2022年《生物医学信号处理》实验报告 .pdf

《2022年《生物医学信号处理》实验报告 .pdf》由会员分享，可在线阅读，更多相关《2022年《生物医学信号处理》实验报告 .pdf（14页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、评分大理大学实验报告20152016学年度第3 学期课程名称生物医学信号处理实验名称数字相关和数字卷积专业班级 2013级生物医学工程 1 班姓名张雪路康学号 2013166133 2013166148 实验日期 2016年 5 月 13 日星期五实验地点理科楼 GC612 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 1 页，共 14 页 - - - - - - - - - 生物医学信号处理实验报告第 2 页共 14 页一、实验目的熟悉数字相关的运算，初步在信号处理中应用相关技术

2、。二、实验环境1.硬件配置 ： 处理器（Intel(R) Pentium(R) 4 cpu 2.80GHz ） 、 CD-ROM 驱动器、鼠标、内存 1GB(1024MB) 、32 位操作系统2.软件环境 ：MATLAB R2012b 三、实验内容1. 实验原理相关可以从时域角度表现信号间的相似（关联）程度，是统计信号处理最基本的一种手段之一。设有离散信号x(n)和 y(n)，线性相关函数定义为：nxymnynxmr实际采集的信号总是有限长度，用有限的样本估计相关（自相关）函数,2, 1, 01?10mxxNmRmNnmnnx求和项总数不是 N 而是 N-| m| ，因为当 n=N-| m|-

3、1 时，n+|m|=N-1。此时 xn+m已经到了数据边沿。这种估计是渐进无偏估计和一致估计。计算中，只要将其中一个序列反转，就可以用计算线性卷积的程序计算线性相关nynxmrxy因此可以用 FFT来加速相关运算， 即对序列补零后， 用循环相关计算线形相关， 然后用循环卷积的快速算法计算循环相关，得到最终结果。2. 实验内容已知发射波形，利用相关技术，在有强背景噪声的情况下检测回波的延时和强度。首先使用已知信号模版及其若干次衰减延迟生成仿真回波波形，然后与白噪声背景叠加，构造仿真信号。然后计算模版与仿真信号的相关函数，判断回波位置及相对强度。3. 思考题尝试修改程序，包括改变仿真信号中模版的形

4、状，噪声的强弱，噪声的类型（对白噪声滤波可以获得各种有色噪声） ，哪些因素会影响相关函数的结果？名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 2 页，共 14 页 - - - - - - - - - 生物医学信号处理实验报告第 3 页共 14 页四、实验结果与分析程序代码：clear; clc; disp(请选择信号 ); disp(1 - 实际测量的心电信号 ); disp(2 - 实际测量的脑电信号 ); disp(3 - 实际测量的颅内压信号 ); disp(4 - 实际测量

5、的呼吸信号 ); disp(5 - 方波信号 ); disp(6 - 正弦信号 ); disp(7 - 指数衰减信号 ); disp(8 - 指数衰减正弦信号 ); b = input(信号： ); np = 0:99; % 生成0到99的序列switch b % 输入序号，产生相应信号心电、脑电、颅内压、呼吸case 1 load ecgdata; p= ecgdata (1:100); p=p case 2 load eegdata; p= eegdata (1:100); p=p case 3 load icpdata; p= icpdata (1:100); p=p case 4 lo

6、ad respdata; p= respdata (1:100); p=p case 5 p = ones(size(np); % 方波case 6 p= sin(pi/5*np); % 正弦case 7 p= exp(-0.06*np); % 指数衰减case 8 p= sin(pi/5*np).*exp(-0.06*np); % 指数衰减正弦end 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 3 页，共 14 页 - - - - - - - - - 生物医学信号处理实验报告第

7、 4 页共 14 页% 估计两个相似信号间的时间延迟np = 0:99; figure; subplot(1,1,1); plot(np,p); % 绘制方波函数图像n = 0:1000; w = randn(size(n); % 产生白噪声均值为 0方差为一%改变噪声类型%A=fspecial(average); % 生成均值滤波器%w=filter2(A,w); % 用生成的滤波器进行滤波%w=medfilt1(w); % 中值滤波%改变噪声强度%w =2+sqrt(1)*w %w =4+sqrt(1)*w %w =sqrt(0.5)*w %w =sqrt(2)*w s = zeros(s

