2.2 随机过程一般描述2.3 平稳随机过程2.4平稳随机过程的相....PPTVIP

2.2 随机过程一般描述 2.3 平稳随机过程 2.4平稳随机过程的相关函数与功率谱 2.5高斯过程 2.6窄带随机过程 2.7正弦波加窄带高斯噪声 2. 8随机过程通过线性系统;§ 2.2 随机过程一般描述;随机过程的数学定义： 设随机试验E的可能结果为ξ(t)，试验的样本空间S为{x1(t), x2(t)， …, xn(t),…}， xi(t)是第i次试验的样本函数或实现，每次试验得到一个样本函数，所有可能出现的结果的总体就构成一随机过程，记作ξ(t)。 两层含义： 随机过程ξ(t)在任一时刻都是随机变量； 随机过程ξ(t)是大量样本函数的集合。;随机过程举例：;随机过程基本特征;随机过程的统计描述;n维分布函数： Fn(x1,x2,…,xn; t1,t2,…,tn) P｛ξ(t1)≤x1,ξ(t2)≤x2,…, ξ(tn)≤xn｝ n维概率密度函数 ;随机过程的一维数字特征;随机过程的二维数字特征;§ 2. 3平稳随机过程;平稳随机过程的定义说明：当取样点在时间轴上作任意平移时，随机过程的所有有限维分布函数是不变的。 推论：一维分布与时间t无关， 二维分布只与时间间隔τ有关。从而有 R(t1, t2)=E［ξ(t1)ξ(t1+τ)］ =R(t1, t1+τ)=R(τ);广义平稳随机过程; ;各态历经随机过程;§2.4 平稳过程的相关函数与功率谱;自相关函数主要性质： R(0)=E[ξ2(t)]=S--ξ(t)的平均功率 R(τ)= R(-τ) --偶函数 |R(τ)|≤ R(0) --上界 R(∞)=E2[ξ(t)] ---ξ(t)的直流功率 R(0)-R(∞)=σ2 ---ξ(t)的交流功率。 ξ(t)的任一样本函数的功率谱密度为 式中，FT(ω)是fT(t)的频谱函数；fT(t)是f(t)的短截函数；f(t)是ξ(t)的任一实现。; 由于ξ(t)是无穷多个实现的集合，因此，某一实现的功率谱密度不能作为过程的功率谱密度。过程的功率谱密度应看做是任一实现的功率谱的统计平均，即 ξ(t)的平均功率S可表示成; 由ξ(t)功率谱密度的定义，很难直接计算功率谱。确知信号的自相关函数与其功率谱密度是傅氏变换对。对于平稳随机过程，也有类似的关系，即 ;利用二重积分换元法，则上式可化简成： 于是 简记为 R(τ)  Pξ(ω)。 上称为维纳-辛钦关系，在平稳随机过程的理论和应用中是一个非常重要的工具。它是联系频域和时域的基本关系式。 ; ; ; 因为cosωcτ π[δ(ω-ωc)+δ(ω+ωc)] 所以，Pξ(ω)= [δ(ω- ωc)+δ(ω+ ωc)];定义——若随机过程ξ(t)的任意n维（n=1, 2, …）分布都是正态分布，则称它为高斯随机过程或正态过程。 其n维正态概率密度函数表示如下： fn(x1,x2,…,xn; t1,t2,…,tn) ;式中, ak=E{ξ(tk)}，σ2k=E{[ξ(tk)-ak]2，|B|为归一化协方差矩阵的行列式，即;高斯过程的特点： 高斯过程的n维分布完全由n个随机变量的数学期望、 方差和两两之间的归一化协方差函数所决定。因此，对于高斯过程，只要研究它的数字特征就可以了。 如果过程是宽平稳的，即其均值与时间无关，协方差函数只与时间间隔有关，而与时间起点无关，则它的M维分布也与时间起点无关，故它也是严平稳的。 如果高斯过程在不同时刻的取值是不相关的，则即对所有j≠k，有bjk=0，于是; =f(x1, t1)·f(x2, t2)…f(xn, tn) 这就是说，如果高斯过程中的随机变量是互不相关的，则它们也是统计独立的。;常用的是高斯过程的一维分布。高斯过程在任一时刻上的样值是一维高斯随机变量，其概率密度函数可表示为 概率密度函数的曲线为;特点 f(x)对称于x=a这条直线。 ， a表示分布中心，σ表示集中程度，f(x)图形将随着σ的减小而变高和变窄。当a=0，σ=1时，称f(x)为标准正态分布的密度函数。 正态分布函数;这里的 称为正态概率积分。 这个积分无法用闭合形式计算，我们要设法把这个积分式和可以在数学手册上查出积分值的特殊函数联系起来，一般常用以下特殊函数： 误差函数 互补误差函数 ;几种函数的关系为;高斯白噪声;;随机过程通过以fc为中心频率的窄带系统的输出，即是窄带过程。所谓窄带系统，是指其通带宽度Δffc，且fc远离零频率的系统。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。如用示波器观察一