ch2-信号与噪声分析.ppt

第2章 信号与噪声分析 2.1 信号的分类 2.2 确知信号的分析 2.3 随机变量的统计特征 2.4 随机过程的一般表述 2.5 平稳随机过程 2.6 高斯随机过程 2.7 随机过程通过系统的分析 2.8 窄带高斯噪声 [目的要求]： 1．掌握信号的分类及确知信号的分析； 2．理解随机变量的统计特征； 3．理解随机过程的一般表述； 4．理解平稳过程的定义； 5．掌握平稳过程的自相关函数和功率谱密度； 6．掌握高斯随机过程的定义和性质； 7．了解随机过程通过系统的分析； 8．掌握窄带高斯噪声的统计特征。 重点：信号的分类及确知信号的分析、平稳过程的自相关函数和功率谱密度、高斯随机过程的定义和性质、窄带高斯噪声的统计特征。 难点：平稳过程的自相关函数和功率谱密度。 2.1信号的分类 确知信号与随机信号 周期信号与非周期信号 功率信号与能量信号 功率信号:有无限大的能量，但其平均功率是有限的. 能量信号:平均功率（在整个时间轴上平均）等于 0，但其能量有限的信号 2.2确知信号的分析 2、指数形式的傅里叶级数 利用欧拉公式 可得的指数表达式 式中 （a）非周期信号 （b）构造的周期信号 图2-1 非周期信号 由以上两式可见，互相关函数反映了一个信号与另一个延迟τ秒后的信号间相关的程度。需要注意的是，互相关函数和两个信号的前后次序有关，即有 2.3.1 随机变量 在概率论中，将每次实验的结果用一个变量来表示，如果变量的取值是随机的，则称变量为随机变量。例如，在一定时间内电话交换台收到的呼叫次数是一个随机变量。 当随机变量的取值个数是有限个时，则称它为离散随机变量。否则就称为连续随机变量。 随机变量的统计规律用概率分布函数或概率密度函数来描述。 2.3.2概率分布函数和概率密度函数 1、概率分布函数 定义随机变量X的概率分布函数 是X取值小于或等于某个数值 的概率 ，即 对于离散随机变量，其分布函数也可表示为 式中 ，是随机变量X取值为 的概率。 2、概率密度函数 对于连续随机变量X ，其分布函数 对于一个非负函数 有下式成立: 可见，概率密度函数是分布函数的导数。 概率密度函数有如下性质： （1） （2） （3） 2.3.3 通信系统中几种典型的随机变量 1、均匀分布随机变量 设 ，则概率密度函数为 的随机变量X称为服从均匀分布的随机变量。 2、高斯（Gauss）分布随机变量 概率密度函数为 的随机变量X称为服从高斯分布（也称正态分布）的随机变量，式中， a为高斯随机变量的数学期望 ， 为方差。 高斯分布的概率密度函数的曲线如图2-3所示。 3、瑞利（Rayleigh）分布随机变量 概率密度函数为 的随机变量X称为服从瑞利分布的随机变量，其中 ，是一个常数。其概率密度函数的曲线如图2-4所示。 2.3.4随机变量的数字特征 前面讨论的分布函数和概率密度函数，能够较全面地描述随机变量的统计特性。然而，在许多实际问题中，我们往往并不关心随机变量的概率分布，而只想了解随机变量的某些特征，例如随机变量的统计平均值，以及随机变量的取值相对于这个平均值的偏离程度等。这些描述随机变量某些特征的数值就称为随机变量的数字特征。 1、数学期望 数学期望（简称均值）是用来描述随机变量X的统计平均值，它反映随机变量取值的集中位置。 对于离散随机变量X，设 是其取值 的概率，则其数学期望定义为 对于连续随机变量X，其数学期望定义为 式中， 为随机变量X的概率密度。 2、方差 方差反映随机变量的取值偏离均值的程度。方差定义为随机变量X与其数学期望 之差的平方的数学期望。即 2.4随机过程的一般表述 2.4.1 随机过程的概念 前面所讨论的随机变量是与试验结果有关的某一个随机取值的量。例如，在给定的某一瞬间测量接收机输出端上的噪声，所测得的输出噪声的瞬时值就是一个随机变量。显然，如果连续不断地进行试验，那么在任一瞬间都有一个与之相应的随机变量，于是这时的试验结果就不仅是一个随机变量，而是一个在时间上不断变化的随机变量的集合。 随机过程: 随时间变化的无数个随机变量的集合。 基本特征： (1)是时间t的函数 (2)依赖时间参数的一族随机变量 由此从数学的角度，我们给出随机过程这样的定义：设 (k=1, 2, …)是随机试验，每一次试验