8、ize(n); A = 3; % 衰减系数% 构造仿真回波信号s(100:199) = s(100:199)+A*(p); s(500:599) = s(500:599)+A/3*(p); s(800:899) = s(800:899)+A/3/3*(p); % 构造仿真信号x = s+w; figure; subplot(3,1,1); plot(n,w); title(Noise); subplot(3,1,2); plot(n,s); title(Signal); subplot(3,1,3); plot(n,x); title(Signal with Noise); p = p,zer

9、os(1,length(x)-length(p); % 如果要求归一化相关系数（相干系数） ，两个序列要同样长% 计算线性相关函数Rps = xcorr(s,p);%加coeff求相干系数Rpw = xcorr(w,p); Rpx = xcorr(x,p); n2 = (n(1)-n(end):(n(end)-n(1); % 绘制线性相关函数图figure; subplot(3,1,1); plot(n2,Rpw); title(Rpw of p(n) and w(n); subplot(3,1,2); plot(n2,Rps); title(Rps of p(n) and s(n); sub

10、plot(3,1,3); plot(n2,Rpx); title(Rpx of p(n) and x(n); 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 4 页，共 14 页 - - - - - - - - - 生物医学信号处理实验报告第 5 页共 14 页输出为：请选择信号1 - 实际测量的心电信号2 - 实际测量的脑电信号3 - 实际测量的颅内压信号4 - 实际测量的呼吸信号5 - 方波信号6 - 正弦信号7 - 指数衰减信号8 - 指数衰减正弦信号键入 1（实际测量的心电信

11、号）020406080100-0.500.5102004006008001000-505Noise02004006008001000-505Signal02004006008001000-505Signal with Noise-1000-800 -600 -400 -2000200 400 600 800 1000-10010Rpw of p(n) and w(n)-1000-800 -600 -400 -2000200 400 600 800 100002040Rps of p(n) and s(n)-1000-800 -600 -400 -2000200 400 600 800 1000

12、-50050Rpx of p(n) and x(n)（a）（b）（c）图 1 实际测量的心电信号（a）衰减系数为3、均值为0、方差为1 的噪声仿真信号(b) 线性相关函数图(c) 键入 2（实际测量的脑电信号）020406080100-3-2-1012302004006008001000-505Noise02004006008001000-10010Signal02004006008001000-10010Signal with Noise-1000-50005001000-50050Rpw of p(n) and w(n)-1000-50005001000-5000500Rps of p(n

13、) and s(n)-1000-50005001000-5000500Rpx of p(n) and x(n)（a）（b）（c）图 2 实际测量的脑电信号(a) 衰减系数为3、均值为0、方差为 1 的噪声仿真信号(b) 线性相关函数图(c) 键入 3(实际测量的颅内压信号 ) 020406080100012345602004006008001000-505Noise0200400600800100001020Signal02004006008001000-20020Signal with Noise-1000-50005001000-2000200Rpw of p(n) and w(n)-10

14、00-50005001000-500005000Rps of p(n) and s(n)-1000-50005001000-500005000Rpx of p(n) and x(n)（a）（b）（c）图 3 实际测量的颅内压信号(a) 衰减系数为3、均值为 0、方差为 1 的噪声仿真信号(b) 线性相关函数图(c) 名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 5 页，共 14 页 - - - - - - - - - 生物医学信号处理实验报告第 6 页共 14 页键入 4(实际测量

15、的呼吸信号 ) 0204060801000200400600800100002004006008001000-505Noise02004006008001000020004000Signal02004006008001000-500005000Signal with Noise-1000 -800-600-400-20002004006008001000-202x 104Rpw of p(n) and w(n)-1000 -800-600-400-20002004006008001000012x 108Rps of p(n) and s(n)-1000 -800-600-400-2000200

