西安电子科技大学-随机信号分析大作业
西安电子科技大学-随机信号分析大作业
- 简介
- 实验要求
- 一、设计随机初相信号的三个样本函数
- 1.1原理及代码
- 1.1.1 随机初相的产生
- 1.1.2 初相信号的产生
- 1.1.3 代码
- 1.2 仿真结果及分析
- 二、设计正弦型信号加高斯白噪声的复合信号
- 2.1 原理及代码
- 2.1.1 基本参数的设置
- 2.1.2 正弦信号的产生
- 2.1.3 高斯白噪声的产生
- 2.1.4 信号叠加
- 2.1.5 代码
- 2.2 仿真结果及分析
- 三、分析复合信号的幅度分布特性和功率谱密度
- 3.1 原理及代码
- 3.1.1 包络的概率分布
- 3.1.2 幅度分布特性
- 3.1.3 功率谱密度
- 3.1.4 代码
- 3.2 仿真结果及分析
- 四、复合信号通过RC积分电路
- 4.1 原理及代码
- 4.1.1 包络的概率分布
- 4.1.2 幅度分布特性
- 4.1.3 功率谱密度
- 4.1.4 代码
- 4.2 仿真结果及分析
- 4.2.1 参数设置R=C=1
- 4.2.2 参数设置R=C=2
- 4.2.3 分析
- 五、复合信号通过理想低通系统
- 5.1 原理及代码
- 5.1.1 包络的概率分布
- 5.1.2 幅度分布特性
- 5.1.3 功率谱密度
- 5.1.4 代码
- 5.2 仿真结果及分析
- 5.2.1 截止频率小于信号频率
- 5.2.2 截止频率大于信号频率
- 5.2.3 分析
简介
本文旨在给学弟学妹做大作业时提供思路，学校作业可能会查重，学弟学妹使用的时候一定要读懂后进行修改！！！
如果发现哪里有错可以评论留言。
代码和报告见我的GitHub找相应的课程,求个Star:XDU_HW，里面还有其他课程的代码和报告
实验要求
1.设有随机初相信号 X(t)=cos(t+ϕ)X\left(t\right)=cos(t+\phi)X(t)=cos(t+ϕ)，其中相位ϕ\phiϕ是在区间(0,2π\piπ)上均匀分布的随机变量。试用MATLAB编程产生其三个样本函数
2.利用MATLAB程序设计一正弦型信号加高斯白噪声的复合信号
3.分析复合信号的功率谱密度、幅度分布特性
4.分析复合信号通过RC积分电路后的功率谱密度和相应的幅度分布特性
5.分析复合信号通过理想低通系统后的功率谱密度和相应的幅度分布特性
一、设计随机初相信号的三个样本函数
1.1原理及代码
1.1.1 随机初相的产生
MATLAB中的rand函数能够产生0~1之间均匀分布的随机数，因此可以通过rand(1,3)生成3个符合均匀分布的随机数，再在其后乘上2π\piπ即可得到在[0,2π\piπ]上均匀分布的3个随机初相ϕi\phi_{i}ϕi。
1.1.2 初相信号的产生
MATLAB采用离散的点(t,X)来表示函数，本文首先生成从0~10以0.001为步长的时间变量 ，再将t和ϕ\phiϕ带入
X(t)=5cos(t+ϕ)X(t)=5cos(t+\phi) X(t)=5cos(t+ϕ)
最终得到初相信号。
1.1.3 代码
1. clc,clear
2. close all
3. rng('default')%随机种子
4. t=0:0.001:10;
5. phi=rand(1,3)*2*pi;
6. x(1,:)=5*cos(t+phi(1));
7. x(2,:)=5*cos(t+phi(2));
8. x(3,:)=5*cos(t+phi(3));
9. figure()
10. hold on
11. plot(t,x(1,:),'linewidth',2)
12. plot(t,x(2,:),'linewidth',2)
13. plot(t,x(3,:),'linewidth',2)
14. xlabel('时间')
15. ylabel('幅度')
16. grid on
17. set(gca,'FontWeight','bold','FontSize',10)
1.2 仿真结果及分析
图 1随机初相信号
如图1所示，产生了初相不同，频率和振幅相同的随机初相信号的3个样本函数，达到了设计要求。
由于相位ϕ\phiϕ是在区间(0,2π\piπ)取值的连续随机变量，不同ϕi\phi_iϕi对应不同的函数式：
