matlab随机过程的非线性变换实验报告
随机过程的线性变换
姓名:徐延林学号:200904013026
专业:电子工程指导教师:谢晓霞
2012年4月17日
一、实验目的
了解随机过程线性变换的基本概念和方法,学会运用MATLAB 软件模拟各种随机过程的线性变换,对其结果进行仿真分析,并通过实验了解不同随机过程经过窄带系统的输出。
二、实验原理
(1)均匀分布白噪声序列利用MATLAB 函数rand 产生;
laplace 分布的白噪声表达式
()
()(0)2
c x m c f x e m --=
=白噪声 据此我们可以产生拉普拉斯白噪声序列。 (2)自相关函数的估计
||1
1
ˆ()()()||N m x
n R m x n m x n N m --==+-∑
MATLAB 自带的函数为xcorr 。 (3)功率谱的估计
先估计自相关函数ˆ()x
R m ,再利用维纳-辛钦定理,功率谱为自相关函数的傅立叶变换:1
(1)
()()N jm x x m N G R m e ωω+-=--=
∑
MATLAB 自带的函数为periodogram 、pyulear 或pburg 。 (4)均值的估计
1
1
1ˆ()N x n m
x n N -==∑
MATLAB 自带的函数为mean 。 (5)方差的估计
1
221
1ˆˆ[()]N x
x n x n m N σ
-==-∑
MATLAB 自带的函数为var 。
(6) ARMA 模型的理论自相关函数和理论功率谱
对于AR(1)模型()(1)()X n aX n W n =-+,其理论自相关函数和功率谱分别为
222
2()(0)1()(1)m
X X j a R m m a G ae ωσσω-⎧=≥⎪-⎪
⎨⎪=
⎪-⎩
对于ARMA 模型
01201()(1)(2)()()(1)()
N M a X n a X n a X n a X n N b W n bW n b W n M +-+-+⋯+-=+-+⋯+- 其理论的功率谱密度为
220
()M
jkw
k k x N jkw
k
k b e
G w a e
σ-=-==∑∑
(7)白噪声过有限系统或宽带信号过窄带系统输出信号成正态分布。
三、实验内容及结果分析 1.PAM 信号的匹配滤波
假定信号为脉冲幅度调制(PAM )信号,1
0()()M k s k s t A p t kt -==-∑,k A 等概率取
+1和-1两个值,1s t =,信号在信道中传输会受到加性高斯白噪声的污染,在接收端每一个脉冲要判断发射的是“1”还是“0”。 (1) 画出信号、信号加噪声的波形;
(2) 对匹配滤波器输出信号,每隔s t 秒进行取样(在每个脉冲的结尾时刻取
样),取样值与一门限(自行确定)进行比较,超过门限判“1”,低于
门限判“0”,画出匹配滤波器输出的波形,并标出取样值。
(3)产生10000个二进制数字(随机产生),统计输出端检测的误码率。
结果分析:
clear all;clc;
ts=1;s=0;h=0;out=0;wuma=0;c=1;t0=100;
a=2.*randint(1,100)-1; %随机等概率产生+1和-1
t=0:0.01:100;
for i=1:100
p1=rectpuls(t-0.5-i.*ts); %产生单个矩形脉冲
p2=rectpuls(-t-0.5-i.*ts+t0);
f1=a(i).*p1;
f11=a(i).*p1+0.8.*randn(1,10001);
f2=a(i).*p2;
h1=c.*p1; %产生单个矩形脉冲的匹配滤波器
y=conv(f11,h1); %求单个矩形脉冲过匹配滤波器输出波形 out=out+y;
s=s+f1;
h=h+f2;
end
t1=0:0.01:200;
figure;
plot(t1,out);title('非量化输出波形');
for i=1:10000;
if out(i.*2)>0 out(i.*2)=1;
else out(i.*2)=-1; %输出波形量化
end
output(i)=out(i.*2);
if output(i)~=s(i) wuma=wuma+1;
end
end
Pwuma=wuma./10000; %统计误码率
w=0.8.*randn(1,10001);
zs=s+w;
figure;
subplot(2,1,1);plot(t,s);axis([0 100 -5
5]);legend('s(t)');title('random PAM signal')
subplot(2,1,2);plot(t,zs);axis([0 100 -5
5]);legend('s(t)+w(n)');title('random PAM + guass noise signal'); figure;
subplot(2,1,1);plot(0:0.01:99.99,output);axis([0 100 -5 5]);legend('output signal');title('量化后的输出波形');
sc=conv(zs,h); %求所有脉冲和信号的匹配输出 subplot(2,1,2);plot(t1,sc);legend('The output signal');title('经过相参累加器后输出波形');
经过运行程序得到相应结果如下(信噪比1:0.8)
102030405060708090100
-50
5
random PAM signal
102030405060708090100
-50
5
random PAM + guass noise signal
非量化输出波形
量化后输出波形
经过相参累加器后的输出
信噪比对误码率的影响(信号脉宽1s)
信噪1:0.1 1:0.5 1:0.8 1:1.5 1:2 1:3 1:100
从表格中的数据我们可以看到,信噪比越高,误码率越大,这从实际中也是很好理解的。为了研究误码率与信噪比的定量关系,我们对上述数据进行拟合得到如下结果:
由拟合结果看,误码率与信噪比是近似呈反指数关系的,关系式近似为
0.27
0.305x w
error p e
-=
根据我们自己的理解,当信噪比趋于零时,噪声已将信号完全“淹没”,此时的匹配滤波器就没有什么作用了,由于原信号是随机生成的二进制序列,那么此时的输出误码率应该趋近于50%,即理想的误码率与信噪比的关系应该为
0.5x w
error p e
α
-=
信号脉宽对误码率的影响(信噪比1:0.8)
从上面的结果来看,随着信号脉宽的加大,误码率逐渐降低。这是由于匹配滤波器总是在脉冲结束的时刻将信号的能量集中起来,信号的脉宽越大,集中的能量就越多,匹配滤波器的输出信噪比就越大,这就越容易“解码”。
单个脉冲信号的能量信号
2
Q a x t =∆(x 表示脉冲信号的幅度,t ∆表示脉宽)
所以匹配滤波器输出信号的信噪比正比于信号的脉宽,由上面的分析我们可知误码率是与信噪比呈反指数关系的,所以我们可以合理的猜测,误码率与脉冲信号的脉宽也是呈反指数关系的。其实验拟合效果如下:
