西电 电院 随机信号分析[小编推荐]

第一篇：西电 电院 随机信号分析[小编推荐]

随机信号分析之简答题

1.什么是随机过程非线性变换的变换法？

利用傅里叶变换或者拉普拉斯变换，将非线性函数变换成转移函数，将概率密度转换成特征函数，改变积分形式后再进行运算的方法就是变换法。

非线性变换的厄密特多项式法适用于何种随机过程？为什么？

适用于输入为正态随机过程。因为输入随机过程为正态分布，则可将用麦克劳林级数展开，变成厄密特多项式，由于分项积分容易计算，正交性重积分简化为一重积分。此方法运算简便，因而广被引用。

普赖斯法适用的条件是什么？

普赖斯法适用于输入为平稳正态过程，且非线性函数经k 缓变包络法适用的条件是什么？

缓变包络法适用于

2.一维分布为瑞利分布，相位服从均匀分布

输出电压服从指数分布

N次再积累输出，其输出随机变量服从何种分

加法器的输出电压服从2N），输出电压的均值为2N，方差为4N

3.R（t）的一维概率分布服从何种分布？ 服从

SNR<<1时，R（t）的一维概率分布近似为何种分布？

当信噪比时，R（t）的一维概率分布近似为何种分布？

近似为正态分布

By Elwin

2012年11月12日

第二篇：《随机信号分析》实验报告

《随机信号分析》实验报告

学号：

姓名：

2009年12月21日

实验一：平稳随机过程的数字特征

1、实验目的“正文、小四宋体1.5倍行距”

2、实验任务

3、实验流程

4、实验结果

5、实验代码

“代码、五号宋体1倍行距”

1、实验目的“正文、小四宋体1.5倍行距”

2、实验任务

3、实验流程

4、实验结果

5、实验代码

“代码、五号宋体1倍行距”

1、实验目的“正文、小四宋体1.5倍行距”

2、实验任务

3、实验流程

4、实验结果

5、实验代码

“代码、五号宋体1倍行距”

1、实验目的“正文、小四宋体1.5倍行距”

2、实验任务

3、实验流程

4、实验结果

5、实验代码

“代码、五号宋体1倍行距”

第三篇：西电 公关礼仪

公关礼仪

中国乃礼仪之邦。古人曰:“不学礼，无以立”。古代有“五礼”之说，祭祀之事为吉礼，冠婚之事为嘉礼，宾客之事为宾礼，军旅之事为军礼，丧葬之事为凶礼。礼仪,是中华传统美德宝库中的一颗璀璨明珠,是中国古代文化的精髓。

所谓礼仪是指在人际交往、社会交往和国际交往中，用于表示尊重、亲善和友好的行为规范和惯用形式。具体来说，首先，礼仪是一种道德行为规范，是对人的行为进行约束的条条框框。其次，礼仪的直接目的是表示对他人的尊重。尊重是礼仪的本质。礼仪的根本目的是为了维护社会正常的生活秩序。

作为新时代的大学生,较之中学生、小学生的差别也应并非仅仅体现在年龄、学问上,而更多的应该体现在个人修养、文明礼貌等方面。但当前国内很多高校大学生的礼仪修养现状却令人堪忧:衣冠不整、迟到早退、随地吐痰、乱扔杂物、张口骂人等不文明现象随处可见;在食堂打饭不排队,在宿舍大声说话、听音乐、玩游戏影响他人休息等情况比比皆是。更令人担忧的是,不少大学生对上述不文明行为非但没有正确的认识,还将其标榜为“有个性”、“张扬自我”的表现,对于不文明行为不以为耻、反以为荣,体现了在价值观方面的扭曲。

作为大学生我们应学会克服这些不文明的行为做一个讲礼仪的人。从《公关礼仪》这门课我学到了不少知识和常识，像介绍礼仪、电话礼仪、握手礼仪、以及面试礼仪等。如电话礼仪，电话被现代人公认为便利的通讯工具，在日常工作中，使用电话的语言很关键，它直接影响着一个公司的声誉；在日常生活中，人们通过电话也能粗略判断对方的人品、性格。因而，掌握正确的、礼貌待人的打电话方法是非常必要的。如面试礼仪，面试礼仪是指用人单位通过衣着、装扮、语言、手势、表情、笑容等方面来考察应聘者的综合素质、胜任所报职位的工作能力。面试是用人单位对应聘者进行选拔而采取的诸多方式中的一种，也是应聘者取得求职成功的关键一步。在整个应聘过程中，面试是最具有决定性的一环。面试是求职者展示自身素质、能力、品质的最好时机，面试发挥出色，可弥补其它方面所带来的缺陷。因此，求职前要很好地掌握面试的技巧与相关的礼仪知识。礼仪本身是一种既具有内在道德要求，又具有外在表现形式的行为规范。谦恭的态度、文明礼貌的语言、优雅得体的举止等方面表现出来的，是人的内在文化修养、道德品质、精神气质和思想境界等。没有内在的修养，外在的形式就失去了根基。无论在任何方面，做一个讲究礼仪的大学生是很有必要的。而公关礼仪就是把组织形象和个人形象有机地结合起来，个人形象是组织形象的基础，通过塑造完美的个人形象来塑造组织形象。

