请写一下频域自适应滤波器的matlab程序

时间: 2023-03-12 21:19:53 浏览: 57
频域自适应滤波器是一种非常有用的信号处理技术,可以有效地减少噪声和提高信号的质量。matlab程序的代码如下所示:clear clc close all%步骤1:读取输入信号 x=load('输入信号文件.txt');%步骤2:利用频域自适应滤波器减少噪声 N = length(x); %信号的长度 h = ones(1,N); %初始化滤波系数 for k = 1:N h(k) = 1/N; %滤波系数 end%将输入信号与滤波系数相乘 y = conv(x,h);%步骤3:输出滤波后的信号 figure; plot(y); title('频域自适应滤波器输出信号'); xlabel('时间(s)'); ylabel('信号值');
相关问题

考虑次级通道传递函数的频域自适应滤波器matlab

以下是使用MATLAB进行次级通道传递函数的频域自适应滤波器的示例代码: ```matlab % 假设次级通道传递函数为H(z) = (z - 0.5) / (z - 0.9) % 生成输入信号 Fs = 1000; % 采样率 t = 0:1/Fs:1; % 时间向量 x = sin(2*pi*60*t) + sin(2*pi*200*t) + sin(2*pi*0.5*t); % 输入信号 % 计算输入信号的频谱 xdft = fft(x); % 进行傅里叶变换 N = numel(x); % 信号长度 xdft = xdft(1:numel(xdft)/2+1); % 取一半的频谱 freq = 0:Fs/N:Fs/2; % 频率向量 % 计算次级通道传递函数的频谱 H = freqz([1 -0.5], [1 -0.9], numel(freq), Fs); % 计算传递函数的频谱 % 进行频域自适应滤波 y = ifft(xdft ./ H); % 将输入信号的频谱除以传递函数的频谱,并进行逆傅里叶变换得到输出信号 % 绘制结果 subplot(2,1,1); plot(freq, 20*log10(abs(xdft))); xlabel('Cycles/second'); ylabel('dB'); title('输入信号频谱'); grid on; subplot(2,1,2); plot(t, y); xlabel('Time (s)'); ylabel('Amplitude'); title('滤波后的输出信号'); grid on; ```

自适应滤波器matlab

自适应滤波器是一种通过自动调整滤波器参数来抑制信号中噪声的数字滤波器。在matlab中,可以使用AdaptiveFilter对象进行自适应滤波操作。该对象支持多种自适应算法,包括最小均方(LMS)和递归最小二乘(RLS)算法。 使用MATLAB实现自适应滤波器的步骤如下: 1.准备滤波器参数:选择自适应滤波算法、滤波器阶数、步长大小等参数。 2.加载信号数据:将待滤波的信号加载到MATLAB中。 3.创建AdaptiveFilter对象:使用adpativeFilter函数创建自适应滤波器对象,并指定滤波器参数。 4.应用滤波器:使用filter方法将信号输入滤波器对象中,并返回滤波后的信号。 5.分析滤波结果:通过信号的时域和频域分析,评估滤波器的性能。 值得注意的是,在某些情况下,自适应滤波器可能无法有效去除噪声。此时,应该采用其他滤波器算法,比如FIR滤波器或IIR滤波器来进行信号滤波。