xi(t)=Acos(ω0t+ϕi),ϕi∈(0,2π)x_i(t)=Acos(\omega_0t+\phi_i),\phi_i\in(0,2\pi) xi(t)=Acos(ω0t+ϕi),ϕi∈(0,2π)
因此随机相位信号：
X(t)=Acos(ω0t+ϕ)X(t)=Acos(\omega_0t+\phi) X(t)=Acos(ω0t+ϕ)
实际表示一族不同的时间函数。每次随机生成一个ϕi\phi_iϕi得到的观测结果都是一个确定的时间函数，即样本函数。这些样本函数的集合即构成随机过程，结合时间参量t为连续参量，可知该随机过程为连续型随机过程。
在图1中也可看出：当时间 t 固定为tjt_jtj时，随机过程仅随机因素ϕ\phiϕ变化，X(tj)X(t_j)X(tj)退化为一个随机变量也称作随机过程X(t)X(t)X(t)在t=tjt=t_jt=tj时的状态 。
二、设计正弦型信号加高斯白噪声的复合信号
2.1 原理及代码
2.1.1 基本参数的设置
• 采样点数N=216N=2^{16}N=216，使后文的离散傅里叶变换能够进行快速傅里叶变换
• 采样率Fs=10000Fs=10000Fs=10000
• 信号频率F=100HzF=100HzF=100Hz
• 信号振幅A=5A=5A=5
• 白噪声增益a=1a=1a=1
2.1.2 正弦信号的产生
与上文一样，先生成从1Fs\frac{1}{Fs}Fs1~NFs\frac{N}{Fs}FsN，步长为1Fs\frac{1}{Fs}Fs1的时间变量t，代入
s(t)=Acos(2πFt),s(t) = Acos(2\pi Ft), s(t)=Acos(2πFt),
得到正弦型信号。
2.1.3 高斯白噪声的产生
使用MATLAB中的randn函数来生成高斯白噪声n(t)n(t)n(t)，噪声长度为2.1.2中的时间变量t的长度，再乘以白噪声增益a，最终得到高斯白噪声。
2.1.4 信号叠加
将2.1.2生成的正弦型信号及2.1.3产生的高斯白噪声叠加，得到复合信号
X(t)=s(t)+n(t).X(t) = s(t)+n(t). X(t)=s(t)+n(t).
2.1.5 代码
1. clc,clear
2. close all
3. %% 复合信号
4. N=2^16;%采样点数
5. Fs=10000;%采样率
6. F=100;%信号频率
7.
8. t=0:1/Fs:N/Fs;
9. s=5*cos(2*pi*F*t);
10. figure()
11. plot(t,s);
12. ylabel('幅度(V)');
13. xlabel('时间(s)');
14. set(gca,'FontWeight','bold','FontSize',10)
15. axis([-inf inf -6 6])
16.
17. n=1*randn(size(t));
18. figure()
19. plot(t,n);
20. ylabel('幅度(V)');
21. xlabel('时间(s)');
22. set(gca,'FontWeight','bold','FontSize',10)
23.
24. x=s+n;
25. figure()
26. plot(t,x);
27. ylabel('幅度(V)');
28. xlabel('时间(s)');
29. set(gca,'FontWeight','bold','FontSize',10)
2.2 仿真结果及分析
图2 正弦型信号
图3 复合信号 使用MATLAB生成的正弦型信号及复合信号分别如图2和图3所示。
三、分析复合信号的幅度分布特性和功率谱密度
3.1 原理及代码
3.1.1 包络的概率分布
使用MATLAB中的histhisthist函数并将结果归一化得到复合信号X(t)X(t)X(t)包络的概率分布。
3.1.2 幅度分布特性
要得到复合信号的幅度分布特性，需要对复合信号进行傅里叶变换，即
X(ω)=∫∞∞X(t)e−jωtdt.X(\omega) = \int_\infty^\infty X(t) e^{-j\omega t}dt\,. X(ω)=∫∞∞X(t)e−jωtdt.