在当前的形势下，礼仪已不是个别行业、个别社会层次的需求，而是全民所需。

礼仪，作为在人类历史发展中逐渐形成并积淀下来的一种文化，始终以某种精神的约束力支配着每个人的行为，是适应时代发展、促进个人进步和成功的重要途径。礼仪的主要功能，从个人的角度来看，一是有助于提高人们的自身修养；在人际交往中，礼仪不仅可以有效地展现一个人的教养、风度和魅力，还体现出一个人对社会的认知水准、个人学识、修养和价值。二是有助于美化自身、美化生活；有助于促进人们的社会交往，改善人们的人际关系，礼仪是人立身处世的根本、人际关系的润滑剂、是现代竞争的附加值。；还有助于净化社会风气。礼仪，对于各级行政机关来说，是纠正不良风气，端正文明行政的有效手段；对企业来说，是企业形象的重要组成部分，是企业文化的重要内涵，也是提高企业员工办文办事、工作效率的重要环节，更是实现企业认证和国际接轨的重要途径。

总之，公关礼仪是一门学问，我们应该重视它，了解它，并在以后的日子里很好地运用它，以一种新的方式生活，让生活更美好。

第四篇：随机信号分析实验报告

Ｈ ａ ａr r ｂ ｂi in n

Ｉ Ｉn ns st ti iｔ ｔ ｕ ｕt te e

o of f

T Te ec ch h ｎ ｎo o ｌ ｌo og gy y

实 验 报 告 告

课程名称:

随机信号分析

院

系：

电子与信息工程学院

班

级：

姓

名:

学

号：

指导教师:

实验时间:

实验一、各种分布随机数得产生

（一)实验原理 1、、均匀分布随机数得产生原理 产生伪随机数得一种实用方法就是同余法,它利用同余运算递推产生伪随机数序列．最简单得方法就是加同余法

为了保证产生得伪随机数能在[0,１]内均匀分布,需要Ｍ为正整数，此外常数 c 与初值 y0 亦为正整数。加同余法虽然简单,但产生得伪随机数效果不好。另一种同余法为乘同余法,它需要两次乘法才能产生一个［0，１]上均匀分布得随机数

ﻩ ﻩﻩ

式中,ａ为正整数。用加法与乘法完成递推运算得称为混合同余法,即

ﻩﻩ

ﻩ用混合同余法产生得伪随机数具有较好得特性,一些程序库中都有成熟得程序供选择。

常用得计算语言如 Basic、Ｃ与 Matlab 都有产生均匀分布随机数得函数可

以调用，只就是用各种编程语言对应得函数产生得均匀分布随机数得范围不同，有得函数可能还需要提供种子或初始化。

Matlaｂ提供得函数ｒａnd()可以产生一个在[0,1］区间分布得随机数，rand（2,4）则可以产生一个在［０,1]区间分布得随机数矩阵,矩阵为２行４列。Matlab 提供得另一个产生随机数得函数就是 ranｄom(’unif’,a,b，N，M),unif 表示均匀分布,a与b就是均匀分布区间得上下界,N与M分别就是矩阵得行与列。

2、、随机变量得仿真 根据随机变量函数变换得原理,如果能将两个分布之间得函数关系用显式表达,那么就可以利用一种分布得随机变量通过变换得到另一种分布得随机变量。

若Ｘ就是分布函数为 F(x)得随机变量,且分布函数 F(x)为严格单调升函数,令Ｙ=F(X）,则 Y 必为在[0，1]上均匀分布得随机变量．反之,若 Y 就是在[0,1]上均匀分布得随机变量,那么 即就是分布函数为 FX(x）得随机变量。式中 F X1()为F X() 得反函数.这样,欲求某个分布得随机变量,先产生在[0,１］区间上得均匀分布随机数,再经上式变换，便可求得所需分布得随机数。

３、高斯分布随机数得仿真 广泛应用得有两种产生高斯随机数得方法，一种就是变换法,一种就是近似法.如果Ｘ1,X2 就是两个互相独立得均匀分布随机数,那么下式给出得 Y１,Y2

