信号分析分析.ppt

2.10.3 带通白噪声 定义：如果白噪声通过理想矩形的带通滤波器或理想带通信道，则其输出的噪声称为带通白噪声。 功率谱密度 设理想带通滤波器的传输特性为 式中 － 中心角频率，B － 通带宽度 则其输出噪声的功率谱密度为 2.10 白噪声和带限白噪声 自相关函数 根据维纳－辛钦关系和傅里叶变换的性质可得： 功率谱密度和自相关函数曲线 2.10 白噪声和带限白噪声 2.10.4 窄带高斯白噪声 通常，带通滤波器的 B fc ，因此称窄带滤波器，相应地把带通高斯白噪声称为窄带高斯白噪声。 窄带高斯白噪声的表达式和统计特性见2.8节。 平均功率 2.10 白噪声和带限白噪声 补充：色噪声 按功率谱密度函数形式来区别随机过程，我们将把除了白噪声以外的所有噪声都称为有色噪声或简称色噪声。 * * * * * * * * * 一维概率密度函数的特性 f (x)对称于直线 x = a，即 a表示分布中心， ? 称为标准偏差，表示集中程度，图形将随着? 的减小而变高和变窄。当a = 0和? = 1时，称为标准化的正态分布： 2.7 高斯随机过程 正态分布函数 这个积分的值无法用闭合形式计算，通常利用其他特殊函数，用查表的方法求出： 用误差函数表示正态分布函数：令 则有 及 式中 －误差函数，可查表求出其值。 2.7 高斯随机过程 用互补误差函数erfc(x)表示正态分布函数： 式中 当x 2时， 2.7 高斯随机过程 【例2.6】随机过程?(t) = Acos?0t ＋Bsin?0t，其中?0是常量，A和B是两个互相独立的高斯随机变量，而且有E[A]=0， E[B]=0， E[A2]= E[B2]=σ2，试求此过程的自相关函数和一维概率密度函数。（练习） 2.7 高斯随机过程 2.8.1 窄带随机过程的定义 若随机过程?(t)的谱密度集中在中心角频率 附近相对窄的频带范围 内，即满足 的条件，且 远离零频率，则称该?(t)为窄带随机过程。 2.8 窄带随机过程 典型的窄带随机过程的谱密度和波形图 2.8 窄带随机过程 2.8.2 窄带随机过程的表示式 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。 2.8 窄带随机过程 － ?(t)的同相分量 － ?(t)的正交分量 可以看出： ?(t)的统计特性由a? (t)和?? (t)或?c(t)和?s(t)的统计特性确定。反之，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。 2.8 窄带随机过程 2.8.3 ?c(t)和?s(t)的统计特性 设?(t)是均值为0，方差为 的平稳高斯窄带过程 数学期望： 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 2.8 窄带随机过程 ?(t)的自相关函数： 式中 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 2.8 窄带随机过程 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 由以上分析可知，若窄带过程?(t)是平稳的，则?c(t)和?s(t)也必然是平稳的。 2.8 窄带随机过程 进一步分析，下两式 应同时成立，故有 上式表明，同相分量?c(t) 和正交分量?s(t)具有相同的自相关函数。 根据互相关函数的性质，应有 代入上式，得到 上式表明Rsc(?)是? 的奇函数，所以 同理可证 2.8 窄带随机过程 将 代入下两式 得到 即 因此：?(t) 、 ?c(t)和?s(t)具有相同的平均功率或方差。 2.8 窄带随机过程 根据平稳性，过程的特性与变量t无关，故由式 得到 因为?(t)是高斯过程，所以， ?c(t1)，?s(t2)一定是高斯随机变量，从而?c(t) 、?s(t)也是高斯过程。 根据 可知， ?c(t) 与?s(t)在? = 0处互不相关，又由于它们是高斯型的，因此：?c(t) 与?s(t)也是统计独立的。 2.8 窄带随机过程 结论 一个均值为零的窄带平稳高斯过程?(t) ，