由上面的拟合关系我们可以看到,误码率的确与信号脉宽呈反指数关系的,由于实验的随机性,上面的数据只能作为一种定性的描述,不能作为定量的关系式。
脉宽(*0.01s ) 1 2 3 4 5
2. 理论值与估计值的对比分析
2.1设有AR(1)模型,
=--+,
X n X n W n
()0.8(1)()
W(n)是零均值正态白噪声,方差为4。
(1)用MATLAB模拟产生X(n)的500个样本,并绘出波形;
(2)用产生的500个观测点估计()
X n的均值和方差;
(3)画出X(n)的理论的自相关函数和功率谱;
(4)估计X(n)的自相关函数和功率谱。
结果分析:
N=500;u=0;sigma2=4;a=-0.8;
W=u+sqrt(sigma2).*randn(1,N);
for n=1:N-1
x(1)=0;
x(n+1)=a.*x(n)+W(n+1);
end
figure;
stem(x,'.'); %画序列波形
mu=mean(x);
sigma=var(x);
for i=1:500
Rx0(i)=(sigma2.*(a.^i))./(1-(a.^2)); %计算理论自相关函数
end
for j=1:1000
if j<=500
Rx1(j)=Rx0(501-j);
else
Rx1(j)=Rx0(j-500);
end
end%将自相关函数处理成轴对称序列Rx2=xcorr(x)/500;
figure;
subplot(2,1,1),stem(-500:1:499,Rx1,'.'),title('理论自相关函数');
subplot(2,1,2),stem(-499:1:499,Rx2,'.'),title('估计自相关函数');
Pw=fft(Rx0/5000);
f=(0:length(Pw)-1)*1000/length(Pw);
figure;
subplot(2,1,1),plot(f,10*log10(abs(Pw))),title('理论功率谱'); subplot(2,1,2),periodogram(x,[],'twosided',512,1000),title('估计功率谱');
经过运行程序,得到x(n)的序列如下图所示,此时该序列的均值为-0.023,方差为9.952。并且该序列的理论和估计的自相关函数以及功率谱如下图示。
理论自相关函数
估计自相关函数理论功率谱
Frequency (Hz)
P o w e r /f r e q u e n c y (d B /H z )
估计功率谱
从上面的自相关函数序列中我们可以看到:估计的自相关函数基本上与理论的自相关函数轮廓符合,都是逐渐衰减的序列;所不同的是,随着时间差的增大理论的自相关函数序列是单调减小的,而估计的自相关函数不是单调减小的,它是一个波动的减小过程,这主要是因为信号噪声的影响。估计自相关函数的表达式为
||1
1ˆ()()()||N m x
n R m x n m x n N m --==+-∑
它是与序列()
x n的表达式中含有噪声分量,所以这就导致x n的值相关的,而()
估计的相关函数必然是一个波动减小的过程,并且我们可以断定波动的程度是与噪声信号的方差呈正相关的。
从功率谱的理论和估计结果来看,我们同样可以发现,估计的双边功率谱与理论的功率谱基本吻合,但是估计的含有较大的波动性,其原因与上面分析的原因类似。
2.2设有ARMA(2,2)模型:
+---=+---X n X n X n W n W n W n
()0.3(1)0.2(2)()0.5(1)0.2(2)
W n是零均值正态白噪声,方差为4。
()
(1)用matlab模拟产生()
X n的500点样本函数,并绘出波形;
(2)用产生的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。
结果分析:
clear all;clc;
N=500;u=0;sigma2=4;
W=u+sqrt(sigma2).*randn(1,N);
for n=1:N-2
x(1)=0;x(2)=0;
x(n+2)=W(n+2)+0.5.*W(n+1)-0.2.*W(n)-0.3.*x(n+1)+0.2.*x(n);
end
mu=mean(x);
sigma=var(x);
Rx=xcorr(x)/500;
figure;
subplot(2,1,1),stem(x,'.');title('x序列波形');
subplot(2,1,2),stem(-499:1:499,Rx,'.'),title('估计自相关函数');
f=0:5:1000;
middle1=1+0.5.*exp(-i.*f)-0.2.*exp(-i.*2.*pi.*f);
middle2=1+0.3.*exp(-i.*f)-0.2.*exp(-i.*2.*pi.*f);
g=sigma2.*(abs(middle1./middle2)).^2; G=-10.*log(g)./log(10)-20; figure;
subplot(2,1,1),plot(f,G),title(理论功率谱');grid on ;
subplot(2,1,2),periodogram(x,[],'twosided',512,1000),title('估计功率谱');
经过运行程序,得到x(n)的序列如下图所示,此时该序列的均值为0.061,方差为3.927。并且该序列的理论和估计的自相关函数以及功率谱如下图示。
x 序列波形图
估计自相关函数
理论功率谱
Frequency (Hz)
P o w e r /f r e q u e n c y (d B /H z )
估计功率谱
3.随机过程过线性系统分析
假定滤波器为课本图3.7给出的RC 电路(低通滤波器)。 (1) 将低通滤波器转化成数字低通滤波器;
(2) 产生一组均匀分布的白噪声序列,让这组白噪声序列通过数字低通滤
波器,画出输出序列的直方图,并与输出的理论分布进行比较;
(3) 产生一组拉普拉斯分布的白噪声序列,让这组白噪声序列通过数字低
通滤波器,画出输出序列的直方图,并与输出的理论分布进行比较;
(4) 改变滤波器的参数(电路RC 值),重做(1)~(3),并与前一次的结
果进行比较。
结果分析:
clear all ;clc;
R=1000;C=10.^(-6);w0=1./(R.*C); w=0:1:1000;
H=1./(1+i.*w.*R.*C);
%均匀分布白噪声过低通系统
w1=rand(1,1001); W1=fft(w1,1001); OUT1=W1.*H; out1=ifft(OUT1);
[f1,xi1]=ksdensity(out1); k1=0:0.01:1; figure;
plot(w,abs(H));grid on ;title('一阶低通数字滤波器'); figure;
