pn序列就是偽隨機序列（pseudo—noise code），所謂的偽就是說這個序列隨機性很強，統計特性很好但並不是真正的隨機數，體現pn序列具有週期性。pn序列是由通過線性反饋移位暫存器實現的，移位暫存器的級數決定了其週期性的長短。
matlab **：
參考：
clear all; close all; clc;
sampletime=1/
8;sim(
'pn');
%呼叫了simulink生成的模組
len=
length
(pn13);n=
7;%週期n_sample=64;
gt=ones(1
,n_sample)
;%每個碼元對應的載波，即脈衝成型
pn1=pn13';
pntemp1=
sigexpand
(pn1,n_sample)
;pnx1=
conv
(pntemp1,gt)
;pn2=pn15';
pntemp2=
sigexpand
(pn2,n_sample)
;%碼元擴充套件
pnx2=
conv
(pntemp2,gt)
;%碼元成型
spn=
conv(1
-2*pn1,1-
2*pn1(n:-1
:1))
/n;%自相關函式
dpn=
conv(1
-2*pn1,1-
2*pn2(n:-1
:1))
/n;%互相關函式t=0
:1/n_sample:len-
1/n_sample;
figure(1
);subplot(4
,1,1
)plot
(t,pnx1(1
:length
(t)));
axis([
061-0.5
1.5]);
title
('pn13波形');
subplot(4
,1,2
);plot
(t,pnx2(1
:length
(t)));
axis([
061-0.5
1.5]);
title
('pn15波形');
subplot(4
,1,3
);stem(1
:61,spn(15
:75))
;axis([
061-1.5
1.5]);
title
('pn13自相關波形');
subplot(4
,1,4
);stem(1
:61,dpn(15
:75))
;axis([
061-1.5
1.5]);
title
('pn(n=3)互相關波形'
);
新建了乙個simulink檔案pn.mdl，從library browser新增pn序列發生器，示波器，以及匯出資料的toworkspace。連線完成下圖的連線。
關於pn序列發生器的配置：
有三個地方需要注意：
1序列的生成多項式
2暫存器的初始值（位數表示暫存器的個數，同時決定了週期長度，比如下面：週期=2^3-1=7）
3取樣時間間隔（體現在示波器中能看到的序列長度）
to workspace的配置：
設定的變數名可以直接在**中使用
輸出資料以二維陣列的形式輸出，也可以選其他格式
執行結果分析：
geoda空間自相關分析 空間自相關與空間集聚特徵
空間自相關是研究空間中某位置的觀察值與其相鄰位置的觀察值是否相關以及相關程度的一種空間資料分析方法，即空間自相關是檢驗某一要素的屬性值是否顯著地與其相鄰空間點上的屬性值相關聯的重要指標，可以分為正相關和負相關，正相關表明某單元的屬性值變化與其鄰近空間單元具有相同變化趨勢，負相關則相反。在地學鄰域，地...
測試空間自相關分析
如果適應莫蘭指數測量某個因變數，發現具有顯著的空間自相關效應，那麼這樣的特徵除了可以分析因變數的空間分布特徵外，如果要進一步分析該因變數同環境因子之間的關係，就需要對這樣的空間自相關效應加以考慮。這時候，如果要使用某個或某幾個環境變數對此因變數進行回歸分析，以檢測環境因子與因變數的關係時，如果使用傳...
回歸分析的基本步驟與自相關性
乙個回歸分析的步驟 1.用scat x y檢視散點圖 2.使用適當的模型進行回歸分析ls，估計出引數 3.統計檢驗，包括擬合優度檢驗和模型顯著性檢驗 4.時間序列資料要做自相關性分析，橫截面資料做異方差性檢驗 4.檢查是否有多重共線性 5.用結果來分析現實情況 先找到資料，巧婦難為無公尺之炊 如果找...