别再被噪声搞晕了!用MATLAB的autocorr函数,5分钟看懂平稳与非平稳信号的区别
信号处理工程师最头疼的莫过于面对一段未知特性的噪声数据——它究竟是平稳的还是非平稳的?这个问题直接决定了后续分析方法的选取。今天我们不谈艰深的理论,而是用MATLAB的autocorr函数,带你在5分钟内通过图形化分析掌握判断技巧。
1. 准备工作:认识你的武器库
工欲善其事,必先利其器。我们先来快速配置MATLAB环境:
matlab复制% 基础环境配置
clear all; close all; clc;
rng(2023); % 固定随机种子保证结果可复现
fs = 1000; % 采样频率1kHz
t = 0:1/fs:1; % 1秒时间序列
关键工具解析:
autocorr函数:本次分析的核心武器,计算并绘制信号自相关xcorr函数:更底层的互相关计算函数,可自定义归一化方式findpeaks函数:辅助识别自相关图中的特征峰
提示:建议在运行代码前先执行
clear all清除工作区变量,避免旧数据干扰
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 生成对比样本:亲手制造噪声
理解差异最好的方式就是自己创造差异。我们先生成典型的平稳和非平稳噪声样本:
2.1 平稳噪声生成
matlab复制% 高斯白噪声(典型平稳噪声)
stationary_noise = 0.5*randn(size(t));
figure;
subplot(2,1,1);
plot(t, stationary_noise);
title('平稳噪声时域波形');
xlabel('时间(s)'); ylabel('幅值');
subplot(2,1,2);
autocorr(stationary_noise);
title('自相关函数');
平稳噪声的特征:
- 时域波形:幅值波动无明显规律
- 自相关图:除零延迟外快速衰减到置信区间内
2.2 非平稳噪声生成
matlab复制% 时变均值噪声(典型非平稳噪声)
nonstationary_noise = sin(2*pi*2*t) + 0.3*randn(size(t));
figure;
subplot(2,1,1);
plot(t, nonstat
