北理工隨機(jī)信號分析實(shí)驗(yàn)_第1頁
北理工隨機(jī)信號分析實(shí)驗(yàn)_第2頁
北理工隨機(jī)信號分析實(shí)驗(yàn)_第3頁
北理工隨機(jī)信號分析實(shí)驗(yàn)_第4頁
北理工隨機(jī)信號分析實(shí)驗(yàn)_第5頁
已閱讀5頁,還剩24頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

實(shí)驗(yàn)一隨機(jī)序列的產(chǎn)生及數(shù)字特征估計(jì)實(shí)驗(yàn)?zāi)康?、學(xué)習(xí)和掌握隨機(jī)數(shù)的產(chǎn)生方法。2、實(shí)現(xiàn)隨機(jī)序列的數(shù)字特征估計(jì)。實(shí)驗(yàn)原理1、隨機(jī)數(shù)的產(chǎn)生隨機(jī)數(shù)指的是各種不同分布隨機(jī)變量的抽樣序列(樣本值序列)。進(jìn)行隨機(jī)信號仿真分析時(shí),需要模擬產(chǎn)生各種分布的隨機(jī)數(shù)。在計(jì)算機(jī)仿真時(shí),通常利用數(shù)學(xué)方法產(chǎn)生隨機(jī)數(shù),這種隨機(jī)數(shù)稱為偽隨機(jī)數(shù)。偽隨機(jī)數(shù)是按照一定的計(jì)算公式產(chǎn)生的,這個(gè)公式稱為隨機(jī)數(shù)發(fā)生器。偽隨機(jī)數(shù)本質(zhì)上不是隨機(jī)的,而且存在周期性,但是如果計(jì)算公式選擇適當(dāng),所產(chǎn)生的數(shù)據(jù)看似隨機(jī)的,與真正的隨機(jī)數(shù)具有相近的統(tǒng)計(jì)特性,可以作為隨機(jī)數(shù)使用。(0,1)均勻分布隨機(jī)數(shù)是最最基本、最簡單的隨機(jī)數(shù)。(0,1)均勻分布指的是在[0,1]區(qū)間上的均勻分布,即U(0,1)。實(shí)際應(yīng)用中有許多現(xiàn)成的隨機(jī)數(shù)發(fā)生器可以用于產(chǎn)生(0,1)均勻分布隨機(jī)數(shù),通常采用的方法為線性同余法,公式如下:序列為產(chǎn)生的(0,1)均勻分布隨機(jī)數(shù)。下面給出了上式的3組常用參數(shù):1、,周期;2、(IBM隨機(jī)數(shù)發(fā)生器)周期;3、(ran0)周期;由均勻分布隨機(jī)數(shù),可以利用反函數(shù)構(gòu)造出任意分布的隨機(jī)數(shù)。定理1.1若隨機(jī)變量X具有連續(xù)分布函數(shù)FX(x),而R為(0,1)均勻分布隨機(jī)變量,則有由這一定理可知,分布函數(shù)為FX(x)的隨機(jī)數(shù)可以由(0,1)均勻分布隨機(jī)數(shù)按上式進(jìn)行變換得到。2、MATLAB中產(chǎn)生隨機(jī)序列的函數(shù)(1)(0,1)均勻分布的隨機(jī)序列函數(shù):rand用法:x=rand(m,n)功能:產(chǎn)生m×n的均勻分布隨機(jī)數(shù)矩陣。(2)正態(tài)分布的隨機(jī)序列函數(shù):randn用法:x=randn(m,n)功能:產(chǎn)生m×n的標(biāo)準(zhǔn)正態(tài)分布隨機(jī)數(shù)矩陣。如果要產(chǎn)生服從分布的隨機(jī)序列,則可以由標(biāo)準(zhǔn)正態(tài)隨機(jī)序列產(chǎn)生。(3)其他分布的隨機(jī)序列MATLAB上還提供了其他多種分布的隨機(jī)數(shù)的產(chǎn)生函數(shù),下表列出了部分函數(shù)。MATLAB中產(chǎn)生隨機(jī)數(shù)的一些函數(shù)3、隨機(jī)序列的數(shù)字特征估計(jì)對于遍歷過程,可以通過隨機(jī)序列的一條樣本函數(shù)來獲得該過程的統(tǒng)計(jì)特性。這里我們假定隨機(jī)序列X(n)為遍歷過程,樣本函數(shù)為x(n),其中n=0,1,2,…,N-1。