大学--数字通信原理第2章-随机信号分解.ppt

第二章 随机信号分析 随机信号分析、确定性信号分析的不同与联系： 随机信号分析的主要内容： 随机过程的一般表述 平稳随机过程 高斯过程 窄带随机过程 正弦波加窄带高斯过程 平稳随机过程通过线性系统 引言 信号：一般是时间的函数 确定信号：可以用确定的时间函数表示的信号 周期信号和非周期信号 能量信号和功率信号 基带信号和频带信号 模拟信号和数字信号 随机信号：具有随机性，可用统计规律来描述 通信过程中要发送的信号是不可预知的，因此具有随机性，是随机信号，但信号的统计特性具有规律性。 噪声和干扰是随机的信号； 无线信道特性（可理解为系统传递函数）也是随机变化的。 随机过程：与时间有关的函数，但任一时刻的取值不确定(随机变量) 随机过程可以看成对应不同随机试验的时间过程的集合。如n(或无数）台性能完全的接收机输出的噪声波形，每个波形都是一个确定函数，为一个样本函数，各波形又各不相同。也可看成一个接收机，不同实验输出不同的样本函数。 随机过程是所有样本函数的集合。 1 随机过程的一般表述(1) 样本函数：随机过程的具体实现 样本空间：所有实现构成的全体 所有样本函数及其统计特性构成了随机过程 随机过程是随机变量概念的延伸，即随机变量引入时间变量，成为随机过程。 每一个时刻，对应个样本函数的取值{xi(t),i=1,2,…,n}是一个随机变量。 固定时刻t1的随机变量计为ξ(t1)。 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。 1 随机过程的一般表述(2) 分布函数与概率密度 随机过程ξ(t)在任意时刻t1是一个随机变量ξ(t1)，其统计特性可以用分布函数与概率密度函数来表示 随机过程的n维分布函数或概率密度函数往往不容易或不需要得到，常常用数字特征部分地表述随机过程的主要特征。 对于通信系统而言，随机过程的数字特征就可以满足需要，也会有明确定的物理含义，还可以测量。 如通信信号的方差就是交流功率。 1 随机过程的一般表述(3) 随机过程ξ(t)的数字特征 1 随机过程的一般表述(4) 两随机过程的数字特征 2 平稳随机过程(1) 狭义平稳(严平稳) 2 平稳随机过程(2) 各态历经性(遍历性)：随机过程的任一实现，经历了随机过程的所有可能状态 2 平稳随机过程(3) 实平稳随机过程的自相关函数 2 平稳随机过程(4) 图：功率信号与截断函数 2 平稳随机过程(5) 其功率谱密度为： 3 高斯过程(1) 定义：任意 n 维概率密度是正态分布式 3 高斯过程(2) 3 高斯过程(3) 一维正态分布 3 高斯过程(4) 概率积分函数: 误差函数与互补误差函数分别表示高斯密度函数曲线尾部下的面积 4 窄带随机过程 (1) 4 窄带随机过程 (2) 4 窄带随机过程 (3) 4 窄带随机过程 (4) 4 窄带随机过程 (5) 4 窄带随机过程 (6) 4 窄带随机过程 (7) 4 窄带随机过程 (8) 4 窄带随机过程 (9) 4 窄带随机过程 (10) 4 窄带随机过程 (11) 4 窄带随机过程 (12) 4 窄带随机过程 (13) 4 窄带随机过程 (14) 4 窄带随机过程 (15) 4 窄带随机过程 (16) 4 窄带随机过程(17) 5 正弦波加窄带高斯过程(1) 5 正弦波加窄带高斯过程(2) 6 平稳随机过程通过线性系统(1) 6 平稳随机过程通过线性系统(2) 6 平稳随机过程通过线性系统(3) 7 高斯白噪声和带限白噪声 白噪声n (t) 定义：功率谱密度在所有频率上均为常数的噪声，即 － 双边功率谱密度 或 － 单边功率谱密度 式中 n0 － 正常数 白噪声的自相关函数：对双边功率谱密度取傅里叶反变换，得到相关函数： 白噪声和其自相关函数的曲线： 白噪声的功率 由于白噪声的带宽无限，其平均功率为无穷大，即 或 因此，真正“白”的噪声是不存在的，它只是构造的一种理想化的噪声形式。 实际中，只要噪声的功率谱均匀分布的频率范围远远大于通信系统的工作频带，我们就可以把它视为白噪声。 如果白噪声取值的概率分布服从高斯分布，则称之为高斯白噪声。 高斯白噪声在任意两个不同时刻上的随机变量之间，不仅是互不相关的，而且还是统计独立的。 低通白噪声 定义：如果白噪声通过理想矩形的低通滤波器或理想低通信道，则输出的噪声称为低通白噪声。 功率谱密度 由上式可见，白噪声的功率谱密度被限制在| f | ? fH内，通常把这样的噪声也称为带限白噪声。 自相关函数 功率谱密度和自相关函数曲线 由曲线看出，这种带限白噪声只有在 上得到的随机变量才不相关。 带通白噪声 定义：如果白噪声通过理想矩形的带通滤波器或理想带通信道，则其输出的噪声称为