搜索资源列表
3
- 典型时间序列模型分析 设有ARMA(2,2)模型， X（n）+0.3X(n-1)-0.2X(n-2)=W(n)+0.5W（n-1）-0.2W(n-2) W(n)是零均值正态白噪声，方差为4 （1）用MATLAB模型产生X（n）的500观测点的样本函数，并会出波形； （2）用你产生的500个观测点估计X（n）的均值和方差； （3）画出理论的功率谱 （4）估计X（n）的相关函数和功率谱 -Analysis
pcm
- 一。产生长度为500的零均值，单位方差的高斯随机变量序列，用均匀pcm的方法用16电平进行量化：1）求所得的SQNR，该序列的前5个值，相应的量化值和相应的码字。2）画出量化误差（定义为输入值和量化值之间的差），同时 画出量化值作为输入值的函数的图。3）用128量化电平数重做2）题， 比较结果。 二。产生一个长度为500，按N(O,1)分布的随机变量序列，分别用16，128量化电平数和u=255的u律非线性进行量化，画出每种情况下量
model
- 产生一组均值为1，方差为4的正态分布随机序列（1000个样本），估计该序列的均值与方差； 已知x(n)=sin(2*pi*f1*n)+2*cos(2*pi*f2*n)+w(n),w(n)为正态分布白噪声,求相关函数和功率谱的m文件-Known x (n) = sin (2* pi* f1* n)+ 2* cos (2* pi* f2* n)+ w (n), w (n) is normally distributed white no
2
- 本实验主要是分析高斯白噪声的样本自相关序列的估计精度。 a. 生成1000个零均值、单位方差的高斯白噪声，并用bar函数来画出直方图，与理想的高斯分布函数相比较； b. 采用xcorr函数的有偏估计来估计前100个自相关序列，用Plot函数画出该自相关序列，与理想的高斯白噪声的自相关序列相比。 c. 把这组数据分成互不重叠的10段，每段有100个样本。分别对每段数据采用b中的方法来估计前100个样本自相关序列，然后对10段的
样本序列的均值
- 利用随机数生成器产生一个长度为N的符号序列，求样本序列均值(The random number generator is used to generate a symbol sequence of length N, and the mean of the sample sequence is obtained)
xulieguji
- 产生一组均值为1，方差为4的正态分布随机序列（1000个样本），估计该序列的均值与方差(A set of normal distribution random sequences (1000 samples) with mean value of 1 and variance of 4 is generated, and the mean and variance of the sequence are estimated)