随机信号相关知识点.pptVIP

第六章 随机信号分析; 随机信号是一种不能用确定的数学关系式来 描述的、无法预测未来时刻精确值的信号，也无 法用实验的方法重复再现。 换言之，随机信号是指不能用确定性的时间 函数来描述，只能用统计方法研究的信号。 其统计特性：概率分布函数、概率密度函数。 统计平均：均值、方差、相关。 随机信号分为平稳和非平稳两大类。平稳随 机信号又分为各态历经和非各态历经。 ①各态历经信号——指无限个样本在某时刻所历经的状态，等同于某个样本在无限时间里所经历的状态的信号。 ;②平稳随机信号——其均值和相关不随时间变化。 Note：各态历经信号一定是平稳随机信号，反之 不然。 工程上的随机信号一般均按各态历经平稳随 机过程来处理。 仅在离散时间点上给出定义的随机信号称为 离散时间随机信号，即随机信号序列。 平稳随机过程在时间上是无始无终的，即它 的能量是无限的，只能用功率谱密度函数来描述 随机信号的频域特性。 ;6.1 随机信号的数字特征;6.1.1 均值、均方值、方差;随机信号x(t)的均方根值表示为： 也是信号能量的一种描述。 随机信号x(t)的方差表达式为： 是信号的幅值相对于均值分散程度的一种表 示，也是信号纯波动分量（交流）大小的反映。 ;随机信号x(t)的均方差（标准差）可表示为： 它和 意义相同。 平稳随机过程统计特征的计算要求信号x(t) 无限长，而实际上只能用一个样本即有限长序列 来计算。因此所得的计算值不是随机信号真正的 统计值，而仅仅是一种估计。 ;6.1.2 离散随机信号;6.1.3 估 计;对于有限长随机信号序列，可用下式计算其均值 估计 ： 当序列长度足够时， 能精确逼近真实值 。 类似地，可以写出均方值和方差估计表达式。 在MATLAB工具箱中，没有专门函数用来计算 均值、均方值和方差。但随机信号的统计数字特 征值计算都可以通过MATLAB编程实现。 （P214) ;函数STD调用格式为： s=std(x)；s=std(x,flag) 式中，x为向量或矩阵；s是标准差； flag是控制符，用来控制标准算法。 当flag=0（或缺省）时，按下式计算无偏标准差： 当flag=1时，按下式计算有偏标准差： ;6.2 相关函数和协方差;6.2.1 自相关函数和自协方差;对于离散随机信号序列，x(n)的自相关函数和自 协方差为 ： 式中m为延迟。 ;6.2.2 互相关函数和互协方差; 对于离散随机序列x(n)和y(n)，互相关函数和 互协方差为 ： 注意，在上面公式中t→∞(或N→∞)。而工程中 信号是有限长，因此只能得到相关函数和协方差 的估计值，当t（或N）足够长时，估计值能精确 地逼近真实值。 ;6.2.3 MATLAB函数; option缺省时，函数xcorr计算非归一化行相关。 option为选项： ① ′biased′， 计算有偏互相关函数估计； ② ′unbiased′，计算无偏互相关函数估计； ③ ′coeff′， 使零延迟的自相关函数为1； ④ ′none′， 缺省情况。 maxlags为x和y之间的最大延迟。 若该项缺省时，函数返回值c长度是2N-1； 若不缺省时，函数返回值c长度是2*maxlags+1。 ;该函数也可用于求一个随机信号序列x(n)的自相 关函数，调用格式为： c=xcorr(x) c=xcorr(x,maxlags) （P217) 含有周期成分和干扰噪声信号的自相关函数在τ=0 时 具有最大值，且在τ较大时仍具有明显周期性，且频率 和周期成分的频率相同；而不含周期成分纯噪声信号在 τ=0时也具有最大值，但在τ稍大时明显衰减至零。自 相关函数的这一性质被用来识别随机信号中是否含有周 期信号成分和它们的频率。; （P218) 两个均值为零且具有相同频率的周期信号，其互相关函数Rxy(τ)保留原信号频率、相位差和幅值信息。 若信号x(t)和信号y(t)是同类信号且有时移， 用互相关函数可以准确地计算出两个信号时移大 小。这种特性使得互相关函数广泛的应用于测量 技术中。 （P220) ;6.3 功率谱估计;6.3.1 功率谱密度;若随机信号x(t)的自功率谱为Sx(f)，则 两个随机信号x(t)和y(t)的相互关系 的频率特性可用互功率谱密度来描述，互 功率谱密