随机信号和噪声分析.pptVIP

第3章 随机信号与噪声 3.2.2 随机过程的数字特征 1 随机过程的数学期望 2 随机过程的方差 3 随机过程的自相关函数 3.3 平稳随机过程 随机过程按其分布函数或概率密度函数特性的不同，可以分为多种类型，如独立随机过程、马尔可夫（Markov）过程、独立增量过程及平稳随机过程等。其中平稳随机过程是应用广泛的一类随机过程。下面将主要讨论平稳随机过程 3.3.1 平稳随机过程的定义及其含义 3.3.2 平稳随机过程的一维及二维概率密度函数 3.3.3 平稳随机过程的数字特征 3.3.4 平稳随机过程自相关函数的性质 3.3.5 平稳随机过程的各态历经性（遍历性） 3.4 平稳随机过程的自相关函数与功率谱密度的关系 -----维纳—欣钦定理 例3.2已知平稳随机过程 的自相关函数为 3.5 两个随机过程之间的统计联系 3.5.1 联合分布函数和联合概率密度函数 3.5.2 互相关函数 3.5.3 互谱密度函数 3.6 正态随机过程 正态随机过程又称为高斯 (Gaussian) 随机过程，是一种常见而又重要的随机过程。如通信系统中的噪声就是典型的正态随机过程。下面我们对正态随机过程作一简单介绍 3.6.1正态随机过程的定义 如果随机过程 的任意 维概率密度函数都服从正态分布，则称此随机过程为正态随机过程。其 维概率密度函数为 式中， 为 在 时刻的均值； 为 在 时刻的方差； 为归一化协方差矩阵行列式，即 其中， 为归一化协方差系数； 为行列式 中元素 的代数余子式。 对正态随机过程来说，其一维概率密度函数是最简单的，这时的概率密度函数为 式中， 为正态随机变量的均值， 为正态随机变量的方差。 如图3.7所示。当式（3.64）中的 ， 时，随机变量称为标准分布的正态随机变量 3.6.2正态随机过程的性质 1.正态随机过程如果是广义平稳的，则也是狭义平稳的。 2. 正态随机过程的线性变换仍是正态随机过程。 3. 如果两个正态随机过程 和 互不相关，则它们也统计独立。 3.7 平稳随机过程通过线性系统 1. 的数学期望 2. 的自相关函数 3. 的功率谱密度 例3.3 设功率谱密度为 （常数）的白色随机过程（白噪声） 通过带宽为B的理想低通滤波器，如图3.8所示。试求输出随机过程 的功率谱密度、自相关函数及噪声功率。 解：理想低通滤波器的传输特性为 例3.4 设均值为零，功率谱密度为 的高斯（正态）白噪声 通过如图3.10所示的RC低通滤波器，试求输出随机过程 的一维概率密度函数。 解：由正态随机过程的性质可知，高斯白噪声 通过线性系统后输出过程 仍然是高斯分布的随机过程，但 其数字特征和功率谱密度发生了变化。 例3.5 设平稳随机过程 通过如图3.11所示的乘法器，若已知随机过程 的功率谱 ，试求乘法器输出响应 的功率谱 解： 为了得到的功率谱，可先求出的自相关函数，再进行傅里叶变换。由自相关函数的定义得 3.8 白噪声、散弹噪声和热噪声 白噪声的时域特征 白噪声的功率谱密度 白噪声的自相关函数 散弹噪声产生过程 功率谱密度 电阻热噪声产生过程 电压功率谱密度 电流功率谱密度 线性网络包含有电阻时的热噪声分析 功率谱 * 本章安排 随机信号与噪声 随机过程的基本概念 随机过程的统计描述 平稳随机过程 平稳随机过程的自相关函数与功率谱密度的关系 两个随机过程之间的统计联系 正态随机过程 平稳随机过程通过线性系统 白噪声、散弹噪声和热噪声 白色