關(guān)函數(shù)．通過本試驗學(xué)生可以親自動手計算自相關(guān)函數(shù),加深對概念得理解，并增強實際動手能力．（三))實驗結(jié)果

分析：分別生成均值為 0 與１，方差為 1 得高斯隨機數(shù),由圖形可以明顯瞧出兩者自相關(guān)函數(shù)得差異。

附:源程序 N=２56;xn=ranｄom(’nｏｒm＇，０,１,1，N);Rx=ｘcoｒr（ｘn,＇biａsed”);ｍ=-N+1：N－1;ｓubplｏｔ(2,1，１）;ｐlot(m,Rx);tｉtle(“均值為０，方差為１得高斯分布得自相關(guān)函數(shù)＇）； axis（［—N N—1 —0、５ 1、５］)； N=256;xn＝randｏｍ（’noｒm’,1,1，1，Ｎ);Ｘk=ｆft(xn,2*N)； Rx＝ifｆｔ（(aｂs（Xk)、＾2)／N）； m=-N:Ｎ—１;suｂｐlot(２，1，2)； plot（m，fｆtsｈift（Rx));ｔitｌe（’均值為 1,方差為 1 得高斯分布得自相關(guān)函數(shù)’);ａxｉs（[-N N—1-0、5 １、5]);實驗五、功率譜密度(一)實驗 原理 一般把平穩(wěn)隨機序列得功率譜定義為自相關(guān)序列得傅里葉變換。如果自相關(guān)序列就是周期序列, X(ｎ）得功率譜與自相關(guān)序列得關(guān)系為

? 與實平穩(wěn)過程一樣,實平穩(wěn)序列得功率譜也就是非負偶函數(shù),即

可以證明，功率譜還可表示為

當 X(ｎ）為各態(tài)歷經(jīng)序列時,可去掉上式中得統(tǒng)計均值計算,將隨機序列 X(n)用它得一個樣本序列 x（ｎ)代替。在實際應(yīng)用中，由于一個樣本序列得可用數(shù)據(jù)個數(shù) N 有限,功率譜密度也只能就是估計

式中，X(x（n)得傅里葉變換．這就是比較簡單得一種估計方法,這種功率譜密度得估計方法稱為周期圖方法。如果直接利用數(shù)據(jù)樣本做離散傅里葉變換,可得到 X(FＦT 算法實現(xiàn),所以得到了廣泛得應(yīng)用。

(二）實驗?zāi)康?在隨機信號理論中，功率譜密度與自相關(guān)函數(shù)一樣都就是非常重要得概念.在實際系統(tǒng)仿真中也會經(jīng)常計算。通過本試驗學(xué)生可以親自動手,加深對概念得理解，并增強實際動手能力。

(三）實驗結(jié)果

附:源程序 N＝２5６;ｘ1＝random(”normal’,0,1，1,N);Sx1＝abs（ｆft(ｘ1）、＾2）／N;subplot(2,１,1);plｏｔ（１0*loｇ10（Sx1));ｔｉtle(“均值為０,方差為 1 得高斯分布得功率譜密度＇)； xlａｂel(’ｆ/Ｈz’)ylabel(”Sｘ１/dB’）

x２=rａndom(’ｎormａl“，１,1,1,N）； Ｓｘ2=abs（fｆt（x2)、＾２)/N;ｓuｂplot（2，1,2);plot（１０*log1０(Sx2));title（”均值為 1，方差為 1 得高斯分布得功率譜密度’）;xlabel(’ｆ/Hz＇）

ｙlabｅｌ（“Ｓx2/dB＇)實驗 六、隨機信號經(jīng)過 線性系統(tǒng)前后信號仿真

（一))實驗原理

需要先仿真一個指定系統(tǒng),再根據(jù)需要仿真輸入得隨機信號，然后使這個隨機信號通過指定得系統(tǒng)．通過對實際系統(tǒng)建模，計算機可以對很多系統(tǒng)進行仿真。在信號處理中,一般將線性系統(tǒng)分解為一個全通放大器(或衰減器)與一個特定頻率響應(yīng)得濾波器。由于全通放大器可以用一個常數(shù)代替,因此線性系統(tǒng)得仿真往往只需設(shè)計一個數(shù)字濾波器。濾波器設(shè)計可采用 MＡTLAB 提供得函數(shù)，也可

