前言

编写初心，是希望能对相关概念形成一种抽象的理解，并结合一些具体的可能应用场景去思考。
为了避免文章过于冗长，本章只给出相关概念的实验结果，代码部分和尽可能详细的注释。
具体的数学公式在此忽略，但更深入的理解离不开扎实的数学知识。

具体函数代码及注释

相关运算 - xcorr()

基本运算示例

信号x = [2,1,-2,1]与信号h = [-1,2,1,-1]，进行相关运算

% 离散信号x与离散信号h进行相关运算
 x = [2,1,-2,1]; h = [-1,2,1,-1]
 k = [0:3]%索引
 [y2,n] = xcorr(x) %自相关运算；
 y3 = xcorr(x,h) %相关函数描述了两个信号之在这里插入代码片间的相似性，其相关性大小有相关系数衡量；
 y4 = xcorr(h,x) %交换参数，检验其区别
 y5 = flip(y3)   %序列的翻转-用于验证y3与y4的关系
 subplot(2,3,1)
 stem(k,x); title('信号x')
 subplot(2,3,2)
 stem(k,h); title('信号h')
 subplot(2,3,3)
 stem(n,y2); title('信号x进行自相关运算')  % 可见0点的值最大，因为自己与自己最像
 subplot(2,3,4)
 stem(y3); title('相关运算结果')
 subplot(2,3,5)
 stem(y4)
 subplot(2,3,6)
 stem(y5)

实用示例 - 检测被污染信号中是否含有目标信号

已知：有用信号为x，被污染信号为s，污染信号为高斯噪声信号。
推断：由于x和s的自相关结果近似相等，一般有用信号与噪声信号不相关，因此可以推断s中含有x。

fs = 100;t = 0:1/fs:5-1/fs
x = 1.3*sin(2*pi*15*t)+1.7*cos(2*pi*40*(t-2))  %有用信号
r = 0.4*randn(size(t)) % 噪声信号
s = x+r % 接收信号（被污染的信号）
[yx,m]=xcorr(x);[ys,n]=xcorr(s)
subplot(2,2,1);plot(t,x);title('信号x') %绘制x
subplot(2,2,2);plot(t,s);title('信号s') %绘制s
subplot(2,2,3);plot(m,yx);title('x自相关运算结果') %x相关运算结果
subplot(2,2,4);plot(n,ys);title('s自相关运算结果') %y相关运算结果

卷积运算 - conv()

实用示例 - 因式相乘

比如计算以下分式：
$$y_1(x)=1+5x+6x^2+x^4；y_2(x)=1+2x+4x^2+4x^3.$$
$$y_3(x)=y_1(x)\ast y_2(x)$$

a = [1 5 6 0 1] % y1的系数，一定要按顺序，且不能漏掉最低项和最高项之间系数为0的项
b = [1 2 4 4] % y2的系数
output = conv(a,b) % y3的系数

结果如下：

所以
$$y_3(x)=1+7x+20x^2+36x^3+45x^4+26x^5+4x^6+4x^7$$

最后

以上就是谨慎电脑为你收集整理的Matlab_DSP基础运算（相关、卷积）前言具体函数代码及注释的全部内容，希望文章能够帮你解决Matlab_DSP基础运算（相关、卷积）前言具体函数代码及注释所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。