通信原理与应用 教学课件 作者 肖萍萍 金振坤 周一 第2章 信号分析及信道.pptVIP

第2章 信号分析及信道 2.1 信号分析 2.2 随机信号分析 2.3 平稳随机过程 2.4 高斯随机过程 2.5 窄带随机过程 2.6 随机过程通过系统的分析 2.7 信道及其容量 2.1 信号分析 2.1.1 确知信号的分析 信号的分类： 确知信号与随机信号； 周期信号与非周期信号； 能量信号与功率信号 。 确知信号 ：可以用确定时间函数表示的信号； 随机信号：若信号不能用确切的函数描述，它在任意时刻的取值都具有不确定性，只可能知道它的统计特性，如在某时刻取某一数值的概率 。 1. 周期信号的傅里叶级数 周期信号的傅里叶级数有两种形式：三角形式和指数形式： 可以利用三角函数的公式，可以得到f（t）的另一种形式 式中 ， 。 （2）指数形式 由欧拉公式可以将三角形式转换为指数形式： 2. 非周期信号的傅里叶变换 3. 周期信号的傅里叶变换 按照经典数学函数的定义，周期信号的傅里叶变换是不存在的，但如果扩大函数定义范围，引入广义函数δ（t），则可求得周期信号的傅里叶变换。 设f（t）为周期信号，其周期为T，将其展开成指数傅里叶级数，得: 傅里叶变换的频移特性 2.1.2 信号的能量与功率 能量有限的信号，平均功率为零的信号称为能量信号； 而能量无限大，平均功率有限的信号称为功率信号。 信号f（t）的（归一化）能量定义为在R=1Ω负载上的电压或者电流信号f（t）消耗的能量 通常将信号f（t）看成电压或电流，通过R=1Ω的电阻时，信号f（t）的总平均功率则为 2.1.3 能量谱密度与功率谱密度 Parseval定理：对于能量信号，在时域中计算的信号总能量等于在频域中计算的信号总能量。即 2. 功率谱密度 功率信号f（t）的功率可以由时域表示 2.1.4 卷积定义与性质 1. 卷积的定义 3. 卷积定理 若f1（t）?F1（ω），f2（t）?F2（ω） （1）时域卷积定理 2.1.5 波形的互相关与自相关 信号的相关程度，通常用相关函数表示，它是衡量信号之间的关联或相似程度的一个函数。相关函数表示了两个信号之间或同一信号时间间隔τ的相互关系。 1. 自相关函数 能量信号f（t）的自相关函数和能量谱密度是一对傅里叶变换，即 功率信号f（t）的自相关函数和功率谱密度是一对傅里叶变换，即 2．互相关函数 能量信号f1（t）和f2（t）的互相关函数定义为 功率信号f1（t）和f2（t）的互相关函数定义为 互相关函数反映了一个信号和另一个信号延迟τ之后的相关程度。 需要注意的是，互相关函数和两个信号的前后次序有关，即 2.2 随机信号分析 1. 随机过程的定义 例如，设有n台性能相同的接收机，它们的工作条件也相同。现用n部记录仪同时记录各部接收机的输出噪声波形。测试结果将会表明，得到的n张记录图形并不因为有相同的条件而输出相同的波形，即使n足够的大，也找不到两个完全相同的波形，如图2.1所示。这就是说，接收机输出的噪声电压随时间的变化是不可预知的，因而它是一个随机过程。 这样的一次记录就称之为一个实现或一个样本，无数个记录构成的总体就是一个随机过程。随机过程定义为样本函数的总体或集合，习惯用ξ（t）表示。 另一种角度来看，随机过程是随机变量概念的延伸，定义为是依赖于时间参量t变化的随机变量的总体或集合。 2. 随机过程的统计特性的描述 设ξ（t）表示一个随机过程，则在任意一个时刻t1上，ξ（t1）是一个随机变量。显然，这个随机变量的统计特性，可以用分布函数或概率密度函数去描述。 （1）随机过程ξ（t）的一维分布函数 我们把随机变量ξ（t1）小于或等于某一数值x1的的概率P[ξ（t1）≤x1]，记为 F1（x1，t1）称为随机过程ξ（t）的一维分布函数。 （2）随机过程ξ（t）的一维概率密度函数 如果F1（x1，t1）存在对x1的偏导数 则称f1（x1，t1）为ξ（t）的一维概率密度函数。 （3）随机过程ξ（t）的n维分布函数 在一般情况下用一维分布函数去描述随机过程的完整统计特性是极不充分的，因为一维分布函数只能描述随机过程在各个孤立时刻的统计特性，如果要描述随机过程在不同时刻之间的联系，则可以用随机过程的多维分布函数。ξ（t）的n维分布函数被定义为 （4）随机过程ξ（t）的n维概率密度函数 如果存在 则称其为ξ（t）的n维概率密度函数。 显然，n越大，用n维分布函数或n维概率密度函数描述ξ（t）的统计特性就越充分。在后述的分析中，一般用二