那么,X(n)的均值、方差和自相關(guān)函數(shù)的估計(jì)為利用MATLAB的統(tǒng)計(jì)分析函數(shù)可以分析隨機(jī)序列的數(shù)字特征。(1)均值函數(shù)函數(shù):mean用法:m=mean(x)功能:返回按上面第一式估計(jì)X(n)的均值,其中x為樣本序列x(n)。(2)方差函數(shù)函數(shù):var用法:sigma2=var(x)功能:返回按上面第二式估計(jì)X(n)的方差,其中x為樣本序列x(n),這一估計(jì)為無偏估計(jì)。(3)互相關(guān)函數(shù)函數(shù):xcorr用法:c=xcorr(x,y)c=xcorr(x)c=xcorr(x,y,'opition')c=xcorr(x,'opition')功能:xcorr(x,y)計(jì)算X(n)與Y(n)的互相關(guān),xcorr(x)計(jì)算X(n)的自相關(guān)。option選項(xiàng)可以設(shè)定為:'biased'有偏估計(jì),即'unbiased'無偏估計(jì),即按上面第三式估計(jì)。'coeff'm=0時(shí)的相關(guān)函數(shù)值歸一化為1。'none'不做歸一化處理。實(shí)驗(yàn)內(nèi)容1、采用線性同余法產(chǎn)生均勻分布隨機(jī)數(shù)1000個(gè),計(jì)算該序列均值和方差與理論值之間的誤差大小。改變樣本個(gè)數(shù)重新計(jì)算。代碼及結(jié)果:>>Num=input('Num=');>>N=2^31;>>k=2^16+3;>>Y=zeros(1,num);>>X=zeros(1,num);>>Y(1)=1;>>fori=2:num>>Y(i)=mod(k*Y(i-1),N);>>end>>X=Y/N;>>a=0;>>b=1;>>m0=(a+b)/2;>>sigma0=(b-a)^2/12;>>m=mean(X);>>sigma=var(X);>>delta_m=abs(m-m0);>>delta_sigma=abs(sigma-sigma0);>>plot(X,'k');>>xlabel('n');>>ylabel('X(n)');>>delta_m>>delta_sigma>>axistightNum=1000delta_=0.0110delta_sigma=0.0011Num=5000delta_m=2.6620e-04delta_sigma=0.0020可以看出,樣本值取得越大,實(shí)際值與理論值越接近,相差越小。2、參數(shù)為的指數(shù)分布的分布函數(shù)為利用反函數(shù)法產(chǎn)生參數(shù)為0.5的指數(shù)分布隨機(jī)數(shù)1000個(gè),測試其方差和相關(guān)函數(shù)。實(shí)驗(yàn)代碼及結(jié)果:>>R=rand(1,1000);>>lambda=0.5;>>X=-log(1-R)/lambda;>>DX=var(X);>>[Rm,m]=xcorr(X);>>subplot(211);>>plot(X,'k');xlabel('n');ylabel('X(n)');axistight;>>subplot(212);>>plot(m,Rm,'k');xlabel('m');ylabel('R(m)');axistight;DX=4.1201理論上方差的值為1/(0.5^2)=4,實(shí)際值為4.1201,因?yàn)槿觽€(gè)數(shù)有限,導(dǎo)致存在一定偏差。但大體相近。3、產(chǎn)生一組N(1,4)分布的高斯隨機(jī)數(shù)(1000個(gè)樣本),估計(jì)該序列的均值、方差和相關(guān)函數(shù)。實(shí)驗(yàn)代碼及結(jié)果:>>X=normrnd(1,2,[1,1000]);>>Mx=mean(X);Dx=var(X);>>[Rm,m]=xcorr(X);>>subplot(211);>>plot(X,'k');xlabel('n');ylabel('X(n)');axistight;>>subplot(212);>>plot(m,Rm,'k');xlabel('m');ylabel('R(m)');axistight;Mx=0.9937Dx=3.8938理論上的均值為1,方差為4。