再对X(ω)X(\omega)X(ω)取绝对值，即可得到复合信号的幅度分布特性。
使用MATLAB中的FFT函数对复合信号X(t)X(t)X(t)进行离散傅里叶变换，返回的DFT点个数为采样点数N=216N=2^{16}N=216。
对变换后得到的序列取模即可得到幅值。但做FFT分析时，幅值大小与输入点数有关，要得到真实的幅值大小，需要将变换后的结果除以复合信号X(t)X(t)X(t)的长度（在本文中即采样点数N）得到X(t)X(t)X(t)的双边谱，再对除直流以外的其他分量乘以2后便可以得到复合信号X(t)X(t)X(t)的单边幅度分布特性A(f)A(f)A(f)。
接下来要得到幅度分布特性A(f)A(f)A(f)每一点对应的频率fff，只要生成从000~NNN间隔为1的序列，再乘以采用频率FsFsFs在除以复合信号X(t)X(t)X(t)的长度NNN即可。
3.1.3 功率谱密度
根据维纳—辛钦定理可以知道任意一个均值为常数的广义平稳随机过程的功率谱密度是其自相关函数的傅立叶变换。因为复合信号为广义平稳随机过程，所以适用维纳—辛钦定理。那么复合信号功率谱密度 的计算可以通过先求出复合信号的自相关函数的估计
R^X(m)=1N−∣m∣∑n=0N−∣m∣−1X(n+m)X(n)\hat{R}_{X}(m)=\frac{1}{N-|m|}\sum_{n=0}^{N-|m|-1} {X(n+m)X(n)} R^X(m)=N−∣m∣1n=0∑N−∣m∣−1X(n+m)X(n)
之后再对R^X(m)\hat{R}_{X}(m)R^X(m)进行傅里叶变换
G^X(ω)=∑m=−(N−1)N−1R^X(m)e−jmω\hat{G}_{X}(\omega)=\sum_{m=-(N-1)}^{N-1} \hat{R}_{X}(m)e^{-jm\omega} G^X(ω)=m=−(N−1)∑N−1R^X(m)e−jmω
使用MATLAB中的xcorrxcorrxcorr函数得到复合信号的自相关函数RX(τ)R_{X}(\tau)RX(τ)，之后与3.1.2类似，对RX(τ)R_{X}(\tau)RX(τ)作傅里叶变换，得到功率谱密度GX(f)G_{X}(f)GX(f)。
3.1.4 代码
1. %% 复合信号
2. %包络的概率密度
3. [histFreq, histXout]=hist(abs(x),100);
4. binWidth = histXout(2)-histXout(1);
5. figure()
6. hold on
7. bar(histXout, histFreq/binWidth/sum(histFreq))
8. plot(histXout,histFreq/binWidth/sum(histFreq),'r','linewidth',2);
9. xlabel('幅度(V)')
10. ylabel('概率')
11. set(gca,'FontWeight','bold','FontSize',10)
12.
13. %幅频特性
14. FFTx=fft(x,N); %离散傅里叶变换
15. A=abs(FFTx)/L; %转化为幅度
16. A(2:end)=A(2:end)*2; %单侧频谱非直流分量要乘2
17. A=A(1:L/2+1);
18. FFTx=FFTx(1:L/2+1);
19. fx=(0:(L/2))*Fs/N; %不同点对应的幅值,最多一半，因为奈奎斯特采样定理
20. figure()
21. plot(fx,A,'linewidth',2)
22. xlabel('频率(Hz)')
23. ylabel('幅度(V)')
24. axis([0 200 0 5])
25. set(gca,'FontWeight','bold','FontSize',10)
26.