subplot(2,1,1);plot(xi1,f1);grid on ;title('均匀分布白噪声输出概率分布'); subplot(2,1,2);hist(out1,k1);grid on ;title('均匀分布白噪声输出分布直方图');
%拉普拉斯分布白噪声过低通系统 s=1/2*(2*rand(1,1001)-1);
w2=-0.20*sign(s).*log(1-2*abs(s)); W2=fft(w2,1001); OUT2=W2.*H; out2=ifft(W2);
[f2,xi2]=ksdensity(out2); k2=-1.5:0.01:1.5; figure;
subplot(2,1,1);plot(xi2,f2);grid on ;title('拉普拉斯分布白噪声输出概率分布'); subplot(2,1,2);hist(out2,k2);grid on ;title('拉普拉斯分布白噪声输出分布直方图');
该题中的低通滤波器的截止角频率
1c w RC
=
即系统带宽c BW w =,改变,R C 的值就可以改变系统带宽,下面我们研究不同带宽下系统的输出。
1)1,1R k C uF =Ω=
0.7
0.75
0.8
0.85
0.9
0.95
1
一阶数字滤波器
均匀分布白噪声输出概率分布
均匀分布白噪声输出分布直方图
拉普拉斯白噪声输出概率分布
拉普拉斯白噪声输出分布直方图
2)10,1R k C uF =Ω=
00.1
0.20.30.40.50.60.70.80.91一阶数字滤波器
均匀分布白噪声输出概率分布
均匀分布白噪声输出分布直方图
拉普拉斯白噪声输出概率分
布
拉普拉斯白噪声输出分布直方图
3)10,100R k C uF =Ω=
00.1
0.20.30.40.50.60.70.80.91一阶
数字滤波器
均匀分布白噪声输出概率分布
均匀分布白噪声输出分布直方图
拉普拉斯白噪声输出概率分布
拉普拉斯白噪声输出分布直方图
从上面的结果中我们可以看到:随着R,C 值的增大,滤波器的截止频率降低,系统带宽越来越小,输出的信号分布越来越接近于高斯分布。
理论上,白噪声过限带系统输出应该为高斯分布。在试验中由于低通滤波器只是一阶的,滤波效果不是特别好,这就导致了输出波形只是近似高斯分布,而且输出结果又一定的随机性,上图只是挑选了效果比较好的几幅图;然而,从另一方面看,随着系统带宽的减少,输出越来越接近高斯分布的事实,也从另一个侧面验证了白噪声过限带系统输出接近高斯分布的结论。
四、心得体会
总体上来说,感觉这次实验的挑战性比较大。其一是因为一些实验结论在事先我们是不知道的,探究性比较强,比如说PAM 信号的误码率问题;其二是感觉时间有点紧,因为现在各种事情好多,真有点分身乏术的感觉。
俗话说有挑战才有动力,也正因为有挑战所以当自己完成任务的时候成就感就比较强。
这次实验一方面加深了我对所学知识的理解,另一方面也培养了我对matlab 的学习兴趣。一个人为了一个问题翻看各种书籍其实回想起来也是一种乐趣,会有问题得到解答时的兴奋,也会有找不到答案的沮丧,各种滋味也只有自己体会过了才会有收获吧。
最后,我觉得探究性的题目做起来更能调动我的积极性,得到的结论也许是错的,但只要是自己未知的,那种感觉也是很好的。我们的时间和精力是有限的,如果我们有与时间和精力赛跑的心情,我相信我们的效率会大大提高的。
matlab实验报告总结精选
matlab实验报告总结 电气工程学院自动化102班 2012年12月21日 实验一 MATLAB环境的熟悉与基本运算 一、实验目的 1.熟悉MATLAB开发环境 2.掌握矩阵、变量、表达式的各种基本运算 二、实验基本知识 1.熟悉MATLAB环境 MATLAB桌面和命令窗口、命令历史窗口、帮助信息浏览器、工作空间浏览器、文件和搜索路径浏览器。 2.掌握MATLAB常用命令 变量与运算符变量命名规则如下: 变量名可以由英语字母、数字和下划线组成变量名应以英文字母开头长度不大于31个区分大小写 MATLAB中设置了一些特殊的变量与常量,列于下表。 MATLAB运算符,通过下面几个表来说明MATLAB的各种常用运算符 表2 MATLAB算术运算符 表3 MATLAB关系运算符 表4 MATLAB逻辑运算符 表5 MATLAB特殊运算 的一维、二维数组的寻访
表6 子数组访问与赋值常用的相关指令格式 的基本运算 表7 两种运算指令形式和实质内涵的异同表 的常用函数 表8 标准数组生成函数 表9 数组操作函数 三、实验内容 1、新建一个文件夹 2、启动,将该文件夹添加到MATLAB路径管理器中。 3、保存,关闭对话框 4、学习使用help命令,例如在命令窗口输入help eye,然后根据帮助说明,学习使用指令eye 5、学习使用clc、clear,观察command window、command history和workspace等窗口的变化结果。 6、初步程序的编写练习,新建M-file,保存,学习使用MATLAB的基本运算符、数组寻访指令、标准数组生成函数和数组操作函数。 注意:每一次M-file的修改后,都要存盘。 练习A: help rand,然后随机生成一个2×6的数组,观察command window、command history和workspace等窗口的变化结果。
3.随机过程的模拟与特征估计-随机信号分析实验报告
计算机与信息工程学院验证性实验报告 专业: 通信工程 年级/班级:2011级 第3学年 第1学期 实验目的 1、 了解随机过程特征估计的基本概念和方法 2、 学会运用MATLAB^件产生各种随机过程 3、 学会对随机过程的特征进行估计 4、 通过实验了解不同估计方法所估计出来的结果之间的差异 实验仪器或设备 1、 一台计算机 2、 M ATLAB r2013a 实验原理 1、 高斯白噪声的产生:利用 MATLAB!数randn 产生 2、 自相关函数的估计:MATLAB!带的函数:xcorr 3、功率谱的估计:MATLAB!带的函数为pyulear 先估计自相关函数R x (m),再利用维纳—辛钦定理,功率谱为自相关函数的傅立叶变 N 1 G x ( X ' R x (m)e” (3.2) m=N 4) 4、 均值的估计:MATLAB!带的函数为mean 1 N 4 m x 二一' x(n) (3.3 ) N n =1 5、 方差的估计:MATLAB!带的函数为var 1 N -1 「[x(n) -mi x ]2 (3.4 ) N n# 6 AR(1)模型的理论自相关函数和理论功率谱 对于AR(1)模型 X(n) =aX(n-1) W(n) 自相关函数 R x (m)二 1 N-|m| N 4m|_J Z x(n + m)x (n) n =0 (3.1 ) 换: (3.5)
