版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领
文档简介
1、统计信号处理实验报告(实验一)姓名: 沈昊骍学号:04008409 时间: 2011.11.18统计信号处理实验一实验目的:1、掌握噪声中信号检测的方法; 2、熟悉Matlab的使用; 3、掌握用计算机进行数据分析的方法;实验内容:假设信号为波形如下图所示在有信号到达时接收到的信号为,在没有信号到达时接收到的信号为。其中是均值为零、方差为的高斯白噪声。对接受到的信号分别在上进行取样,得到观测序列。利用似然比检测方法,对信号是否到达进行检测;假设有信号到达的概率P(H1)=0.6,没有信号到达的概率P(H0)=0.4,。利用Bayes检测方法,对信号是否到达进行检测;通过计算机产生的仿真数据,对
2、两种方法的检测概率、误警概率、漏警概率和Bayes风险进行仿真计算;改变判决的门限,观察检测方法的、和Bayes风险的变化;改变噪声的方差,观察检测方法的、和Bayes风险的变化;将信号取样间隔减小一倍(相应的取样点数增加一倍),观察似然比检测方法的、和Bayes风险的变化;根据设计一个离散匹配滤波器,并观察经过该滤波器以后的输出。实验要求:设计仿真计算的Matlab程序,给出软件清单完成实验报告,对实验过程进行描述,并给出实验结果,对实验数据进行分析,给出结论。实验过程:1)首先产生信号s(t),n(t),x(t),即s(i),n(i),x(i), 其中i=0,1, 200;2)根据定义似然
3、比函数:,门限;如果,则判定;否则,判定。这就是似然比检测准则。假设似然比为1,根据似然比检测准则:两边取对数后得:由此对信号是否到达进行检测;3) Bayes判决准则如下:准则或风险函数:其中的诸系数是根据实际需要设定的风险系数。时判,否则判。假设有信号到达的概率P(H1)=0.6,没有信号到达的概率P(H0)=0.4,。由此计算判决门限为(2*0.4)/(1*0.6)=4/3。由此对信号是否到达进行检测;4)根据蒙特卡洛仿真方法分别对以上两种方法下的检测概率、误警概率、漏警概率和Bayes风险进行仿真计算:共做M=10000次统计:在x(t)=s(t)+n(t)的情况下,每次出现There
4、 is a signal 则检测到信号的次数n1加1; There is not a signal则未检测到信号的次数n0加1;在x(t)= n(t)的情况下,每次出现There is a signal 则检测到信号的次数n2加1;其中:检测概率=n1/M;漏警概率=n0/M;误警概率=n2/M;Bayes风险系数r= c00*(1-pf)+c10*pf+c01*pm+c11*pd.5) 用同(4)的方法,通过改变判决的门限,观察检测方法的、和Bayes风险的变化; 6) 用同(4)的方法,通过改变噪声的方差,观察检测方法的、和Bayes风险的变化;7) 通过改变是s(t)的取样间隔(由1变为
5、0.5),将取样间隔减小一倍(相应的取样点数增加一倍),n(t)也变为400个元素的矩阵,然后再来观察似然比检测方法的、和Bayes风险的变化;8)设计匹配滤波器h(t)=c*s(T-t),通过使待检测信号x(t)经过匹配滤波器,即和h(t)进行卷积,得到滤波以后的输出X(t)。实验结果及分析:1)利用似然比和Bayes两种检测方法进行信号检测:ans =最大似然,检测到有信号到达的次数为:out1 = 148ans =贝艾斯检测,检测到有信号到达的次数为:out2 = 132分析:由图像可知,x(t)受高斯随机噪声影响比较严重,两种方法都检测到信号。2)根据蒙特卡洛仿真方法: pd1 pm1
6、 pf1 -似然比检测方法ans = 0.7954 0.2046 0.2126 pd2 pm2 pf2 r-Bayes检测方法ans = 0.7472 0.2528 0.1645 0.5818分析:似然比检测方法比门限值为4/3的Bayes检测方法检测结果好一些。3)改变门限值gama=0.7,1,1.1,1.3,1.6 pd1-似然比检测方法pd1 = 0.8502 0.7906 0.7693 0.7423 0.6974 pm1pm1 = 0.1498 0.2094 0.2307 0.2577 0.3026 pf1pf1 = 0.2693 0.2076 0.1949 0.1613 0.136
7、2 pd2-Bayes检测方法pd2 = 0.7294 0.6548 0.6181 0.6011 0.5445 pm2pm2 =0.2706 0.3452 0.3819 0.3989 0.4555 pf2pf2 = 0.1589 0.1031 0.0983 0.0815 0.0622 rr = 0.5884 0.5514 0.5785 0.5619 0.5799分析:随着门限值gama的增大,两种检测方法的检测概率pd都在变小,漏警概率pm增大,而虚警概率pf却随门限增大在减小,风险系数r在增大。4)改变方差sigma=4,16,25,36,64 pd1-似然比检测方法pd1 = 0.9804
