第02章信号(7-10).pptVIP

2.7 高斯过程 2.8 窄带随机过程 2.9 正弦波加窄带高斯过程 式中， A － 正弦波的确知振幅； ?0 － 正弦波的角频率； ? － 正弦波的随机相位； n t － 窄带高斯噪声。 式中， ? 2 － n t 的方差； I0 ? － 零阶修正贝塞尔函数。 pr x 称为广义瑞利分布，或称莱斯 Rice 分布。 当A 0时， pr x 变成瑞利概率密度。 式中，? － r t 的相位，包括正弦波的相位? 和噪声的相位；pr ? /? － 给定? 的条件下， r t 的相位的条件概率密度。因此，r t 的相位的概率密度: 令? 0（最简单情况）时， 式中， 莱斯分布的曲线 当A/? 0时， 包络?瑞利分布 相位?均匀分布 当A/?很大时， 包络?正态分布 相位?在原点的冲激函数 2.10 信号通过线性系统 输出信号的功率谱密度为： 输出信号的自相关函数： 输出噪声功率： 例2.11 已知一个白噪声的双边功率谱密度为n0/2。试求它通过一个理想低通滤波器后的功率谱密度、自相关函数和噪声功率。 解：理想低通滤波器的传输特性可以表示成 于是可得： 5、输出随机过程Y t 的概率分布 在已知输入随机过程X t 的概率分布情况下，一般来说可由下式确定输出随机过程的概率分布。 但是计算过程往往十分麻烦，不易求得结果。在通信系统中经常遇到的一种实际情况是输入随机过程X t 为高斯随机过程，此时，输出随机过程Y t 也是高斯随机过程，不过，它的数字特征与输入高斯过程的数字特征不同。 * * 1、高斯过程定义 若随机过程X t 的任意n维（n 1, 2, …）概率分布都是正态分布，则称它为高斯过程或正态过程。 在通信系统中，噪声的模型通常用高斯随机过程描述。高斯噪声在讨论系统抗噪声性能时反复使用。 ①一维高斯过程的概率密度 式中，a E[X t ] 为均值； ?2 E[X t - a]2 为方差； ?为标准偏差 pX x, t1 的曲线： 式中，ak为xk的数学期望；?k为xk的标准偏差；|B|为归一化协方差矩阵行列式，|B|jk为行列式|B|中元素bjk的代数余因子；bjk为归一化协方差函数，即 ②n维高斯过程的概率密度 2、n维高斯过程的重要性质 ① n维高斯过程的概率分布完全由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即可； ② 如果高斯过程是广义平稳的，则它也是狭义平稳的。 ③如果高斯过程在不同时刻的取值是不相关的， 即对所有j≠k有bjk 0，因此有|B| 1，则n维联合概率密度等于各个一维概率密度的乘积，即若高斯过程在不同时刻的取值是不相关的， 那么它们也是统计独立。 若两个随机变量的互相关函数等于零，则称为两者互不相关；若两个随机变量的二维联合概率密度等于其一维概率密度之积，则称为两者互相独立。 互不相关的两个随机变量不一定互相独立。互相独立的两个随机变量则一定互不相关。 3、正态分布的概率密度重要性质 ① p x 对称于直线 x a，即有 ② p x 在区间 -?, a 内单调上升，在区间 a, ? 内单调下降，并且在点a处达到其极大值 当x ? - ?或 x ? + ?时，p x ? 0。 ③ ④若a 0, ? 1，则称这种分布为标准化正态分布。 4、正态分布函数 正态概率密度函数的积分定义为正态分布函数。 式中，? x 称为概率积分函数： 此积分不易计算，通常用查表方法计算。 5、用误差函数表示正态分布 ① 误差函数定义： ②补误差函数定义： ③正态分布表示法： 在讨论通信系统抗噪声性能时，常用误差函数和补误差函数表示系统的误码率。 高斯型白噪声 高斯型白噪声也称高斯白噪声，是指噪声的概率密度函数满足正态分布统计特性，同时它的功率谱密度函数是常数的一类噪声。 注意：高斯型白噪声同时涉及到噪声的两个不同方面，即概率密度函数的正态分布性和功率谱密度函数均匀性，二者缺一不可。 在通信系统的理论分析中，特别是在分析、计算系统抗噪声性能时，经常假定系统中信道噪声为高斯型白噪声。其原因在于，一是高斯型白噪声可用具体的数学表达式表述确定，便于推导分析和运算；二是高斯型白噪声确实反映了实际信道中的加性噪声情况，比较真实地代表了信道噪声的特性。 频率近似为fc 在通信系统中，由于设备和信道的带宽总是有限的，因此，信号和噪声的频谱总是被限制在一个较窄的频带内。 若信号或噪声的频带宽度为?f，与其载波或中心频率fc相比很窄，即?f fc，则称其为窄带随机过程。1、窄带随机过程的波形、频谱和数学表示式 窄带随机过程的数学表示式： 式中，aX t － 窄带随机过程的