16、4006008001000-202x 108Rpx of p(n) and x(n)（a）（b）（c）图 4 实际测量的呼吸压信号(a) 衰减系数为3、均值为 0、方差为 1 的噪声仿真信号(b) 线性相关函数图(c) 键入 5(方波信号 ) 02040608010000.511.5202004006008001000-505Noise02004006008001000024Signal02004006008001000-10010Signal with Noise-1000-50005001000-50050Rpw of p(n) and w(n)-1000-50005001000-5000

17、500Rps of p(n) and s(n)-1000-50005001000-5000500Rpx of p(n) and x(n)（a）（b）（c）图 5 方波信号 (a) 衰减系数为3、均值为0、方差为1 的噪声仿真信号(b) 线性相关函数结果图(c) 键入 6(正弦信号 ) 020406080100-1-0.500.5102004006008001000-505Noise02004006008001000-505Signal02004006008001000-10010Signal with Noise-1000 -800 -600 -400 -2000200400600800 10

18、00-20020Rpw of p(n) and w(n)-1000 -800 -600 -400 -2000200400600800 1000-2000200Rps of p(n) and s(n)-1000 -800 -600 -400 -2000200400600800 1000-2000200Rpx of p(n) and x(n)（a）（b）（c）图 6 正弦信号 (a) 衰减系数为3、均值为0、方差为1 的噪声仿真信号(b) 线性相关函数结果图(c) 键入 7(指数衰减信号 ) 02040608010000.20.40.60.8102004006008001000-505Noise0

19、2004006008001000024Signal02004006008001000-505Signal with Noise-1000-800 -600 -400 -2000200 400 600 800 1000-10010Rpw of p(n) and w(n)-1000-800 -600 -400 -2000200 400 600 800 100002040Rps of p(n) and s(n)-1000-800 -600 -400 -2000200 400 600 800 1000-50050Rpx of p(n) and x(n)（a）（b）（c）图 7 指数衰减信号 (a) 衰

20、减系数为3、均值为0、方差为1 的噪声仿真信号(b) 线性相关函数图(c)名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 6 页，共 14 页 - - - - - - - - - 生物医学信号处理实验报告第 7 页共 14 页键入 8(指数衰减正弦信号 ) 020406080100-1-0.500.5102004006008001000-505Noise02004006008001000-505Signal02004006008001000-505Signal with Noise-

21、1000 -800-600-400-20002004006008001000-505Rpw of p(n) and w(n)-1000 -800-600-400-20002004006008001000-20020Rps of p(n) and s(n)-1000 -800-600-400-20002004006008001000-20020Rpx of p(n) and x(n)（a）（b）（c）图 8 指数衰减正弦信号(a) 衰减系数为3、均值为0、方差为1 的噪声仿真信号(b) 线性相关函数图(c) 分析：以上是 8 种模板信号的模板形状和固定的衰减系数为3、均值为 0、方差为 1 的噪

22、声仿真信号之间的线性相关函数图， 由 8 种图比较不难发现， 8 中图像的线性相关函数图都是不一样的。我们改变的值为模板信号即改变p，而 w 、s、x 是不变的，也就是说，改变模板信号就会引起线性相关函数结果的改变。因为线性相关函数与线性相干函数具有相同的函数图像，故此处我们不再单独分析线性相干函数。思考题：（a）改变模板的形状由上述 8 种模板信号的模板形状和固定的衰减系数为3、均值为 0、方差为 1 的噪声仿真信号之间的线性相关函数图， 由 8 种图比较不难发现， 8 种图像的线性相关函数图都是不一样的。我们改变的值为模板信号即改变p，而 w 、s、x 是不变的，也就是说，改变模板信号就会

23、引起线性相关函数结果的改变。同样的线性相干函数也可以得出相同的结论。（b）改变噪声的强弱 此处采用心电信号和正弦信号来反应问题程序改变如下： w =2+sqrt(1)*w w =4+sqrt(1)*w w =sqrt(0.2)*w w =sqrt(4)*w 首先我们固定噪声的方差为1，改变噪声的均值大小为0、2、4：-1000-800 -600 -400 -2000200400600800 1000-10010Rpw of p(n) and w(n)-1000-800 -600 -400 -2000200400600800 100002040Rps of p(n) and s(n)-1000-