8、 0.8409 0.7975 0.7447 0.7015 pm1pm1 = 0.0196 0.1591 0.2025 0.2553 0.2985 pf1pf1 = 0.0239 0.1528 0.2138 0.2503 0.3164 pd2-Bayes检测方法pd2 = 0.9738 0.8124 0.7374 0.6853 0.5975 pm2pm2 = 0.0262 0.1876 0.2626 0.3147 0.4025 pf2pf2 = 0.0159 0.1204 0.1661 0.1879 0.2210 rr = 0.0580 0.4284 0.5948 0.6905 0.8445 分
9、析:随着方差sigma的增大,两种检测的检测概率pd都在减小,漏警概率pm和虚警概率pf都在增大,风险系数r快速增大,检测情况变差,可靠性降低。5)将信号取样间隔减小一倍(相应的取样点数增加一倍): pd1 pm1 pf1-似然比检测方法ans = 0.8718 0.1282 0.1286 pd2 pm2 pf2 r-Bayes检测方法ans = 0.8526 0.1474 0.0999 0.3472分析:两种检测对比可以看出,信号取样间隔越小,检测得到的结果越好,检测概率越高,虚警漏警概率越低,风险系数越小。6)根据s(t)设计一个离散匹配滤波器h(n):分析:在t0=200处的取值进行观察
10、;当输入信号中有有用信号时,系统的输出值可以达到100以上;没有信号时,系统输出小于30。这说明通过匹配滤波器后,信号中的有用信号分量得到了加强,信噪比得到了提高。MATLAB程序清单:homework1%To generate signals that should be testedt1=0:49;t2=50:149;t3=150:199;s1=t1/50;s2=-t2/50+2;s3=t3/50-4;s=s1 s2 s3; %To generate signalsfor m=1:200n1=5.*randn(200,1); %To generate noisex=s+n1;subplot
11、(211); %To generate figureplot(s);xlabel(t);ylabel(s);title(信号 s(t);subplot(212);plot(x);xlabel(t);ylabel(x);title(有噪声x(t);%(1)Using the likelihood ratio(1) to test the signalss1=x.*s;s2=s.*s;s1=sum(s1);s2=sum(s2);if s10.5*s2 a(m)=1; %检测到信号else a(m)=0; %未检测到信号endend%(2)Using Bayes method to test the
12、 signalsfor m=1:200c10=2;c01=1;p1=0.6;p0=0.4;r=(c10*p0)/(c01*p1);r=log(r);n2=5.*randn(200,1); %To generate noisex=s+n2;s1=x.*s;s2=s.*s;s1=sum(s1);s2=sum(s2);if s10.5*s2+25*r b(m)=1; %有信号产生Method(2):检测到信号else b(m)=0; %无信号产生Method(2):未检测到信号endend最大似然,检测到有信号到达的次数为:out1=sum(a)贝艾斯检测,检测到有信号到达的次数为:out2=sum
13、(b) homework1-1%(1)Using the likelihood ratio(1) to calculate pd, pf, pm and rt1=0:49;t2=50:149;t3=150:199;s1=t1/50;s2=-t2/50+2;s3=t3/50-4;s=s1 s2 s3;n1=0; %在x(t)=s(t)+n(t)的情况下,检测到信号的次数n0=0; %在x(t)=s(t)+n(t)的情况下,未检测到信号的次数n2=0; %在x(t)= n(t)的情况下,检测到信号的次数M=10000;for i=1:Mn=5.*randn(200,1); %To generate
14、 noisex2=s+n; %To generate signals that to be testedx1=n;s1=x2.*s;s2=s.*s;s3=x1.*s;s1=sum(s1);s2=sum(s2);s3=sum(s3);if s10.5*s2 n1=n1+1;else n0=n0+1;endif s30.5*s2 n2=n2+1;endendpd1=n1/M; %Using Monte Carlo method to calculate possiblilities 检测概率pm1=n0/M; %漏警概率pf1=n2/M; %误警概率%(2)Using Bayes method t
15、o calculate pd, pf, pm and rc10=2;c01=1;c00=0;c11=0;p1=0.6;p0=0.4;gama=(c10*p0)/(c01*p1);gama=log(gama);n1=0;n0=0;n2=0;M=10000;for i=1:Mn=5.*randn(200,1); %To generate noisex2=s+n; %To generate signals that to be testedx1=n;s1=x2.*s;s2=s.*s;s3=x1.*s;s1=sum(s1);s2=sum(s2);s3=sum(s3);if s10.5*s2+25*ga
