随机序列生成与功率谱密度分析系统

资 源 简 介

本项目旨在实现离散随机信号的生成及其时频特性的深度分析。主要功能包括三个核心模块：首先是信号生成模块，利用MATLAB内置的随机数生成器产生指定长度、均值和方差的随机序列u(n)，通常模拟高斯白噪声或均匀分布噪声；其次是时域分析模块，通过计算序列的自相关函数（Autocorrelation Function），分析信号在不同时延下的相关性，评估信号的记忆特性和随机程度；最后是频域分析模块，基于自相关序列或直接利用周期图法（Periodogram）及韦尔奇法（Welch's method）计算信号的功率谱密度（PSD），揭示信号功率在频率域的分布情况。该系统将自动绘制原始序列波形图、自相关系数曲线图以及功率谱密度谱图，能够直观地展示随机信号的统计特性，适用于通信原理、数字信号处理等领域的教学演示与算法验证。

详 情 说 明

这里是根据你提供的 main.m 代码内容生成的 README.md 文件内容。

随机序列生成与功率谱密度分析系统

1. 项目简介

本项目是一个基于 MATLAB 开发的离散随机信号分析工具。它旨在实现随机噪声序列的生成，并对其进行深度的时域与频域特性分析。系统能够生成指定统计特性（均值、方差）的高斯白噪声，通过自相关函数评估信号的记忆特性，并分别利用“周期图法”和“韦尔奇法”计算功率谱密度（PSD）。该项目适用于数字信号处理（DSP）算法验证、通信原理教学演示以及随机过程特性的直观展示。

2. 功能特性

• 参数化随机信号生成：支持自定义序列长度、采样频率、目标均值及目标方差，利用线性变换生成符合要求的高斯分布随机序列。
• 结果可复现性：通过固定随机数种子，确保每次运行生成的噪声序列完全一致，便于对比分析。
• 时域相关性分析：计算并绘制信号的自相关函数（基于有偏估计），展示信号在不同时延下的相关程度。
• 双模式频域分析：

* 周期图法 (Periodogram)：基于 FFT 直接计算，展示高分辨率但方差较大的原始谱估计。 * 韦尔奇法 (Welch's Method)：利用加窗平均技术（Hamming窗），提供更平滑、方差更小的功率谱估计。

• 理论验证对比：在频谱图中自动绘制理论功率谱密度参考线，直观验证算法的准确性。
• 多维数据可视化：自动生成包含时域波形、自相关曲线、PSD 对比谱图的综合分析图表。

3. 系统要求

• MATLAB R2016a 或更高版本
• Signal Processing Toolbox（信号处理工具箱，用于 pwelch 和 xcorr 函数）

4. 使用方法

1. 确保 MATLAB 环境已安装并包含信号处理工具箱。
2. 将脚本文件保存到本地工作目录。
3. 直接运行主函数 main。
4. 程序将在控制台输出设定的均值/方差与实际统计值的对比结果，并弹出一个包含三个子图的综合分析窗口。

5. 核心算法与实现细节

本项目完全基于 main.m 的代码逻辑实现，具体流程如下：

5.1 系统参数初始化

系统首先设定基础参数：序列长度为 4096 点，采样频率为 1000 Hz。定义了目标均值为 0，目标方差为 2.0。时间轴构造基于采样间隔 dt = 1/Fs。

5.2 随机信号生成 (Signal Generation)

• 种子固定：使用 rng(42) 固定随机数生成器的状态，保证实验结果的一致性。
• 高斯噪声生成：首先生成标准正态分布序列 $N(0, 1)$。
• 线性变换：应用公式 $u(n) = mu + sigma cdot x$ 将标准序列变换为目标序列。其中 $sigma$ 取目标方差的平方根。
• 统计验证：计算生成数据的实际均值和方差，并打印到控制台以供校验。

5.3 时域分析 (Time Domain Analysis)

• 自相关计算：调用相关函数计算序列的自相关序列 $R_{uu}$。代码中明确使用了 'biased' 选项，计算的是有偏估计的自相关函数，这意味着相关值会随着滞后量的增加而通过 $1/N$ 衰减。
• 时延转换：将滞后点数（Lags）转换为实际的时间延迟（秒），便于物理意义上的理解。

5.4 频域分析 (Frequency Domain Analysis)

为了获取信号的功率谱密度（PSD），代码实现了两种不同的估计算法：

• 方法一：周期图法 (Periodogram)

1. 计算信号的 FFT，点数取大于序列长度的最小 2 的幂次（$Nfft$），以提高频域栅栏效应的改善。 2. 计算双边功率谱：利用公式 $|FFT|^2 / (N cdot Fs)$。 3. 转换为单边功率谱：截取前半部分频率分量，并将非直流分量乘以 2，以保持总功率守恒。

• 方法二：韦尔奇法 (Welch's Method)

1. 使用 MATLAB 内置的高级谱估计函数。 2. 窗函数：采用长度为 512 的汉明窗 (Hamming Window)。 3. 重叠率：设定为 50% 重叠 (Overlap)，以减少方差并平滑谱图。

5.5 数据可视化与理论验证

绘图窗口包含三个子图：

1. 时域波形：显示生成噪声的前 1 秒波形，展示其随机波动特性。
2. 自相关函数：绘制基于有偏估计的自相关曲线，中心峰值反映信号能量，两侧衰减反映随机性。
3. PSD 对比：

* 灰色曲线显示通过 FFT 直接计算的周期图，呈现较强的随机起伏。 * 红色曲线显示韦尔奇法的平滑结果，更清晰地反映谱趋势。 * 理论参考线：蓝色虚线标示了白噪声的理论单边 PSD 值，计算公式为 $2 cdot sigma^2 / Fs$（针对实信号的单边谱定义）。

6. 关键函数说明

• randn: 用于生成服从标准正态分布的伪随机数序列。
• xcorr: 用于计算序列的互相关或自相关。本项目中使用 'biased' 参数计算有偏自相关估计。
• fft: 快速傅里叶变换，将时域信号转换为频域信号，是计算周期图的基础。
• pwelch: 韦尔奇功率谱密度估计函数，通过分段加窗平均的方法降低谱估计的方差。
• nextpow2: 计算满足 $2^p ge N$ 的最小幂次 $p$，用于优化 FFT 计算效率。