MATLAB随机信号处理实验精解。

实验目的

本次实验旨在通过MATLAB平台，对随机信号处理中的基本概念进行验证与分析，包括随机信号的生成、功率谱密度估计、自相关函数计算等。实验重点考察不同随机信号在时域和频域的表现，并比较经典谱估计方法（如周期图法）的性能差异。

实验原理

随机信号的统计特性：宽平稳随机信号的均值与时间无关，自相关函数仅与时间差有关。对于离散随机信号$x[n]$，其自相关函数定义为： $$ R_{xx}[m] = E{x[n]x[n+m]} $$

功率谱密度（PSD）：通过Wiener-Khinchin定理，PSD与自相关函数构成傅里叶变换对： $$ S_{xx}(f) = \sum_{m=-\infty}^{\infty} R_{xx}[m] e^{-j2\pi fm} $$

周期图法：直接对信号进行傅里叶变换并取模平方，计算公式为： $$ \hat{S}{xx}(f) = \frac{1}{N} \left| \sum{n=0}^{N-1} x[n] e^{-j2\pi fn} \right|^2 $$

实验内容

随机信号生成与特性分析

使用MATLAB生成高斯白噪声和正弦信号叠加的复合信号，并分析其时域波形和统计特性。以下为生成代码示例：

fs = 1000;  % 采样频率
t = 0:1/fs:1;  % 时间向量
x = sin(2*pi*50*t) + 0.5*randn(size(t));  % 50Hz正弦波叠加高斯噪声

通过计算信号的均值、方差和直方图验证其分布特性：

mean_val = mean(x);
var_val = var(x);
histogram(x, 50);  % 绘制直方图

自相关函数计算

利用MATLAB内置函数`