功率谱为 四、实验内容 (1)按如下模型产生一组随机序列x(n) =ax(n_1)・w(n),其中w(n)为均值为1,方差 为4的正态分布白噪声序列。 1、 产生并画出a=°.8和a=°.2的x(n)的波形; 2、 估计x(n)的均值和方差; 3、 估计x(n)的自相关函数。 (2)设有AR(1)模型, X(n) »°.8X(n -1) W(n), 1、 W (n)是零均值正态白噪声,方差为 4。 2、 用MATLA 模拟产生X(n)的500个样本,并估计它的均值和方差; 3、 画出X(n)的理论的自相关函数和功率谱; 4、 估计X(n)的自相关函数和功率谱。 五、实验程序及其运行结果 澈验(1) a=0.8; sigma=2; N=500; u=1+4*ra ndn (N,1); x(1)=sigma*u(1)/sqrt(1-a A 2); for i=2:N x(i)=a*x(i-1)+sigma*u(i); end subplot (2,2,1) plot(x);title('a=0.8') Rx=xcorr(x,'coeff); subplot (2,2,2) plot(Rx);title('a=0.8 时,自相关函数') jun zhix=mea n( x); fan gchax=var(x); b=0.2; y(1)=sigma*u(1)/sqrt(1-bA2); for j=2:N y(j)=b*y(j-1)+sigma*u(j); end 2 m a a 门 R x (m) 2 , m -° 1 -a (3.6) G x ( J 二 2 CT (1-ae 」)2 (3.7)
MATLAB实验报告
MATLAB 语言与应用
实验报告
参考教材《高等应用数学问题的 MATLAB 求解》 。
《MATLAB 语言与应用》实验课程实验报告,第 1 页
第一部分 MATLAB 语言编程、科学绘图与基本数学 问题求解(4 学时)
主要内容:掌握 MATLAB 语言编程基础、科学绘图方法、 微积分问题、线性代数问题等基本数学问题的求解与应 用。
第 1 页,共 34 页
《MATLAB 语言与应用》实验课程实验报告,第 2 页
1-1
>>demo
安装 MATLAB 软件,应用 demo 命令了解主要功能,熟悉基本功能,会用 help 命令。
>>
运行结果
Figure 1 >> help demo
demo 命令弹出窗口
>>
运行结果
demo Access product demos via Help browser. demo opens the Help browser and selects the MATLAB Demos entry in the table of contents. demo SUBTOPIC CATEGORY opens the Demos entry to the specified CATEGORY. CATEGORY is a product or group within SUBTOPIC. SUBTOPIC is 'matlab', 'toolbox', 'simulink', or 'blockset'. When SUBTOPIC is 'matlab' or 'simulink', do not specify CATEGORY to show all demos for the product. Examples: demo 'matlab' demo 'toolbox' 'signal' demo 'matlab' 'getting started' See also echodemo, grabcode, help, helpbrowser. Reference page in Help browser doc demo
第 2 页,共 34 页
非线性方程求解实验报告
数学实验报告非线性方程求解
一、实验目的 1.掌握用 MATLAB 软件求解非线性方程和方程组的基本用法, 并对结果作初步分析; 2.练习用非线性方程和方程组建立实际问题的模型并进行求解。 二、实验内容 题目1 【问题描述】 (Q1)小张夫妇以按揭方式贷款买了1套价值20万元的房子,首付了5万元,每月还款1000元,15年还清。问贷款利率是多少? (Q2)某人欲贷款50 万元购房,他咨询了两家银行,第一家银行开出的条件是每月还4500元,15 年还清;第二家银行开出的条件是每年还45000 元,20 年还清。从利率方面看,哪家银行较优惠(简单假设:年利率=月利率×12)? 【分析与解】 假设初始贷款金额为x0,贷款利率为p,每月还款金额为x,第i个月还完当月贷款后所欠银行的金额为x i,(i=1,2,3,......,n)。由题意可知: x1=x0(1+p)−x x2=x0(1+p)2−x(1+p)−x x3=x0(1+p)3−x(1+p)2−x(1+p)−x ……
x n=x0(1+p)n−x(1+p)n−1−⋯−x(1+p)−x =x0(1+p)n−x (1+p)n−1 p =0 因而有: x0(1+p)n=x (1+p)n−1 p (1) 则可以根据上述方程描述的函数关系求解相应的变量。 (Q1) 根据公式(1),可以得到以下方程: 150p(1+p)180−(1+p)180+1=0 设 f(p)=150p(1+p)180−(1+p)180+1,通过计算机程序绘制f(p)的图像以判断解p的大致区间,在Matlab中编程如下: for i = 1:25 t = 0.0001*i; p(i) = t; f(i) = 150*t*(1+t).^180-(1+t).^180+1; end; plot(p,f),hold on,grid on; 运行以上代码得到如下图像:
matlab实验报告
MATLAB程序设计软件 实 验 报 告 专业及班级____通信中兴131_______ 姓名____魏增_______________ 学号_____6102213869________ 日期_____2015.6.15_________
南昌大学实验报告 学生姓名: 魏增 学 号: 6102213869 班级: 中兴131班 实验类型:□ 验证 □ 综合 ■ 设计 □ 创新 实验日期: 实验成绩: 实验一 MA TLAB 的基本使用 一、 实验目的 1.了解MA TALB 程序设计语言的基本特点,熟悉MA TLAB 软件的运行环境; 2.掌握变量、函数等有关概念,掌握M 文件的创建、保存、打开的方法,初步具备将一般数学问题转化为对应计算机模型处理的能力; 3.掌握二维图形绘制的方法,并能用这些方法实现计算结果的可视化。 二、 MATLAB 的基础知识 通过本课程的学习,应基本掌握以下的基础知识: 一. MA TLAB 简介 二. MA TLAB 的启动和退出 三. MA TLAB 使用界面简介 四. 帮助信息的获取 五. MA TLAB 的数值计算功能 六. 程序流程控制 七. M 文件 八. 函数文件 九. MATLAB 的可视化 三、上机练习 1. 仔细预习第二部分内容,关于MA TLAB 的基础知识。 2. 熟悉MA TLAB 环境,将第二部分所有的例子在计算机上练习一遍 3、已知矩阵???? ??????=??????????=123456789,987654321B A 。求A*B ,A .* B ,比较二者结果是否相同。并利用MA TLAB 的内部函数求矩阵A 的大小、元素和、长度以及最大值。 解:>> A=[1 2 3;4 5 6;7 8 9]; >> B=[9 8 7;6 5 4;3 2 1]; >> A*B
