clc
close?all
clear?all


?rng（1）;%設置種子?產生固定白噪聲（詳見幫助文檔）

N=1024;%產生高斯白噪聲方法1
pee=2;%功率
e=wgn（1Npee）;
pw=sum（abs（e）.^2）/N;???%?驗證功率
mean=sum（e）/N;?????????%驗證均值
d=var（e）;????????????????%驗證方差

%?%產生任意均值和方差白噪聲方法?2
%?%?rand函數產生的是幅值為[0，1]均勻分布的白噪聲，均值為1/2，方差為1/12
%?%?使用下面的公式可以產生指定均值和方差的均勻分布的白噪聲
%?v=2;%方差
%?m=0;%均值
%?white_noise?=??（rand（1N）?-?0.5?）?*?sqrt（?12?*?v?）?+?m;%給定均值與方差的白噪聲
%?mea=mean（white_noise）;
%?va=var（white_noise）;
%?Q=sum（abs（white_noise）.^2）/N;

[ba]=cheby2（1080[380?400]/750‘bandpass‘）;%濾波器
[HH2W22]=freqz（ba）;
x=filter（bae）;%AR建模產生樣本信號x（n）
figure（1）
plot（W22/pi10*log10（abs（HH2）））;
title（‘窄帶濾波器幅頻響應‘）;
xlabel（‘角頻率?（x?\pi）‘）;
ylabel（‘幅度（db）‘）;


figure（2）
subplot（121）
plot（1:Ne）;
title（‘方差為2的1024點高斯白噪聲‘）
xlabel（‘個數‘）;
ylabel（‘幅度（db）‘）;
subplot（122）
plot（1:Nx）;
title（‘AR建模產生信號x（n）‘）
xlabel（‘個數‘）;
ylabel（‘幅度（db）‘）;

x1=fft（x）;%直接法估計
x11=abs（x1）.^2;
x111=10*log10（（x11）/N）;
N1=length（x111）;


pow=0;
for?ii=1:length（x）
????pow=pow+（abs（x（ii）））.^2;
end
pow111=pow/length（x）;
pow1111=10*log10（pow111）;%信號功率（時域）

%AR模型估計功率譜
%點數為1024，假設pe為300
r=zeros（1N）;
M=500;%M>>pe??M?的選擇參見書130
pe=300;