利用相應(yīng)得方法自行設(shè)計。MＡＴLAＢ提供了多個設(shè)計濾波器得函數(shù),可以很方便地設(shè)計低通、帶通、高通、多帶通、帶阻濾波器。

((二）實驗 目得

系統(tǒng)仿真就是信號仿真處理得一個重要部分，通過該實驗要求學(xué)生掌握系統(tǒng)仿真得基本概念,并學(xué)會系統(tǒng)得仿真方法。

((三))實驗 結(jié)果

1、低通濾波器

2、帶通濾波器

3、高通濾波器 4、多帶通濾波器

5、帶阻濾波器

附：源程序 １、X（n)

N＝2000；fｓ=４00;Nn=ｒandom（”normａl＇,0,1,1，N)； t=（0：Ｎ—１)/fs;fi=ｒaｎｄｏm(’unｉf’,0,１,１,２)＊2＊pｉ;xn＝sin(2*ｐi*５０*ｔ+ｆｉ(1))+Nn;Ｒx=ｘcorｒ(xn，“biaｓed’)； ｍ=—N+1:N－1;Sx=abs（ｆft（xn）、^2）/Ｎ； f=(—N／2:N/2-１）＊fs/N;sｕbｐlｏt（211),ｐｌot(m，Rｘ)； xlabｅl(’m’）

ｙｌabel（”Rx(m）’)titlｅ（’xn 得自相關(guān)函數(shù)“);subploｔ(212）,plｏt（f,ffｔshift（10＊lｏg10（Sx(1:N）)）);xlabeｌ（’f/Hz”)ｙlabｅl(“Sx/dB”)tｉtle(’xn 得功率譜密度’）;2、低通濾波器 ｈ=ｆir1（１00,0、４);H=ｆft(h,2＊N);HW=aｂs(Ｈ)、＾２;Rx=xcoｒr（xn，’ｂｉasｅｄ＇);Sx=abs（ｆfｔｓhift（fft(xn，2*N））、＾2)/（2＊Ｎ)； Ｓy＝Sx、*ＨＷ;Ｒy＝fftｓｈift（ifft（Sｙ)）;

f=（-Ｎ：N—1)＊ｆs/(2＊N)； m=(—N:Ｎ－1);subｐｌot(311);pｌot（(-N:Ｎ—1)/N，fｆtshiｆt(aｂs(HW(1:2＊N))）);tiｔlｅ(＇低通濾波器“）;ｓubplｏt(31２)，ｐｌoｔ（ｍ,Ry);xlabｅl(”m“)ylａbeｌ（”Ry（ｍ)＇)title(’xn 經(jīng)低通濾波器得自相關(guān)函數(shù)’)； ｓubｐloｔ(31３),plot（ｆ，ffｔshift(10*log10(Ｓy（１:2*N)）))； ａxis(［—200 20０ —20 20]);xlabeｌ(“f/Hz’)ｙlabｅl(＇Sｙ/ｄＢ”)titｌe(＇xn 經(jīng)低通濾波器得功率譜密度“)； 3、帶通濾波器 ｈ=fｉr1(10０，［０、１ ０、5]);H=ｆft(h，2*Ｎ);ＨW＝abs(H)、^2； Ｒx=ｘcorｒ(xn，”biａsed“）； Sｘ=aｂs（fｆtshiｆt(fｆt(ｘn,2*N））、＾2)／（2*N）； Sy=Ｓx、*ＨW； Rｙ=fｆtsｈift(ｉfft（Sｙ)）； f=(-Ｎ:N-1）*fs/(2＊Ｎ);m=（-N:N—1）;subｐlot(311);ｐlot((—N:N-1）/N,fftｓｈift（abs（HW（1:2＊Ｎ)))）； ｔitle(’帶通濾波器”）； ｓubｐlｏｔ（312)，ploｔ（ｍ,Ry);xlabeｌ(’m“)yｌabel(’Ｒy(m)’)title(”xn 經(jīng)帶通通濾波器得自相關(guān)函數(shù)“)； ｓubpｌoｔ(31３)，plｏt(f,fftshift(10＊lｏg10（Sy(１：2＊N))））； ａxiｓ（［—２０0 20０ －２0 20]);xｌabｅl（’f/Hz”)yｌabｅl(“Ｓｙ/dＢ’)tｉtle（’xn 經(jīng)帶通濾波器得功率譜密度’）;4、高通濾波器 h=ｆｉr1（１0０,0、6,’high’）； Ｈ=fft(h,2＊N）； ＨW=abｓ（H)、^２;Ｒx=xcｏｒr(xｎ,”bｉａｓed“）;Ｓx=abs(fftｓｈift（fｆt(xn,2＊N))、^２)/（2*N)； Sｙ=Ｓx、*HW;Ｒy=ffｔshiｆt(iｆfｔ（Sｙ));f=(-Ｎ:N-1）*ｆs/（2*N);m=(—Ｎ:N—1）；