24、800 -600 -400 -2000200400600800 1000-50050Rpx of p(n) and x(n)-1000-50005001000-1000100Rpw of p(n) and w(n)-1000-5000500100002040Rps of p(n) and s(n)-1000-50005001000-1000100Rpx of p(n) and x(n)-1000-50005001000-1000100Rpw of p(n) and w(n)-1000-5000500100002040Rps of p(n) and s(n)-1000-50005001000-1

25、000100Rpx of p(n) and x(n)（a）（b）（c）图9（a）为 w =sqrt(1)*w的噪声与心电信号的线性相关函数图，（b）为 w =2+sqrt(1)*w的噪声与心电信号的相关函数图， （c）为 w =4+sqrt(1)*w的噪声与心电信号的相关函数图分析：由图可以看出，方差不变，改变噪声的均值大小以后其图像没有什么变化，完全相同名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 7 页，共 14 页 - - - - - - - - - 生物医学信号处理实验报告

26、第 8 页共 14 页接下来我们再看均值固定为0，方差为 0.2 、1和4的情况：-1000-800-600-400-20002004006008001000-10010Rpw of p(n) and w(n)-1000-800-600-400-2000200400600800100002040Rps of p(n) and s(n)-1000-800-600-400-20002004006008001000-50050Rpx of p(n) and x(n)-1000-50005001000-505Rpw of p(n) and w(n)-1000-5000500100002040Rps o

27、f p(n) and s(n)-1000-50005001000-50050Rpx of p(n) and x(n)-1000-800-600-400-20002004006008001000-20020Rpw of p(n) and w(n)-1000-800-600-400-2000200400600800100002040Rps of p(n) and s(n)-1000-800-600-400-20002004006008001000-50050Rpx of p(n) and x(n)（a）（b）（c）图10 （a）为 w =sqrt(1)*w的噪声与心电信号的线性相关函数图，（b）为

28、 w =sqrt(0.2)*w的噪声与心电信号的线性相关函数图，（c）为 w =sqrt(4)*w的噪声与心电信号的线性相关函数图分析：由图 10我们可以看出，方差值的改变会引起噪声与心电信号的线性相关函数图的改变。b 为方差值减小的情况、 c 为方差值增大的情况。为了更好的说明这个问题我们更换一下模板信号看结果如何。更换模板为正弦信号，重复上述实验：-1000 -800 -600-400 -20002004006008001000-20020Rpw of p(n) and w(n)-1000 -800 -600-400 -20002004006008001000-2000200Rps of

29、p(n) and s(n)-1000 -800 -600-400 -20002004006008001000-2000200Rpx of p(n) and x(n)-1000 -800-600 -400-20002004006008001000-20020Rpw of p(n) and w(n)-1000 -800-600 -400-20002004006008001000-2000200Rps of p(n) and s(n)-1000 -800-600 -400-20002004006008001000-2000200Rpx of p(n) and x(n)-1000 -800 -600-

30、400 -20002004006008001000-20020Rpw of p(n) and w(n)-1000 -800 -600-400 -20002004006008001000-2000200Rps of p(n) and s(n)-1000 -800 -600-400 -20002004006008001000-2000200Rpx of p(n) and x(n)（a）（b）（c）图11 （a）为 w =sqrt(1)*w的噪声与正弦信号的线性相关函数图，（b）为 w =2+sqrt(1)*w的噪声与正弦信号的线性相关函数图,(c)为w =4+sqrt(1)*w的噪声与正弦信号的线

31、性相关函数图分析: 我们改变模板信号为正弦信号之后, 噪声与正弦信号的线性相关函数图没有发生变化,这同样说明了改变噪声的均值大小对噪声与正弦信号的线性相关函数图没有什么影响。下面我们改变方差的大小再来观察：-1000-800-600-400-20002004006008001000-50050Rpw of p(n) and w(n)-1000-800-600-400-20002004006008001000-2000200Rps of p(n) and s(n)-1000-800-600-400-20002004006008001000-2000200Rpx of p(n) and x(n)-