随机实验报告
随机信号实验报告 课程:随机信号 实验题目:随机过程的模拟与特征估计 学院:四川大学电子信息学院 学生名称: 实验目的: 1.学会利用MATLAB模拟产生各类随即序列。 2.熟悉和掌握随机信号数字特征估计的基本方法。 实验内容: 1.模拟产生各种随即序列,并画出信号和波形。 (1)白噪声<高斯分布,正弦分布)。 (2)随相正弦波。 (3)白噪声中的多个正弦分布。 (4)二元随机信号。 (5)自然信号:语音,图形<选做)。 2.随机信号数字特征的估计 (1)估计上诉随机信号的均值,方差,自相关函数,功率谱密度,概率密度。 (2)各估计量性能分析<选做) 实验仪器: PC机一台 MATLAB软件
实验原理: 随机变量常用到的数字特征是数字期望值、方差、自相关函数等。相应地,随机过程常用到的数字特征是数字期望值、方差、相关函数等。它们是由随机变量的数字特征推广而来,但是一般不再是确定的数值,而是确定的时间函数。b5E2RGbCAP 均值:mx(t>=E[X(t>]=;式中,p(x,t>是X
1随机过程实验报告-副本
1随机过程实验报告 - 副本 _______________________________________________________ ___________________________ 随机过程试验报告 班级: 姓名: 学号: ____________________________________________________________________ ________________________ ____________________________________________________________________ ____ _______________________________________________________ ___________________________ 实验一 实验题目 Xtxwt()cos(),描绘出随机过程的图像 实验目的 Xtxwt()cos(),利用MATLAB编程描绘出随机过程的图像 实验地点及时间信息楼127机房 2012.5.31 实验内容 Xtxwt()cos(),绘制随机过程的图像 实验习题 ,函数z=xcos(wt)中,w为常量,设为2;自变量为x和t,其中t[-1,1],x服从[-1,1]上的标准正态分布;y是因变量。用Matlab编程如下: t=-1:0.01:1;
>> x=normpdf(t);//x服从标准正态分布。 >> z=x.*cos(1*t); >> plot3(t,x,z); 如下图所示; 实验总结 理解随机过程的本质含义,并学会运用MATLAB语言编程描绘在随机过程函数图 像。 实验成绩评阅时间评阅教师 ____________________________________________________________________ ________________________ ____________________________________________________________________ ____ _______________________________________________________ ___________________________
河北工业大学数字图像处理之matlab实验报告
实验一 一、实验要求 1、熟悉MATLAB软件的开发环境、基本操作以及图像处理工具箱,为编写图像处理程序奠定基础。 2、掌握二进制(黑白)图像、灰度图像、彩色图像读、写和显示的基本方法,分别选择以上几种类型的图像,观察其图像类型参数。 3、说明以下程序的显示结果为何是一幅几乎全黑的图像。 clear; close all; myi=zeros(20,20); myi(2:2:18,2:2:18)=1; myi=uint8(myi); figure, imshow(myi,'notruesize'); 编写程序将图一中orangutan_1.tif图片拉伸一倍后形成orangutan_2.tif所示的图片。 4、应用MATLAB(或C)语言编写一幅灰度图像直方图统计程序,并选择一幅图像显示其直方图,将结果与MATLAB图像处理工具箱中提供的灰度直方图函数imhist的处理结果进行比较。 5、利用以上编写的程序,估算图一所示图像iris.tif中的瞳孔半径(以像素为单位)。 orangutan_1.tif orangutan_2.tif iris.tif 图一 二、实验内容 1,通过安装matlab软件,熟悉MATLAB软件的开发环境、基本操作以及图像处理工 具箱 2,图像的读、写、显示和图像类型参数查看 通过 I= imread(FILENAME),读取图像,注意FILENAME=‘图像文件所在的位置+文件名’; 1)通过imwrite(a,FILENAME,fmt),可以把a图像写进FILENAME图像,即是替换掉FILENAME,但是文件图像格式不替换。 2)通过imshow(I),可以把I图像显示出来。 3)例如:在matlab软件中,运行如下命令: I = imread('E:\orangutan_2.tif');
随机信号分析实验报告(基于MATLAB语言)
随机信号分析实验报告(基于MATLAB语言)
随机信号分析实验报告 ——基于MATLAB语言 姓名: _ 班级: _ 学号: 专业:
目录 实验一随机序列的产生及数字特征估计 .. 2 实验目的 (2) 实验原理 (2) 实验内容及实验结果 (3) 实验小结 (6) 实验二随机过程的模拟与数字特征 (7) 实验目的 (7) 实验原理 (7) 实验内容及实验结果 (8) 实验小结 (11) 实验三随机过程通过线性系统的分析 (12) 实验目的 (12) 实验原理 (12) 实验内容及实验结果 (13) 实验小结 (17) 实验四窄带随机过程的产生及其性能测试18 实验目的 (18) 实验原理 (18) 实验内容及实验结果 (18) 实验小结 (23) 实验总结 (23)
实验一随机序列的产生及数字特征估计 实验目的 1.学习和掌握随机数的产生方法。 2.实现随机序列的数字特征估计。 实验原理 1.随机数的产生 随机数指的是各种不同分布随机变量的抽样序列(样本值序列)。进行随机信号仿真分析时,需要模拟产生各种分布的随机数。 在计算机仿真时,通常利用数学方法产生随机数,这种随机数称为伪随机数。伪随机数是按照一定的计算公式产生的,这个公式称为随机数发生器。伪随机数本质上不是随机的,而且存在周期性,但是如果计算公式选择适当,所产生的数据看似随机的,与真正的随机数具有相近的统计特性,可以作为随机数使用。