而在實(shí)驗(yàn)中得到的均值為0.9937,方差為3.8938。考慮到取樣點(diǎn)有限,誤差可以接受,理論值和實(shí)驗(yàn)值基本相同。實(shí)驗(yàn)二隨機(jī)過程的模擬與數(shù)字特征一、實(shí)驗(yàn)?zāi)康?、學(xué)習(xí)利用MATLAB模擬產(chǎn)生隨機(jī)過程的方法。2、熟悉和掌握特征估計(jì)的基本方法及其MATLAB實(shí)現(xiàn)。二、實(shí)驗(yàn)原理1、正態(tài)分布白噪聲序列的產(chǎn)生MATLAB提供了許多產(chǎn)生各種分布白噪聲序列的函數(shù),其中產(chǎn)生正態(tài)分布白噪聲序列的函數(shù)為randn。函數(shù):randn用法:x=randn(m,n)功能:產(chǎn)生m×n的標(biāo)準(zhǔn)正態(tài)分布隨機(jī)數(shù)矩陣。如果要產(chǎn)生服從分布的隨機(jī)序列,則可以由標(biāo)準(zhǔn)正態(tài)隨機(jī)序列產(chǎn)生。如果N(0,1),則。2、相關(guān)函數(shù)估計(jì)MATLAB提供了函數(shù)xcorr用于自相關(guān)函數(shù)的估計(jì)。函數(shù):xcorr用法:c=xcorr(x,y)c=xcorr(x)c=xcorr(x,y,'opition')c=xcorr(x,'opition')功能:xcorr(x,y)計(jì)算X(n)與Y(n)的互相關(guān),xcorr(x)計(jì)算X(n)的自相關(guān)。option選項(xiàng)可以設(shè)定為:'biased'有偏估計(jì)。'unbiased'無偏估計(jì)。'coeff'm=0時(shí)的相關(guān)函數(shù)值歸一化為1。'none'不做歸一化處理。3、功率譜估計(jì)MATLAB函數(shù)periodogram實(shí)現(xiàn)了周期圖法的功率譜估計(jì)。函數(shù):periodogram用法:[Pxx,w]=periodogram(x)[Pxx,w]=periodogram(x,window)[Pxx,w]=periodogram(x,window,nfft)[Pxx,f]=periodogram(x,window,nfft,fs)periodogram(...)功能:實(shí)現(xiàn)周期圖法的功率譜估計(jì)。其中:Pxx為輸出的功率譜估計(jì)值;f為頻率向量;w為歸一化的頻率向量;window代表窗函數(shù),這種用法對數(shù)據(jù)進(jìn)行了加窗,對數(shù)據(jù)加窗是為了減少功率譜估計(jì)中因?yàn)閿?shù)據(jù)截?cái)喈a(chǎn)生的截?cái)嗾`差,下圖列出了產(chǎn)生常用窗函數(shù)的MATLAB函數(shù)。nfft設(shè)定FFT算法的長度;fs表示采樣頻率;三、實(shí)驗(yàn)內(nèi)容1、按如下模型產(chǎn)生一組隨機(jī)序列其中是均值為1,方差為4的正態(tài)分布白噪聲序列。估計(jì)過程的自相關(guān)函數(shù)和功率譜。實(shí)驗(yàn)代碼及結(jié)果:>>y0=randn(1,500);%產(chǎn)生一長度為500的隨機(jī)序列>>y=1+2*y0;>>x(1)=y(1);>>n=500;>>fori=2:1:n>>x(i)=0.8*x(i-1)+y(i);%按題目要求產(chǎn)生隨機(jī)序列>>x(n)=0.8x(n-1)+w(n)>>end>>subplot(311);>>plot(x);>>title('x(n)');>>subplot(312);>>c=xcorr(x);%用xcorr函數(shù)求x(n)的自相關(guān)函數(shù)>>plot(c);>>title('R(n)');>>p=periodogram(x);%用periodogram函數(shù)求功率譜密度>>subplot(313);>>plot(p);>>title('S(w)');得到長度為500的樣本序列分布、自相關(guān)函數(shù)及功率譜如下:2、設(shè)信號為其中,為正態(tài)分布白噪聲序列,試在N=256和N=1024點(diǎn)時(shí),分別產(chǎn)生隨機(jī)序列x(n),畫出x(n)的波形并估計(jì)x(n)的相關(guān)函數(shù)和功率譜。