2.4随机过程通过线性系统试卷.ppt

通信的目的在于传输信号，信号和系统总是联系在一起的。通信系统中的信号或噪声一般都是随机的，因此在以后的讨论中我们必然会遇到这样的问题：随机过程通过系统（或网络）后，输出过程将是什么样的过程？ 这里，我们只考虑平稳过程通过线性时不变系统的情况。 随机信号通过线性系统的分析，完全是建立在确知信号通过线性系统的分析原理的基础之上的。我们知道，线性系统的响应vo(t)等于输入信号vi(t)与系统的单位冲激响应h(t)的卷积，即 2.4 随机过程通过线性系统 （2.4-1） 或 （2.4-2） 若线性系统是物理可实现的，则 （2.4-3） （2.4-4） 如果把vi(t)看作是输入随机过程的一个样本，则v0(t)可看作是输出随机过程的一个样本。显然，输入过程ξi(t)的每个样本与输出过程ξ0(t)的相应样本之间都满足式（2.4 - 4）的关系。这样，就整个过程而言，便有 (2.4 - 5) 假定输入ξi(t)是平稳随机过程， 现在来分析系统的输出过程ξ0(t)的统计特性。我们先确定输出过程的数学期望、自相关函数及功率谱密度，然后讨论输出过程的概率分布问题。 1. 输出过程ξo(t)的数学期望 对式（2.4 - 5）两边取统计平均，有 式中利用了平稳性假设E［ξi(t-τ)］=E［ξi(t)］=a(常数)。 又因为 求得 所以 由此可见, 输出过程的数学期望等于输入过程的数学期望与直流传递函数H(0)的乘积，且E［ξo(t)］与t无关。 （2.4-6） 根据平稳性 2. 输出过程ξo(t)的自相关函数 有 （2.4-7） 可见， 的自相关函数只依赖时间间隔 ，而与时间起点t0 无关。 由以上输出过程的数学期望和自相关函数证明：若线性系统的输入过程是平稳的，那么输出过程也是平稳的。 3. 输出过程ξ0(t)的功率谱密度 对式（2.4 - 7）进行傅里叶变换, 有 令 则有 即 （2.4-8） 可见，系统输出功率谱密度是输入功率谱密度Pi(ω)与系统功率传输函数|H(ω)|2的乘积。这是十分有用的一个重要公式。 当我们想得到输出过程的自相关函数Ro(τ)时，比较简单的方法是先计算出功率谱密度Po(ω)，然后求其反变换，这比直接计算Ro(τ)要简便得多。 【例2-2】带限白噪声。试求功率谱密度为n0/2的白噪声通过理想矩形的低通滤波器后的功率谱密度、自相关函数和噪声平均功率。理想低通的传输特性为 　　解　由上式得|H(ω)|2=K20，|ω|≤ωH。输出功率谱密度为 可见，输出噪声的功率谱密度在|ω|≤ωH内是均匀的，在此范围外则为零，如图2-5（a）所示，通常把这样的噪声称为带限白噪声。其自相关函数为 图2-5 带限白噪声的功率谱和自相关函数 式中，ωH=2πfH。由此可见，带限白噪声只有在τ=k/2fH(k=1, 2, 3, …)上得到的随机变量才不相关。它告诉我们，如果对带限白噪声按抽样定理抽样的话，则各抽样值是互不相关的随机变量。这是一个很重要的概念。 如图 2-5（b）所示，带限白噪声的自相关函数Ro(τ)在τ=0 处有最大值，这就是带限白噪声的平均功率: 总可以确定输出过程的分布。其中一个十分有用的情形是：如果线性系统的输入过程是高斯型的，则系统的输出过程也是高斯型的。 因为从积分原理来看， 上式可表示为一个和式的极限，即 4. 输出过程ξ0(t)的概率分布 从原理上看，在已知输入过程分布的情况下，通过式（2.4 - 5），即