通信原理-第3章资料.pptVIP

高斯过程在任一时刻的取值是一个正态分布的随机变量，也称高斯随机变量。其一维概率密度函数为： 当α=0，σ=1时， 称这种正态分布为标准化的正态分布。这时有： 匹配滤波器的理解 匹配滤波器的理解 匹配滤波器的理解 匹配滤波器的理解 匹配滤波器的理解 匹配滤波器的理解 3.7 窄带平稳高斯过程 窄带平稳高斯过程就是白高斯噪声nw(t)通过窄带带通滤波器的输出X(t) X(t)的解析信号Z(t)是0均值复高斯平稳过程： X(t)的复包络XL(t)是0均值的复高斯平稳过程 其功率谱是窄带过程功率谱的正频率部分向下搬移： 注： 当f-fc时，u(f+fc)=0； 当ffc时，因为是窄带信号，所以PX(f+fc)=0 XL(t)的实部（同相分量）Xc(t)及虚部（正交分量）Xs(t)都是0均值高斯平稳过程。 因此，X(t)的同相分量Xc(t)及正交分量Xs(t)具有相同的自相关函数，因而也具有相同的功率谱密度。 由此得到 X(t)的功率=其同相分量Xc(t)的功率=其正交分量Xs(t)的功率，三者有相同的一维概率密度函数。 对自相关函数做傅氏变换： 注： 当f-fc时，u(f+fc)=0，PX(f-fc)=0 当ffc时，u(fc-f)=0，PX(f+fc)=0 当PX(f)对称于fc时，XL(t)的功率谱是偶函数，其自相关函数是实函数，于是 窄带平稳高斯过程的一维概率分布 Xc(t)、Xs(t)的概率密度 将Xc+jXs转换为极坐标：a exp(jφ) a、φ的联合概率密度 瑞利分布 均匀分布 1842-1919，英国科学家。1904年获诺贝尔物理学奖。 18岁考入剑桥大学，毕业后留校任教。 1879年（37岁），麦克斯韦逝世后，瑞利接任剑桥大学卡文迪许实验室主任。 （1904-1989，共产生29位诺贝尔奖获得者） 瑞利分布：用于描述平坦衰落信号接收包络的统计特性。两个正交的高斯噪声信号之和的包络满足瑞利分布。 瑞利散射：分子散射光的强度与入射光频率有关，波长长的散射小，波长短的散射强。 天空为什么是蓝色的？为什么用红黄作为禁令指示信号？ 令X(t)= Acos2pfct+n(t)，其中n(t)为窄带平稳高斯过程，则： X(t)是高斯过程 X(t)不是平稳过程，而是循环平稳过程 X(t)的包络服从莱斯分布 3.8 余弦波加窄带平稳高斯随机过程 图3.9.1 匹配滤波器 3.9 匹配滤波器 X(t)=s(t)+nw(t) 给定s(t)，求h(t)使得t0时刻的输出信噪比最大 输出噪声功率是 输出信号功率是 信噪比是 令 问题成为：求能量为1的信号g(t)，其与s(t)的内积（相关值）最大 其能量为1 因此： 即： 信噪比= 此滤波器称为对s(t)匹配的匹配滤波器，t0时刻的输出信噪比为： 下面是四位同学的英语、数学、语文三门课的成绩： 需要求四位同学的总评成绩。 为此，定义一个每门课的加权系数变量： 先来看第一种情况，三门课的加权系数相同，即： 第一种情况下，加权系数是一样的，评出来的结果是相同的。作为选拔考试，这个系数没法选择人才。 第二种情况，三门课的加权系数如下： 第二种系数，得到的总评成绩就不一样了。这个结果非常强调语文和数学的重要性，尤其是语文。就使得凤姐受益，脱颖而出。 第三种情况，三门课的加权系数如下： 第三种情况，他使得小犬同志异常突出。看看这个加权方式，有什么奥秘之处吗？ 其实，这个加权系数，完全就是照着分数做的。这种加权方式，对小犬是最有利的。除非另外一个人门门比他高。假设其他人各门课的好坏机会差不多的话，这种加权方式保证可以把小犬选出来。 这个例子跟匹配滤波器是什么关系呢？ 先来看高斯白噪声图： 白噪声在任何频率分量上，噪声的机会是一样大的 再来看信号： 信号是有特征的，高低不平 那我们利用这个特征去设计一套加权系数，这样就可以很有利的把信号突出出来。这就是匹配滤波器。 一般随机过程：均值和自相关函数是t的函数 循环平稳过程：均值和自相关函数是t的周期函数 平稳过程：均值和自相关函数不是t的函数 3.10 循环平稳随机过程 功率谱和自相关函数的处理 一般随机过程：概率平均+无穷时间平均 循环平稳过程：概率平均+一个周期内的时间平均 平稳过程：概率平均 遍历过程：时间平均 通信中的随机信号 白高斯噪声及其通过低通或带通滤波器的输出：平稳过程 多数模拟调制信号、数字基带信号和数字调制信号：循环平稳过程 遍历过程一定是平稳过程 说明E[X(t)]与t无关 说明E[X(t)X(t+t)]与t无关 若X(t)是平稳随机过程，且 则X(t)是遍历过程。 无直流分量的平稳过程是遍历过程 其中FT(f)是X(t)截短到T之后的傅氏变换 随机过程X(t)的功率谱密度PX(f)是所有样本x(