相关推荐

以下是一个基于matlab的频域自适应滤波程序: matlab clc; clear all; close all; % 读取原始音频数据 [input, Fs] = audioread('example_audio.wav'); % 生成高斯噪声 noise = 0.2*randn(size(input)); % 添加高斯噪声 input_noisy = input + noise; % 使用频域自适应滤波去除噪声 order = 4; % 滤波器阶数 mu = 0.001; % 步长 L = 256; % 每帧长度 overlap = L/2; % 帧重叠长度 N = length(input_noisy); % 信号长度 y = zeros(size(input_noisy)); % 输出信号 buffer = zeros(L,1); % 缓冲区 W = zeros(order+1,L); % 滤波器系数矩阵 for n = 1:overlap:N-L+1 % 提取当前帧 buffer(1:L/2) = buffer(L/2+1:L); buffer(L/2+1:L) = input_noisy(n:n+L/2-1); x = fft(buffer); % 计算估计输出信号 y_hat = ifft(sum(W.*conj(x),1)); % 更新滤波器系数 e = buffer(L/2+1:L) - y_hat(L/2+1:L); for k = 1:order+1 W(k,:) = W(k,:) + mu*conj(e).*x(k,:); end % 重叠相加 y(n:n+L/2-1) = y(n:n+L/2-1) + y_hat(1:L/2); end % 去除前后空白 output = y(L:end-L/2); % 绘制原始信号、带噪信号和输出信号 t = (0:N-1)/Fs; figure; subplot(3,1,1); plot(t, input); xlabel('Time (s)'); ylabel('Amplitude'); title('Original Signal'); subplot(3,1,2); plot(t, input_noisy); xlabel('Time (s)'); ylabel('Amplitude'); title('Noisy Signal'); subplot(3,1,3); plot(t, output); xlabel('Time (s)'); ylabel('Amplitude'); title('Filtered Signal'); 程序中使用了一个长度为256,重叠长度为128的帧进行处理。滤波器阶数为4,步长为0.001。可以根据实际情况调整这些参数。
### 回答1: 可以回答这个问题。以下是一个简单的 MATLAB 频率自适应滤波程序的示例: matlab % 生成一个带噪声的信号 t = :.001:1; x = sin(2*pi*50*t) + sin(2*pi*120*t); y = x + 2*randn(size(t)); % 初始化自适应滤波器 order = 4; % 滤波器阶数 mu = .05; % 步长 w = zeros(order, 1); % 初始权值 % 自适应滤波 for n = order:length(y) u = y(n:-1:n-order+1); % 输入向量 y_hat = w'*u; % 预测输出 e = y(n) - y_hat; % 误差 w = w + mu*e*u; % 更新权值 end % 绘制结果 figure; plot(t, x, 'b', t, y, 'g', t, y_hat, 'r'); legend('原始信号', '带噪声信号', '滤波后信号'); 这个程序演示了如何使用自适应滤波器去除带噪声信号中的噪声。程序中的 order 变量表示滤波器的阶数,mu 变量表示步长,w 变量表示滤波器的权值。在每个时间步骤中,程序使用当前的输入向量 u 和当前的权值 w 预测输出,并计算误差。然后,程序使用误差和输入向量更新权值。最终,程序绘制了原始信号、带噪声信号和滤波后信号的图形。 ### 回答2: 使用Matlab编写频率自适应滤波程序可以通过以下步骤完成。 