27. %自相关函数
28. [Rx,lags]=xcorr(x,'biased');
29. figure()
30. plot(lags,Rx);
31. xlabel('时间间隔(s)');
32. ylabel('相关函数');
33. set(gca,'FontWeight','bold','FontSize',10)
34. %功率谱密度
35. [Gx,fGx]=pwelch(x,[],[],length(x),Fs);
36. figure()
37. plot(fGx,Gx)
38. xlabel('频率(Hz)')
39. ylabel('PSD(W/Hz)')
40. set(gca,'FontWeight','bold','FontSize',10)
41. axis([0 200 -inf inf])
42. Gx=abs(fft(Rx,size(Rx,2))/length(Rx));
43. Gx=Gx(1:length(Rx)/2+1);
44. Gx=[Gx(end:-1:1),Gx];
45. fGx=(0:(length(Rx)/2))*Fs/length(Rx);
46. fGx=[-fGx(end:-1:1),fGx];
47. figure()
48. plot(fGx,Gx,'linewidth',2)
49. axis([-150 150 -inf inf])
50. xlabel("频率(Hz)")
51. ylabel("PSD(W/Hz)")
52. set(gca,'FontWeight','bold','FontSize',10)
3.2 仿真结果及分析
复合信号包络的概率分布、幅度分布特性、自相关函数和功率谱密度分别如图 4、图 5、图 6和图 7所示。
图 4复合信号包络的概率分布
图 5复合信号幅度分布特性
图 6复合信号自相关函数
图 7复合信号功率谱密度
根据图 4可知，复合信号的包络大致服从广义瑞利分布，只是在幅度为0附近有较高的概率，这是由于噪声并不是窄带噪声导致的；根据图 5和图 7可知，信号的振幅和功率谱只有在100Hz附近有较大分量，其他地方只有较小波动；根据图 6可知，自相关函数在τ=0\tau=0τ=0处最大。所有结果与所学知识相符。
四、复合信号通过RC积分电路
4.1 原理及代码
RC积分电路的冲激响应为
h1(t)={ae−att≥00t<0h_1(t)= \begin{cases} ae^{-at} & t\geq0 \\ 0 & \text{t<0} \end{cases} h1(t)={ae−at0t≥0t<0
其中a=1RCa=\frac{1}{RC}a=RC1，对h1(t)h_1(t)h1(t)进行傅里叶变换得到传输函数为
H1(ω)=aa+jωH_1(\omega)=\frac{a}{a+j\omega} H1(ω)=a+jωa
4.1.1 包络的概率分布
复合信号同过RC积分电路，输出信号
Y1(t)=X(t)⊗h1(t)Y_1(t)=X(t)\otimes h_1(t) Y1(t)=X(t)⊗h1(t)
对其两边进行傅里叶变换得到
Y1(ω)=X(ω)H1(ω)Y_1(\omega)=X(\omega)H_1(\omega) Y1(ω)=X(ω)H1(ω)
接着对Y1(ω)Y_1(\omega)Y1(ω)进行傅里叶逆变换得到输信号的时域为
Y1(t)=∫−∞∞aa+jωX(ω)eiωtdωY_1(t)=\int_{-\infty}^{\infty}\frac{a}{a+j\omega}X(\omega)e^{i\omega t}d\omega Y1(t)=∫−∞∞a+jωaX(ω)eiωtdω
最后使用MATLAB中的histhisthist函数并将结果归一化得到输出信号 包络的概率分布。
4.1.2 幅度分布特性
输出信号的幅频特性为
∣Y1(ω)∣=∣X(ω)H1(ω)∣|Y_1(\omega)|=|X(\omega)H_1(\omega)| ∣Y1(ω)∣=∣X(ω)H1(ω)∣
其中
∣H1(ω)∣=aa2+ω2|H_1(\omega)|=\frac{a}{\sqrt {a^2+\omega^2}} ∣H1(ω)∣=a2+ω2a
即
∣Y1(ω)∣=aa2+ω2∣X(ω)∣|Y_1(\omega)|=\frac{a}{\sqrt {a^2+\omega^2}}|X(\omega)| ∣Y1(ω)∣=a2+ω2a∣X(ω)∣
4.1.3 功率谱密度
由于复合信号和输出信号平稳，所以可以采用频谱法来计算功率谱密度。根据公式
GY1(ω)=GX1(ω)∣H1(ω)∣2G_{Y_1}(\omega)=G_{X_1}(\omega)|H_1(\omega)|^2 GY1(ω)=GX1(ω)∣H1(ω)∣2
即可得到复合信号通过RC积分电路后的功率谱密度为
GY1(ω)=aa2+ω2GX1(ω)G_{Y_1}(\omega)=\frac{a}{a^2+\omega^2}G_{X_1}(\omega) GY1(ω)=a2+ω2aGX1(ω)
4.1.4 代码
1. %% 通过RC积分电路
2. R=1;
3. C=4;
4. a=1/(R*C);
5.
6. %包络的概率密度
7. H1=a./(a+fx*1i);
8. FFTy1=FFTx.*H1;
9. y1=ifft(FFTy1,N);
10. y1=real(y1)*2;
11. [histFreq, histXout]=hist(abs(y1),100);
12. binWidth = histXout(2)-histXout(1);
13. figure()
14. hold on
15. bar(histXout, histFreq/binWidth/sum(histFreq))
16. plot(histXout,histFreq/binWidth/sum(histFreq),'r','linewidth',2);
17. xlabel('幅度(V)')
18. ylabel('概率')
19. set(gca,'FontWeight','bold','FontSize',10)
20. %幅频特性
21. H1_abs=a./sqrt(a^2+fx.^2);
22. A1=A.*H1_abs;
23. figure()
24. subplot(2,1,1)
25. plot(fx,A1,'linewidth',2)
26. ylabel('幅度(V)');
27. xlabel('频率(Hz)');
28. title('通过RC积分电路后的幅频特性');
29. set(gca,'FontWeight','bold','FontSize',10)
30. axis([0 200 -inf inf])
31.