(0,1)均匀分布随机数是最最基本、最简单的随机数。(0,1)均匀分布指的是在[0,1]区间上的均匀分布, U(0,1)。即实际应用中有许多现成的随机数发生器可以用于产生(0,1)均匀分布随机数,通常采用的方法为线性同余法,公式如下: 序列为产生的(0,1)均匀分布随机数。 定理 1.1 若随机变量X 具有连续分布函数,而R 为(0,1)均匀分布随机变量,则有 2.M ATLAB中产生随机序列的函数 (1)(0,1)均匀分布的随机序列函数:rand 用法:x = rand(m,n) 功能:产生m×n 的均匀分布随机数矩阵。 (2)正态分布的随机序列 函数:randn 用法:x = randn(m,n) 功能:产生m×n 的标准正态分布随机数矩
MATLAB实验报告
实验一基本操作和简单语句输入 一、实验环境 计算机MATLAB软件 二、实验目的 1、熟悉MATLAB的命令窗口。 2、掌握MATLAB的一些基本操作,能够进行一般的数值计算。 3、实现语句的重调和修改。 三、实验内容与步骤 1、启动MATLAB 2、观察MATLAB窗口的各个组成部分 (1)了解菜单栏各窗口项的功能,用鼠标打开MA TLAB的各个菜单,在状态栏里显示当前鼠标所指的菜单项的含义。 (2)用鼠标指向常用工具栏的每个工具按钮,了解各工具按钮的含义。 3、命令窗口的打开和关闭 (1)查看菜单窗口中有哪些菜单命令。 (2)在命令窗口中输入命令a=3;b=4;y=a*b+a/b,然后回车,查看命令显示结果。 >> a=3;b=4;y=a*b+a/b, y = 12.7500 (3)利用MATLAB中编辑命令时常用的按键功能,调用上一个语句,对它进行修改(如把分号改成逗号,看运行结果),并把运行结果复制到word中保存。 >> a=3,b=4,y=a*b+a/b, a = 3 b = 4 y = 12.7500 (4)关闭命令窗口。 (5)打开命令窗口。 4、使用MATLAB帮助 熟悉MATLAB的帮助系统,通过帮助系统了解有关内容。 5、在命令窗口中输入demo,将出现MA TLAB的演示窗,通过演示窗,对MATLAB 的功能进行一次浏览。 四、练习 1、计算y=x^3+(x-0.98)^2/(x+1.25)^3-5*(x+1/x),x=2,x=3时的值。 >> x=2;y=x^3+(x-0.98)^2/(x+1.25)^3-5*(x+1/x) y = -4.4697 >> x=3;y=x^3+(x-0.98)^2/(x+1.25)^3-5*(x+1/x) y = 10.3865 2、计算cos(pi/3)-sqrt(9-sqrt(2)) >> cos(pi/3)-sqrt(9-sqrt(2))
matlab实验报告
matlab实验报告 Matlab实验报告 引言: Matlab(Matrix Laboratory)是一种高级的计算机编程语言和环境,主要用于数值计算、数据分析和可视化。它的功能强大,被广泛应用于科学研究、工程设 计和教学实验等领域。本实验报告将介绍我在使用Matlab进行实验过程中的一些经验和收获。 一、Matlab的基本语法和数据类型 Matlab的语法与其他编程语言相比较简单,但仍然需要掌握一些基本的语法规则。例如,Matlab中的变量命名不区分大小写,但建议使用小写字母来命名变量。Matlab支持多种数据类型,包括数值型、字符型、逻辑型等。在实验中, 我常常使用数值型数据进行计算和分析。 二、Matlab中的矩阵运算 矩阵运算是Matlab的重要特性之一,它使得处理大量数据变得更加高效和简便。我在实验中经常使用矩阵运算来进行数据的处理和分析。例如,我可以使用矩 阵乘法来计算两个矩阵的乘积,或者使用矩阵的转置来进行数据的重排和变换。Matlab还提供了丰富的矩阵运算函数,如求逆矩阵、特征值分解等,这些函数 大大简化了复杂计算的过程。 三、Matlab的数据可视化 Matlab提供了强大的数据可视化功能,可以帮助我们更直观地理解和展示数据。在实验中,我常常使用Matlab绘制曲线图、散点图和柱状图等,以便更清晰地观察数据的分布和趋势。Matlab的绘图函数丰富多样,可以根据不同的需求选
择合适的图形类型和样式。此外,Matlab还支持图像处理和三维可视化等高级功能,这些功能在科学研究和工程设计中有着广泛的应用。 四、Matlab的编程和调试 Matlab不仅是一种计算工具,还是一种编程语言。通过编写脚本和函数,我们可以实现更复杂的计算和操作。在实验中,我常常使用Matlab编写自定义函数来实现特定的功能。编程过程中,我注意到Matlab的调试功能非常强大,可以帮助我们找出代码中的错误和问题。Matlab提供了断点调试、变量监视和错误提示等功能,这些功能对于提高代码的可靠性和效率非常有帮助。 五、Matlab在科学研究中的应用 Matlab在科学研究中有着广泛的应用。它可以用于数据处理、数值模拟、图像处理、信号处理等多个领域。在实验中,我使用Matlab进行了一些科学研究,例如分析实验数据、拟合曲线、求解微分方程等。Matlab的强大功能和灵活性使得科学研究变得更加高效和精确。 结论: 通过本次实验,我深刻认识到Matlab作为一种强大的计算工具和编程语言,在科学研究和工程设计中的重要性。Matlab的基本语法和数据类型、矩阵运算、数据可视化、编程和调试等方面的应用,使得我能够更好地处理和分析数据,提高工作效率。我相信在今后的学习和研究中,我会继续深入学习和应用Matlab,为科学研究和工程实践做出更大的贡献。
MATLAB教程课后实验报告题目及解答[第一至第五章]
MATLAB教程实验报告 实验项目名称实验一 Matlab基本操作 学生姓名汪德旺专业班级 09数教(1)班学号 0301090131 实验成绩日期 一. 实验目的和要求 1、了解MATLAB 的开发环境。 2、熟悉Matlab的基本操作。 3、掌握建立矩阵的方法。 4、掌握MATLAB各种表达式的书写规则以及常用函数的使用。 5、填写实验报告,实验报告文件取名为report1.doc。 6、于邮件附件形式将实验报告文件report1.doc 发到邮箱*******************,邮件主题为班级学号姓名,如:09数教1班15号张三。 二、实验内容 1、先求下列表达式的值,然后显示MATLAB工作空间的使用情况并保存全部变量。 (1) 0 12 2sin85 1 z e = + (2 ) 2 212 1 ln( 0.455 2 i z x x + ⎡⎤==⎢⎥ -⎣⎦ 其中 (3) 0.30.3 3 0.3 sin(0.3)ln, 22 a a e e a z a - -+ =++a=-3.0,-2.9,-2.8,…, 2.8, 2.9,3.0 (4) 2 2 4 2 ,01 1,12,0:0.5:2.5 21,23 t t z t t t t t ⎧≤< ⎪ =-≤<= ⎨ ⎪-+≤< ⎩ 其中t 2.已知: 12344131 34787,203 3657327 A B --⎡⎤⎡⎤ ⎢⎥⎢⎥== ⎢⎥⎢⎥ ⎢⎥⎢⎥ - ⎣⎦⎣⎦ 求下列表达式的值: (1)A+6*B和A-B+I(其中I为单位矩阵) (2)A*B和A.*B (3)A^3和A.^3 (4)A/B和B\A (5)[A,B]和[A([1,3],:);B^2]