1. 导入信号:首先,使用Matlab的audioread函数将需要进行滤波的音频信号文件导入到程序中。例如,[audio, fs] = audioread('audiofile.wav'),其中audio为导入的音频信号,fs为采样率。 2. 设计滤波器:根据需要设计一个适合的滤波器。Matlab提供了多种滤波器设计函数,如低通滤波器lowpass,高通滤波器highpass和带通滤波器bandpass等。选择合适的滤波器类型,并根据需要设置滤波器参数。例如,filt = designfilt('lowpassfir', 'PassbandFrequency', 2000, 'StopbandFrequency', 3000, 'SampleRate', fs)设计一个低通滤波器,其通带频率为2000 Hz,阻带频率为3000 Hz。 3. 频率自适应滤波:使用Matlab的adapthisteq函数对音频信号进行频率自适应滤波。该函数可以根据输入的直方图增强图像的对比度。通过调整函数的参数,可以得到不同程度的滤波效果。例如,filtered_audio = adapthisteq(audio, 'ClipLimit', 0.02)对音频信号进行频率自适应滤波,ClipLimit参数可以调整滤波的程度。 4. 输出滤波后的信号:将滤波后的信号保存到一个新的音频文件中,使用Matlab的audiowrite函数即可实现。例如,audiowrite('filtered_audio.wav', filtered_audio, fs)将滤波后的音频信号保存到filtered_audio.wav文件中。 以上是一个简单的频率自适应滤波程序的实现步骤。可以根据具体需求对以上步骤进行调整和扩展。 ### 回答3: 使用MATLAB编写一个频率自适应滤波的程序,可以通过以下步骤实现: 1. 导入需要处理的音频信号或图像。可以使用MATLAB的内置函数audioread将音频文件导入为一个向量,或者使用imread将图像文件导入为一个矩阵。 2. 对导入的信号或图像进行傅里叶变换,得到其频域表示。可以使用MATLAB的fft函数实现傅里叶变换。得到的频域表示是一个复数矩阵,可以通过取绝对值后平方得到能量谱。 3. 根据能量谱确定需要滤除的频率范围,选择适当的阈值进行滤波。可以设置一个能量阈值,将能量低于该阈值的频率部分置零,仅保留能量较高的频率成分。可以使用MATLAB的逻辑运算来实现这一步骤。 4. 根据滤波后的频域表示,进行傅里叶反变换,得到滤波后的时域信号或图像。可以使用MATLAB的ifft函数实现傅里叶反变换。 5. 最后,可以将滤波后的结果进行保存或者进行进一步的处理和分析。 在编写程序时,请注意处理的数据类型和维度,并且合理选择阈值和滤波方法,以实现想要的滤波效果。
LMS(最小均方)算法是一种自适应滤波算法,用于估计线性信道的脉冲响应。LMS算法通过不断调整滤波器的权重来最小化输入信号与期望输出信号之间的均方误差(MSE)。在频域中使用LMS算法估计线性信道的方法可以提高算法的性能。 以下是使用MATLAB实现LMS频域算法的示例代码: matlab % 设置参数 N = 1000; % 输入信号长度 M = 10; % 滤波器长度 mu = 0.01; % 步长 % 生成随机输入信号 inputSignal = randn(1, N); % 生成脉冲响应 channelResponse = [0.5, 0.3, -0.2, 0.1, 0.05, 0.02, 0.01, 0.005, 0.002, 0.001]; % 生成调制信号 modulatedSignal = qammod(inputSignal, 16); % 使用16-QAM调制 % 添加噪声 SNR = 10; % 信噪比 noisySignal = awgn(modulatedSignal, SNR); % 初始化滤波器权重 weights = zeros(1, M); % 使用LMS算法估计脉冲响应 for n = M:N % 提取当前输入信号 currentInput = noisySignal(n:-1:n-M+1); % 计算输出信号 output = weights * currentInput.'; % 计算误差 error = modulatedSignal(n) - output; % 更新滤波器权重 weights = weights + mu * error * currentInput;end % 显示估计的脉冲响应 estimatedResponse = weights; plot(1:M, channelResponse, 'b', 1:M, estimatedResponse, 'r'); legend('真实脉冲响应', '估计脉冲响应'); xlabel('滤波器权重索引'); ylabel('权重值'); 这段代码首先设置了参数,包括输入信号长度N、滤波器长度M和步长mu。然后生成了随机输入信号、脉冲响应和调制信号。接下来,添加了指定信噪比的高斯噪声。然后,初始化滤波器权重,并使用LMS算法估计脉冲响应。最后,绘制了真实脉冲响应和估计脉冲响应的图像。
### 回答1: 噪声压制是在信号处理领域中常见的问题,许多研究人员和工程师都致力于开发有效的噪声压制算法和工具。MATLAB作为一种功能强大的数值计算和数据分析软件,提供了许多用于噪声压制的工具和函数。 在MATLAB中,可以使用各种滤波器设计方法来压制噪声干扰。其中,数字滤波是一种实现噪声滤波的常用方法。MATLAB中有许多内置的函数,如fir1和butter,可以根据设计要求设计滤波器。可以通过选择适当的滤波器结构和参数,将噪声信号滤除或减弱,并保留感兴趣的信号。 此外,MATLAB还提供了各种降噪算法和方法,包括小波降噪、奇异值分解降噪、自适应降噪等。这些方法可以根据噪声特性和信号特征进行选择和调整,以实现更好的噪声压制效果。 除了滤波和降噪方法,还可以使用其他信号处理技术来压制噪声干扰。例如,可以通过频谱分析来确定噪声频率范围,并使用滤波或其他处理方法针对性地压制该频率范围内的噪声。此外,MATLAB还提供了一些信号增强和重建方法,例如谱减法、幅度修剪等,可以改善信号质量并减小噪声干扰。 总之,MATLAB是一个功能丰富的软件,提供了各种用于噪声压制的工具和函数。根据具体需求和任务,可以选择合适的方法和算法进行噪声干扰的压制。通过合理选择和调整参数,可以实现较好的噪声压制效果。 ### 回答2: 噪声压制是指通过采取一系列技术手段来降低或消除噪声对信号的干扰。在MATLAB中,可以使用各种方法来实现噪声压制,下面是一个简单的程序示例。 首先,可以使用MATLAB的信号处理工具箱中的函数来加载并显示待处理的信号。例如,可以使用 audioread 函数加载音频文件,并使用 plot 函数可视化信号的时域和频域特征。 接下来,可以使用滤波器技术来降低噪声。MATLAB提供了多种滤波器函数,如 designfilt 和 filter,可以实现常见的滤波器设计和滤波操作。用户可以根据具体的需求选择合适的滤波器类型。 例如,可以使用低通滤波器来滤除高频噪声。先使用 designfilt 函数设计一个低通滤波器,设定截止频率,然后使用 filter 函数将滤波器应用到信号上。 除了滤波器,还可以使用其他的信号处理方法来降低噪声。例如,可以使用谱减法来估计噪声,并将其从信号中减去。MATLAB提供了一些函数,如 estimateNoise 和 spectrumSubtract,可用于执行这些操作。 最后,可以使用 audiowrite 函数将处理后的信号保存到文件中,以供后续分析或播放。 综上所述,MATLAB提供了丰富的信号处理工具和函数,可以实现噪声压制的各种方法。用户可以根据具体的需求选择合适的方法并编写相应的程序来实现噪声压制。 ### 回答3: 噪声压制干扰是一种常见的信号处理问题,在matlab中可以通过多种方法实现。 一种常用的方法是使用滤波器。可以使用数字滤波器设计工具,如fir1函数来设计一个合适的滤波器。该函数可以根据给定的参数来生成一个滤波器系数向量。在设计滤波器时应考虑到信号的频率范围和噪声的特点,以达到良好的噪声抑制效果。然后,使用filter函数将滤波器系数向量应用于原始信号,从而实现噪声的抑制。 另一种方法是通过使用频谱分析工具来压制噪声。可以使用fft函数计算信号的频谱,然后根据频谱的特点来对噪声进行抑制。例如,可以通过在频谱中设置一个合适的阈值来滤除较低功率的频率成分,同时保留较高功率的信号成分。