|
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(guò)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(guò)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(shuō)明譜估計(jì)方法的基本原理；
- 說(shuō)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(guò)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)');
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
| 
