第二章节随机信号分析复习.ppt

  1. 1、本文档共49页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第二章节随机信号分析复习第二章节随机信号分析复习第二章节随机信号分析复习

2008.8 copyright 信息科学与技术学院通信原理教研组 第二章 随机信号分析复习 南京航空航天大学信息科学与技术学院 通信原理教研组 本章内容 信号的频谱分析 三角函数形式 傅里叶变换 傅里叶变换性质 傅里叶变换性质 能量谱密度和功率谱密度 2.帕什瓦尔定理 帕塞瓦尔定理的意义: 3、能量密度谱与功率密度谱 注意: 本章内容 三、卷积与相关 卷积定理 2、相关的定义与性质 3.自相关函数与密度谱的关系 本章内容 希尔伯特变换特例 本章内容 1. 线性时不变系统的基本特性 2、线性系统的传输特性 3、无失真传输系统 5、线性系统响应的密度谱 本章内容 一、随机过程的概念 二、概率分布函数和概率密度函数 1、均值 三、随机过程的数字特征 四、平稳随机过程 五、高斯 (正态) 随机过程 六、瑞利分布与莱斯分布 六、平稳随机过程的功率密度谱 1.余弦函数的希氏变换为正弦函数; 2.低通信号与余弦函数乘积的希氏变换为该函数与正弦函数的乘积。 结论: 随机信号通过线性系统的传输 确定信号通过线性系统的传输 希尔伯特变换 确知信号的分析 1 卷积与相关 2 3 4 5 如果输入为f(t) ,输出为g(t),那么线性时不变系统有如下特性: 稳定性:输入有限时,输出亦为有限。 单位冲激信号做为线性系统的激励信号时,系统的响应称作单位冲激响应h(t); H(?)称作传输函数,反映了系统对输入函数的影响。 频域表示法 时域表示法 线性系统 f(t) y(t) 输入信号 输出信号 线性系统 δ(t) h(t) 式中,K、t0是常数。 对传输函数的要求是什么样的呢? y(t) = K f(t-t0) 定义:所谓无失真传输,是指信号经过线性系统后,输出信号与输入信号相比较只是有衰减、放大、和时延,而没有波形的失真: 无失真传输的频域条件: |H(?)| K ? 传输函数: 冲激响应: 实际应用中,信号本身的带宽有限。只要求系统在信号带宽范围内满足上述条件即可,常采用理想低通滤波器来描述低通线性系统。 4、理想低通滤波器 1、当t<0时,h(t)不等于零; 2、在-W和W处,传输特性锐截止。 该滤波器是物理不可实现的,实际采用的滤波器只是近似于理想低通滤波器。 φ(?) ? -W t0 0 1 H(?) t h(t) 0 t0 W/π W 设输入信号为f(t),系统的冲击响应为h(t),输出响应为y(t),且有: 对于能量信号有 对于功率信号有 通过系统后 结论:线性系统输出响应的能量(功率)密度谱是输入信号的能量(功率)密度谱与系统传输函数模值平方的乘积。 随机信号通过线性系统的传输 确定信号通过线性系统的传输 希尔伯特变换 确知信号的分析 1 卷积与相关 2 3 4 5 两个特征: 是一个随机变量,在每一个时刻上的函数值不是确定的; 是一个时间的函数,每一实现称之为随机过程的样本; …. 比如:通信机输出噪声波形测量 F1(x1,t1)=P[X(t1)≤x1] 一维概率密度函数 一维概率分布函数 随机过程的描述和分析采用统计分析的方法 N维概率分布函数 N维概率密度函数 在实际当中,我们往往只需要理解其数字特征就够了 为充分描述随机过程,需考虑更多时刻的多维联合的状态 2、均方值 3、方差 4、自相关函数 直流分量 总平均功率 交流功率 统计平均 时间平均 设X(t),如果其n维概率密度函数或分布函数与时间无关,即满足 pn(x1,x2,x3…xn,;t1,t2…tn,)= pn(x1,x2,x3…xn,;t1+τ,t2+τ …tn+τ,) 则称该过程为平稳随机过程。 如果上式仅对某个n值成立,则为n阶平稳随机过程,对所有n成立,则为严平稳随机过程(狭义平稳过程)。 如果仅满足 p1(x1,;t1)= p1(x1,;t1+τ)= p1(x1,;0)= p1(x1) p2(x1,x2;t1,t2)= p2(x1,x2;t1+τ,t2+τ )= p2(x1 , x2; τ) 则称为广义平稳随机过程。 1、定义 由以上广义平稳的条件可以推出: 即:广义平稳随机过程的判断转换为对其数字特征的判断。 仅与时间差有关 与时间无关 如果: 则称随机过程X(t)具有各态历经性。 即:对于各态历经过程来说,任一样本都具有充分的代表性, 可以获得随机过程的全部统计信息,而无需得到全体样本。 2、各态历经性 高斯随机过程在通信中应用的最为广泛,其一维分布服从正态分布。它的一维概率密度函数为: 高斯过程 高斯随机过程的几个重要性质:

文档评论(0)

wuyoujun92 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档