13-信号的功率谱密度..docVIP

随机信号与线性系统信号的频谱特性是描述信号的一个重要指标。对于确定性信号，其Fourier变换可以反映其频谱特性。 频谱与光谱进行对比 如何反应随机信号的频谱？ 由于随机信号实际上是一族确定性信号，要从统计意义上反映其频谱特性，需要用功率谱密度的概念。若是一个定义于上的连续时间随机过程，则上的平均功率为 利用Fourier变换的Parseval等式，可以得到在上的平均功率为 从上式可以看出，下式所定义的关于频率的函数 反映了随机信号功率在单位频率上的分布情况，因此定义函数为连续时间随机过程的功率谱密度。 功率谱密度性质 性质4.1设是定义于上的连续时间随机过程，是其功率谱密度，则有如下性质： 功率谱密度在上的积分为信号总功率，也即。 ,也即是一个非负实函数。 实随机信号的功率谱密度是偶函数实随机信号的功率谱密度是非负偶函数对于宽平稳过程来说，有下列Wiener-Khinchin定理定理4.1(Wiener-Khinchin定理)若为上的宽平稳过程，且其自相关函数满足则有 证明由功率谱密度的定义式知 如所示，对积分区域作变换，则 于是定理得证。对于宽平稳过程，其功率谱密度是其自相关函数的Fourier变换，因此由Fourier逆变换公式有 所以，对于宽平稳过程来讲，其自相关函数和功率谱密度是互相唯一确定的关系，一个是随机过程时域特性的反映，一个是随机过程频域特性的反映。此外，对于宽平稳随机过程来说，平均功率为 若为实随机过程，则其自相关函数为偶函数，即，则 例4.1 试求Poisson随机电报过程的功率谱密度。 解 由习题2-73可知，Poisson随机电报过程为宽平稳过程，其自相关函数为，其中是信号平均传输速率。由Wiener-Khinchin定理知其功率谱密度为 例4.2 设是定义在上的实随机过程，其功率谱密度为。则的解析过程的功率谱密度为 其中为Heavyside函数。 解 由习题3-39和例3.29知的自相关函数为 对其作Fourier变换，由 知 所以，解析过程没有负功率谱密度。 例4.3 试求随机相位余弦信号 的功率谱密度，其中是上的均匀分布。解 由例2.72知，为平稳过程，且其自相关函数为 则其功率谱密度为 其中，用到了常数的Fourier变换是函数的性质。由此可见，随机相位余弦信号的功率集中于频点。例4.4白噪声过程 如所示，若宽平稳随机过程的功率谱密度在任意频点上是常数，即，则称为白噪声过程,由Wiener-Khinchin定理知其自相关函数为 若宽平稳随机过程的功率谱密度为 其中为某个正常数，则称为带限白噪声过程。该过程的平均功率为 自相关函数为 由式可见，当时，和互相正交。白噪声和带限白噪声的功率谱密度若和是两个随机过程，和随机信号功率谱密度的定义类似，可以定义和的互功率谱密度为 和Wiener-Khinchin定理的证明类似，若和为两个联合宽平稳的随机过程，且，则有 式中，为和的互相关函数。 此外，还可以证明互功率谱密度具有以下性质。 性质4.2 ① ② 。 证明作为练习。 例4.5设和是两个联合宽平稳过程，试给出的功率密度。 解的自相关函数为 因此，的功率谱密度为 在信号分析中，常常要讨论两个联合宽平稳随机过程的和，从上述表达式可以看出，互相关函数及互功率谱密度的概念的引进是必需的。例4.6设联合平稳的两个随机过程和的互功率谱密度为 则互相关函数为 离散时间随机信号的功率谱密度 信号的频率刻画了信号变化的快慢，因而对于离散时间随机过程，只有指定了离散时间的绝对时间间隔，功率谱密度才有意义。这时，离散时间随机信号可看成连续时间随机信号每隔时间间隔的采样。为了讨论的方便，将绝对时间间隔标准化为。和连续时间随机过程类似，的功率谱密度定义为 而和的互功率谱密度定义为 由定义知，功率谱密度和互功率谱密度是周期为的函数。 和连续时间随机过程的证明完全类似可得Wiener-Khinchin定理。定理4.2若宽平稳，其自相关函数为，且，则有 若和联合宽平稳，互相关函数为，且，则和的互功率谱密度为 例4.7(离散时间白噪声过程)设为离散时间随机过程，且是独立同分布的随机变量序列，其均值为零，方差为，试求。 解 离散时间随机过程的自相关函数为 因此，功率谱密度为 上述过程称为离散时间白噪声过程。例4.8 设，其中为例4.7中的离散时间白噪声过程，试求。 解容易证明的自相关函数为 因此，功率谱密度为 例4.9 设，其中是要观测的宽平稳实随机信号且对任意，，是一个均值为零且方差为的随机变量；是零均值的、且平均功率为的离散时间