新·第2章数据通信原理-精.pptVIP

数据通信原理 数据通信原理 第2章 随机过程分析 为什么要进行随机过程分析？ 1，通信中的信号通常具有某种随机性，即随机信号。如语音信号、图像信号、视频信号等。 2，通信中的噪声是不能预测的，称为随机噪声。 故要对通信中的信号和噪声进行分析，必须要进行随机过程的理论进行研究。 第2章 随机过程 2.1 随机过程的基本概念 什么是随机过程？ 随机过程是一类随时间作随机变化的过程，它不能用确切的时间函数描述。可从两种不同角度看： 角度1：在给定的观察区间内，是一个时间t的函数。其中每个时间函数称为实现，随机过程就可以看成是一个全部实现构成的总体。 第2章 随机过程 【例】n台示波器同时观测并记录这n台接收机的输出噪声波形 样本函数?i (t)：随机过程的一次实现，是确定的时间函数。 随机过程：? (t) ={?1 (t), ?2 (t), …, ?n (t)} 是全部样本函数的集合。 第2章 随机过程 角度2：随机过程是随机变量概念的延伸。 在任一给定时刻t1上，每一个样本函数?i (t)都是一个确定的数值?i (t1)，但是每个?i (t1)都是不可预知的。 在一个固定时刻t1上，不同样本的取值{?i (t1), i = 1, 2, …, n}是一个随机变量，记为? (t1)。 换句话说，随机过程在任意时刻的值是一个随机变量。 因此，我们又可以把随机过程看作是在时间进程中处于不同时刻的随机变量的集合。 这个角度更适合对随机过程理论进行精确的数学描述。 与随机变量相比，随机过程和随机变量的样本空间不同： 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。即随机过程是含有随机变量的时间函数，同时随机过程是在时间进程中处于不同时刻的随机变量的集合。 故随机过程具有随机变量和时间函数的特点，不能写出其数学表达式。 第2章 随机过程 2.1.1随机过程的分布函数 设? (t)表示一个随机过程，则它在任意时刻t1的值? (t1)是一个随机变量，其统计特性可以用分布函数或概率密度函数来描述。 随机过程? (t)的一维分布函数： 随机过程? (t)的一维概率密度函数： 若上式中的偏导存在的话。 第2章 随机过程 随机过程? (t) 的二维分布函数： 随机过程? (t)的二维概率密度函数： 若上式中的偏导存在的话。 随机过程? (t) 的n维分布函数： 随机过程? (t) 的n维概率密度函数： 第2章 随机过程 2.1.2 随机过程的数字特征 均值（数学期望）： 在任意给定时刻t1的取值? (t1)是一个随机变量，其均值 式中 f (x1, t1) － ? (t1)的概率密度函数 由于t1是任取的，所以可以把 t1 直接写为t， x1改为x，这样上式就变为 第2章 随机过程 ? (t)的均值是时间的确定函数，常记作a ( t )，它表示随机过程的n个样本函数曲线的摆动中心 : 第2章 随机过程 方差 方差常记为? 2( t )。这里也把任意时刻t1直接写成了t 。 因为 所以，方差等于均方值与均值平方之差，它表示随机过程在时刻 t 对于均值a ( t )的偏离程度。 第2章 随机过程 相关函数 式中， ? (t1)和? (t2)分别是在t1和t2时刻观测得到的随机变量。可以看出，R(t1, t2)是两个变量t1和t2的确定函数。 协方差函数 式中 a ( t1 ) a ( t2 ) － 在t1和t2时刻得到的? (t)的均值 f2 (x1, x2; t1, t2) － ? (t)的二维概率密度函数。 第2章 随机过程 相关函数和协方差函数之间的关系 若a(t1) = 0或a(t2)=0，则B(t1, t2) = R(t1, t2) 因此，R(t1, t2)又称为自相关函数，B （t1，t2）又称自协方差函数。 互相关函数和互协方差函数 若?(t)和?(t)分别表示两个随机过程，则 分别称为互相关函数和互协方差函数 设Z（t）=X1cos（ ）－X2sin（ ）是一个随机过程，若X1和X2是彼此独立且具有均值为零、方差为 的正态随机变量，求： （1）数学期望E[z(t)]、 E[z2(t)]； （2）z（t）的一维概率密度函数f（t）； （3）相关函数R（t1，t2）。 第2章 随机过程 2.2 平稳随机过程 2.2.1 平稳随机过程的定义 定义： 若一个随机过程?(t)的任意有限维概率密度函数与时间起点无关，也就是说，对于任意的正整数n和所有实数?，有 则称该随机过程是在严格意义下的平稳随机过程，简称严平稳随机过程。