便就是数学期望为 m,方差为得高斯分布随机数，且互相独立，这就就是变换法。

另外一种产生高斯随机数得方法就是近似法.在学习中心极限定理时，曾提到 n 个在[0,1］区间上均匀分布得互相独立随机变量 Xi（i＝１，2…，ｎ）,当ｎ足够大时,其与得分布接近高斯分布.当然,只要 n 不就是无穷大，这个高斯分布就是近似得。由于近似法避免了开方与三角函数运算，计算量大大降低。当精度要求不太高时，近似法还就是具有很大应用价值得.4、、各种分布随机数得仿真 有了高斯随机变量得仿真方法，就可以构成与高斯变量有关得其她分布随机变量,如瑞利分布、指数分布与分布随机变量。

(二）

实验目得 在很多系统仿真得过程中,需要产生不同分布得随机变量。利用计算机可以很方便地产生不同分布得随机变量，各种分布得随机变量得基础就是均匀分布得随机变量.有了均匀分布得随机变量，就可以用函数变换等方法得到其她分布得随机变量。

(三)实验结果

附:源程序 suｂplot（2,2，1);

x=random（’ｕniｆ’，2，5，1，１024）； ploｔ(x)； tｉtｌｅ(’均匀分布随机数’)subpｌｏt(２，2，2);G1=ｒandｏm(’Nｏrmaｌ＇,0,1,1，20００0)； ploｔ（G１)； ｔitle（’高斯分布随机数’)ｓｕbplot(2，2,３）;G2=raｎdom(“Nｏrmal’,0,1,1,20０00);R=sqrt（G1、＊G1＋G2、＊G２）;plｏt（Ｒ);title(’瑞利分布随机数’)suｂplot(2，２,4);G3=raｎdｏm(”Nｏrｍal’,0,１,1,2000０);G４=ｒandom(“Nｏrｍａl’，０,1,1,2０0０0）； Ｘ=G１、＊Ｇ1+G２、*G2+G３、*G3+Ｇ4、*G4； pｌoｔ（Ｘ);ｔｉtle（”x^2 分布随机数＇）

实验 二、随机变量检验（一)实验 原理 1、均值得计算 在实际计算时,如果平稳随机序列满足各态历经性，则统计均值可用时间均值代替。这样，在计算统计均值时,并不需要大量样本函数得集合，只需对一个样本函数求时间平均即可。甚至有时也不需要计算 N   时得极限,况且也不可能。通常得做法就是取一个有限得、计算系统能够承受得 N 求时间均值与时间方差。根据强调计算速度或精度得不同,可选择不同得算法。

设随机数序列｛}，一种计算均值得方法就是直接计算下式中,xn 为随机数序列中得第 n 个随机数。

另一种方法就是利用递推算法，第ｎ次迭代得均值也亦即前 n 个随机数得均值为迭代结束后,便得到随机数序列得均值 m m N 

递推算法得优点就是可以实时计算均值,这种方法常用在实时获取数据得场合。

当数据量较大时,为防止计算误差得积累,也可采用式中,m1 就是取一小部分随机数计算得均值.２、方差得计算 计算方差也分为直接法与递推法。仿照均值得做法

方差得递推算法需要同时递推均值与方差 m mnx mn n n n    1 11()

迭代结束后，得到随机数序列得方差为

其它矩函数也可用类似得方法得到.３、统计随机数得概率密度直方图 假定被统计得序列得最大值与最小值分别为 a 与 b。将区间等分 M(M 应与被统计得序列得个数 N 相适应，否则统计效果不好。)份后得区间为,，…，,… ,。用，表示序列得值落在区间里得个数,统计序列得值在各个区间得个数，则就粗略地反映了随机序列得概率密度得情况.用图形方式显示出来就就是随机数得概率密度直方图.（二）

实验目得 随机数产生之后,必须对它得统计特性做严格得检验。一般来讲,统计特性得检验包括参数检验、均匀性检验与独立性检验等.事实上,我们如果在二阶矩范围内讨论随机信号,那么参数检验只对产生得随机数一、二阶矩进行检验。我们可以把产生得随机数序列作为一个随机变量,也可以瞧成随机过程中得一个样本函数。不论就是随机变量还就是随机过程得样本函数，都会遇到求其数字特征得情况，有时需要计算随机变量得概率密度直方图等.（三）

