第三章随机信号导论.pptVIP

* 3.7余弦波加窄带平稳高斯随机过程 * 的联合概率密度函数： * R(t)和θ(t)的联合概率密度 莱斯分布或广义瑞利分布 零阶修正贝塞尔函数 * 引入归一化变量和信噪比： 上式称为莱斯分布或广义瑞利分布的标准形式！ * 标准广义瑞利分布 （1）a=0时，为瑞利分布 （2）a1时，在v=a附近，近似高斯分布（即Aσ,大信噪比时） * 3.8匹配滤波器 匹配滤波器是保证输出信噪比最大的线性滤波器。 匹配滤波器在数字通信理论、信号最佳接收理论以及雷达信号的检测理论等方面均具有重要意义。 * 1、匹配滤波器的定义 n(t)：均值为0的白噪声，双边功率谱为 n0(t)：n(t)的响应，是一个随机过程 定义：我们称保证在某时刻t0输出信号s0(t0)的瞬时功率与输出噪声n0(t)的平均功率之比(输出信噪比最大的线性滤波器为信号s(t)的匹配滤波器。 * 说明1：在相同条件下(输入相同)，不同滤波器的输出信噪比不一样，能够保证在t＝t0抽样时刻输出信噪比最大的滤波器就是匹配滤波器。所以匹配滤波器又称为保证最大输出信噪比的最佳线性滤波器。 说明2：只有当n(t)是白噪声时，可以保证输出信噪比最大的滤波器才被称为匹配滤波器；当n(t)不是白噪声时，可以保证输出信噪比最大的滤波器被称为广义匹配滤波器。 * 2、匹配滤波器的传递函数与单位冲激响应 目标：寻找能够保证在t=t0抽样时刻的输出信噪比最大的H(ω)和h(t) * 在t=t0抽样时刻，滤波器输出为 在t=t0抽样时刻，滤波器输出的输出信噪比为 问题：如何求得n0(t)的平均功率？ 利用功率谱密度！ n0(t)的功率谱密度如何求得？ n0(t)的平均功率： * 匹配滤波器的输出信噪比为： 分析：S(ω)是输入，做为已知条件出现！ 方法： 分析：H(ω) 是满足r0最大的待求量 许瓦尔兹不等式！ * 对于任意复函数： 存在下列不等式： 注意：当 上式中的等号成立！(K为常数) ,有下述关系式： * 说明1：其中E是信号s(t)的能量 说明2：线性滤波器在t＝t0时刻能够给出最大信噪比为： 输出信号瞬时功率 输出噪声平均功率 此时 这是最佳线性滤波器的传输特性! * 匹配滤器 说明：保证输出信噪比最大的线性滤波器的传输特性与s(t)的频谱的复共轭相一致，所以称这种滤波器为信号s(t)的 匹配滤波器的单位冲激响应： 交换积分顺序 时移性质 * 分析：匹配滤波器必须要物理可实现！（条件） 所以： 即： 因果信号 匹配滤波器物理可实现的条件！ 说明1：物理可实现的匹配滤波器输入端的信号s(t)必须在它输出信噪比最大的时刻t0之前消失！ 说明2：一般总希望 t0尽量小。如果s(t)在t=T时刻消失，通常选t0＝T，则匹配滤波器的冲激响应为： * 匹配滤波器输出波形的特点： 条件： 所以： 令s(t)的匹配滤波器的输入信号为x(t)，则该匹配滤波器的输出y(t)： 持续时间为(0~T) 持续时间也为(0~T) 输出y(t)是s(t)和x(t)的互相关函数 * 说明：匹配滤波器相当于一个相关器（进行相关运算） 输出y(t)是s(t) 的自相关函数 当输入x(t)=s(t)时 * 3.9循环平稳随机过程 1、定义： 若随机过程X(t)的统计平均值（数学期望）和自相关函数是时间的周期函数，则X(t)称作周期平稳随机过程或循环平稳随机过程。 2、循环平稳随机过程的统计特性： 常数 是一个随机序列 是随机变量 的自相关函数： 序列an是广义平稳序列 * (1) X(t)的均值： (2) X(t)的自相关函数： 均值是t的周期函数，周期＝T 均值是t的周期函数，周期＝T X(t)是循环平稳随机过程 * (3)X(t)的平均功率谱密度 维纳－辛钦定理是否可用？ X(t)的平均功率谱密度？ 不可以！ 因为X(t)是非平稳随机过程！ 分析：X(t)的自相关函数是周期函数，与t有关，可在周期T内对其自相关函数进行时间平均，消除其与时间t的关系。 * 第三章结束! * 这个积分无法用闭合形式计算，我们要设法把这个积分式和可以在数学手册上查出积分值的特殊函数联系起来，一般常用以下几种特殊函数： 正态分布函数： * （1） 误差函数和互补误差函数。 误差函数的定义式为 1-erf(x)为互补误差函数，记为erfc(x), 即 * （2） 概率积分函数和Q函数。 概率积分函数定义为 Q函数是一种经常用于表示高斯尾部曲线下的面积的函数，其定义： 正态分布函数和概率积分函数的关系： 用误差函数或互补误差函数表示F(x)的好处是:它简明的特性有助于今后分析通信系统的抗噪声性能。 * 3.5平稳随机过程通过线性系统 随机过程通过系统（或网络）后，输出过程将是什么样的过程？ 这里，我们只考虑平稳过程通过线性时不变系统的