通信原理_随机过程教程.ppt

3.7.2 带限白噪声 1.低通白噪声 白噪声经理想低通滤波器| f |? 后而形成的噪声，被称为低通白噪声，即其功率谱密度为： 由上式可见，白噪声的功率谱密度被限制在| f | ? 内，通常把这样的噪声也称为带限白噪声。 自相关函数 N---噪声平均功率，取决于n 0 fH --Pn(ω)的面积。 结论：按抽样定理对带限白噪声抽样的话，各抽样值是互不相关的随机变量(各抽样点处的随机变量是互不相关的)。 问：窄带、高斯、白噪声的含义。 2.带通白噪声 白噪声经理想带通滤波器后而形成的噪声，被称为低通白噪声，即其功率谱密度为： 式中 fc － 中心频率，B － 通带宽度 则其输出噪声的功率谱密度为 自相关函数 3.窄带高斯白噪声 通常，带通滤波器的 B fc ，因此称窄带滤波器，相应地把带通白高斯噪声称为窄带高斯白噪声。 窄带高斯白噪声的表达式和统计特性见3.5节。 平均功率 3.4.2 ξ0(t)的统计特性 1.ξ0(t)的平稳性 （1）均值 --与t无关。 结论：输出过程的数学期望等于输入过程的数学期望与H(0)相乘。且E[ξ0(t)]与t无关。 其中：根据平稳性 E[ξi(t-α)ξi(t+τ-β)]=Rξi(τ+α-β) （2）相关函数 －－仅与τ有关。 －－仅与时间差有关。 综上: ξ0(t)平稳。即： 2. ξ0(t)的功率谱密度及分布函数 （1） 功率谱密度 因为 ξ0(t)广义平稳 所以 Pξ0 (ω)←→Rξ0(τ) 可证得 Pξ0(ω)=∣H(ω)∣2Pξi(ω) 输出过程?o(t)的功率谱密度 对下式进行傅里叶变换： 得出 令 ?? = ? + ? - ?，代入上式，得到 即 结论：输出过程的功率谱密度是输入过程的功率谱密度乘以系统频率响应模值的平方。 应用：由Po( f )的反傅里叶变换求Ro(?) （2）分布函数 一个十分有用的结论：若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。 因为从积分原理看， 可以表示为： 由于已假设?i(t)是高斯型的，所以上式右端的每一项在任一时刻上都是一个高斯随机变量。因此，输出过程在任一时刻上得到的随机变量就是无限多个高斯随机变量之和。由概率论理论得知，这个“和” 也是高斯随机变量，因而输出过程也为高斯过程。 注意，与输入高斯过程相比，输出过程的数字特征已经改变了。 例3.3 功率谱密度n0/2白噪声，经LPF： 求输出的： Pno(ω)、Ro(τ)、噪声功率N。 解： 3.5 窄带随机过程→窄带过程1.什么叫窄带随机过程？ 频谱: 所占频带较窄，满足Δf fc的随机过程叫～。 时域：用示波器观察，看到某个实现（样本函数）的波形－－幅度和相位随机缓慢变化的近似正弦。 问：窄带随机过程的同相及正交分量是低频的还是高频的? 2. 表达式－－两种！ 3.5.1 ξc(t)、ξs(t)的统计特性 数学期望：对下式求数学期望： 得到 因为?(t)平稳且均值为零，故对于任意的时间t，都有E[?(t)] = 0 ，所以 ?(t)的自相关函数：由自相关函数的定义式 式中 因为?(t)是平稳的，故有 这就要求上式的右端与时间t无关，而仅与?有关。 因此，若令 t = 0，上式仍应成立，它变为 因与时间t无关，以下二式自然成立 所以，上式变为 再令 t = π/2?c，同理可以求得 由以上分析可知，若窄带过程?(t)是平稳的，则?c(t)和?s(t)也必然是平稳的。 进一步分析，下两式 应同时成立，故有 上式表明，同相分量?c(t) 和正交分量?s(t)具有相同的自相关函数。 根据互相关函数的性质，应有 代入上式，得到 上式表明Rsc(?)是? 的奇函数，所以 同理可证 将 代入下两式 得到 即 上式表明?(t) 、 ?c(t)和?s(t)具有相同的平均功率或方差。 根据平稳性，过程的特性与变量t无关，故由式 得到 因为?(t)是高斯过程，所以， ?c(t1)， ?s(t2)一定是高斯随机变量，从而?c(t) 、 ?s(t)也是高斯过程。 根据 可知， ?c(t) 与?s(t)在? = 0处互不相关，又由于它们是高斯型的，因此?c(t) 与?s(t)也是统计独立的。 结论1 若ξ(t)：均值为0、方差为δ2、窄带、平稳、高斯随机过程。 则： （1）ξc(t)、ξs(t)同样是平稳高斯随机过程； （2） E[ξ(t)]=E[ξc(t)]=E[ξs(t)]＝0－－均值相同(都为0)； （3）δξc2=δξs2=δξ2