實(shí)驗(yàn)代碼及結(jié)果:(1)N=256時(shí)>>N=256;>>w=randn(1,N);%用randn函數(shù)產(chǎn)生一個(gè)長度為256的正態(tài)分布白噪聲序列>>n=1:1:N;>>f1=0.05;>>f2=0.12;>>x=sin(2*pi*f1*n)+2*cos(2*pi*f2*n)+w(n);%產(chǎn)生題目所給信號>>R=xcorr(x);%求x(n)的自相關(guān)函數(shù)>>p=periodogram(x);%求x的功率譜>>subplot(311);>>plot(x);title('x(n)');>>subplot(312);>>plot(R);title('R(n)');>>subplot(313);>>plot(p);title('S(w)');得到長度為256的樣本序列分布、自相關(guān)函數(shù)及功率譜:(2)N=1024時(shí)>>N=1024;>>w=randn(1,N);%用randn函數(shù)產(chǎn)生一個(gè)長度為256的正態(tài)分布白噪聲序列>>n=1:1:N;>>f1=0.05;>>f2=0.12;>>x=sin(2*pi*f1*n)+2*cos(2*pi*f2*n)+w(n);%產(chǎn)生題目所給信號>>R=xcorr(x);%求x(n)的自相關(guān)函數(shù)>>p=periodogram(x);%求x的功率譜>>subplot(311);>>plot(x);title('x(n)');>>subplot(312);>>plot(R);title('R(n)');>>subplot(313);>>plot(p);title('S(w)');得到長度為1024的樣本序列、序列的自相關(guān)函數(shù)、序列的功率譜如下:實(shí)驗(yàn)三隨機(jī)過程通過線性系統(tǒng)的分析一、實(shí)驗(yàn)?zāi)康?、理解和分析白噪聲通過線性系統(tǒng)后輸出的特性。2、學(xué)習(xí)和掌握隨機(jī)過程通過線性系統(tǒng)后的特性,驗(yàn)證隨機(jī)過程的正態(tài)化問題。二、實(shí)驗(yàn)原理1、白噪聲通過線性系統(tǒng)設(shè)連續(xù)線性系統(tǒng)的傳遞函數(shù)為H()或H(s),輸入白噪聲的功率譜密度為SX()=N0/2,那么系統(tǒng)輸出的功率譜密度為SY(ω)=|H(ω)|2?N02 輸出自相關(guān)函數(shù)為RY(τ)=N04π-∞∞|H(ω)|2輸出相關(guān)系數(shù)為γyτ=輸出相關(guān)時(shí)間為τ0=0∞γy輸出平均功率為EY2(τ)=N02π0∞|上述式子表明,若輸入端是具有均勻譜的白噪聲,則輸出端隨機(jī)信號的功率譜主要由系統(tǒng)的幅頻特性|H(ω)|決定,不再是常數(shù)。2、等效噪聲帶寬在實(shí)際中,常常用一個(gè)理想系統(tǒng)等效代替實(shí)際系統(tǒng)的H(ω),因此引入了等效噪聲帶寬的概念,他被定義為理想系統(tǒng)的帶寬。等效的原則是,理想系統(tǒng)與實(shí)際系統(tǒng)在同一白噪聲的激勵(lì)下,兩個(gè)系統(tǒng)的輸出平均功率相等,理想系統(tǒng)的增益等于實(shí)際系統(tǒng)的最大增益。實(shí)際系統(tǒng)的等效噪聲帶寬為?ωe=1|H(ω)|max20∞|H(ω)|或?ωe=12j|H(ω)|max3、線性系統(tǒng)輸出端隨機(jī)過程的概率分布(1)正態(tài)隨機(jī)過程通過線性系統(tǒng)若線性系統(tǒng)輸入為正態(tài)過程,則該系統(tǒng)輸出仍為正態(tài)過程。