通信原理教程2-信号精讲.ppt

常见的付氏变换 能量信号的自相关函数与能量谱密度之间的关系 功率信号的自相关函数与功率谱密度之间的关系 随机信号的性质 在数字通信系统中，接收端在接收到发送端送出的消息之前，总是不可能确切知道所发送的消息是什么，否则通信就没有意义了．即发送的消息有某种不确定性． 通信系统中的噪声也是随机变化的． 信道特性本身也不是恒定的． 所以接收信号是一种随机信号，具有某种不可预知性． 若长时间观察大量的接收信号，可发现它又具有统计规律． 随机变量的概率分布 随机变量的概念：若某种试验A的随机结果用X表示，则称此X为一个随机变量，并设它的取值为x。例如，在一定时间内电话交换台收到的呼叫次数是一个随机变量。 随机变量的分布函数： 定义：FX(x) = P(X ? x) 性质： ∵ P(a X ? b) + P(X ? a) = P(X ? b), P(a X ? b) = P(X ? b) – P(X ? a)， ∴ P(a X ? b) = FX(b) – FX(a) 离散随机变量的分布函数： 设X的取值为：x1 ? x2 ? … ? xi ? xn，其取值的概率分别为p1, p2, … , pi, … , pn，则有 P (X x1) = 0, P(X ? xn) = 1 ∵P(X ? xi) = P(X = x1) + P(X = x2) + … + P(X = xi), ∴ 性质： FX(- ?) = 0 FX(+?) = 1 若x1 x2，则有: FX(x1) ? FX(x2) ， 为单调增函数。 连续随机变量的分布函数： 当x连续时，由定义分布函数定义 FX(x) = P(X ? x) 可知， FX(x) 为一连续单调递增函数： 随机变量的概率密度 连续随机变量统计特性的描述还有另一种方法，即用概率密度来描述． 讨论问题 （１）概率密度的含义及其性质 （２）离散随机变量的概率密度 连续随机变量的概率密度pX (x) pX (x)的定义： pX (x)的意义： pX (x)是FX (x)的导数，是FX (x)曲线的斜率 能够从pX (x)求出P(a X ? b)： pX (x)的性质： 离散随机变量的概率密度 离散随机变量的分布函数可以写为： 式中，pi － x = xi 的概率 u(x) － 单位阶跃函数 将上式两端求导，得到其概率密度： 性质： 当 x ? xi 时，px (x) = 0， 当 x = xi 时， px (x) = ? 常见随机变量举例 正态分布随机变量 定义：概率密度 式中，? 0, a = 常数 概率密度曲线： 均匀分布随机变量 定义：概率密度 式中，a，b为常数 概率密度曲线： 瑞利(Rayleigh)分布随机变量 定义：概率密度为 式中，a 0，为常数。 概率密度曲线： 随机变量的数字特征 上面讨论的分布函数和概率密度函数,能够较全面地描述随机变量的统计规律. 然而在很多场合我们只需了解随机变量的某些规律,例如随机变量的统计平均值,以及随机变量的取值相对于这个平均值的偏离程度等. 这些描述随机变量的各种特性的数值,称为随机变量的数字特征. 1.数学期望 2.方差 3.矩的概念 数学期望 定义：对于连续随机变量 为随机变量X的概率密度 性质： 常量的数学期望就是其本身 设两个随机变量的数学期望存在 推广到多个随机变量 常量与随机变量之和的数学期望 若X和Y互相独立，且E(X)和E(Y)存在。 常量与随机变量之积的数学期望 方差 引入： 数学期望只是随机变量的一个最基本的特征。它还不能满足许多实际问题的需要。例如，一个数字通信系统的内部噪声，它通常只有交流分量，即其数学期望等于0。但是这并不说明没有噪声存在。交流噪声的瞬时取值是以0值为中心在随机地变化着。所以，为了了解噪声的大小，还需要知道瞬时值偏离0值的程度。 下面将讨论的方差就是描述一个随机变量偏离其数学期望程度的数字特征。 定义： 式中， 方差的改写： 证： 对于离散随机变量， 对于连续随机变量， 性质： D( C ) = 0 D(X+C)=D(X)