实验结果

附：源程序 subplｏt(2,2，1）;x=raｎdom(“ｕnｉf”,２，５,1,１０2４）;ｈisｔ（x,2:0、２：5);ｔitle（’均匀分布随机数直方图’);s1=0 foｒ ｎ１＝1:１024

s１=x(n1)＋s１;end Mｅan1=s1/102４； t1=0 for n1＝１:10２4

ｔ1＝(x（n1）—Mean1)＾2＋t1;end Ｖaｒiance１＝ｔ1/１024;sｕbplot(2,2，2)； G1＝raｎdｏm(’Noｒｍal“,0，1,１，２0０00)； hist(G1，—4:0、2:4）； ｔitｌe(”高斯分布随机数直方图’）;ｓ2=０ foｒ n２=1：2０00０

ｓ2=Ｇ1（ｎ2）+s2； eｎｄ Mｅan2＝s2/20000； t2=0 fｏr n2＝1：20０00

t2=(G1(n2）-Mean２)^2+t2;enｄ Vaｒｉaｎｃe2=t2/20000； subｐｌot(２，2,3);G2=rａndom(’Nｏｒmal’,0，1，1,２0000）； R＝sqｒt（G１、*G1＋G2、*G２);hｉst（R,0:０、２:5）;tｉtｌｅ(“瑞利分布随机数直方图’)； s3=０ for n3=1：20000

ｓ3=R(ｎ3）+ｓ3;ｅnd Meａn３=s3/２00０0;t３＝0 ｆor n3=1：2０000

ｔ3=(R（n３)—Ｍｅan3）^2+t3;end Ｖarianｃｅ3=t3/２00００;subｐlot(2,２，4);G3=ｒandom（’Normaｌ”，0,1，1,200０0）;G４=raｎdom（“Ｎormal”,０,1,１，２0000）;X=Ｇ1、*G1＋G2、＊Ｇ2+G3、＊G3＋Ｇ4、＊G4； hist(X，0：０、5：30）;tiｔle(“x^2 分布随机数直方图’)ｓ4=0 for ｎ4=1:200０0

ｓ４=X(ｎ４）+s４;ｅnd Mean4=s4/2000０;t4＝0 for n４＝1:２00０0

t4=(X(ｎ4)-Meaｎ４)^2＋t4； end 实验 三、中心极限定理得验证(一）

实验 原理 如果 n 个独立随机变量得分布就是相同得,并且具有有限得数学期望与方差，当 n 无穷大时，它们之与得分布趋近于高斯分布。这就就是中心极限定理中

得一个定理。

我们以均匀分布为例，来解释这个定理。若 n 个随机变量 Xi（ｉ=1，2，…,n)都为[0,1］区间上得均匀分布得随机变量,且互相独立，当 n 足够大时，其与得分布接近高斯分布。

(二）

实验目得 利用计算机产生均匀分布得随机数。对相互独立得均匀分布得随机变量做与,可以很直观瞧到均匀分布得随机变量得与,随着做与次数得增加分布情况得变化，通过实验对中心极限定理得进行验证。

((三）

实验结果

分析:随ｎ取值得增大，均匀分布随机序列求与得图形越发接近于高斯分布。

附：源程序 X0=random(＇uniｆ”,0,1，１,１0２4);X1=randｏm(’unｉｆ’,0,1，1，１024)；

Ｘ2=ｒandoｍ（＇ｕniｆ“,0,1,1，１024);X3=rａndom(＇unif＇，0,１,１,1024);

Ｘ4=ｒaｎｄｏｍ(”uｎif＇，0，１，1，１０24);

X5=raｎdom(’ｕnif’，0，1,１,１024）；

Ｘ６=ｒaｎdom（’ｕnif“,0,1，1,1024）;X7=raｎｄom（’ｕｎiｆ’,0,1，１,1024);

X８=raｎdom(＇unif”，0，1，1,１０24);

X9=ｒaｎdom(’ｕnｉf’,0,１,１,1０２４）； Ｇ=rａｎｄom(“ｎｏｒmal”,０，1，1，1024）;

Ｙ1=X０+X1+X2＋X3＋Ｘ4；

Y2=Ｘ0+X1＋X2+Ｘ3+X４+Ｘ5+X6+X7+Ｘ8+X9;

suｂploｔ(2,2,1);ｈｉsｔ(X０,０:0、２：2)；

titlｅ(“均匀分布随机数直方图’）

sｕbplot(2，２,2）;hist（Y１,0：0、２：6);

ｔitlｅ(’五个均匀分布之与随机数直方图”)sｕｂplot(2,２,3）;ｈｉｓｔ(Y2，0：0、2：8);

title（’十个均匀分布之与随机数直方图“)subpｌoｔ(2，２，4);ｈiｓt（G,－4：0、2:4）;title(”高斯分布随机数直方图“）

实验 四、中心极限定理得验证(一）

实验 原理 在实际应用中，我们可以把产生得随机数序列瞧成随机过程中得一个样本函数。如果平稳随机序列满足各态历经性,则统计自相关序列可用时间自相关序列

代替。当数据得样本数有限时,也只能用有限个数据来估计时间自相关序列,统计自相关序列得估值。若各态历经序列Ｘ(n）得一个样本有 N 个数据,由于实序列自相关序列就是对称得，自相关函数得估值为