32. %功率谱密度
33. H1_2=1./(1+(fGx/a).^2);
34. Gy1=Gx.*H1_2;
35. % figure()
36. subplot(2,1,2)
37. plot(fGx,Gy1,'linewidth',2)
38. xlabel('频率(Hz)');
39. ylabel("PSD(W/Hz)")
40. title('通过RC积分电路后的功率谱密度');
41. set(gca,'FontWeight','bold','FontSize',10)
42. axis([-150 150 -inf inf])
4.2 仿真结果及分析
4.2.1 参数设置R=C=1
设置电容容值和和电阻阻值为1，得到输出信号的包络的概率分布、幅度分布特性和功率谱密度如图 8和图 9所示
图 8 R=C=1包络的概率分布
图 9R=C=1
4.2.2 参数设置R=C=2
增大电容容值和和电阻阻值，设置电容容值和和电阻阻值为2，得到输出信号的包络的概率分布、幅度分布特性和功率谱密度如图 10和图 11所示
图 10 R=C=2包络的概率分布
图 11 R=C=2
4.2.3 分析
根据图 9可知，复合信号通过RC积分电路后，低频的噪声被放大，幅频特性的低频分量变大，在功率谱密度在0Hz处出现了一些能量，并且高频的正弦信号被抑制，振幅和功率谱密度都有明显减小，这是由于RC积分电路的传输函数
∣H1(ω)∣=aa2+ω2|H_1(\omega)|=\frac{a}{\sqrt {a^2+\omega^2}} ∣H1(ω)∣=a2+ω2a
在ω\omegaω很大时趋近于0，导致了高频的信号被抑制。
对比图 9和图 11可知，增大 的值后，幅频特性在100Hz处的振幅变得更小，功率谱密度在100Hz处的功率谱密度也变得更小。这是由于RC增大后系统对高频的抑制相比于低频更加明显，所以导致了幅频特性和功率谱密度在100Hz处变得和低频处接近。
同时，根据包络的概率密度图 8和图 10可知，信号通过RC积分电路后，包络的概率更加趋近于正态分布，且RC越大，越接近正态分布，与通过幅度分布特性和功率谱密度的分析结果吻合。与所学知识相符。
五、复合信号通过理想低通系统
理想低通系统的幅频特性为
∣H2(ω)∣={K0∣ω∣≤ΔΩ0∣ω∣>ΔΩ|H_2(\omega)|= \begin{cases} K_0 & |\omega|\leq\Delta\Omega \\ 0 & |\omega|\gt\Delta\Omega \end{cases} ∣H2(ω)∣={K00∣ω∣≤ΔΩ∣ω∣>ΔΩ
其中ΔΩ\Delta\OmegaΔΩ为截止角频率，K0K_0K0为滤波器增益。
5.1 原理及代码
5.1.1 包络的概率分布
与4.1.1类似，得到复合信号通过理想低通系统后输出信号的时域为
Y2(t)=∫−ΔΩΔΩK0X(ω)ejωtdωY_2(t)=\int_{-\Delta\Omega}^{\Delta\Omega}K_0X(\omega)e^{j\omega t}d\omega Y2(t)=∫−ΔΩΔΩK0X(ω)ejωtdω
最后使用MATLAB中的hist函数并将结果归一化得到输出信号Y2(t)Y_2(t)Y2(t)包络的概率分布。
5.1.2 幅度分布特性
与4.1.2类似，得到复合信号通过理想低通系统的幅度分布特性为
∣Y2(ω)∣=∣X(ω)H2(ω)∣={K0∣X(ω)∣∣ω∣≤ΔΩ0∣ω∣>ΔΩ|Y_2(\omega)|=|X(\omega)H_2(\omega)|= \begin{cases} K_0|X(\omega)| & |\omega|\leq\Delta\Omega \\ 0 & |\omega|\gt\Delta\Omega \end{cases} ∣Y2(ω)∣=∣X(ω)H2(ω)∣={K0∣X(ω)∣0∣ω∣≤ΔΩ∣ω∣>ΔΩ
5.1.3 功率谱密度
与4.1.3类似，得到复合信号通过理想低通系统的功率谱密度为
GY2(ω)={K02∣GX(ω)∣∣ω∣≤ΔΩ0∣ω∣>ΔΩG_{Y_2}(\omega)= \begin{cases} K_0^2|G_{X}(\omega)| & |\omega|\leq\Delta\Omega \\ 0 & |\omega|\gt\Delta\Omega \end{cases} GY2(ω)={K02∣GX(ω)∣0∣ω∣≤ΔΩ∣ω∣>ΔΩ
