《通信原理》第3章 随机过程(3.5-7)精品.pptVIP

通信原理第3章 随机过程（3.5-7） 主 讲：江金龙 E-mail：jljiang@126.com 九江学院电子工程学院 概要： 3.5 窄带随机过程 3.5.1 其同相分量和正交分量的统计特性 3.5.2 其随机包络和随机相位的统计特性 3.6 正弦波加窄带高斯噪声 3.7 高斯白噪声和带限白噪声 回顾： 3.3.1 高斯分布的定义 如果一个随机过程的任意n维分布服从正态分布，则称为正态分布或高斯分布。 3.3.2 重要性质 （1）高斯过程的n维分布仅依赖各随机变量的均值 、方差 、和归一化协方差矩阵 ，描述最简单。 3.3.3 高斯随机变量分布函数 3.4 平稳随机过程通过线性系统 3、输出过程的功率谱密度 3.5 窄带随机过程 3.5.1 同相分量和正交分量的统计特性 窄带随机过程：随机过程的谱密度集中在中心频率 附近相对较窄的频带范围 内，即 大多数通信系统的调制信号都是窄带带通型，其过程也为窄带随机过程。 高斯白噪声通过窄带滤波器的输出也是窄带随机过程。 窄带过程的谱密度： 正弦信号（单频信号）的波形： 窄带随机过程类似一个包络和相位随机缓变的正弦波： 本节研究同相分量和正交分量的统计特性。 我们重点研究均值为0， 方差为 窄带高斯平稳过程。 （1）期望 （2）自相关 由于 是平稳的，有 类似地： 令 自然，这两个公式必须相等： 现在研究： 根据相关函数的性质： （3）分布类型 根据 若 是均值为0，方差为 的窄带平稳高斯过程，它的同相分量和正交分量也是平稳高斯过程，均值为0，方差也相同，且在同一时刻得到的同相分量和正交分量是不相关的或统计独立的。 3.5.2 其随机包络和随机相位的统计特性 对 积分： 一个瑞利分布示例： 3.6 正弦波加窄带高斯噪声 在通信接收端，通常加一带通滤波器，以过滤带外噪声，输出为正弦波已调信号与窄带高斯噪声的混合波形。 现在分析它的统计特性，方法与3.5节类似. 在接收判断中，最关心包络和相位的统计特性。 如果 中的 已知，则 是相互独立的高斯随机变量。 再代入： function I0=bessel0(x) ％ 自定义一个Bessel 0阶函数，数值积分 dfai=2*pi/100; fai=0:dfai:2*pi-dfai; N=length(x); for i=1:N I0(i)=sum(exp(x(i).*cos(fai)))*dfai/(2*pi); end x=0:0.1:10; y=bessel0(x); plot(x,y) 类似地： 当信噪比很小时，相位分布 趋向于（ ）分布； 3.7 高斯白噪声和带限白噪声 1. 白噪声 噪声的功率谱密度在所有频率上均为一常数， 对上式积分： 白噪声的功率＝？？？ 热噪声的功率均匀分布在0（直流）到1012Hz上，基本可看作白噪声。 如果白噪声的分布是高斯分布，称为高斯白噪声。 2. 低通白噪声 白噪声通过理想低通滤波器输出的噪声。 自相关函数： 3. 带通白噪声 白噪声通过理想带通滤波器输出的噪声。 自相关函数： 思考： （1）如果按采样定理采样，噪声的采样值是否相关？？？ （2）如果将带通信号下变频到低通信号，然后按采样定理采样，噪声的采样值是否相关？？？ 回顾： 3.5 窄带随机过程 称为窄带的同相分量， 称为窄带的正交分量。 它们都是频率很低的信号（基带信号）。 若 是均值为0，方差为 的窄带平稳高斯过程： （1）同相分量和正交分量也是平稳高斯过程，均值为0，方差也相同，且在同一时刻得到的同相分量和正交分量是不相关的或统计独立的。 （2）随机包络为瑞利分布；