第二章信号检测与估计理论重点分析.ppt

2.3 随 机 过 程基本概念介绍 随机过程的基本概念 统计特性和数字特征 平稳随机过程 高斯随机过程 随机过程通过线性系统 窄带随机过程 正弦波加窄带高斯噪声 1 随机过程的基本概念 确定性过程 其变化过程可以用一个或几个时间t 的确定函数来描述。 随机过程 其变化过程不可能用一个或几个时间t的确定函数来描述。 1 随机过程的基本概念 随机过程的定义：设 是随机试验。每一次试验都有一条时间波形（称为样本函数或实现），记作 ，所有可能出现的结果的总体 就构成一随机过程，记作 。 简言之，无穷多个样本函数的总体叫做随机过程。 典型代表：掷硬币、固定时间段内电话用户的呼叫次数等。 1 随机过程的基本概念 1 随机过程的基本概念 随机过程ξ(t)具有两个基本特征： ξ(t)是时间t的函数； 在某一观察时刻t1，样本的取值ξ(t1)是一个随机变量。因此，我们又可以把随机过程看成依赖时间参数的一族随机变量。 可见，随机过程具有随机变量和时间函数的特点。 2 统计特性 2 数字特征 2 数字特征 相关器的概念 自相关器 随机信号x（τ）的自相关函数Rx（τ） 由此可绘出测量、计算自相关函数的电路或装置 例：设s（t）为随机相位正弦信号，n（t）为低频限带噪声，则信号和噪声的相关函数分别为 由图知，当τ较大时，Rs（ τ） Rn（ τ）,因此只要τ足够大，就可以从噪 声中提取信号。 自相关器优点： （1）方法简单 （2）实现起来容易 缺点： （1）它不可能完全消除噪声的影响，除非时间足够长。 （2）时间必须很长，即τ—∞，用有限的时间代替不理想。 互相关器 互相关器的优点： 提取信号效果优于自相关器，提取信号能量越强，对噪声抑制越彻 底。 2 数字特征 2 数字特征 【例】 已知X和Y是相互独立的两个随机变量，它们均值和方差分别为2和6，试求 的均值、方差和自相关函数。 3 平稳随机过程 3 平稳随机过程 3 平稳随机过程 各态历经性 各态历经性 平稳随机过程的功率谱密度 平稳随机过程的功率谱密度 确知的非周期功率信号的自相关函数与其谱密度是一对 傅氏变换关系 。 对于平稳随机过程，也有类似的关系，即维纳—辛钦定理 4高斯随机过程 4高斯随机过程 高斯随机过程重要性质 一维高斯随机过程 5 随机过程通过线性系统 5 随机过程通过线性系统 6 窄带随机过程 窄带过程的频谱和波形示意 6 窄带随机过程 6 窄带随机过程 6 窄带随机过程 7 正弦波加窄带高斯噪声 7正弦波加窄带高斯噪声 7 正弦波加窄带高斯噪声 正弦波加窄带高斯过程的包络与相位分布 如果白噪声又是高斯分布的，我们就称之为高斯白噪声。 高斯白噪声在任意两个不同时刻上的取值之间，不仅是互不相关的，而且还是统计独立的。 应当指出，我们所定义的这种理想化的白噪声在实际中是不存在的。但是，如果噪声的功率谱均匀分布的频率范围远远大于通信系统的工作频带，我们就可以把它视为白噪声。 带限白噪声 带限白噪声 带限白噪声 小 结 平稳随机过程的功率谱密度 平稳随机过程的功率谱密度 R(0)表示随机过程的平均功率 非负性 偶函数 平稳随机过程的功率谱密度 [例] 某随机相位余弦波 ，其中A和 均为常数，θ是在(0, )内均匀分布的随机变量。 求 的自相关函数与功率谱密度. 平稳随机过程的功率谱密度 解： 先考察ξ(t)是否广义平稳 的数学期望为 的自相关函数为 根据 以及 是广义平稳。 则功率谱密度为 平均功率为 平稳随机过程的功率谱密度 若随机过程ξ(t)的任意n维（n=1, 2, …）分布都是正态分布，则称它为高斯随机过程或正态过程。 如果各随机变量两两之间互不相关，则上式中，对所有 统计独立 由式可以看出, 高斯过程的n维分布完全由n个随机变量的数学期望、方差和两两之间的归一化协方差函数所决定。因此，对于高斯过程，只要研究它的数字特征就可以了。 如果高斯过程是广义平稳的，则它的均值、方差与时间无关，协方差函数只与时间间隔有关，而与时间起点无关，由性质1知，它的n维分布与时间起点无关。所以，广义平稳的高斯过程也是狭义平稳的。 高斯过程经过线性变换（或线性系统）后仍是高斯过程。 f(x)具有如下特性 (1)