第六讲平稳随机过程的功率谱密度.doc

第六讲 平稳随机过程的功率谱密度 6.1 确知信号的频谱和能量谱密度 对于确知信号，周期信号可以表示成傅立叶级数，非周期信号可以表示成傅立叶积分。 设信号s(t)为时间t的非周期实函数，满足如下条件： 1），即s(t)绝对可积； 2）s(t)在内只有有限个第一类间断点和有限个极值点， 那么，s(t)的傅立叶变换存在，为 又称为频谱密度，也简称为频谱。 信号s(t)可以用频谱表示为 信号s(t)的总能量为 根据帕塞瓦尔定理：对能量有限信号，时域内信号的能量等于频域内信号的能量。即 其中，称为s(t)的能量谱密度（能谱密度）。 能谱密度存在的条件是 即总能量有限，所以s(t)也称为有限能量信号。 6.2 随机过程的功率谱密度 随机信号的能量一般是无限的，但是其平均功率是有限的。 经推导可得， 为随机过程X(t)的功率谱密度函数，简称为功率谱密度。 功率谱密度是从频率角度描述随机过程X(t)的统计特性的最主要的数字特征。 可得随机过程的平均功率为 对于平稳随机过程，其平均功率为 若X(t)为各态历经过程，则功率谱密度可由一个样本函数得到，即 6.3 功率谱密度与自相关函数之间的关系 平稳随机过程的自相关函数与功率谱密度构成傅立叶变换对，即维纳－辛钦定理： 它成立的条件是绝对可积，即 当时，可得 可知，是平稳随机过程X(t)的平均功率。 6.4 功率谱密度的性质 性质1：是非负实函数，即。 性质2：若X(t)是实平稳随机过程，是偶函数，即。 对于实平稳随机过程，利用其自相关函数和功率谱密度皆为偶函数的性质，又可将维纳－辛钦定理表示成： 也可以利用只有正频率部分的单边功率谱： 其中 例题： 6.5 联合平稳随机过程的互功率谱密度 类似上述的定义，联合平稳随机过程X(t)和Y(t)的互谱密度定义为： 对两个联合平稳随机过程X(t)和Y(t)的互相关函数求傅立叶变换，可得它们的互功率谱密度，简称互谱密度。 互谱密度与互相关函数之间也存在傅立叶变换关系： 对于实随机过程X(t)、Y(t)的互谱密度有以下性质： 1） 2）互谱密度的实部是偶函数，虚部是奇函数。 3）如果X(t),Y(t)互相正交，互谱密度为零。 4）若X(t),Y(t)是互不相关的两个随机过程，且数学期望不为零，则有 5）互谱密度的幅度平方满足 6.6高阶统计量与高阶谱 功率谱的计算丢失了随机过程的相位信息，需要寻求更高阶的统计量和谱，而不限于二阶： 6.7 高斯过程与白噪声 6.7.1 高斯过程 中心极限定理已证明：大量独立的、均匀微小的随机变量之和都近似地服从正态分布。 高斯过程定义：如果对于任意时刻，随机过程的任意n维随机变量服从高斯分布，则X(t)就是高斯过程。 高斯过程的n维概率密度函数为： 式中m,x为n维向量 C为协方差矩阵： 由此可见，正态随机过程的n维概率分布仅取决于其一、二阶矩函数。 广义平稳正态过程定义：若正态随机过程X(t)的均值和方差都是与时间无关的常数，即；而自相关函数只取决于时间间隔，，则称此正态过程为广义平稳正态过程。 高斯过程有许多特殊性质： 性质1：宽平稳高斯过程一定是严平稳过程。 性质2：若平稳高斯过程在任意两个不同时刻是不相关的，那么也一定是互相独立的。 证明：由不相关性，可得平稳高斯过程的二维概率密度函数为 n维分布为 这说明任何时刻都不相关的高斯过程一定是独立高斯过程。 综上所述，高斯过程的宽平稳性和严平稳性是等价的；不相关性和独立性也是等价的。 性质3：平稳高斯过程与确定时间信号之和仍是高斯过程。 性质4：若正态随机过程在T上是均方可积的，则 也是正态过程。 性质5：若正态随机过程在T上是均方可微的，则其导数也是正态过程。 6.7.2 噪声 信息在传输过程中，不可避免地要受到各种干扰，使信号产生误差。 信息传输处理时，信道或设备不理想造成 误差的来源 信号传输处理过程中串入了其它信号 广义地说，称这些使信号产生失真的误差源为噪声。来自外部的噪声也称为干扰。 在理论上，噪声是无法预测的。如果能够很好地掌握它的规律，就能降低它对有用信号的影响。 噪声的分类： 从噪声与电子系统的关系来看： 内部噪声：系统本身的元器件及电路产生的。 外部噪声：包括电子系统之外的所有噪声。 根据噪声的分布： 高斯噪声：具有高斯分布的噪声。 均匀噪声：具