随机信号产生
rand：产生均匀分布的随机数
rand(n)  产生一个n*n的随机矩阵，元素分布于(0,1)
rand(m,n)  产生m*n均匀分布的随机矩阵
randn：产生标准正态分布的随机数（均值为0，方差为1）
Y = randn(n)  返回一个n*n的随机项的矩阵
Y = randn(m,n)  返回一个m*n的随机项矩阵。
Y = randn(size(A))  返回一个和A有同样维数大小的随机数组。randn  返回一个每次都变化的一个数值
randi：产生均匀分布的随机整数
randi(imax)  产生分布于[1:imax]的随机整数
r = randi(imax,n)  产生分布于[1:imax]的n*n随机整数矩阵.  randi(imax,m,n)  产生分布于[1:imax]的m*n随机整数矩阵.
r = randi([imin,imax],...)  产生分布于[imin:imax]间的随机整数Ex：生成均匀分布于-10:10的整数  r = randi([-10 10],100,1); wgn：生成高斯白噪声
y = wgn(m,n,p)  产生一个m行n列的高斯白噪声的矩阵，p为输出功率，单位dBW。默认负载阻抗为1Ω
y = wgn(m,n,p,imp)  以欧姆为单位指定负载阻抗。
y = wgn(...,powertype)  powertype指定p的单位， 'dBW', 'dBm', 'linear'。linear power以瓦特(Watt)为单位。
y = wgn(...,outputtype)  outputtype指定输出为'real' 或
'complex'。若输出为 'complex'，实部和虚部的功率分别为p/2.
y = wgn(m,n,p,imp,state)  重置randn的状态。
awgn：在某一信号中加入高斯白噪声
y = awgn(x,SNR)  在信号x中加入高斯白噪声。信噪比SNR以dB为单位。x的强度假定为0dBW。如果x是复数，就加入复噪声。
y = awgn(x,SNR,SIGPOWER)  如果SIGPOWER是数值，则其代表以dBW 为单位的信号强度；如果SIGPOWER为'measured'，则函数将在加入噪声之前测定信号强度。
y = awgn(…,POWERTYPE)指定SNR和SIGPOWER的单位。如果POWERTYPE 是'dB'，那么SNR以dB为单位，而SIGPOWER以dBW为单位；如果POWERTYPE 是linear，那么SNR作为比值来度量，而SIGPOWER以W为单位。
统计
hist：直方图显示数据值的分布
n = hist(Y)  将向量Y中的元素分到10个等间隔的范围内，并返回每个范围内元素的个数作为一行向量。如果Y是一个m*p的矩阵，hist将Y的每一列作为一个向量，并返回一个10*p的矩阵n。n的每一列的值对应Y的该列。n = hist(Y, x)  x是一个向量，返回x的长度个以x为中心的，Y的分布情况。
n = hist(Y, nbins)  nbins为间隔数，直方图按nbins划分间隔并统计落在其中的数目。
[n,xout] = hist(...)  返回n和xout，包含有数目频率和间隔位置。可使用bar(xout, n)来绘制直方图。
xcorr：估计随机过程的互相关函数
互相关序列的实际计算公式为 R xy(m)=E{x n+m y n*}= E{x n y*n-m}，x n和y n 为平稳随机过程，−∞< n < ∞，其中E{·}为期望，且xcorr函数只能估计有限序列。
c = xcorr(x,y)  返回长度为2*N-1互相关函数序列，其中x 和y 的矢量长度均为N ，如果x 和y 的长度不一样，则在短的序列后补零直到两者长度相等。 默认情况下，xcorr 计算未正规化的原始相关系数。
1*^0
^
01()()0
N m n m n n xy xy x y m N R m R m m --+=⎧≤≤-⎪=⎨⎪-<⎩∑
输出矢量C 为c(m) = Rxy(m-N), m=1, ..., 2N-1，（即m-N = 1-N, 2-N, ... ,-1,0,1,..., N-2, N-1）。通常，互相关函数需要正规化来得到更准确的估计值。
c = xcorr(x) 为矢量x 的自相关估计；
c = xcorr(x,y,'option') 为有正规化选项的互相关计算；其中
"biased "为有偏的互相关函数估计，^
^,1()()xy biased xy R m R m N =； "unbiased "为无偏的互相关函数估计，^
^,1()()||xy unbiased xy R m R m N m =-； "coeff "为正规化序列的相关计算，0延时处计算结果恒等于1.0（仅此选项）； "none "为原始的互相关计算，默认；
c= xcorr(x,'option')特指以上某个选项的自相关估计。
c = xcorr(x,y,maxlags) 返回一个延迟范围在[-maxlags,maxlags]的互相关函数序列，输出c 的长度为2*maxlags+1.
c = xcorr(x,maxlags) 返回一个延迟范围在[-maxlags,maxlags]的自相关函数序列，输出c 的长度为2*maxlags+1.
c = xcorr(x,y,maxlags,'option') 同时指定maxlags 和option 的互相关计算.
sscanf函数用法详解 xc = xcorr(x,maxlags,'option') 同时指定maxlags和option的自相关计算.
[c,lags] = xcorr(...)返回相关估计c对应的延迟量lag，其范围为
[-maxlags:maxlags]，当maxlags没有指定时，其范围为[-N+1,N-1]
总之，无论是互相关计算还是自相关计算都是以序列中间位置进行0 lags计算。lags有助于相关函数的绘图
Ex 零均值高斯白噪声c ww(m)的自相关估计，-10 ≤ m ≤ 10
ww = randn(1000,1);
[c_ww,lags] = xcorr(ww,10,'coeff');
plot(lags,c_ww)
滤波器设计
fir1：窗函数设计FIR滤波器
fir1是用窗函数法设计线性相位FIR数字滤波器的工具箱函数。可设计标准的低通，高通，带通，带阻滤波器。默认情况下，滤波器进行了归一化，滤波器在通带中心频率处，幅度相应为0 dB
注：可用fir2设计任意的频响滤波器
b = fir1(n,Wn)  返回截止频率为Wn的n阶（单位脉冲响应h长度n+1）FIR低通（Wn为标量）滤波器系数行向量b。该滤波器采用Hamming窗，输出滤波器系数b按z的降幂排列，B(z)=b(1)+b(2)*z^-1+…+b(n+1)*z^-N.  Wn为对π归一化的数字频率，介于[0,1]，1对应于奈奎斯特频率。
若Wn=[wl w2]时，得到的是带通滤波器，其中-6dB通带为wl=<ω=<w2。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。