5.1.4 代码
1. %% 通过理想低通滤波器
2. Fc=50; %截止频率
3. K0=1;
4. H2=fx;
5. H2(H2<=Fc)=1;
6. H2(H2>Fc)=0;
7. H2=H2*K0;
8. %包络的概率密度
9. FFTy2=FFTx.*H2;
10. y2=ifft(FFTy2,N);
11. y2=real(y2)*2;
12. [histFreq, histXout]=hist(abs(y2),100);
13. binWidth = histXout(2)-histXout(1);
14. figure()
15. hold on
16. bar(histXout, histFreq/binWidth/sum(histFreq))
17. plot(histXout,histFreq/binWidth/sum(histFreq),'r','linewidth',2);
18. xlabel('幅度(V)')
19. ylabel('概率')
20. set(gca,'FontWeight','bold','FontSize',10)
21. %%幅频特性
22. H2_abs=H2;
23. A2=A.*H2_abs;
24. figure()
25. subplot(2,1,1)
26. plot(fx,A2,'linewidth',2)
27. ylabel('幅度(V)');
28. xlabel('频率(Hz)');
29. title('通过理想低通滤波器后的幅频特性');
30. set(gca,'FontWeight','bold','FontSize',10)
31. axis([0 200 -inf inf])
32.
33. %功率谱密度
34. H2=fGx;
35. H2(abs(H2)<=Fc)=1;
36. H2(abs(H2)>Fc)=0;
37. H2=H2*K0;
38. H2_2=H2.^2;
39. Gy2=Gx.*H2_2;
40. subplot(2,1,2)
41. % figure()
42. plot(fGx,Gy2,'linewidth',2)
43. xlabel('频率(Hz)');
44. ylabel("PSD(W/Hz)")
45. title('通过理想低通滤波器后的功率谱密度');
46. set(gca,'FontWeight','bold','FontSize',10)
47. axis([-150 150 -inf inf])
5.2 仿真结果及分析
5.2.1 截止频率小于信号频率
设置截止频率为50Hz，得到输出信号的包络的概率分布、幅度分布特性和功率谱密度如图 12、图 13所示
图 12截止频率50Hz包络的概率分布
图 13截止频率50Hz
5.2.2 截止频率大于信号频率
设置截止频率为150Hz，得到输出信号的包络的概率分布、幅度分布特性和功率谱密度如图 14、图 15所示
图14截止频率150Hz包络的概率分布
图15截止频率150Hz
5.2.3 分析
根据图13和图15可知，当理想低通系统的截止频率低于正弦型信号的频率时，输出信号的振幅分布特性和功率谱密度都只有微弱的低频分量。当理想低通系统的截止频率高于正弦型信号的频率时，输出信号的振幅分布特性和功率谱密度在正弦型信号频率100Hz处有较大分量。
同时，根据图12可知，输出信号包络的概率分布近似于正态分布，这是由于只留下了低频的噪声导致的；而根据图14可知，输出信号近似于广义瑞利分布，这是由于正弦信号也被系统完好地保留下来了。与所学知识相符。
西安电子科技大学-随机信号分析大作业相关推荐
- 西安电子科技大学-电磁场与电磁波大作业-生活中的电磁场与电磁波
西安电子科技大学-电磁场与电磁波大作业-生活中的电磁场与电磁波 简介 一.航模接收机的天线 二.防蓝光眼镜 三.隐身飞机的外形 简介 本文旨在给学弟学妹做大作业时提供思路,学校作业可能会查重,学弟 ...
- 最优解matlab机械大作业,最速下降法求最优解西安电子科技大学matlab结课大作业...
07112016.最速下降法求最优解 六. 结果评价 本次测试分别从两组不同的初始搜索位置,两组不同 a,b,c,d 值出发, 两两比较可得结论:测试用例 abcd 为某些特定值时,不同初始搜索位置可 ...