matlab非线性方程实验报告
一、课题名称 非线性方程 二、目的和意义 1、通过实验进一步了解方程求根的算法; 2、认识选择计算格式的重要性; 3、掌握迭代算法和精度控制; 4、明确迭代收敛性与初值选取的关系。 三、实验要求 1、编制一个程序进行运算,最后打印出每种迭代格式的敛散情况; 2、用事后误差估计来控制迭代次数,并且打印出迭代的次数; 3、初始值的选取对迭代收敛有何影响; 4、分析迭代收敛和发散的原因。 四、计算公式 Newton法 二、结构程序设计 Newton迭代法Matlab程序 function [c,err,count]=diedai(f,x0,delta,max) for k=1:max x1=x0; x0=f(x0); if abs(x0-x1) >> f=inline('(3*x+1)/x.^2'); >> x0=-2; >> delta=0.0005; >> max=30; >> [c,err]=diedai(f,x0,delta,max) err = 5.5997e-005 c = -1.5321 err = 5.5997e-005 count = 30 >> f=inline('(x.^3-1)/3'); >> x0=-1; >> delta=0.0005; >> max=30; >> [c,err]=diedai(f,x0,delta,max) err = c = -0.3473 err = count = 30 >> f=inline('(3*x+1)^(1/3)'); >> x0=2; >> delta=0.0005; >> max=30; >> [c,err]=diedai(f,x0,delta,max) err = c = 1.8794 err = count = 30 计算方法matlab实验报告 计算方法MATLAB实验报告 引言: 计算方法是一门研究如何用计算机来解决数学问题的学科。在计算方法的学习过程中,MATLAB作为一种强大的数值计算软件,被广泛应用于科学计算、工程计算、数据分析等领域。本实验报告将介绍在计算方法课程中使用MATLAB 进行的实验内容和实验结果。 一、二分法求方程根 在数值计算中,求解非线性方程是一个常见的问题。二分法是一种简单而有效的求解非线性方程根的方法。在MATLAB中,可以通过编写函数和使用循环结构来实现二分法求解方程根。 实验步骤: 1. 编写函数f(x),表示待求解的非线性方程。 2. 设定初始区间[a, b],满足f(a) * f(b) < 0。 3. 利用二分法迭代求解方程根,直到满足精度要求或迭代次数达到预设值。实验结果: 通过在MATLAB中编写相应的函数和脚本,我们成功求解了多个非线性方程的根。例如,对于方程f(x) = x^3 - 2x - 5,我们通过二分法迭代了5次,得到了方程的一个根x ≈ 2.0946。 二、高斯消元法解线性方程组 线性方程组的求解是计算方法中的重要内容之一。高斯消元法是一种常用的求解线性方程组的方法,它通过矩阵变换将线性方程组化为上三角矩阵,从而简 化求解过程。在MATLAB中,可以利用矩阵运算和循环结构来实现高斯消元法。实验步骤: 1. 构建线性方程组的系数矩阵A和常数向量b。 2. 利用高斯消元法将系数矩阵A化为上三角矩阵U,并相应地对常数向量b进 行变换。 3. 利用回代法求解上三角矩阵U,得到线性方程组的解向量x。 实验结果: 通过在MATLAB中编写相应的函数和脚本,我们成功求解了多个线性方程组。 例如,对于线性方程组: 2x + 3y - z = 1 3x - 2y + 2z = -3 -x + y + 3z = 7 经过高斯消元法的计算,我们得到了方程组的解x = 1,y = -2,z = 3。 三、数值积分方法 数值积分是计算方法中的重要内容之一,它用于计算函数在给定区间上的定积分。在MATLAB中,可以利用多种数值积分方法来近似计算定积分的值,如梯 形法则、辛普森法则等。 实验步骤: 1. 编写待积分函数f(x)。 2. 选择适当的数值积分方法,如梯形法则或辛普森法则。 3. 利用MATLAB中相应的函数进行数值积分计算。 实验结果: 基于MATLAB的非线性电路模型分析与 仿真 目录ﻭ中文摘要1 前言1ﻭ1非线性电路中的混沌现象原理2 1。1非线性电路中的混沌及其特征2ﻭ1。2 非线性电路中的混沌产生的机理和条件3ﻭ2非线性电路的分析与仿真算法4 2.1非线性元件的分段线性化法4 2.2非线性电路的仿真算法4ﻭ3非线性电路模型分析与仿真4 3.1。1 蔡氏电路的电路模型5ﻭ3。1.2 3。1 3阶蔡氏电路4ﻭ 蔡氏电路的MATLAB仿真7 3。23阶变形蔡氏电路10 3.2.1变形蔡氏电路的电路模型10ﻭ3.2.2变形蔡氏电路的MATLAB仿真 13 3。3.3 仿真结果15 4 非线性电路通向混沌的道路18ﻭ结论18 19ﻭ英文摘要19ﻭ致谢20 基于MATLAB的非线性电路模型分析与仿真 ﻭ摘要:近20年来,由于计算机技术的高度,使得对于混沌的研究成为当今科学研究的前沿,并成1门新兴的学科。本文从 理论分析与仿真两个角度分别研究非线性电路中的混沌现象。简要介绍了混沌及其特征,混沌产生的机理和条件,以及非线性电路分析仿真的算法。在分析与仿真蔡氏电路的基础上,构造1个变形蔡氏电路模型,对其电路的非线性元件利用分段线性化方法处理,接着利用非线性电路模型的仿真算法4阶龙格—库塔算法,并用MATLAB编程语言对该非线性微分方程进行分析与仿真该变形蔡氏电路通向混沌的道路。结果表明该变形蔡氏电路也和蔡氏电路1样,在不同的参数下存在有丰富的分岔和混沌现象,并在特定参数下存在所谓的“双涡卷"混沌吸引子。ﻭ:混沌;4阶龙格-库塔算法;非线性电路模型;MATLAB仿真分析。