随机信号分析复习.ppt

希尔伯特变换的性质 性质3 与x(t)的能量及平均功率相等，即 希尔伯特变换器为一全通滤波器，信号通过它只改变了信号的相位，不会改变信号的能量和功率。 希尔伯特变换的性质 性质4 平稳随机过程X(t) 的自相关函数和时间自相关函数满足： 证明： 性质5 平稳随机过程X(t) 证明： 同理可证 且 平稳随机过程X(t)与 在同一时刻是正交的，且它们的统计互相关函数和时间互相关函数都是奇函数。 性质6 设具有有限带宽Δω的信号a(t)的傅氏变换为A(ω)，假定ω0Δω/2，则有 H[a(t)cosω0t]=a(t)sinω0t H[a(t)sinω0t]=-a(t)cosω0t 证明: 先求a(t)cosω0t的傅氏变换，由欧拉公式知 于是 上式的傅氏反变换得 § 7.3 窄带随机过程的性质 令Z(t)是任意的零均值、窄带、宽平稳、实随机过程， Z(t)=X(t)cosω0t - Y(t)sinω0t X(t)和Y(t)具有以下性质： 性质1 X(t)和Y(t)各自单独宽平稳且联合宽平稳： 性质2 E[X(t)]=0,E[Y(t)]=0 § 7.4窄带高斯随机过程的包络和相位的概率分布 一、窄带高斯随机过程包络和相位的一维概率分布 设Z(t)为零均值、平稳、窄带高斯过程，其方差为σ2。 Z(t)=B(t)cos(ω0t+Ф(t)) =X(t)cosω0t-Y(t)sinω0t 从式(7.3.15)和式(7.3.16) 窄带高斯随机过程包络和相位的一维概率分布 利用求边缘分布的方法，可分别求得包络A(t)和相位φ(t)的一维概率密度函数为: 窄带高斯过程包络的一维概率分布为瑞利分布 窄带高斯过程相位的一维概率分布为均匀分布。 仿真实验:均匀分布白噪声通过系统的情况 仿真实验:高斯分布白噪声通过系统的情况 3、其它情况 若输入随机信号的功率带宽远小于系统带宽时ΔfX≤Δf ，输出的概率分布接近输入的概率分布 其它情况下采用求矩的方法或密度函数估计的实验研究方法。 § 5·5 随机序列通过线性系统 数字滤波器的概念 滤波器是对输入信号的波形或频谱进行某种变换，以得到一定的输出信号。实现滤波的系统是离散的称为数字滤波。 离散线性时不变系统特性可以用h(n),H(z)以及输入输出间的差分方程描述。 X(n) Y(n) H(z)或h(n) 数字滤波器的概念 数字滤波器均可由加法器、系数乘法器、延迟器模拟实现。 数字滤波器的一般形式： 不失一般性令a0=1，则其差分方程为： 数字滤波器的概念 数字滤波器的分类 按单位冲击响应h(n)的时间特性分： 有限长冲击响应（FIR）滤波器 无限长冲击响应（IIR）滤波器 按构成方式分： 非递归型：没有反馈环路 递归型：含有反馈环路 数字滤波器 FIR滤波器：系数ai=0，即 IIR滤波器：分母至少有一个系数ai不为0 § 5·5 随机序列通过线性系统 随机序列通过线性系统和随机信号通过线性系统的性质类似 随机序列通过线性系统 若X(n)为平稳随机序列，类似有： 如用Z变换表示，则 1．随机序列通过一阶FIR滤波器 一个q阶非递归滤波器，输入输出的关系为： 随机序列通过一阶FIR滤波器 如a=b=1/2时构成的平均器 下面讨论零均值独立随机序列通过平均器后的统计特性 对于Xj 的自相关函数有下列关系 输出自相关函数 对零均值输入Xj来说，同样可得E[Yj]=0 输出自相关函数 (1)直接由自相关函数的定义做 当k=0时 当k=1时 输出自相关函数 当k=-1时, 当|k|=2时, Yj 与Yj+k没有包含公共的样本，因而它们的相关函数为零。 推广到一个q阶非递归滤波器 输入白序列，输出的自相关函数 随机序列通过一阶FIR滤波器输出自相关函数 (2)由输入输出的自相关函数关系做 解:首先确定系统的单位冲击响应: 则白噪声通过一阶FIR滤波器的自相关函数为: 输出功率谱密度 随机序列的维纳-辛钦定理 不失一般性若令Ts=1 1．白噪声序列通过平均器 白噪声序列通过平均器 另由下式可得到相同结果 平均器是低通滤波器，相对于Xj，Yj的起伏较弱、相关性变强。 对于平均器： 其系统传函为： 令 白噪声序列通过平均器 2.随机序列通过一阶递归滤波器 a取不同值时系统的冲击响应h(n) 形成滤波器、白化滤波器的概念 对于某个具有有理谱密度的零