(2)隨機(jī)過程的正態(tài)化隨機(jī)過程的正態(tài)化指的是,非正態(tài)隨機(jī)過程通過線性系統(tǒng)后變換為正態(tài)過程。任意分布的白噪聲通過線性系統(tǒng)后輸出是服從正態(tài)分布的;寬帶噪聲通過窄帶系統(tǒng),輸出近似服從正態(tài)分布。三、實(shí)驗(yàn)內(nèi)容1、仿真一個(gè)平均功率為1的白噪聲帶通系統(tǒng),白噪聲為高斯分布,帶通系統(tǒng)的兩個(gè)截止頻率分別為3kHz和4kHz,估計(jì)輸出的自相關(guān)函數(shù)和功率譜密度函數(shù)。(假設(shè)采樣頻率為10kHz)實(shí)驗(yàn)代碼及結(jié)果:>>Fs=10000;%采樣頻率10KHz>>x=randn(1000,1);%產(chǎn)生隨機(jī)序列>>figure(1);>>subplot(3,1,1);>>plot(x);gridon;%x的分布>>xlabel('t');>>subplot(3,1,2);>>x_corr=xcorr(x,'unbiased');%自相關(guān)函數(shù)>>plot(x_corr);>>gridon;>>subplot(3,1,3);>>[Pxx,w]=periodogram(x);%功率譜密度>>x_Px=Pxx;plot(x_Px);>>gridon;>>figure(2);>>subplot(2,1,1);>>xlabel('f/Hz');>>[x_pdf,x1]=ksdensity(x);%平滑密度分布函數(shù)估計(jì)>>plot(x1,x_pdf);>>gridon;>>subplot(2,1,2);>>f=(0:999)/1000*Fs;>>X=fft(x);%求DFT>>mag=abs(X);>>plot(f(1:1000/2),mag(1:1000/2));%幅頻特性>>gridon;>>xlabel('f/Hz');>>figure(3);>>subplot(3,1,1);>>[b,a]=ellip(10,0.5,50,[3000,4000]*2/Fs);%構(gòu)造帶通濾波器>>[H,w]=freqz(b,a);>>plot(w*Fs/(2*pi),abs(H));%畫出濾波器頻率特性>>set(gcf,'color','white')>>xlabel('f/Hz');>>ylabel('H(w)');>>gridon;>>subplot(3,1,2);>>y=filter(b,a,x);%通過帶通濾波器>>[y_pdf,y1]=ksdensity(y);%繪出通過后的概率分布>>plot(y1,y_pdf);>>gridon;>>y_corr=xcorr(y,'unbiased');%自相關(guān)函數(shù)>>subplot(3,1,3);>>plot(y_corr);>>gridon;>>figure(4);>>Y=fft(y);%DFT>>magY=abs(Y);>>subplot(2,1,1);>>plot(f(1:1000/2),magY(1:1000/2));%幅頻特性>>gridon;>>xlabel('f/Hz');>>subplot(2,1,2);>>nfft=1024;>>index=0:round(nfft/2-1);%下標(biāo)>>ky=index.*Fs./nfft;>>window=boxcar(length(y_corr));%矩形窗>>[Pyy,fy]=periodogram(y_corr,window,nfft,Fs);%求功率譜密度>>y_Py=Pyy(index+1);>>plot(ky,y_Py);>>gridon;得到:2、設(shè)白噪聲通過下圖所示的RC電路,分析輸出的統(tǒng)計(jì)特性。(1)試推導(dǎo)系統(tǒng)輸出的功率譜密度、相關(guān)函數(shù)、相關(guān)時(shí)間和系統(tǒng)的等效噪聲帶寬。(2)采用MATLAB模擬正態(tài)分布白噪聲通過上述RC電路,觀察輸入和輸出的噪聲波形以及輸出噪聲的概率密度。(3)模擬產(chǎn)生均勻分布的白噪聲通過上述RC電路,觀察輸入和輸出的噪聲波形以及輸出噪聲的概率密度。