(二)实验目得 在随机信号理论中,自相关函数就是非常重要得概念。在实际系统仿真中也会经常计算自相关函数．通过本试验学生可以亲自动手计算自相关函数,加深对概念得理解，并增强实际动手能力．（三))实验结果

分析：分别生成均值为 0 与１，方差为 1 得高斯随机数,由图形可以明显瞧出两者自相关函数得差异。

附:源程序 N=２56;xn=ranｄom(’nｏｒm＇，０,１,1，N);Rx=ｘcoｒr（ｘn,＇biａsed”);ｍ=-N+1：N－1;ｓubplｏｔ(2,1，１）;ｐlot(m,Rx);tｉtle(“均值为０，方差为１得高斯分布得自相关函数＇）； axis（［—N N—1 —0、５ 1、５］)； N=256;xn＝randｏｍ（’noｒm’,1,1，1，Ｎ);Ｘk=ｆft(xn,2*N)； Rx＝ifｆｔ（(aｂs（Xk)、＾2)／N）； m=-N:Ｎ—１;suｂｐlot(２，1，2)； plot（m，fｆtsｈift（Rx));ｔitｌe（’均值为 1,方差为 1 得高斯分布得自相关函数’);ａxｉs（[-N N—1-0、5 １、5]);实验五、功率谱密度(一)实验 原理 一般把平稳随机序列得功率谱定义为自相关序列得傅里叶变换。如果自相关序列就是周期序列, X(ｎ）得功率谱与自相关序列得关系为

ﻩ 与实平稳过程一样,实平稳序列得功率谱也就是非负偶函数,即

可以证明，功率谱还可表示为

当 X(ｎ）为各态历经序列时,可去掉上式中得统计均值计算,将随机序列 X(n)用它得一个样本序列 x（ｎ)代替。在实际应用中，由于一个样本序列得可用数据个数 N 有限,功率谱密度也只能就是估计

式中，X(x（n)得傅里叶变换．这就是比较简单得一种估计方法,这种功率谱密度得估计方法称为周期图方法。如果直接利用数据样本做离散傅里叶变换,可得到 X(FＦT 算法实现,所以得到了广泛得应用。

(二）实验目得 在随机信号理论中，功率谱密度与自相关函数一样都就是非常重要得概念.在实际系统仿真中也会经常计算。通过本试验学生可以亲自动手,加深对概念得理解，并增强实际动手能力。

(三）实验结果

附:源程序 N＝２5６;ｘ1＝random(”normal’,0,1，1,N);Sx1＝abs（ｆft(ｘ1）、＾2）／N;subplot(2,１,1);plｏｔ（１0*loｇ10（Sx1));ｔｉtle(“均值为０,方差为 1 得高斯分布得功率谱密度＇)； xlａｂel(’ｆ/Ｈz’)ylabel(”Sｘ１/dB’）

x２=rａndom(’ｎormａl“，１,1,1,N）； Ｓｘ2=abs（fｆt（x2)、＾２)/N;ｓuｂplot（2，1,2);plot（１０*log1０(Sx2));title（”均值为 1，方差为 1 得高斯分布得功率谱密度’）;xlabel(’ｆ/Hz＇）

ｙlabｅｌ（“Ｓx2/dB＇)实验 六、随机信号经过 线性系统前后信号仿真

（一))实验原理

需要先仿真一个指定系统,再根据需要仿真输入得随机信号，然后使这个随机信号通过指定得系统．通过对实际系统建模，计算机可以对很多系统进行仿真。在信号处理中,一般将线性系统分解为一个全通放大器(或衰减器)与一个特定频率响应得滤波器。由于全通放大器可以用一个常数代替,因此线性系统得仿真往往只需设计一个数字滤波器。滤波器设计可采用 MＡTLAB 提供得函数，也可

利用相应得方法自行设计。MＡＴLAＢ提供了多个设计滤波器得函数,可以很方便地设计低通、带通、高通、多带通、带阻滤波器。

((二）实验 目得

系统仿真就是信号仿真处理得一个重要部分，通过该实验要求学生掌握系统仿真得基本概念,并学会系统得仿真方法。

((三))实验 结果

1、低通滤波器

2、带通滤波器

3、高通滤波器 4、多带通滤波器

5、带阻滤波器

附：源程序 １、X（n)

