阅读材料讲随机信号.docVIP

第5讲 随机信号 5.1 随机变量 2 5.1.1概率分布函数与概率密度函数 2 5.1.2集合平均 3 5.1.3高斯分布随机变量 4 5.2 随机过程 4 5.2.1随机过程的统计平均 5 5.2.2平稳性 6 5.2.3广义平稳随机过程的自相关函数 6 5.2.4 时间平均与各态历经性 7 5.2.5 功率谱密度与随机过程的自相关 7 5.3 随机信号与载波信号相乘 8 5.4 R随机信号通过滤波器 8 5.5 窄带平稳随机过程 8  这一讲我们谈谈随机信号。 第2讲里面我们比较了随机信号和确定信号。我们知道确定信号是指信号在任何时候的取值没有任何不确定性，确定信号的取值是可以用数学函数来表示，比如我们前面介绍过的载波信号 显然只要幅度Ac，频率fc和初始相位(c都是确定的，那么任何时候的波形我们都可以预先计算出来。 而随机信号在信号真正发生之前一定存在某种不确定性，比如上面c(t)信号的初始相位(c如果是在[0,2(]上随机分布的，我们就不能用确定的函数来描述它，也没有办法预知某个时刻t信号c(t)的取值，这样的信号我们就称之为随机信号。 为什么我们要讨论随机信号呢？我们至少有两个理由去讨论随机信号。 第一个原因是，通信系统传输的信号一定是随机信号。在第一讲里面我们谈到，通信系统传输的目的就是传输信息，要做到这一点，接收端接收到的信号一定要有不能预知的东西，这样的传输才有意义。后面我们会稍微介绍下信息论的东西，所以到时候会有更理论一些的讨论。现在我们至少应该知道，通信系统传输的必须是随机信号，上面才能够携带信息。 第二个原因是，通信系统遇到的噪声或者干扰等一定是随机的。我们说，如果它们是确定的，那么就是预先可以知道的。可以预知的噪声或者干扰就可以从接收信号中将其消除，不会影响系统的性能。但问题是，我们遇到的噪声或者干扰时随机的，这样的信号与有用信号混在一起，会影响接收性能。 在进入随机信号的讨论之前，我们先来回顾一下我们在《概率论》里面学过的随机变量，随后我们来看看随机变量与随机信号到底是什么关系呢？ 5.1 随机变量 5.1.1概率分布函数与概率密度函数 我们可以用随机变量X(A)表示随机事件A与实数之间的关系。为了简化表达，我们用X表示这个随机变量，省去了A。随机变量可以是离散的，也可以是连续的。 随机变量X的概率分布函数可以表示为 其中Pr(X(x)表示随机变量X落到实数区间(-(,x)内的概率，x为一个实数。分布函数PX(x)有如下性质： 随机变量另外一个非常有用的函数是概率密度函数（probability density function, pdf），我自己觉得pdf比上面的分布函数更有用，它的定义是 显然它也是实数x的函数。 那么为什么我们把它叫做“密度函数”呢？我们来看看随机变量落到区间[x1,x2]上的概率： 这样，X落到非常窄的区间[x, x+(x]上的概率可以近似为 这样当(x(0时，我们可以得到 随机变量的pdf具有如下性质： 5.1.2集合平均 在第2讲介绍了时间平均算子(((，我们现在知道时间平均算子对确定信号而言是非常有用的运算，因为确定信号的直流、能量、平均功率、相关函数等都是基于时间平均算子来定义的。 第2讲中也提到，我们还有一种平均算子就叫做集合平均，下面我们来看看它是如何定义的呢？ 对于随机变量X，它的均值（期望值）定义为 这里的E{(}就成为集合平均算子。 随机变量X概率分布的n阶矩定义为 从通信系统分析角度来看，我们最为常用的是一阶以及二阶矩，具体如下： （1）一阶（原点）矩：也就是上面定义的X的均值 （2）二阶（原点）矩：也就是X的均方值 我们还可以定义中心矩来刻画X与mX之间的偏差，常用的包括： （3）二阶（中心）矩：也就是X的方差（variance） 其中(x称为X的标准偏差。 关于方差，有两个问题我们需要注意一下。 首先是方差的物理意义。方差是随机变量X“随机性”的量度，给定了随机变量的方差，实际也就是给定了它的概率密度函数的宽度， 其次是均值、均方值与方差的关系。我们可以得到 也就是说，方差等于均方值减去均值的平方。 5.1.3高斯分布随机变量 高斯随机变量可能是在通信系统中最经常碰到的随机变量，请大家自己总结下高斯随机变量的pdf，均值，方差等。 5.2 随机过程 随机过程X(A,t)可以看成两个变量的函数：事件A和时间。图5.1给出了一个随机过程。图中有N个关于时间的样本函数，{Xj(t),j=1,2,…,N}。每个样本函数可以被看作是一个不同的噪声生成器的输出。对于特定的事件Aj（或者说对应第j个噪声生成器），我们可以得到第j个样本函数X(Aj,t)=Xj(t)。注意每个样本函数都是确定的。 我们可