(4)改變RC電路的參數(shù)(電路的RC值),重做(2)和(3),與之前的結(jié)果進(jìn)行比較。(1)由圖中所示電路,根據(jù)電路分析的相關(guān)知識(shí),可推導(dǎo)出輸出功率譜密度為:相關(guān)函數(shù)為:相關(guān)時(shí)間為:等效噪聲帶寬為:(2)實(shí)驗(yàn)代碼及結(jié)果:>>R=100;>>C=0.01;>>b=1/(R*C);>>n=1:1:500;>>h=b*exp(-n*b);>>x=randn(1,1000);>>y=conv(x,h);>>[fyy1]=ksdensity(y)>>subplot(3,1,1);>>plot(x);>>title('x(n)');>>subplot(3,1,2);>>plot(y);>>title('y(n)');>>subplot(3,1,3);>>plot(fy);>>title('fy');(3)實(shí)驗(yàn)代碼及結(jié)果:>>R=100;>>C=0.01;>>b=1/(R*C);>>n=1:1:500;>>h=b*exp(-n*b);>>x=rand(1,1000);>>y=conv(x,h);>>[fyy1]=ksdensity(y);>>subplot(3,1,1);>>plot(x);>>title('x(n)');>>subplot(3,1,2);>>plot(y);>>title('y(n)');>>subplot(3,1,3);>>plot(fy);>>title('fy');實(shí)驗(yàn)結(jié)果:(4)改變RC值R=200,C=0.01;正態(tài)分布:均勻分布:R=10,C=0.01;正態(tài)分布:均勻分布:由圖可得,系統(tǒng)相關(guān)時(shí)間與系統(tǒng)帶寬成反比。另外,由輸入輸出波形可以看出,正態(tài)隨機(jī)過程通過一個(gè)線性系統(tǒng)后,輸出仍服從正態(tài)分布。而對于任意分布的白噪聲,通過一個(gè)線性系統(tǒng)后,輸出也服從正態(tài)分布。實(shí)驗(yàn)四窄帶隨機(jī)過程的產(chǎn)生及其性能測試一、實(shí)驗(yàn)?zāi)康?、基于隨機(jī)過程的萊斯表達(dá)式產(chǎn)生窄帶隨機(jī)過程。2、掌握窄帶隨機(jī)過程的特性,包括均值(數(shù)學(xué)期望)、方差、相關(guān)函數(shù)及功率譜密度等。二、實(shí)驗(yàn)原理1.窄帶隨機(jī)過程的萊斯表達(dá)式任何一個(gè)實(shí)平穩(wěn)窄帶隨機(jī)過程X(t)都可以表示為上式稱為萊斯表達(dá)式,根據(jù)上式可以模擬產(chǎn)生窄帶隨機(jī)過程,具體過程下圖所示。2.窄帶隨機(jī)過程包絡(luò)與相位的概率密度包絡(luò)的概率密度為fA相位的概率密度為fφφ3.窄帶隨機(jī)過程包絡(luò)平方的概率密度包絡(luò)平方的概率密度為fU三、實(shí)驗(yàn)內(nèi)容1、按上圖所示結(jié)構(gòu)框圖,基于隨機(jī)過程的萊斯表達(dá)式,用MATLAB產(chǎn)生一滿足條件的窄帶隨機(jī)過程。實(shí)驗(yàn)代碼及結(jié)果:>>n=1:1:1000;>>h=exp(-n);>>c1=randn(1,1000);>>a=conv(c1,h);>>c2=randn(1,1000);>>b=conv(c2,h);>>fc=10000;>>x=zeros(1,1000);>>fori=1:1000>>x(i)=a(i)*cos(2*pi*fc*i)-b(i)*sin(2*pi*fc*i);>>end>>plot(x);>>title('窄帶隨機(jī)過程');實(shí)驗(yàn)結(jié)果:2、畫出該隨機(jī)過程的若干次實(shí)現(xiàn),觀察其形狀。代碼同上,得到圖形:3、編寫MATLAB程序計(jì)算該隨機(jī)過程的均值函數(shù)

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論