第3章 随机过程2.pptVIP

3.4 平稳随机过程通过线性系统 一、确知信号通过线性系统（复习） 二、随机信号通过线性系统 三、输出过程 ?o(t) 的均值 四、输出过程 ?o(t) 的自相关函数 五、输出过程 ?o(t) 的功率谱密度 六、输出过程 ?o(t) 的概率分布 3.4 平稳随机过程通过线性系统 式中vi — 输入信号，vo —输出信号 对应的傅里叶变换关系： 3.4 平稳随机过程通过线性系统 假设：?i(t) —是平稳的输入随机过程 a —均值 Ri(?) —输入随机过程自的相关函数 Pi(?) —输入随机过程的功率谱密度 求输出过程 ?o(t) 的统计特性，即它的均值、自相关函数、功率谱以及概率分布。 3.4 平稳随机过程通过线性系统 对下式两边取统计平均： 得到： 设输入过程是平稳的，则有： 式中：H(0) 是线性系统在 f = 0处的频率响应，因此输出过程的均值是一个常数。 3.4 平稳随机过程通过线性系统 根据自相关函数的定义： 根据输入过程的平稳性，有： 于是： 上式表明：输出过程的自相关函数仅是时间间隔? 的函数。 结论：若线性系统的输入是平稳的，则输出也是平稳的。 3.4 平稳随机过程通过线性系统 对下式进行傅里叶变换： 得出： 令：??=?+?－?，代入上式，得到： 即： 结论：输出过程的功率谱密度是输入过程的功率谱密度乘以系统频率响应模值的平方。 应用：由Po( f ) 的反傅里叶变换求 Ro(?)。 3.4 平稳随机过程通过线性系统 如果线性系统的输入过程是高斯型的，则系统的输出过程也是高斯型的。 从积分原理看： 可以表示为： 由于已假设 ?i(t) 是高斯型的，所以上式右端的每一项在任一时刻上都是一个高斯随机变量。因此输出过程在任一时刻上得到的随机变量就是无限多个高斯随机变量之和。由概率论理论得知，这个“和”也是高斯随机变量，因而输出过程也为高斯过程。 结论：高斯过程经线性变换后仍为高斯过程。★ 3.5 窄带随机过程 一、问题的提出 二、?c(t) 和 ?s(t) 的统计特性 三、a?(t) 和 ??(t) 的统计特性 3.5 窄带随机过程 什么是窄带随机过程？ 随机过程 ?(t) 的谱密度集中在中心频率 fc 附近相对窄的频带范围 ?f 内，即满足： ?f fc的条件 fc 远离零频率 称该 ?(t) 为窄带随机过程。 3.5 窄带随机过程 典型的窄带随机过程的谱密度和样本函数： 窄带随机过程的频谱密度和波形示意图 3.5 窄带随机过程 窄带随机过程的表示式： 式中：a?(t) —随机包络 ??(t) —随机相位 ?c —中心角频率 显然：a?(t) 和 ??(t) 的变化相对于载波 cos?ct 的变化要缓慢得多。 3.5 窄带随机过程 窄带随机过程表示式展开： 可以展开为： 3.5 窄带随机过程 结论：?(t) 的统计特性由 a?(t) 和 ??(t) 或 ?c(t) 和 ?s(t) 的统计特性确定。若 ?(t) 的统计特性已知，则 a?(t) 和 ??(t) 或?c(t) 和 ?s(t) 的统计特性也随之确定。 假设：?(t) 是一个均值为0，方差为 的平稳高斯窄带过程 3.5 窄带随机过程 (1) 数学期望： 对下式求数学期望： 得到： 因为?(t) 平稳且均值为零，故对于任意的时间 t，都有E[?(t)]=0，所以： 3.5 窄带随机过程 (2) 自相关函数：由自相关函数的定义式： 式中： 3.5 窄带随机过程 (2) 自相关函数： 因为 ?(t) 是平稳的，故有： 这就要求上式的右端与时间 t 无关，而仅与 ? 有关。 因此，若令t = 0，上式仍应成立，它变为： 因与时间 t 无关，以下二式自然成立： 所以，上式变为： 再令t=π/2?c，同理可以求得： 3.5 窄带随机过程 结论1：若窄带过程 ?(t) 是平稳的，则 ?c(t) 和 ?s(t) 也必然是平稳的。 3.5 窄带随机过程 结论2：同相分量 ?c(t) 和正交分量 ?s(t) 具有相同的自相关函数。 分析下两式： 应同时成立，故有： 3.5 窄带随机过程 结论3：?(t)、?c(t) 和 ?s(t) 具有相同的平均功率或方