32、1000-50005001000-10010Rpw of p(n) and w(n)-1000-50005001000-2000200Rps of p(n) and s(n)-1000-50005001000-2000200Rpx of p(n) and x(n)-1000-50005001000-50050Rpw of p(n) and w(n)-1000-50005001000-2000200Rps of p(n) and s(n)-1000-50005001000-2000200Rpx of p(n) and x(n)（a）（b）（c）图12 （a）为 w =sqrt(1)*w的噪声与正

33、弦信号的线性相关函数图，（b）为 w =sqrt(0.2)*w的噪声与正弦信号的线性相关函数图, （c）为 w =sqrt(4)*w的噪声与正弦信号的线性相关函数图名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 8 页，共 14 页 - - - - - - - - - 生物医学信号处理实验报告第 9 页共 14 页分析：我们固定噪声的均值为 0，改变方差的大小，无论是变小还是变大都会导致噪声与正弦信号的线性相关函数图发生变化。结论：我们通过两种不同个的信号模板与噪声进行线性相关，我们

34、控制变量每次只改变噪声的一个自变量，我们发现改变噪声均值的时候不会影响信号模板与噪声线性相关，而噪声的方差变化无论是变大还是变小都会引起线性相关图像的改变。两种信号一种是实际测量的心电信号，一种是函数产生的信号，都能得到相同的结论，所以其他信号就不一一列举。（c）改变噪声的类型 对白噪声加上滤波之后即可获得其他类型的有色噪声对噪声 w进行如下处理：a)利用均值滤波器处理噪声 模板信号为实际测量的呼吸信号 A=fspecial(average); %生成均值滤波器w=filter2(A,w); %用生成的滤波器进行滤波输出线性相关函数图像为：-1000-50005001000-202x 104R

35、pw of p(n) and w(n)-1000-50005001000012x 108Rps of p(n) and s(n)-1000-50005001000-202x 108Rpx of p(n) and x(n)-1000-800-600-400-20002004006008001000-500005000Rpw of p(n) and w(n)-1000-800-600-400-20002004006008001000012x 108Rps of p(n) and s(n)-1000-800-600-400-20002004006008001000-202x 108Rpx of p(

36、n) and x(n)（a）（b）图 13 a为实际测量的呼吸信号与白噪声线性相关函数图像，b 为 a 为实际测量的呼吸信号与利用均值滤波器滤波之后的色噪声线性相关函数图像分析：从图中可以 明显看出实际测量的呼吸信号与白噪声线性相关函数图像与实际测量的呼吸信号与利用均值滤波器滤波之后的色噪声线性相关函数图像有比较细微区别。为了更好的说明问题我们换一种滤波器来处理白噪声，具体对噪声w做如下处理：w=medfilt1(w); %中值滤波则输出线性相关函数图像如下：-1000-50005001000-202x 104Rpw of p(n) and w(n)-1000-50005001000012x

37、108Rps of p(n) and s(n)-1000-50005001000-202x 108Rpx of p(n) and x(n)-1000-50005001000-202x 104Rpw of p(n) and w(n)-1000-50005001000012x 108Rps of p(n) and s(n)-1000-50005001000-202x 108Rpx of p(n) and x(n)（a）（b）图 14 a为实际测量的呼吸信号与白噪声线性相关函数图像，b 为实际测量的呼吸信号与利用中值滤波器滤波之后的色噪声线性相关函数图像名师资料总结 - - -精品资料欢迎下载 -

38、- - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 9 页，共 14 页 - - - - - - - - - 生物医学信号处理实验报告第 10 页共 14 页分析：如同上面利用均值滤波处理噪声的情况是一样的，实际测量的呼吸信号与白噪声线性相关函数图像和实际测量的呼吸信号与利用中值滤波器滤波之后的色噪声线性相关函数图像比较差别更加明显一些。为了避免特异性模板的情况出现，我们更换一种模板信号再来比较一次：（模板信号为指数衰减正弦信号）-1000-50005001000-10010Rpw of p(n) and w(n)-1000-500

