通信原理教程李卫东李殷游思晴第3章随机信号课件教学.pptVIP

第3章　随机信号 3.1 随机过程的特征 3.1.1 全局特征 3.1.2 统计平均 3.1.3 矩 3.1.4 常用局部特征 3.2 两个或者两个以上随机过程的联合特征 3.2.1 联合特征 3.2.2 独立和不相关 3.3 平稳随机过程 3.3.1 严平稳随机过程 3.3.2 宽平稳随机过程 3.3.3 平稳过程的各态历经性 3.3.4 平稳随机过程的性质 3.4 平稳过程的功率谱密度 3.4.1 功率谱密度 3.4.2 维纳—辛钦定理 3.4.3 平稳随机过程功率谱密度的性质 3.4.4 平稳随机过程的和 3.5 高斯过程 3.5.1 定义 3.5.2 性质 3.5.3 一维高斯概率密度函数 3.6 白噪声与高斯白噪声 3.6.1 白噪声 3.6.2 高斯白噪声 3.7 随机过程和线性系统 3.8 窄带平稳随机过程 3.9 循环平稳随机过程 图3-9 窄带信号的功率谱密度 3.5.3 一维高斯概率密度函数 图3-5 正态概率密度函数，均值为零 图3-6 概率积分函数 图3-7 误差函数和互补误差函数 3.6.1 白噪声 图3-8 白随机过程的功率谱密度 白过程的功率谱密度在全部频率范围内为常数，其功率趋于无穷，这样的随机信号在物理上是不存在的。 通常白过程作为一个数学模型来描述噪声，或者作为线性时不变系统的输入来得到物理上可以实现的信号，可以简化分析。 白过程的定义，只给定了功率谱密度的特性，对其服从的概率分布并没有做出限制。 例如，白过程可以服从高斯分布特性，也可以服从瑞利分布特性。 3.6.2 高斯白噪声 因而我们可以得到结论：随机过程通过LTI系统的输出仍然是随机过程。 自然，我们关心输出随机过程具有什么样的性质。 例3.5 判断图3-2中的4个函数，哪个一定不是某个平稳随机过程的自相关函数。 解：根据相关函数的性质，图3-2（b）、（c）、（d）一定不是自相关函数。 图3-2 例3.5图 在讨论确定函数的时候，我们给出了确定函数的功率谱密度的定义。 这一小节把功率谱密度的概念推广到平稳随机过程。 3.4.1 功率谱密度 3.4.2 维纳—辛钦定理 图3-3 积分区域 图3-4 对v积分 即平稳过程的自相关函数与功率谱密度是一对傅氏变换对。 维纳-辛钦定理提供了一种求功率谱密度的方法。 3.4.3 平稳随机过程功率谱密度的性质 我们经常遇到两个平稳随机过程的和。例如，信号通过加性噪声信道，信道的输出就是信号与噪声的和。 在这一小节中讨论两个随机过程的和的功率谱密度。 3.4.4 平稳随机过程的和 互功率谱密度不具有类似功率谱密度那样的物理意义。 与互相关函数在时间域上描述两个平稳过程之间的相关性类似，互功率谱密度在频率域上描述了两个平稳过程之间的相关性。 在实际应用中，考虑多个平稳过程之和的频率特性时，就要用到互功率谱密度，如式（3.54）的情况。 高斯过程是通信系统中最常用到的一个随机过程。 导体中，自由电子随机运动，运动的方向是随机的，运动的速度是导体绝对温度的函数，称为热运动。 单个运动的电子可以看成是一个微小的电流，方向大小都是随机的。 所有的电子热运动引起的微小电流的和，就是导体的热噪声。 特定时刻的热噪声可以看成是大量的独立同分布（互相之间独立，有相同的分布）随机变量的和，根据中心极限定理，这个和就是一个高斯随机变量，因而热噪声是高斯过程。 不仅电子设备中普遍存在的热噪声是高斯过程，一些通信系统的信源也服从高斯分布。 高斯分布具有特别的性质，高斯分布的随机变量和随机过程，其数学上的分析处理非常简便易用。 3.5.1 定义 （1）高斯过程通过线性时不变系统，输出还是高斯过程。 线性时不变系统的输出是输入和系统冲击响应的卷积，因而可以看出是很多高斯变量的线性和。 我们知道，高斯变量的线性和仍然是高斯变量，因而可以得出这个性质。 3.5.2 性质 3.1.1 JSP、Java与Javascript 3.3.2 宽平稳随机过程 平稳随机过程的统计特性与时间原点的选定无关。 只要满足一些较宽的条件（这些条件见各态历经定理，请参考关于“概率论与随机过程”的入门书籍），平稳随机过程及其函数的统计平均（集平均），可以用一个样本函数在整个时间轴上的时间平均值来代替。 3.3.3 平稳过程的各态历经性 1．样函数的时间平均值 2．均值各态历经随机过程 3．自相关各态历经