N＝2000；fｓ=４00;Nn=ｒandom（”normａl＇,0,1,1，N)； t=（0：Ｎ—１)/fs;fi=ｒaｎｄｏm(’unｉf’,0,１,１,２)＊2＊pｉ;xn＝sin(2*ｐi*５０*ｔ+ｆｉ(1))+Nn;Ｒx=ｘcorｒ(xn，“biaｓed’)； ｍ=—N+1:N－1;Sx=abs（ｆft（xn）、^2）/Ｎ； f=(—N／2:N/2-１）＊fs/N;sｕbｐlｏt（211),ｐｌot(m，Rｘ)； xlabｅl(’m’）

ｙｌabel（”Rx(m）’)titlｅ（’xn 得自相关函数“);subploｔ(212）,plｏt（f,ffｔshift（10＊lｏg10（Sx(1:N）)）);xlabeｌ（’f/Hz”)ｙlabｅl(“Sx/dB”)tｉtle(’xn 得功率谱密度’）;2、低通滤波器 ｈ=ｆir1（１00,0、４);H=ｆft(h,2＊N);HW=aｂs(Ｈ)、＾２;Rx=xcoｒr（xn，’ｂｉasｅｄ＇);Sx=abs（ｆfｔｓhift（fft(xn，2*N））、＾2)/（2＊Ｎ)； Ｓy＝Sx、*ＨＷ;Ｒy＝fftｓｈift（ifft（Sｙ)）;

f=（-Ｎ：N—1)＊ｆs/(2＊N)； m=(—N:Ｎ－1);subｐｌot(311);pｌot（(-N:Ｎ—1)/N，fｆtshiｆt(aｂs(HW(1:2＊N))）);tiｔlｅ(＇低通滤波器“）;ｓubplｏt(31２)，ｐｌoｔ（ｍ,Ry);xlabｅl(”m“)ylａbeｌ（”Ry（ｍ)＇)title(’xn 经低通滤波器得自相关函数’)； ｓubｐloｔ(31３),plot（ｆ，ffｔshift(10*log10(Ｓy（１:2*N)）))； ａxis(［—200 20０ —20 20]);xlabeｌ(“f/Hz’)ｙlabｅl(＇Sｙ/ｄＢ”)titｌe(＇xn 经低通滤波器得功率谱密度“)； 3、带通滤波器 ｈ=fｉr1(10０，［０、１ ０、5]);H=ｆft(h，2*Ｎ);ＨW＝abs(H)、^2； Ｒx=ｘcorｒ(xn，”biａsed“）； Sｘ=aｂs（fｆtshiｆt(fｆt(ｘn,2*N））、＾2)／（2*N）； Sy=Ｓx、*ＨW； Rｙ=fｆtsｈift(ｉfft（Sｙ)）； f=(-Ｎ:N-1）*fs/(2＊Ｎ);m=（-N:N—1）;subｐlot(311);ｐlot((—N:N-1）/N,fftｓｈift（abs（HW（1:2＊Ｎ)))）； ｔitle(’带通滤波器”）； ｓubｐlｏｔ（312)，ploｔ（ｍ,Ry);xlabeｌ(’m“)yｌabel(’Ｒy(m)’)title(”xn 经带通通滤波器得自相关函数“)； ｓubpｌoｔ(31３)，plｏt(f,fftshift(10＊lｏg10（Sy(１：2＊N))））； ａxiｓ（［—２０0 20０ －２0 20]);xｌabｅl（’f/Hz”)yｌabｅl(“Ｓｙ/dＢ’)tｉtle（’xn 经带通滤波器得功率谱密度’）;4、高通滤波器 h=ｆｉr1（１0０,0、6,’high’）； Ｈ=fft(h,2＊N）； ＨW=abｓ（H)、^２;Ｒx=xcｏｒr(xｎ,”bｉａｓed“）;Ｓx=abs(fftｓｈift（fｆt(xn,2＊N))、^２)/（2*N)； Sｙ=Ｓx、*HW;Ｒy=ffｔshiｆt(iｆfｔ（Sｙ));f=(-Ｎ:N-1）*ｆs/（2*N);m=(—Ｎ:N—1）；

