《生物医学信号处理》实验3报告 下载本文

《生物医学信号处理》实验报告 Rpw of p(n) and w(n)200-20-10005000-500-10005000-500-1000-5000500-5000500Rpx of p(n) and x(n)-5000500Rps of p(n) and s(n)Rpw of p(n) and w(n)500-501000-10001000-1001000-10001000-1001000-1000Rpw of p(n) and w(n)500-50-100010000-1000-100010000-5000500Rps of p(n) and s(n)1000-5000500Rps of p(n) and s(n)1000-5000500Rpx of p(n) and x(n)1000-5000500Rpx of p(n) and x(n)1000-50005001000 -1000-1000-50005001000 (a) (b) (c) 图17 (a)为方波信号与衰减系数为3的仿真信号的线性相关函数图像,(b)为方波信号与衰减系数为1的仿真信号的线性相关函数图像,(c)方波信号与衰减系数为6的仿真信号的线性相关函数图像 分析: 方波信号在仿真信号衰减系数不同的情况下,线性相关函数图像会因为衰减系数的改变而改变。 结论: 综上所述,我们可以得出结论,仿真信号的衰减系数的变化会影响其线性相关函数的改变,且针对所有模板信号的都适用(此处略去其他的模板信号分析)。 延拓部分: 因为模板信号较多,这里我们只采取一种代表模板信号,我们取指数衰减信号来做代表,分别对模板信号和仿真信号进行如下造作: (1)线性卷积[卷积运算是LTI(线性时不变系统)分析的重要工具] 利用如下计算线性卷积的函数来替换线性相关函数的程序,代码如下: Cps = conv(s,p); %计算线性卷积 Cpw = conv(w,p); Cpx = conv(x,p); figure; %绘制线性卷积 subplot(3,1,1); plot(Cpw);xlim([0 2001]); title('Cpw of p(n) and w(n)'); subplot(3,1,2); plot(Cps);xlim([0 2001]); title('Cps of p(n) and s(n)'); subplot(3,1,3); plot(Cpx);xlim([0 2001]); title('Cpx of p(n) and x(n)'); 图像输出: 1Noise50-51050100-10100Cpw of p(n) and w(n)0.80200400Signal6008001000-10402005000.610001500Cps of p(n) and s(n)20000.40200400600Signal with Noise80010000500050010001500Cpx of p(n) and x(n)20000.20020406080100 02004006008001000 -500500100015002000 (a) (b) (c) 图18 (a)为指数衰减信号 ,(b)为衰减系数为3、均值为0、方差为1的噪声仿真信号 (c)为线性卷积函数结果图 第11页 共14页

《生物医学信号处理》实验报告 (2)1001点的循环相关 循环相关是针对序列的循环移位的一种相关运算。 程序修改: 首先创建内置函数: function v=length(y) N=length(y); v=zeros(N,N); for i=1:N for j=1:N v(i,j)=y(j); end L=y(1); for k=1:N-1 y(k)=y(k+1); end y(N)=L; end 然后再调用: %计算1001点循环相关系数 Vps1 = circlel(p);Rps1 = s*Vps1; Vpw1 = circlel(p);Rpw1 = w*Vpw1; Vpx1 = circlel(p);Rpx1 = x*Vpx1; %绘制1001点循环相关图 figure; subplot(3,1,1); plot(Rpw1);xlim([0 1001]); title('Rpw1 of p(n) and w(n)'); subplot(3,1,2); plot(Rps1);xlim([0 1001]); title('Rps1 of p(n) and s(n)'); subplot(3,1,3); plot(Rpx1);xlim([0 1001]); title('Rpx1 of p(n) and x(n)'); 图像输出为: 15NoiseRpw1 of p(n) and w(n)200-201005001000-1000.80.60.40.200-51050100-100200400600Signal with Noise80010000200400600Signal80010000200400600Rps1 of p(n) and s(n)80010000200400600Rpx1 of p(n) and x(n)8001000020406080100 02004006008001000 02004006008001000 (a) (b) (c) 图19 (a)为指数衰减信号,(b)为衰减系数为3、均值为0、方差为1的噪声仿真信号, (c)为1001点循环相关函数结果图 第12页 共14页

《生物医学信号处理》实验报告 (3)1001点的循环卷积 循环卷积是针对序列的循环移位的一种相关运算。 修改程序: 首先创建内置函数: function v=length(y) N=length(y); v=zeros(N,N); for i=1:N for j=1:N v(i,j)=y(j); end L=y(N); for k=N:-1:2 y(k)=y(k-1); end y(1)=L; end v=v'; 然后再调用函数 %计算1001点循环卷积 Vps2 = circler(p);Cps1 = s*Vps2; Vpw2 = circler(p);Cpw1 = w*Vpw2; Vpx2 = circler(p);Cpx1 = x*Vpx2; %绘制1001点循环卷积 figure; subplot(3,1,1); plot(Cpw1);xlim([0 1001]); title('Cpw1 of p(n) and w(n)'); subplot(3,1,2); plot(Cps1);xlim([0 1001]); title('Cps1 of p(n) and s(n)'); subplot(3,1,3); plot(Cpx1);xlim([0 1001]); title('Cpx1 of p(n) and x(n)'); 图像输出: 15Noise0-51050100-100200400600Signal with Noise80010000200400600Signal8001000Cpw1 of p(n) and w(n)100-101005001000-1000.80.60.40.200200400600Cps1 of p(n) and s(n)80010000200400600Cpx1 of p(n) and x(n)8001000020406080100 02004006008001000 02004006008001000 (a) (b) (c) 图19 (a)为指数衰减信号,(b)为衰减系数为3、均值为0、方差为1的噪声仿真信号, (c)为1001点循环卷积函数结果图 第13页 共14页

《生物医学信号处理》实验报告 五、实验小结 (包括主要实验问题的最终结果描述、详细的收获体会,待解决的问题等) 在本次实验中通过实际操作得到以下结论: (包括主要实验问题的最终结果描述、详细的收获体会,待解决的问题等) 在本次实验中通过实际操作得到以下结论: ? 实验过程中我们要一直谨记一个原则,单一控制变量原则,即选择改变研究的变量其他的变量我们要控制不能使其改变,这样得出的实验结论才比较有说服力; ? 实验还要尽量避免特异性,即我们需要采取多种模板来做相同的处理,这样得出的结论才更加可靠; ? 试验中有很多相同的处理情况,我们做实验时是要认真得出结果的,但是在撰写实验报告的时候就只需选取几个能够说明问题的即可; ? 实验中涉及到的两个矩阵相加的问题时,我们要通过MATLAB的造作界面查询数据的数据类型,当数据类型不同时,我们要根据实验要求改变数据的类型使其一致才能进行相加处理; ? 另外,线性相关和线性相干我们只采用了二者之一是因为,他们二者之间的函数关系导致二者与仿真信号的函数关系是一致的,他们二者的函数关系为: ρ?m??xy r?m? rxx(0)*ryy(0)xy 手写签名: 第14页 共14页