然后,使用ifft函数将处理后的频域信号转换回时域,得到滤除噪声的信号。 除了滤波器和频谱分析方法,还可以使用其他一些技术来实现噪声压制。其中之一是自适应滤波。自适应滤波技术使用自适应算法来估计信号与噪声的相关性,然后动态调整滤波器参数以最小化噪声干扰。在matlab中,可以使用adaptiveFilter函数来实现自适应滤波。 总之,噪声压制干扰是一个需要综合考虑信号特点和噪声特点的问题,在matlab中可以使用滤波器、频谱分析工具和自适应滤波等方法来实现。根据实际情况选择适合的方法来进行噪声抑制,从而提高信号质量。
外骨骼自适应控制学习(三)的肌电信号预处理是通过matlab仿真数据进行的。肌电信号是人体肌肉的电活动信号,可以通过电极采集得到。由于肌电信号存在噪声和干扰,需要进行预处理才能得到可靠的信号。 首先,利用matlab仿真数据生成肌电信号。仿真数据可以模拟真实的肌电信号特征,并且可以控制信号的强度和噪声水平。通过仿真数据可以得到一系列的肌电信号数据。 然后,对仿真数据进行预处理。首先需要滤波处理,以去除高频噪声和低频漂移。常用的滤波方法有低通滤波和带通滤波。滤波可以通过巴特沃斯滤波器、滑动平均滤波器等实现。 接着,对预处理后的肌电信号进行特征提取。常用的特征包括时域和频域特征。时域特征可以通过计算肌电信号的均值、方差、峰值等实现。频域特征可以通过快速傅里叶变换(FFT)将信号转换到频域,并计算信号的功率谱密度。 最后,对提取的特征进行分析和处理。可以通过机器学习算法,比如支持向量机(SVM)、人工神经网络(ANN)等,对特征进行分类和识别,以实现对肌电信号的自动识别和控制。 总之,外骨骼自适应控制学习(三)的肌电信号预处理通过matlab仿真数据进行。通过滤波处理和特征提取,可以得到可靠的肌电信号,并通过机器学习算法实现信号的分类和识别。这对于外骨骼的自适应控制具有重要意义。
自适应卡尔曼滤波是一种用于去噪的滤波方法。它结合了自适应滤波和卡尔曼滤波的原理,可以根据输入信号的特性自动调整滤波器参数,从而实现更好的去噪效果。自适应卡尔曼滤波可以根据信号的统计特性动态地调整卡尔曼滤波器的参数,使其更适应噪声环境的变化。 自适应卡尔曼滤波器的主要步骤如下: 1. 初始化卡尔曼滤波器的参数,包括状态向量、过程噪声方差、测量噪声方差等。 2. 通过测量信号更新卡尔曼滤波器的状态估计和协方差矩阵。 3. 通过测量噪声方差和卡尔曼增益计算自适应因子,用于调整卡尔曼滤波器的参数。 4. 根据自适应因子更新卡尔曼滤波器的参数。 5. 重复步骤2至步骤4,直到满足停止准则。 自适应卡尔曼滤波器在实际应用中被广泛用于信号处理、图像处理和控制系统等领域,可以有效地去除噪声,提高信号的质量和可靠性。引用介绍了一些常用的自适应滤波算法,包括最小均方滤波器(LMS)、块最小均方滤波器(BLMS)、归一化最小均方滤波器(NLMS)等。而引用则提到了在卡尔曼滤波器中,初始值的选择要合理,大致落在数据区间内。引用则是一个关于自适应强跟踪Sage-Husa卡尔曼滤波器载波环设计的研究论文的引用。 综上所述,自适应卡尔曼滤波器是一种用于去噪的滤波方法,通过自动调整滤波器参数来适应信号的特性,从而实现更好的去噪效果。它结合了自适应滤波和卡尔曼滤波的原理,并在实际应用中被广泛使用。123 #### 引用[.reference_title] - *1* [一系列自适应滤波器的简单高效的python实现_Python 卡尔曼滤波器 自适应滤波器 频域滤波 volterra过滤器](https://download.csdn.net/download/qq_38334677/85520548)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] - *2* *3* [【信号去噪】基于Sage-Husa自适应卡尔曼滤波器实现海浪磁场噪声抑制及海浪磁场噪声的产生附matlab代码](https://blog.csdn.net/matlab_dingdang/article/details/126237782)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_1"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