sｕｂｐlｏt(31１)；plot(（-N：Ｎ—1）/N,ｆftshiｆt(aｂs(HＷ（1:２*N)）));tiｔｌe(＇高通滤波器”）;subpｌot(312），ploｔ(m,Rｙ);xlabｅl(“ｍ’)ylaｂeｌ(’Rｙ(m)”)tiｔlｅ(＇xn 经高通通滤波器得自相关函数’);subplｏt（3１3）,ｐｌot(ｆ,fftshｉft(10*ｌog10(Sy（1:2＊Ｎ)）））;axis（［－２０0 2０0 —2０ 2０]）； xlａbeｌ（“ｆ/Ｈz’)ｙｌａbｅl（”Sy/ｄB“)tｉtle(＇xn 经高通滤波器得功率谱密度＇);5、多带通滤波器 h=fｉr１(100,[０、１,0、3，0、5,0、7］)； H＝ｆfｔ(h，2*N)； HW＝ａｂｓ（Ｈ)、^2； Ｒx=xcorr（xn,＇bｉasｅd’);Sx=abs（fｆtshift(fft(xn,2*N））、^2)/（２＊Ｎ）； Sy＝Ｓx、*HW;Ｒy=ffｔshiｆt（iｆft(Sy));f＝（—Ｎ:N—1)＊fｓ/(2*N);m＝（—N：Ｎ-1);sｕbｐloｔ(３１1）;ploｔ(（—N:N—１）/Ｎ,fftｓｈift（ａbs(HW（1:２＊N）)))； tiｔle(’多带通滤波器’)； ｓｕbplot(312),pｌｏt(m,Ry）； ｘlabel（＇m’)ｙｌabｅl（”Ry(m）“）

ｔitle（”xn 经多带通通滤波器得自相关函数“);subpｌot（31３),plot(ｆ,fｆｔshｉｆt（1０＊ｌog10(Sｙ（1：2＊Ｎ)）));axis（［－2０0 2０0 —20 20]);xlaｂeｌ（’ｆ／Hz”）

ｙlabｅl(“Sy/dB’）

ｔitle(’xn 经多带通滤波器得功率谱密度”）； 6、带阻滤波器 h=fiｒ１(100,[０、1,0、4],’sｔoｐ’);H=fft（h，2＊N);HＷ=abｓ(H)、^2;Rx=ｘｃｏrr（xｎ,’ｂiaseｄ“）;Ｓx＝ａbｓ（ffｔshift(fft（ｘｎ，２*N）)、＾2)／(2*N);Sy=Sx、＊ＨW； Ｒy＝fftshift（ｉfft(Sy））;f=(—N:N-1）*ｆｓ/（2*N);m=(-N：N—1)； ｓｕｂｐlot(311）；pｌoｔ(（—N：N-1）/Ｎ,fftshift(ａｂs（ＨＷ(1:２*Ｎ))));

ｔｉtｌｅ(”带阻滤波器“）； ｓubpｌot（31２),ｐlot（m，Ｒy)； xlａbeｌ(’m’）

ｙlａbel（”Ｒy(m)’)ｔitle（’ｘn 经带阻滤波器得自相关函数＇)； sｕbplｏｔ(3１3)，ｐlot(f,fftshift（10＊log10(Sy（１:2*N)）））;aｘis([－200 20０-20 20］);xlaｂｅl（＇f／Ｈz“)ylabｅl（”Sy/ｄB“)titlｅ（”xn 经带阻滤波器得功率谱密度"）;

第五篇：西电读书调查报告

缤纷世界，书籍是人类永远的最终伴侣，大学生涯中也不例外。除了丰富多彩的其他生活，课外阅读也在大学生的校园生活中占一席之地，对其道德情操、人格品质、精神境界的形成与提高有着潜移默化的影响。为进一步明确书籍在我校大学生课余生活中的切实影响与大学生目前阅读存在的问题，我们在选修课上针对大学生课外阅读状况对学生经行了一次调查。

一．调查目的：课外阅读在现在的大学生生活中占有多少的时间，我们不得而知？丰富的课外知识是综合能力的基础，读书能够使人进步，尤其是对于当代大学生来说，大学阶段是读书观形成并逐步稳定的关键时期。为了了解目前大学生的读书现状及其存在的问题，唤起大学生的读书意识，并且为了让大家明白读书的重要性，因此我们特进行此次调查。

二．调查时间：2012年5月3号

三．调查对象：西安电子科技大学应用文写作课星期二组全体学生

四．调查方式：此次报告主要采用问卷调查的方法，于2010年11月在青岛科技大学外国语学院07级英语1-5班累计发放问卷120份，回收问卷116份，有效问卷100份。根据实际情况,条件有限只能粗略的进行一下调查,但是通过调查也能够较真实客观地反映目前我校大学生的阅读状况。

五．调查组织：应用文写作课指导老师

六．数据结果及分析：

（1）读书内容及选择方向：在多项选择关于读书内容的调查中，我们可以看到，文学类，历史文学类和专业相关的书籍是同学选择的主要方面，分别占总人数的74.5%,68.6%和64.7%。此外，喜欢娱乐类，科普类以及其他书籍的同学也不在少数。在调查到目前最需要补充阅读哪些书籍时，82.4%的同学选择了实用类的书籍，66.7%的同学选择了与自己专业相关的书籍，而选择文经济管理法律，军事书籍，流行小说的人数相对较少。

