《通信原理2.pptVIP

第二章 随机信号分析 引言 随机过程 平稳随机过程 高斯过程 噪声 随机过程通过线性系统 引言 确知过程— 有确定形式、必然规律 随机过程— 无确定形式，没确定变化规律 随机信号— 信号的某个或某几个参数不能预知或不能完全被预知 随机噪声— 不能预测的噪声统称为随机噪声 样本函数的总体 随机过程 一般描述 概念 基本特征： 观察区间内是一个时间函数（称为实现） 任一时刻上观察到的值不确定，是一个随机变量 与随机变量的比较： 两者在定义方法上相似 样本空间不同： ①随机变量的样本空间是一个实数集合 ②随机过程的样本空间是一个时间函数的集合 结论：具有随机变量和时间函数的特点 一般描述 分布函数 概率密度函数：分布函数对x的偏导数 部分描述——数字特征 数学期望 定义 意义： 表示随机过程各个时刻的数学期望随时间的变化情况 本质就是随机过程所有样本函数的统计平均函数 方差 定义 意义： 表示随机过程在时刻t对于均值的偏离程度 数学期望和方差描述了随机过程各个孤立时刻的特征，无法反映随机过程在不同时刻的联系。 相关函数 定义 相关函数用来衡量随机过程在任意两个时刻上获得的随机变量的统计相关特性。 平稳随机过程 重要性 在实际应用特别在通信中所遇到的大多属于或接近于平稳随机过程 平稳随机过程可用一维、二维数字特征很好地描述。 平稳随机过程（严平稳或狭义平稳） 定义： n维分布函数或概率密度函数不随时间的平移而变化的随机过程。 或者：随机过程 n维分布函数或概率密度与时间的起点无关，则该随机过程称为平稳随机过程。 特点： 数学期望和方差与时间t无关，均为常数 自相关函数与时间起点无关，只与时间间隔有关 广义平稳或宽平稳随机过程 定义：数学期望及方差与时间无关，而自相关函数仅与时间间隔有关的随机过程 特点：只涉及一维、二维数字特征 与狭义平稳的关系：狭义平稳只要数字特征存在，则必定是广义平稳；但反之，则不一定成立。 【注】不特别说明，均指广义平稳随机过程 各态历经性 各态历经性：随机过程的各个实现，如果都同样经历了随机过程的各种许可状态，该特性称为各态历经性。 遍历平稳随机过程：具有各态历经性的平稳随机过程。 特点：遍历平稳随机过程的数字特征完全可由该过程的任一实现的数字特征来决定，即可用时间平均值来代替统计平均值。 平稳随机过程自相关函数 设 为实平稳随机过程，则它的自相关函数 性质R(0)为平稳随机过程的平均功率 R(∞)为平稳随机过程的直流功率 R(0)-R(∞)=方差，为平稳随机过程的交流功率。 其物理意义：平稳随机过程的平均功率与直流功率之差等于 其交流功率 自相关函数为时间间隔的偶函数 自相关函数在时间间隔τ=0处有最大值 平稳随机过程 的功率谱密度 信号的时域与频域间的关系为傅里叶变换关系 对平稳随机过程而言，其自相关函数 和功率谱密度 为一对傅里叶变换关系 平稳随机过程的功率谱密度的性质： 功率谱密度为偶函数 随机过程的平均功率等于功率谱密度在频域上的积分 功率谱密度为非负函数 高斯过程 又称正态随机过程，普遍存在并十分重要 在通信信道中的噪声通常是一种高斯过程 定义： 随机过程 ，若其任意n维分布服从正态分布(n=1，2，……），则称为高斯过程。 其n维正态概率密度函数表示 噪 声 定义： 物理系统中对信号的传输与处理起扰乱作用而不能完全控制的一种不需要的波形 散粒噪声/散弹噪声 由电子器件中电流的离散性质引起 特点：平均值为零、幅度的概率密度函数为高斯分布 热噪声 导体中电子的随机运动所产生的一种电噪声 特点：均值为零的高斯分布 高斯噪声 噪声的任意n维分布都服从高斯分布 白噪声 定义：噪声n(t)的功率谱密度在整个频率范围内都是均匀分布的 只是理想化的噪声模型（对通信系统中的噪声分析都是以白噪声为基础） 一般：只要噪声所具有的频谱宽度远远大于系统的带宽，且在该带宽中其频谱密度基本上可作为常数来考虑，就可把它作为白噪声处理 高斯白噪声/白色高斯噪声 服从高斯分布而概率谱密度又是均匀分布的噪声 带限白噪声： 白噪声被限制在(-f0，f0)之内，即在该频率区上有 =n0/2 ，而在该区间外 =0 平稳随机过程通过线性系统 输出与输入随机过程的关系 建立在信号通过线性系统分析原理的基础之上 线性系统的响应y(t)与系统输入信号x(t)的关系 输出随机过程的数学期望 输出随机过程的数学期望等于输入过程的数学期望乘以H(0) 物理意义：平稳随机过程通过线性系统后输出的直流分量等于输入的直流分量乘