第2章-信号与噪声.pptVIP

自相关函数的性质 1）能量信号的自相关函数R(0)等于信号的能量 2）对所有τ有 3、信号通过线性系统 不失真传输： 所谓不失真传输, 是指信号经过线性系统后, 输出信号r( t) 与输入信号f ( t) 相比较只是有衰减、放大和时延, 而没有波形的失真。 用数学式表示 信号通过线性系统不产生波形失真, 要求系统应具备以下两个条件: (1 ) 系统的幅频特性应该是一个不随频率变化的常数。 (2) 系统的相频特性应与频率成直线关系。 无失真传输系统 无失真传输的条件要求系统带宽无限宽。显然这样的系统在物理上是不可实现的。 实际中，信号能量总是随着频率的增高而减小，因此，只要系统允许信号绝大多数能量通过，就认为该系统能实现无失真传输。 (补充)信号带宽的常用定义 3dB带宽 3dB带宽：指的是比峰值功率小3dB（就是峰值的50％）的频谱范围的带宽； 6dB带宽同上，6dB对应的是峰值功率的25％。 当计算A的功率相比于B大或小多少个dB时，可按公式10lgA／B计算。例如：A功率比B功率大一倍，那么10lgA／B＝10lg2＝3dB，也就是说，A的功率比B的功率大3dB。 4、随机信号分析 确定信号 信号在指定时间取值为一定值。 随机信号 信号参数不确定，不能预先确定信号在任意时刻的取值，取值具有随机性。 （1）随机过程 无穷多随机函数的总体在统计学上称为随机过程。 每一个随机函数叫做随机过程的一个样本函数或者一次实现。 无穷多随机函数的总体在统计学上称为随机过程。 每一个随机函数叫做随机过程的一个样本函数或者一次实现。 （1）随机过程 （2）平稳随机过程 （补充）随机过程的统计特性 分布函数和概率密度函数 了解随机过程X(t)的一维分布函数F(x1,t)的定义；二维分布函数F(x1, x2,t1,t2)的定义。 了解随机过程X(t)的一维概率密度函数p(x1,t)的定义；二维概率密度函数p(x1, x2,t1,t2)的定义。 分布函数和概率密度函数的定义 一维概率分布函数为： 一维概率密度函数可以定义为： 一维概率分布和密度函数仅仅描述了随机过程在某个时刻上的统计分布特性，不能反映随机过程在不同时刻取值间的关联程度。 X(t1)为随机过程X(t) 在t=t1时刻的取值。 N维分布和概率密度函数的定义 n维概率分布函数为： n维概率密度函数可以定义为： 随着n的增大，随机过程描述得就越充分，可问题的复杂性也随之增加，一般掌握二维就足够了。 随机过程X(t)，如果它的n维概率密度函数pn(x1, x2,……, xn；t1, t2,…tn)与时间起点的选择无关，对于任何n和τ，X(t)的n 维概率密度函数满足 pn(x1,x2,…，xn;t1,t2,…tn) =pn(x1,x2,…，xn;t1+τ,t2+τ,…,tn +τ) 称为平稳随机过程。对于某个n值成立，称为n 阶平稳随机过程。 若对所有阶都是平稳的，则称为严平稳随机过程或狭义平稳随机过程。 本书只讨论广义平稳随机过程，特点： 一维概率密度函数与时间无关； 二维概率密度函数只与时间差有关。 数字特征：统计平均和时间平均 统计平均 1、数学期望 mX是时间t的函数，它表示随机过程的n个样本函数曲线的摆动中心，又叫均值。 （3）随机过程的数字特征 2、均方值 3、方差 方差等于均方值与数学期望平方之差，表示 随机过程在时刻t对于均值的偏离程度。 随机过程的数学期望和方差都只是与随机过程的一维概率密度函数有关，不能反映随机过程在任意两个时刻之间的内在联系； 为了定量地描述随机过程的内在联系特征（即在任意两个不同时刻上的取值之间的相关程度），引入自相关函数。 4、 自相关函数 设X(t1)和X(t2)是随机过程X(t)在t1和t2的状态，p(x1,x2;t1,t2)=p(x1,x2;τ)是相应的二维概率密度函数，则自相关函数的定义： 时间平均：随机过程X( t )的某一特定实现，对时间求平均。设x( t )是随机过程X( t )的一个典型的样本函数。 1）平均值（直流分量） 2）均方值（总平均功率） 3）方差（交流功率） 4）自相关函数 样本函数x(t)的时间自相关函数定义为： 当τ= 0时 例： 设随机变量 在（0，2 ）内均匀分布，求Asin 的数学期望和方差，其中A为常数。 例： 求随机相位信号 的自相关函数、功率谱密度和功率。（是否为平稳随机过程） （4）平稳随机过程的遍历性 设X( t )是一个平稳随机过程，如果它的统计平均可用时间平均来代替，它的统计方差可用时间