（2）读书目的与选择原因：选择因兴趣而读书的学生有95.1%名居首位，而因扩展知识面的也有81.3%，因学习，和作业论文需要读书的同学占61.7%，以上的人认为读书对个人成长有很大影响。命运也是和读书多少，知识面密切相关的；当然也有部分同学表示自己根本就是为了消遣和消磨时光。他们认为读书对个人的影响不大，认为个人努力和机遇是非常重要的。

（3）获得书籍途径及阅读习惯

在书籍的获得途径方面，61．7%的同学选择在图书馆阅览，50.9%的同学青睐网上在线或下载，13.7%的同学选择在书店购买，也有8.8%的同学找亲戚朋友借阅。图书获取途径的方便让同学有了更大的阅读资源，但很遗憾的是在阅读方式方面，很多同学游览和泛读，很少部分的同学会边看边做笔记或者读完后与他人交流。阅读环境及周围人的读书习惯调查中，有73.5%的同学表示身边经常读书的同学很少。

（4）很少阅读的愿因

在调查中大多数学生认为自己的读书量太少，在分析影响自己阅读的原因调查选项中，选择学习压力太大没有时间的占到51％，另有53％的学生表示自己，对课外阅读没有兴趣，就本校学生生活环境而言，15.7％以上的学生认为，目前学校图书馆书籍太少难以找到自己感兴趣的书，另外还有部分购买书籍成本太高等其他原因，但人数相对较少。

（5）教师课堂推荐书籍的选择性

在调查到是否会选择教师课堂推荐的书籍读物时，56.9%的同学表示自己会根据自己的实际情况选择性的阅读，30.4%的同学则根本不会去阅读老师推荐的书籍，只有大约27%的同学会选择认真阅读。

八．调查结论：

结论一：功利，娱乐和多元化的阅读面

当代大学生对读书吃越来越功利的态度。读书阅读，尤其是对经典名著的阅读越来越不受大家欢迎，很多同学将考试等同于看书，没有明白读书的真正意义，不能够正确对待书籍阅读，阅读书籍的数量和种类偏少，非学术类阅读占的比例升高；相比之下学术类阅读显得单薄，专业期刊与外文文献阅读更是稀少。读书的人数不少，但是真正能够读出深度、读出思想的却并不多。很多同学知道自己应该补充的是专业类，以及一些扩展知识面的书籍，但往往在实际选择时，却更青睐于娱乐性和网络快餐小说。

结论二：盲目，和低效率的阅读习惯

在阅读方式上，几乎所有的同学都选择了泛读游览的方式，但很

显然，这样的阅读方式并不能够有效的更新知识结构扩充自己的知识面，很多同学只追求了阅读速度，忽视了高效，没有仔细体味、领悟作者的思想内涵。此外，令人难过的是，大多数同学对老师在课堂上推荐的书籍并不在意，只是随意游览或者根本不去碰，这样的做法无疑对自己是没有一点好处的。

结论三：图书馆阅读仍占主流，网络异军突起

大多数同学青睐在图书管理进行阅读，此外同学们彼此交流思想，也为新思想、新意识的形成提供一个很好的平台。这也意味着更有效提高学校图书馆的利用率。此外，网络在大学生的生活中也占了很重要的位置，如网上购书、网上阅读、在线交流等，但我们在运用网络新手段时要学会辨别真伪、优劣，抵制不良阅读倾向。

结论四：读书氛围不够浓厚，不读书借口很多

通过第七题和第九题的调查，我们可以发现，目前很多同学依然无法正确认识读书的重要性，端正读书态度。学习忙，考试压力大是事实，但绝不是不阅读的理由。学生要学会培养自己的读书习惯，而不能只是停留在但凭个人的兴趣决定是否阅读，想要以后在社会上有所发展就必须学习好各门学科，避免知识过于单一和贫乏，要使自己全面发展，成为一个社会上需求的具有综合能力的人才。此外，据调查有近15%的学生认为图书馆的书籍不能满足需求 客观上还存在着提携实质性的问题。但我们相信学校领导会致力于学校自身的发展建设，为我们的学生提供一个更为优越的阅读环境。

读书破万卷，下笔如有神”，“读万卷书，行万里路”，大学四年里我们一定要好好把握，多读一些对自己有益的书，“不积小流无以成江海，不积跬步无以致千里”，日积月累，我们一定会在不知不觉

中提高自己。好读书，会读书，读好书，与书为伴，在人生最美好的日子里不断充实自己，提高自己，为实现自己的人生理想而努力。