2011年6月英语四级(CET4)真题60998(阅读).pptVIP

* 第三章 随机信号分析 本章主要内容 ▲ 随机信号与噪声的特性 ▲ 随机过程通过线性系统的分析方法 3.1 引言 通信过程就是信号和噪声通过系统的过程。 统计学上：随机过程。 通信中信号特点：具有不可预知性——随机信号。 通信中噪声特点：具有不确定性——随机噪声。 3.2 随机过程概述 3.1 概述 随机过程是由全部实现构成的总体，每个实现都是确定的时间函数， 而随机性就体现在出现哪一个实现是不确定的。 t t n(t) t n(t) n(t) 基本特征： 为时间的函数； 在时刻t1全体样本的取值 是一个不含t 变化的随机变量。 可见，随机过程具有随机变量和时间函数的特点。 （1）分布函数 设随机过程 ，t1时刻的 是随机变量， 则?（t）的统计特性用 以下特征表述。 随机过程的统计特性是用其概率分布和数字特征来表述的。 显然，随即过程的一维分布函数或一维概率密度函数仅仅描述了随机过程在各个孤立时刻的统计特性。 一维分布函数： 一维概率密度函数： F1(x1,t1)=P{?(t1) ≤x1} 二维概率密度函数： 二维分布函数: F2(x1, x2 ；t1 ,t2)=P{?(t1) ≤x1, ?(t2) ≤x2 } n维概率密度函数： n维分布函数: Fn(x1, x2… xn; t1 t2 … tn)=P{?(t1) ≤x1 … ?(tn) ≤xn } 为了反映随机过程在不同时刻取值间的内在联系，引入： 显然,n越大，对随机过程的描述越充分，但问题的复杂性也就越大。 （2）数字特征 a. 数学期望（统计平均） 表示随机过程的n个样本函数曲线的摆动中心。 b. 方差 表示随机过程在时刻t对于均值a(t)的偏离程度。 二者关系为 c. 相关和协方差函数 衡量随机过程在任意两个时刻获得的随机变量之间的关联程度。 3.2 平稳随机过程 指其统计特性不随时间的推移而变化，在通信领域中占有重要地位。 一维分布与t无关：f1(x,t)=f1(x) 二维分布只与?有关：f2(x1, x2; t1, t2) = f2(x1, x2; t1+ ?, t2+ ?) （1） 狭义平稳 fn(x1,x2, …,xn; t1,t2, …,tn)= fn(x1,x2, …,xn; t1+?,t2+?, …,tn +?) 说明当取样点在时间轴上作任意平移时，随机过程的所有有限维分布函数是不变的。 （2） 广义平稳 E[?(t)]=a, D[?(t)]=?2, R(t1 ,t1+ ?)=R(?) （3） 各态历经性 用平稳随机过程中的任一实现x(t)的数字特征表示随机过程的全部数字特征，即可用时间平均取代统计平均。 平均 方差 自相关 注意：具有各态历经性的随机过程必定是平稳的随机过程，但平稳随机 过程不一定是各态历经的。在通信系统中遇到的随机信号和噪声，一般 均能满足各态历经条件。 3.3 平稳随机过程的相关函数与功率谱密度 1 相关函数性质 ① R（0）=E[?2(t)]=S ξ(t)平均功率 可见用相关函数可以表示平稳随机过程?(t)的几乎所有的数字特征。 ② R（∞）= E2[?(t)] ξ(t)直流功率 ③ |R（?）|≤ R（0） 有界 ④ R（?）= R（-?） 偶函数 ⑤ R(0) － R（∞）=?2 方差 ξ(t)交流功率 2 频谱特性 对于平稳随机过程，其自相关函数与功率谱密度之间存在傅立叶变换关系。 P?(?) R(?) 随机过程的频谱特性是用它的功率谱密度来表示的。 ξ(t)平均功率 功率谱密度P?(?) 的性质： P?(?) ≥0， 非负性； P?(-?) = P?(?)，偶函数性； 所以，定义单边功率谱密度P?0(?) 为： 例：某随机相位余弦波 ，其中A和 均为常数， 是在 内均分布的随机变量。 （1）求ξ(t)的自相关函数与功率谱密度； （2）讨论ξ(t)是否具有各态历经性。 解： （1） ξ(t)是否平稳？ 所以 ξ(t)是广义平稳随机过程，即有 P?(?) R(?) （2）求ξ(t)的时间平均。 3.4 高斯过程（正态随机过程） 通信系统中的噪声一般均可看成是高斯过程。 我们只讨论一维分布的高斯过程。 一维正态分布： a—均值，?2—方差 f(x) x a 标准正态分布： f(x) x a ▲ f(x)的性质： （1