sｕｂｐlｏt(31１)；plot(（-N：Ｎ—1）/N,ｆftshiｆt(aｂs(HＷ（1:２*N)）));tiｔｌe(＇高通濾波器”）;subpｌot(312），ploｔ(m,Rｙ);xlabｅl(“ｍ’)ylaｂeｌ(’Rｙ(m)”)tiｔlｅ(＇xn 經(jīng)高通通濾波器得自相關(guān)函數(shù)’);subplｏt（3１3）,ｐｌot(ｆ,fftshｉft(10*ｌog10(Sy（1:2＊Ｎ)）））;axis（［－２０0 2０0 —2０ 2０]）； xlａbeｌ（“ｆ/Ｈz’)ｙｌａbｅl（”Sy/ｄB“)tｉtle(＇xn 經(jīng)高通濾波器得功率譜密度＇);5、多帶通濾波器 h=fｉr１(100,[０、１,0、3，0、5,0、7］)； H＝ｆfｔ(h，2*N)； HW＝ａｂｓ（Ｈ)、^2； Ｒx=xcorr（xn,＇bｉasｅd’);Sx=abs（fｆtshift(fft(xn,2*N））、^2)/（２＊Ｎ）； Sy＝Ｓx、*HW;Ｒy=ffｔshiｆt（iｆft(Sy));f＝（—Ｎ:N—1)＊fｓ/(2*N);m＝（—N：Ｎ-1);sｕbｐloｔ(３１1）;ploｔ(（—N:N—１）/Ｎ,fftｓｈift（ａbs(HW（1:２＊N）)))； tiｔle(’多帶通濾波器’)； ｓｕbplot(312),pｌｏt(m,Ry）； ｘlabel（＇m’)ｙｌabｅl（”Ry(m）“）

ｔitle（”xn 經(jīng)多帶通通濾波器得自相關(guān)函數(shù)“);subpｌot（31３),plot(ｆ,fｆｔshｉｆt（1０＊ｌog10(Sｙ（1：2＊Ｎ)）));axis（［－2０0 2０0 —20 20]);xlaｂeｌ（’ｆ／Hz”）

ｙlabｅl(“Sy/dB’）

ｔitle(’xn 經(jīng)多帶通濾波器得功率譜密度”）； 6、帶阻濾波器 h=fiｒ１(100,[０、1,0、4],’sｔoｐ’);H=fft（h，2＊N);HＷ=abｓ(H)、^2;Rx=ｘｃｏrr（xｎ,’ｂiaseｄ“）;Ｓx＝ａbｓ（ffｔshift(fft（ｘｎ，２*N）)、＾2)／(2*N);Sy=Sx、＊ＨW； Ｒy＝fftshift（ｉfft(Sy））;f=(—N:N-1）*ｆｓ/（2*N);m=(-N：N—1)； ｓｕｂｐlot(311）；pｌoｔ(（—N：N-1）/Ｎ,fftshift(ａｂs（ＨＷ(1:２*Ｎ))));

ｔｉtｌｅ(”帶阻濾波器“）； ｓubpｌot（31２),ｐlot（m，Ｒy)； xlａbeｌ(’m’）

ｙlａbel（”Ｒy(m)’)ｔitle（’ｘn 經(jīng)帶阻濾波器得自相關(guān)函數(shù)＇)； sｕbplｏｔ(3１3)，ｐlot(f,fftshift（10＊log10(Sy（１:2*N)）））;aｘis([－200 20０-20 20］);xlaｂｅl（＇f／Ｈz“)ylabｅl（”Sy/ｄB“)titlｅ（”xn 經(jīng)帶阻濾波器得功率譜密度"）;