39、05001000-20020Rps of p(n) and s(n)-1000-50005001000-20020Rpx of p(n) and x(n)-1000-50005001000-202Rpw of p(n) and w(n)-1000-50005001000-20020Rps of p(n) and s(n)-1000-50005001000-20020Rpx of p(n) and x(n)-1000-50005001000-10010Rpw of p(n) and w(n)-1000-50005001000-20020Rps of p(n) and s(n)-1000-5000

40、5001000-20020Rpx of p(n) and x(n)（a）（b）（c）图 15 （a）为指数衰减正弦信号与白噪声线性相关函数图像（b）为指数衰减正弦信号与利用均值滤波器滤波之后的色噪声线性相关函数图像（c）为指数衰减正弦信号与利用中值滤波器滤波之后的色噪声线性相关函数图像分析：更换模板为指数衰减正弦信号之后，b、c 分别为添加了均值滤波器和中值滤波之后的线性相关函数，从函数图像看，添加了滤波之后的图像同样的线性相关函数图像变化很明显，因此可以得出结论： 综上所述，应对不同的模板，只要改变噪声的类型都会影响模板与噪声之间的线性相关函数 （此处略去其他的模板信号分析）。b)改变衰减系

41、数 分别增加衰减系数和减小衰减系数来具体说明问题 衰减系数由原来的3 改变为为 1 和 6 并采取脑电信号和方波信号来代表说明-1000-50005001000-50050Rpw of p(n) and w(n)-1000-50005001000-5000500Rps of p(n) and s(n)-1000-50005001000-5000500Rpx of p(n) and x(n)-1000-50005001000-50050Rpw of p(n) and w(n)-1000-50005001000-2000200Rps of p(n) and s(n)-1000-5000500100

42、0-2000200Rpx of p(n) and x(n)-1000-50005001000-50050Rpw of p(n) and w(n)-1000-50005001000-100001000Rps of p(n) and s(n)-1000-50005001000-100001000Rpx of p(n) and x(n)（a）（b）（c）图 16（a）为脑电信号与衰减系数为3 的仿真信号的线性相关函数图像（b）为脑电信号与衰减系数为1 的仿真信号的线性相关函数图像（c）脑电信号与衰减系数为6 的仿真信号的线性相关函数图像分析：由线性相关函数图不难看出，衰减系数的改变会影响模板信号与仿

43、真信号的线性相关函数，接下来我们再看看信号模板为方波的情况名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 10 页，共 14 页 - - - - - - - - - 生物医学信号处理实验报告第 11 页共 14 页-1000-50005001000-20020Rpw of p(n) and w(n)-1000-50005001000-5000500Rps of p(n) and s(n)-1000-50005001000-5000500Rpx of p(n) and x(n)-100

44、0-50005001000-50050Rpw of p(n) and w(n)-1000-50005001000-1000100Rps of p(n) and s(n)-1000-50005001000-1000100Rpx of p(n) and x(n)-1000-50005001000-50050Rpw of p(n) and w(n)-1000-50005001000-100001000Rps of p(n) and s(n)-1000-50005001000-100001000Rpx of p(n) and x(n)（a）（b）（c）图 17 （a）为方波信号与衰减系数为3 的仿真信

45、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

46、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：020

47、40608010000.20.40.60.8102004006008001000-505Noise020040060080010000510Signal02004006008001000-10010Signal with Noise0500100015002000-10010Cpw of p(n) and w(n)050010001500200002040Cps of p(n) and s(n)0500100015002000-50050Cpx of p(n) and x(n)（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

48、线性卷积函数结果图名师资料总结 - - -精品资料欢迎下载 - - - - - - - - - - - - - - - - - - 名师精心整理 - - - - - - - 第 11 页，共 14 页 - - - - - - - - - 生物医学信号处理实验报告第 12 页共 14 页（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

49、)=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)

50、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：02040608010000.20.40.60.8102004006008001000-505Noise020040060080010000510Signal02004006008001000-10010Signal with Noise02004006008001000-20020Rpw1 of p(n) and w(n)02004006008001000050100Rps1 of p(n) and s(n)0200400