16、ma n1=n1+1;else n0=n0+1;endif s30.5*s2+25*gama n2=n2+1;endendpd2=n1/M; %Using Monte Carlo method to calculate possibilitiespm2=n0/M;pf2=n2/M;r=c00*(1-pf2)+c10*pf2+c01*pm2+c11*pd2; %Calculate risk indexhomework1-2%(1)(Changing gama)-Using the likelihood ratio(1) to calculate pd, pf, pm and rt1=0:49;t
17、2=50:149;t3=150:199;s1=t1/50;s2=-t2/50+2;s3=t3/50-4;s=s1 s2 s3;gama=0.7,1,1.1,1.3,1.6;for j=1:5n1=0;n0=0;n2=0;M=10000;for i=1:Mn=5.*randn(200,1); %To generate noisex2=s+n; %To generate signals that to be testedx1=n;s1=x2.*s;s2=s.*s;s3=x1.*s;s1=sum(s1);s2=sum(s2);s3=sum(s3);if s10.5*s2+25*log(gama(j)
18、 n1=n1+1;else n0=n0+1;endif s30.5*s2+25*log(gama(j) n2=n2+1;endendpd1(j)=n1/M; %Using Monte Carlo method to calculate possibilitiespm1(j)=n0/M;pf1(j)=n2/M;end%(2)(Changing gama)-Using Bayes method to calculate pd, pf, pm and rc10=2;c01=1;c00=0;c11=0;p1=0.6;p0=0.4;gama=0.7,1,1.1,1.3,1.6;gama=(c10/c01
19、).*gama;for j=1:5n1=0;n0=0;n2=0;M=10000;for i=1:Mn=5.*randn(200,1); %To generate noisex2=s+n;x1=n;s1=x2.*s;s2=s.*s;s3=x1.*s;s1=sum(s1);s2=sum(s2);s3=sum(s3);if s10.5*s2+25*log(gama(j) n1=n1+1;else n0=n0+1;endif s30.5*s2+25*log(gama(j) n2=n2+1;endendpd2(j)=n1/M; %Using Monte Carlo method to calculate
20、 possibilitiespm2(j)=n0/M;pf2(j)=n2/M;r(j)=c00*(1-pf2(j)+c10*pf2(j)+c01*pm2(j)+c11*pd2(j);%Calculate risk indexendhomework1-3%(1)(Changing sigma)-Using the likelihood ratio(1) to calculate pd, pf, pm and rt1=0:49;t2=50:149;t3=150:199;s1=t1/50;s2=-t2/50+2;s3=t3/50-4;s=s1 s2 s3;sigma=4,16,25,36,64;for
21、 j=1:5n1=0;n0=0;n2=0;M=10000;for i=1:Mn=sqrt(sigma(j).*randn(200,1); %To generate noisex2=s+n; %To generate signals that to be testedx1=n;s1=x2.*s;s2=s.*s;s3=x1.*s;s1=sum(s1);s2=sum(s2);s3=sum(s3);if s10.5*s2 n1=n1+1;else n0=n0+1;endif s30.5*s2 n2=n2+1;endendpd1(j)=n1/M; %Using Monte Carlo method to
22、 calculate possibilitiespm1(j)=n0/M;pf1(j)=n2/M;end%(2)(Changing sigma)-Using Bayes method to calculate pd, pf, pm and rc10=2;c01=1;c00=0;c11=0;p1=0.6;p0=0.4;gama=(c10*p0)/(c01*p1);gama=log(gama);sigma=4,16,25,36,64;for j=1:5n1=0;n0=0;n2=0;M=10000;for i=1:Mn=sqrt(sigma(j).*randn(200,1); %To generate