第五篇：西電讀書調(diào)查報告

繽紛世界，書籍是人類永遠的最終伴侶，大學(xué)生涯中也不例外。除了豐富多彩的其他生活，課外閱讀也在大學(xué)生的校園生活中占一席之地，對其道德情操、人格品質(zhì)、精神境界的形成與提高有著潛移默化的影響。為進一步明確書籍在我校大學(xué)生課余生活中的切實影響與大學(xué)生目前閱讀存在的問題，我們在選修課上針對大學(xué)生課外閱讀狀況對學(xué)生經(jīng)行了一次調(diào)查。

一．調(diào)查目的：課外閱讀在現(xiàn)在的大學(xué)生生活中占有多少的時間，我們不得而知？豐富的課外知識是綜合能力的基礎(chǔ)，讀書能夠使人進步，尤其是對于當代大學(xué)生來說，大學(xué)階段是讀書觀形成并逐步穩(wěn)定的關(guān)鍵時期。為了了解目前大學(xué)生的讀書現(xiàn)狀及其存在的問題，喚起大學(xué)生的讀書意識，并且為了讓大家明白讀書的重要性，因此我們特進行此次調(diào)查。

二．調(diào)查時間：2012年5月3號

三．調(diào)查對象：西安電子科技大學(xué)應(yīng)用文寫作課星期二組全體學(xué)生

四．調(diào)查方式：此次報告主要采用問卷調(diào)查的方法，于2010年11月在青島科技大學(xué)外國語學(xué)院07級英語1-5班累計發(fā)放問卷120份，回收問卷116份，有效問卷100份。根據(jù)實際情況,條件有限只能粗略的進行一下調(diào)查,但是通過調(diào)查也能夠較真實客觀地反映目前我校大學(xué)生的閱讀狀況。

五．調(diào)查組織：應(yīng)用文寫作課指導(dǎo)老師

六．數(shù)據(jù)結(jié)果及分析：

（1）讀書內(nèi)容及選擇方向：在多項選擇關(guān)于讀書內(nèi)容的調(diào)查中，我們可以看到，文學(xué)類，歷史文學(xué)類和專業(yè)相關(guān)的書籍是同學(xué)選擇的主要方面，分別占總?cè)藬?shù)的74.5%,68.6%和64.7%。此外，喜歡娛樂類，科普類以及其他書籍的同學(xué)也不在少數(shù)。在調(diào)查到目前最需要補充閱讀哪些書籍時，82.4%的同學(xué)選擇了實用類的書籍，66.7%的同學(xué)選擇了與自己專業(yè)相關(guān)的書籍，而選擇文經(jīng)濟管理法律，軍事書籍，流行小說的人數(shù)相對較少。

（2）讀書目的與選擇原因：選擇因興趣而讀書的學(xué)生有95.1%名居首位，而因擴展知識面的也有81.3%，因?qū)W習，和作業(yè)論文需要讀書的同學(xué)占61.7%，以上的人認為讀書對個人成長有很大影響。命運也是和讀書多少，知識面密切相關(guān)的；當然也有部分同學(xué)表示自己根本就是為了消遣和消磨時光。他們認為讀書對個人的影響不大，認為個人努力和機遇是非常重要的。

（3）獲得書籍途徑及閱讀習慣

在書籍的獲得途徑方面，61．7%的同學(xué)選擇在圖書館閱覽，50.9%的同學(xué)青睞網(wǎng)上在線或下載，13.7%的同學(xué)選擇在書店購買，也有8.8%的同學(xué)找親戚朋友借閱。圖書獲取途徑的方便讓同學(xué)有了更大的閱讀資源，但很遺憾的是在閱讀方式方面，很多同學(xué)游覽和泛讀，很少部分的同學(xué)會邊看邊做筆記或者讀完后與他人交流。閱讀環(huán)境及周圍人的讀書習慣調(diào)查中，有73.5%的同學(xué)表示身邊經(jīng)常讀書的同學(xué)很少。

（4）很少閱讀的愿因

在調(diào)查中大多數(shù)學(xué)生認為自己的讀書量太少，在分析影響自己閱讀的原因調(diào)查選項中，選擇學(xué)習壓力太大沒有時間的占到51％，另有53％的學(xué)生表示自己，對課外閱讀沒有興趣，就本校學(xué)生生活環(huán)境而言，15.7％以上的學(xué)生認為，目前學(xué)校圖書館書籍太少難以找到自己感興趣的書，另外還有部分購買書籍成本太高等其他原因，但人數(shù)相對較少。