ﻭAnalysis and Simulation byMATLAB in Nonlir uit del Abstract: In recent 20 years, because of the development of puter technology, os research has bee t he advanced sitionsof science research,andos has been a new academic subject.The osphe nomenon in nonlir uit is studied by MATLABsimulation and theoretical analysis in the paper. This paper introduces simplyos and its racteristic, theos output me and condition, and the calculable method of analytic simulation ofnonlir uit. In the foundation of the analysisand simulation ofChua'suit, a dified Chua’s uit del isconstructed. Its nonlir nent is p rocessed using the way of the segment ling。Then the simulated calculable method of fourth rank 试验三随机信号通过线性和非线性系统后的特性分析 一、试验目的 1、了解随机信号的均值、均方值、方差、自相关函数、相互关函数、概率密度、频谱及功 率谱特性。 2、争论随机信号通过线性系统和非线性系统后的均值、均方值、方差、自相关函数、相互关函数、概率密度、频谱及功率谱有何变化,分析随机信号通过线性系统和非线性系统后的特性 二、试验仪器与软件平台 1、微计算机 2、Matlab 软件平台 三、试验步骤 1、依据本试验内容和要求查阅有关资料,设计并撰写相关程序流程。 2、选择 matlab 仿真软件平台。 3、测试程序是否到达设计要求。 4、分析试验结果是否与理论概念相符 四、试验内容 1、随机信号通过线性系统和非线性系统后的特性分析 (1)试验原理 ①随机信号的分析方法 在信号系统中,可以把信号分成两大类:确定信号和随机信号。确定信号具有肯定的变化规律,二随机信号无肯定的变化规律,需要用统计特性进展分析。在这里引入了一个随机过程的概念。所谓随机过程,就是随机变量的集合,每个随机变量都是随机过程的一个采样序列。随机过程可以分为平稳的和非平稳的,遍历的和非遍历的。假设随机信号的统计特性不随时间的推移而变化。则随机过程是平稳的。假设一个平稳的随机过程的任意一个样本都具有一样的统计特性。则随机过程是遍历的。下面争论的随机过程都认为是平稳的遍历的随机过程,因此,可以随机取随机过程的一个样本值来描述随机过程中的统计特性。 随机过程的统计特性一般承受主要的几个平均统计特性函数来描述,包括、均方值、方差、自相关系数、相互关系数、概率密度、频谱及功率谱密度等。 a.随机过程的均值 均值E[x(t)]表示集合平均值或数学期望值。基于过程的各态历经行,可用时间间隔T 内的幅值平均值表示,即 E[x(t)]=∑N -1x(t)/N t =0 均值表达了信号变化的中心趋势,或称之为直流重量。 试验一:Matlab操作环境熟悉 一、试验目旳 1.初步理解Matlab操作环境。 2.学习使用图形函数计算器命令funtool及其环境。 二、试验内容 熟悉Matlab操作环境,认识命令窗口、内存工作区窗口、历史命令窗口;学会使用format命令调整命令窗口旳数据显示格式;学会使用变量和矩阵旳输入,并进行简朴旳计算;学会使用who和whos命令查看内存变量信息;学会使用图形函数计算器funtool,并进行下列计算: 1.单函数运算操作。 求下列函数旳符号导数 (1)y=sin(x); (2)y=(1+x)^3*(2-x); 求下列函数旳符号积分 (1)y=cos(x);(2)y=1/(1+x^2);(3)y=1/sqrt(1-x^2);(4)y= (x1)/(x+1)/(x+2) 求反函数 (1)y=(x-1)/(2*x+3); (2)y=exp(x);(3)y=lo g(x+sqrt(1+x^2)); 代数式旳化简 (1)(x+1)*(x-1)*(x-2)/(x-3)/(x-4);(2)sin(x)^2+cos(x)^ 2;(3)x+sin(x)+2*x-3*cos(x)+4*x*sin(x); 2.函数与参数旳运算操作。 从y=x^2通过参数旳选择去观测下列函数旳图形变化 (1)y1=(x+1)^2(2) y2=(x+2)^2(3) y3=2*x^2 (4) y4=x^2+2 (5) y5=x^4 (6) y6=x^2/2 3.两个函数之间旳操作 求和 (1)sin(x)+cos(x)(2) 1+x+x^2+x^3+x^4+x^5 乘积 (1)exp(-x)*sin(x) (2)sin(x)*x 商 (1)sin(x)/cos(x); (2) x/(1+x^2);(3) 1/(x-1)/(x-2); 求复合函数 (1)y=exp(u) u=sin(x)(2)y=sqrt(u) u=1+exp(x^2) matlab实验报告答案 篇一:参考答案Matlab实验报告 实验一Matlab基础知识 一、实验目的: 1. 熟悉启动和退出Matlab的方法。 2. 熟悉Matlab命令窗口的组成。 3. 掌握建立矩阵的方法。 4. 掌握Matlab各种表达式的书写规则以及常用函数的使 用。 二、实验内容: 1. 求[100,999]之间能被21整除的数的个数。(rem) 2. 建立一个字符串向量,删除其中的大写字母。(find) 3. 输入矩阵,并找出其中大于或等于5的元素。(find) 4. 不采用循环的形式求出和式i?1 三、实验步骤: ? 求[100,199]之间能被21整除的数的个数。(rem) 1. 开始→程序→Matlab 2. 输入命令: ?m=100:999; ?p=rem(m,21); ?q=sum(p==0) ans=43 ? 建立一个字符串向量,删除其中的大写字母。(find) 1. 输入命令: ?263i的数值解。(sum) ?k=input( ’,’s’); Eie48458DHUEI4778 ?f=find(k =’A’ k =’Z’); f=9 10 11 12 13 ?k(f)=[ ] K=eie484584778 ? 输入矩阵,并找出其中大于或等于5的元素。(find) 1. 输入命令: ?h=[4 8 10;3 空间。 2. 熟悉M文件与M函数的编写与应用。 3. 熟悉Matlab的控制语句。 4. 掌握if,switch,for等语句的使用。 二、实验内容: 1. 根据y=1+1/3+1/5+??+1/(2n-1),编程求:y 5时最 大n值以及对应的y值。 2. 编程完成,对输入的函数的百分制成绩进行等绩转换, 90~100为优,80~89为良,70~79为中,60~69为及格。 2x2?10?5,并分别求3. 编写M函数文件表示函数x=12和56时的函数值。计算方法matlab实验报告
基于MATLAB的非线性电路模型分析与仿真.doc
随机信号通过线性和非线性系统后地特性分析报告实验报告材料
2023年Matlab实验报告
matlab实验报告答案