3通信原理第3章试卷.ppt

窄带随机过程 窄带随机过程 窄带随机过程 2、合成信号的 包 络 同相分量和正交分量 3.9 匹配滤波器 输出信噪比： 匹配滤波器 3.10 循环平稳随机过程 循环平稳随机过程的功率谱 * 输出过程的统计特性 从数学期望与自相关函数的性质可见，当输入为平稳随机过程时，这时的输出过程也是一个平稳过程。 利用公式 3、 的功率谱密度 可以得到： 所以， . 例： 如果X（t）是平稳的随机过程，自相关函数为 试计算通过如下所示的系统后的自相关函数和功率谱密度。 相加 延时T 输入 输出 解： 方法二 例题： 3.5 高斯随机过程 若随机过程的任何n维分布都是正态分布，则称它为高斯随机过程。 一 、定义 二、一维正态分布 1、一维概率密度：高斯过程在任意时刻上，是一个随机变量。 p(x)的性质： p(x+a) = p(x-a) x=a时， a变化，p(x)左右平移；σ变化，p(x)高矮宽窄发生变化。 . 此时称为标准正态分布，对应的分布函数称为概率积分函数，记作： 2、正态分布函数： 对于一般的随机变量，当随机变量X和Y相互独立时，X和Y不相关；反之，当X和Y不相关时，他们不一定相互独立。而对于高斯过程，相互独立和互不相关是等价的。 三、高斯过程的特点 3、高斯过程的n维分布仅由均值、方差和两两之间的归一化协方差所决定。（参见公式3.4-1） 1、若干个高斯过程的和的过程仍是高斯过程。 2、高斯过程通过线性系统后的过程仍是高斯过程。 4、高斯过程若为广义平稳，则也是狭义平稳。 5、高斯过程的随机变量之间如果互不相关，则也统计独立。 四、误差函数和互补误差函数 性质：误差函数为递增函数，互补误差函数为递减函数。 五、Q函数 在数字通信系统的误码率分析中，经常用到Q函数和互补误差函数。 eg.178页(6.2.37) 常见的函数 3.6 高斯白噪声 1、白噪声：指噪声的功率谱密度在频域内是常量。即 随机过程通常是按它的概率分布和功率谱来进行分类的。 就概率分布而言，服从高斯分布的的随机过程占有重要地位； 就功率谱特点而言，白噪声对通信理论是极为重要的。 2、信道中噪声的概率分布服从高斯分布。 3、信道中的噪声为高斯噪声，而且在相当宽的频谱范围内具有平坦的功率谱密度，因此，可认为信道噪声为高斯白噪声。 上面定义的白噪声实际上是不存在的。但是在通信系统中有很多噪声，它们的功率谱的频率分布范围远远超过通信系统的工作带宽，因此我们就认为它们是白噪声，这样可以使分析大大简化。 高斯白噪声的某些重要性质用于第5章公式（5.3.32-5.3.34）和第六章公式（6.4.64-6.4.65） 例题 LPF 高斯白噪声 带限高斯白噪声 均值一般为0，方差为 高斯白噪声通过LPF后输出噪声的一维概率密度？ 问题： 3.7 窄带平稳随机过程 一、窄带的定义和表达式 1、“窄带”的定义： 频谱集中在中心频率 附近的带宽 之内，要求 。 2、“窄带”平稳随机过程的表示 用示波器观察窄带随机过程的一个实现波形，它是一个频率近似为 ，包络和相位缓慢变化的正弦波。 实际中，大多数通信系统都是窄带型的，通过窄带系统的信号或噪声必是窄带的，如果这时的信号或噪声又是随机的，则称它们为窄带随机过程。可表示为： 同相分量 正交分量 aξ(t)及φξ(t)分别是ξ(t)的随机包络和随机相位，ξc(t)及ξs(t)分别称为ξ(t)的同相分量和正交分量，它们也是随机过程，显然它们的变化相对于载波cosωct的变化要缓慢得多。 ξ(t)的统计特性可由aξ(t)，φξ(t)或ξc(t),ξs(t)的统计特性确定。反之，如果已知ξ(t)的统计特性则可确定aξ(t),φξ(t)以及ξc(t)，ξs(t)的统计特性。 1 同相和正交分量的统计特性 设窄带过程ξ(t)是平稳高斯窄带过程， 且 均值为零，方差为 。 可以证明它的同相分量ξc(t)和正交分量ξs(t)也是零均值的平稳高斯过程，而且与ξ(t)具有相同的方差。 此外，在同一时刻上得到的ξc和ξs是互不相关的或统计独立的。 2 包络和相位的统计特性 一个均值为零，方差为 的窄带平稳高斯过程ξ(t)，其包络aξ(t)的一维分布是瑞利分布，相位φξ(t)的一维分布是均匀分布，并且就一维分布而言，aξ(t)与φξ(t)是统计独立的，即有下式成立： 瑞利分布 三、窄带高斯噪声（理想带通白噪声） 白噪声通过