最新推荐

Java毕业设计--SpringBoot+Vue的智慧外贸平台(附源码,数据库,教程).zip

Java 毕业设计,Java 课程设计,基于 SpringBoot +Vue 开发的,含有代码注释,新手也可看懂。毕业设计、期末大作业、课程设计、高分必看,下载下来,简单部署,就可以使用。 包含:项目源码、数据库脚本、软件工具等,前后端代码都在里面。 该系统功能完善、界面美观、操作简单、功能齐全、管理便捷,具有很高的实际应用价值。 项目都经过严格调试,确保可以运行! 1. 技术组成 前端:html、javascript、Vue 后台框架:SpringBoot 开发环境:idea 数据库:MySql(建议用 5.7 版本,8.0 有时候会有坑) 数据库工具:navicat 部署环境:Tomcat(建议用 7.x 或者 8.x 版本), maven 2. 部署 如果部署有疑问的话,可以找我咨询 后台路径地址:localhost:8080/项目名称/admin/dist/index.html 前台路径地址:localhost:8080/项目名称/front/index.html (无前台不需要输入)

输入输出方法及常用的接口电路资料PPT学习教案.pptx

输入输出方法及常用的接口电路资料PPT学习教案.pptx

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire

Office 365常规运维操作简介

# 1. Office 365概述 ## 1.1 Office 365简介 Office 365是由微软提供的云端应用服务,为用户提供办公软件和生产力工具的订阅服务。用户可以通过互联网在任何设备上使用Office应用程序,并享受文件存储、邮件服务、在线会议等功能。 ## 1.2 Office 365的优势 - **灵活性**:用户可以根据实际需求选择不同的订阅计划,灵活扩展或缩减服务。 - **便捷性**:无需安装繁琐的软件,随时随地通过互联网访问Office应用程序和文件。 - **协作性**:多人可同时编辑文档、实时共享文件,提高团队协作效率。 - **安全性**:微软提供安全可靠

如何查看linux上安装的mysql的账号和密码

你可以通过以下步骤查看 Linux 上安装的 MySQL 的账号和密码: 1. 进入 MySQL 安装目录,一般是 /usr/local/mysql/bin。 2. 使用以下命令登录 MySQL: ``` ./mysql -u root -p ``` 其中,-u 表示要使用的用户名,这里使用的是 root;-p 表示需要输入密码才能登录。 3. 输入密码并登录。 4. 进入 MySQL 的信息库(mysql): ``` use mysql; ``` 5. 查看 MySQL 中的用户表(user): ``` se

最新电力电容器及其配套设备行业安全生产设备设施及隐患排查治理.docx

2021年 各行业安全生产教育培训

"互动学习:行动中的多样性与论文攻读经历"

多样性她- 事实上SCI NCES你的时间表ECOLEDO C Tora SC和NCESPOUR l’Ingén学习互动,互动学习以行动为中心的强化学习学会互动,互动学习,以行动为中心的强化学习计算机科学博士论文于2021年9月28日在Villeneuve d'Asq公开支持马修·瑟林评审团主席法布里斯·勒菲弗尔阿维尼翁大学教授论文指导奥利维尔·皮耶昆谷歌研究教授:智囊团论文联合主任菲利普·普雷教授,大学。里尔/CRISTAL/因里亚报告员奥利维耶·西格德索邦大学报告员卢多维奇·德诺耶教授,Facebook /索邦大学审查员越南圣迈IMT Atlantic高级讲师邀请弗洛里安·斯特鲁布博士,Deepmind对于那些及时看到自己错误的人...3谢谢你首先,我要感谢我的两位博士生导师Olivier和Philippe。奥利维尔,"站在巨人的肩膀上"这句话对你来说完全有意义了。从科学上讲,你知道在这篇论文的(许多)错误中,你是我可以依

5G新空口技术:NR(New Radio)简介

# 1. 5G技术概述 ## 1.1 5G技术的发展历程 5G技术作为第五代移动通信技术,经历了从需求提出、标准制定到商用推广的漫长历程。早在2012年,各国就开始探讨5G技术的发展和应用,随后在2015年ITU正式确定5G技术的三项技术指标:高速率、低时延和大连接。在2019年,全球开始迎来了5G商用的浪潮,5G技术从理论研究逐步走向实际应用。 ## 1.2 5G技术的应用场景和优势 5G技术以其高速率、大容量和低时延的特点,为诸多行业带来了革命性的变革。在工业领域,通过5G技术的应用,可以实现工业自动化、智能制造等场景;在医疗领域,5G技术可以支持远程手术、远程诊断等应用;在智能交通领

python使用music21库解析midi格式文件后,将解析到的pitch音符整体升、降调怎么做?

在music21库中,可以使用transpose()方法来对音符进行升降调。具体来说,可以先解析MIDI文件,然后获取所有的音符对象,并将它们传入transpose()方法中,同时指定升降调的半音数。例如,将所有音符整体升一个半音可以使用以下代码: ```python from music21 import * # 解析MIDI文件 midi = converter.parse('example.mid') # 获取所有的音符对象 notes = midi.flat.notes # 将所有音符整体升一个半音 notes.transpose(1, inPlace=True) # 保存修

第3章概率、概率分布与抽样分布.pptx

第3章概率、概率分布与抽样分布.pptx