CH3-随机过程信号分析理论讲解.ppt

* ?高斯过程又称正态随机过程，它是一种普遍存在和重要的随机过程。在通信信道中的噪声，通常是一种高斯过程。故又称高斯噪声。 通俗地讲，在任意时刻去观察随机过程，若其随机变量的概率分布都满足高斯分布,这个随机过程就是高斯过程。 　　高斯过程有很多与高斯变量类似的统计特征，如： 　　? ? ? ? 1. 高斯过程通过线性系统或高斯过程的线性组合仍为高斯型。 　　? ? ? ? 2. 如果高斯过程是广义平稳的，则等价于平稳。 　　? ? ? ? 3. 如果高斯过程的时间进程中两个不同时刻的随机变量不相关，则等价于统计独立。 　　? ? ? ? 4. 高斯过程的线性积分则为相应的高斯随机变量。 　　? ? ? 在通信系统中，电子器件内部的自由电子的热运动（热噪声），真空电子管的起伏发射和半导体中载流子的非均匀变化（又称散弹噪声，shot ），电源滤波不良的哼哼声等，它们的统计特性基本上都是高斯分布，即高斯过程。 正态分布（normal distribution）又名高斯分布（Gaussian distribution），是一个在数学、物理及工程等领域都非常重要的概率分布，在统计学的许多方面有着重大的影响力。若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：则其概率密度函数为正态分布的期望值μ决定了其位置，其标准差σ决定了分布的幅度。因其曲线呈钟形，因此人们又经常称之为钟形曲线。我们通常所说的标准正态分布是μ = 0,σ = 1的正态分布。 * * 在数学中，误差函数（也称之为高斯误差函数）是一个非基本函数（即不是初等函数），其在概率论、统计学以及偏微分方程中都有广泛的应用。高斯函数的不定积分是误差函数。 * * * 白噪声是指在较宽的频率范围内，各等带宽的频带所含的噪声能量相等的噪声。 白噪声或白杂讯，是一种功率频谱密度为常数的随机信号或随机过程。换句话说，此信号在各个频段上的功率是一样的，由于白光是由各种频率（颜色）的单色光混合而成，因而此信号的这种具有平坦功率谱的性质被称作是“白色的”，此信号也因此被称作白噪声。相对的，其他不具有这一性质的噪声信号被称为有色噪声。 　　理想的白噪声具有无限带宽，因而其能量是无限大，这在现实世界是不可能存在的。实际上，我们常常将有限带宽的平整讯号视为白噪音，因为这让我们在数学分析上更加方便。然而，白噪声在数学处理上比较方便，因此它是系统分析的有力工具。一般，只要一个噪声过程所具有的频谱宽度远远大于它所作用系统的带宽，并且在该带宽中其频谱密度基本上可以作为常数来考虑，就可以把它作为白噪声来处理。例如，热噪声和散弹噪声在很宽的频率范围内具有均匀的功率谱密度，通常可以认为它们是白噪声。 加性高斯白噪声 AWGN(Additive White Gaussian Noise) 是最基本的噪声与干扰模型。加性噪声：叠加在信号上的一种噪声，通常记为n(t)，而且无论有无信号，噪声n(t)都是始终存在的。因此通常称它为加性噪声或者加性干扰。白噪声：噪声的功率谱密度在所有的频率上均为一常数，则称这样的噪声为白噪声。如果白噪声取值的概率分布服从高斯分布，则称这样的噪声为高斯白噪声。 AWGN，在通信上指的是一种通道模型（channel model），此通道模型唯一的信号减损是来自于宽带（Wideband）的线性加成或是稳定谱密度（以每赫兹瓦特的带宽表示）与高斯分布振幅的白噪声。 * 边际分布：是高维随机变量的某个低维分量的分布 瑞利分布是最常见的用于描述平坦衰落信号接收包络或独立多径分量接受包络统计时变特性的一种分布类型。两个正交高斯噪声信号之和的包络服从瑞利分布 * 相干解调：将已调制信号的频率和相位，与载波分量相同的正弦振荡分别相加的幅度解调。所谓相干，泛泛地说就是相互干扰； 　　相干解调是指利用乘法器，输入一路与载频相干（同频同相）的参考信号与载频相乘。 　　比如原始信号 A 与载频 cos(ωt + θ) 调制后得到信号 Acos(ωt + θ)； 　　解调时引入相干（同频同相）的参考信号 cos(ωt + θ)，则得到： 　　Acos(ωt+θ)cos(ωt+θ) 利用积化和差公式可以得到 　　A*1/2*[cos(ωt+θ+ωt+θ)+cos(ωt+θ-ωt-θ)] 　　=A*1/2*[cos(2ωt+2θ)+cos(0)] 　　=A/2*[cos(2ωt+2θ)+1] 　　=A/2+A/2cos(2ωt+2θ) 　　利用低通滤波器将高频信号cos(2ωt+2θ)滤除，即得原始信号 A。 * -兰州大学信息科学与工程学院电信、通信工程系- * * -兰州大学信息科学与工程学院电信、通信工程系- * * -兰州大学信息科学与工程学