23、 noisex2=s+n; %To generate signals that to be testedx1=n;s1=x2.*s;s2=s.*s;s3=x1.*s;s1=sum(s1);s2=sum(s2);s3=sum(s3);if s10.5*s2+sigma(j)*gama n1=n1+1;else n0=n0+1;endif s30.5*s2+sigma(j)*gama n2=n2+1;endendpd2(j)=n1/M; %Using Monte Carlo method to calculate possibilitiespm2(j)=n0/M;pf2(j)=n2/M;r(j)=
24、c00*(1-pf2(j)+c10*pf2(j)+c01*pm2(j)+c11*pd2(j); %Calculate risk indexendhomework1-4%(1)(Increasing sampling points)-Using the likelihood ratio(1) to calculate pd, pf, pm and rt1=0:0.5:49.5;t2=50:0.5:149.5;t3=150:0.5:199.5;s1=t1/50;s2=-t2/50+2;s3=t3/50-4;s=s1 s2 s3;n1=0;n0=0;n2=0;M=10000;for i=1:Mn=5
25、.*randn(400,1); %To generate noisex2=s+n; %To generate signals that to be testedx1=n;s1=x2.*s;s2=s.*s;s3=x1.*s;s1=sum(s1);s2=sum(s2);s3=sum(s3);if s10.5*s2 n1=n1+1;else n0=n0+1;endif s30.5*s2 n2=n2+1;endendpd1=n1/M; %Using Monte Carlo method to calculate possibilitiespm1=n0/M;pf1=n2/M;%(2)(Increasin
26、g sampling points)-Using Bayes method to calculate pd, pf, pm and rc10=2;c01=1;c00=0;c11=0;p1=0.6;p0=0.4;gama=(c10*p0)/(c01*p1);gama=log(gama);n1=0;n0=0;n2=0;M=10000;for i=1:Mn=5.*randn(400,1); %To generate noisex2=s+n; %To generate signals that to be testedx1=n;s1=x2.*s;s2=s.*s;s3=x1.*s;s1=sum(s1);s2=sum(s2);s3=sum(s3);if s10.5*s2+25*gama n1=n1+1
温馨提示
- 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
- 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
- 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
- 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
- 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
- 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
- 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
最新文档
- 科技驱动下的法律行业
- 某工程结算合同争议的案例分析
- 湖北省武汉市洪山区2024年八年级物理第二学期期末综合测试试题及答案解析
- 2024年电气火灾监控系统项目合作计划书
- 2024届江苏省南京联合体八年级物理第二学期期末教学质量检测试题及答案解析
- 2023-2024学年广西桂林市十八中数学高一下期末考试模拟试题含解析
- 河南省兰考县2024届八年级物理第二学期期末质量检测模拟试题及答案解析
- 2024年氦氖激光血管内照射治疗仪合作协议书
- 湖南长沙市青竹湖湘一外国语学校2024年八年级物理第二学期期末质量检测模拟试题及答案解析
- 2024年气体制剂机械项目合作计划书
- 跨国公司经营与管理试题
- 高标准基本农田项目监理规划
- 云南民族历史文化课件
- 国家开放大学电大《数控机床》机考题库和答案
- DB31T 1148-2019 水量计量差错的退补水量核算方法
- 2023第1357号文件(司法鉴定收费项目及收费标准)
- 椎体成形术手术配合培训课件
- 居民变更户主情况登记表
- 医疗器械基础知识培训考核试题及答案2022年最新版
- 中考语文《非连续性文本阅读》专题复习课件
- 标准检验指导书(SIP)-(格式模板)
评论
0/150
提交评论