- 西安电子科技大学833真题_院校专业课真题分享西安电子科技大学931信号与线性系统...
今日分享---西安电子科技大学931信号与线性系统 该资料有制作者联系方式,待确定目标后可联系学长 由于资料只能以截图方式上传,因此较为模糊,资料内容较多未全部截图,仅上传了其中的一部分,具体内容请参 ...
- 西安电子科技大学-信号与线性系统大作业-歌曲人声消除
西安电子科技大学-信号与线性系统大作业-歌曲人声消除 简介 一.内容与要求 二.思路与方案 2.1 立体声消除人声 2.1.1 基本原理 2.1.2 通过左右两声道的音频消除人声 2.2 设计带阻滤波 ...
- 西安电子科技大学-数据结构大作业-TSP问题
西安电子科技大学-数据结构大作业-TSP问题 简介 一．题目9.TSP 1.1问题概述 1.2问题分析 1.3问题求解 1.3.1构建邻接矩阵 1.3.2寻找最优解 1.3.3结果 1.4总结 附录 ...
- 西安电子科技大学-EDA大作业-交通控制器
西安电子科技大学-EDA大作业-交通控制器 简介 一.实验目的 二.设计任务 三.程序设计 3.1 分频器 3.2 45秒倒计时 3.3 数码管译码器 3.4 总控制器 3.5 顶层设计 3.6 引脚 ...
- 基于GIS的校园公交车管理系统设计（西安电子科技大学GIS课程大作业）
基于GIS的校园公交车管理系统设计 一.任务 通过信息网络将现实校园的各种信息收集,整理,归纳,存储,分析和优化,进而对校园的教学资源,校园环境等方面的实体和现象进行模拟,仿真,表现,分析和深入认识. ...
- 大学计算机实践教程4.3综合作业,2020年下学期西安电子科技大学《基础实验》综合大作业.docx...
学习中心/函授站 _ 姓 名 学 号 西安电子科技大学网络与继续教育学院 2020 学年下学期 <基础实验>期末考试试题 (综合大作业) 题号 一 总分 题分 100 得分 考试说明: 1 ...
- 西安电子科大计算机考研调剂,西安电子科技大学电子工程学院2020考研调剂信息...
考研调剂是考研考生在第一志愿没有通过自己报考学校考试,但初试成绩符合复试调剂基本分数要求但在原报考单位没有复试资格,可以申请调剂.2020考研国家线已公布,2020考研调剂系统5月20日已开通,考研成 ...
- 大数据早报：西安电子科技大学成立部属全国高校首个人工智能学院； 三星与京东达成合作，用AI等技术为消费者带来创新购物体验（11.10）
数据早知道,上乐投网看早报! 『MongoDB』MongoDB 3.6 默认对数据库勒索软件开启防御 2017 有一条关于 MongoDB 的重大安全新闻引起了广泛关注 -- MongoDB 被数据库 ...
最新文章
- 阿里离职员工吐槽加班太疯狂，所有的高薪都是加班加出来的！被榨干到一丝精力都不剩！婚姻不保！...
- R语言使用ggplot2包使用geom_violin函数绘制分组小提琴图(自定义分组的填充色)实战
- 独家 | 带你认识几种最流行的Python编辑器/IDEs（附链接）
- 符号说明表怎么做_教会你的孩子正确使用标点符号
- 求离散数据的突变点_Nat Gen | 染色质三维构象决定突变分布
- 变量之--列表初始化和结构化绑定
- JAVA笔记11__File类/File类作业/字节输出流、输入流/字符输出流、输入流/文件复制/转换流...
- 2019-03-21-算法-进化（合并两个有序链表）
- 指定module_一个缺失已久的特性 — module模块
- 'vue-cli-service' 不是内部或外部命令，也不是可运行的程序 或批处理文件
- 国内开源项目无法形成气候且难以持续性的问题分析
- java基础-01基本概念
- u大师装iso系统linux,【iso怎么用u盘装系统】iso镜像怎么用u盘装_iso用u盘装系统－系统城...
- TRACE32-ICD的在线帮助ICD教程摘要
- mac苹果电脑使用耳机听不到声音
- 基于crontab的服务器恶意程序
- 大前端CPU优化技术--NEON技术
- HoughCircles()函数 画圆心和圆的轮廓
- Android Library的创建及使用详解
- Redis存放短信验证码 RedisTemplate =＞opsForValue