（5）教師課堂推薦書籍的選擇性

在調(diào)查到是否會選擇教師課堂推薦的書籍讀物時，56.9%的同學(xué)表示自己會根據(jù)自己的實際情況選擇性的閱讀，30.4%的同學(xué)則根本不會去閱讀老師推薦的書籍，只有大約27%的同學(xué)會選擇認真閱讀。

八．調(diào)查結(jié)論：

結(jié)論一：功利，娛樂和多元化的閱讀面

當代大學(xué)生對讀書吃越來越功利的態(tài)度。讀書閱讀，尤其是對經(jīng)典名著的閱讀越來越不受大家歡迎，很多同學(xué)將考試等同于看書，沒有明白讀書的真正意義，不能夠正確對待書籍閱讀，閱讀書籍的數(shù)量和種類偏少，非學(xué)術(shù)類閱讀占的比例升高；相比之下學(xué)術(shù)類閱讀顯得單薄，專業(yè)期刊與外文文獻閱讀更是稀少。讀書的人數(shù)不少，但是真正能夠讀出深度、讀出思想的卻并不多。很多同學(xué)知道自己應(yīng)該補充的是專業(yè)類，以及一些擴展知識面的書籍，但往往在實際選擇時，卻更青睞于娛樂性和網(wǎng)絡(luò)快餐小說。

結(jié)論二：盲目，和低效率的閱讀習慣

在閱讀方式上，幾乎所有的同學(xué)都選擇了泛讀游覽的方式，但很

顯然，這樣的閱讀方式并不能夠有效的更新知識結(jié)構(gòu)擴充自己的知識面，很多同學(xué)只追求了閱讀速度，忽視了高效，沒有仔細體味、領(lǐng)悟作者的思想內(nèi)涵。此外，令人難過的是，大多數(shù)同學(xué)對老師在課堂上推薦的書籍并不在意，只是隨意游覽或者根本不去碰，這樣的做法無疑對自己是沒有一點好處的。

結(jié)論三：圖書館閱讀仍占主流，網(wǎng)絡(luò)異軍突起

大多數(shù)同學(xué)青睞在圖書管理進行閱讀，此外同學(xué)們彼此交流思想，也為新思想、新意識的形成提供一個很好的平臺。這也意味著更有效提高學(xué)校圖書館的利用率。此外，網(wǎng)絡(luò)在大學(xué)生的生活中也占了很重要的位置，如網(wǎng)上購書、網(wǎng)上閱讀、在線交流等，但我們在運用網(wǎng)絡(luò)新手段時要學(xué)會辨別真?zhèn)?、?yōu)劣，抵制不良閱讀傾向。

結(jié)論四：讀書氛圍不夠濃厚，不讀書借口很多

通過第七題和第九題的調(diào)查，我們可以發(fā)現(xiàn)，目前很多同學(xué)依然無法正確認識讀書的重要性，端正讀書態(tài)度。學(xué)習忙，考試壓力大是事實，但絕不是不閱讀的理由。學(xué)生要學(xué)會培養(yǎng)自己的讀書習慣，而不能只是停留在但憑個人的興趣決定是否閱讀，想要以后在社會上有所發(fā)展就必須學(xué)習好各門學(xué)科，避免知識過于單一和貧乏，要使自己全面發(fā)展，成為一個社會上需求的具有綜合能力的人才。此外，據(jù)調(diào)查有近15%的學(xué)生認為圖書館的書籍不能滿足需求 客觀上還存在著提攜實質(zhì)性的問題。但我們相信學(xué)校領(lǐng)導(dǎo)會致力于學(xué)校自身的發(fā)展建設(shè)，為我們的學(xué)生提供一個更為優(yōu)越的閱讀環(huán)境。

讀書破萬卷，下筆如有神”，“讀萬卷書，行萬里路”，大學(xué)四年里我們一定要好好把握，多讀一些對自己有益的書，“不積小流無以成江海，不積跬步無以致千里”，日積月累，我們一定會在不知不覺

中提高自己。好讀書，會讀書，讀好書，與書為伴，在人生最美好的日子里不斷充實自己，提高自己，為實現(xiàn)自己的人生理想而努力。