教学部–通信原理–随机过程.pptVIP

随 机 过 程 随机过程的基本概念 统计特性和数字特征 平稳随机过程 高斯随机过程 随机过程通过线性系统 窄带随机过程 正弦波加窄带高斯噪声 随机过程的基本概念 确定性过程 其变化过程可以用一个或几个时间t的确定函数来描述 随机过程 其变化过程不可能用一个或几个时间t的确定函数来描述。 随机过程的基本概念 随机过程的定义：设 是随机试验。每一次试验都有一条时间波形（称为样本函数或实现），记作 ，所有可能出现的结果的总体 就构成一随机过程，记作 。 简言之，无穷多个样本函数的总体叫做随机过程 随机过程的基本概念 随机过程的基本概念 随机过程ξ(t)具有两个基本特征： ξ(t)是时间t的函数； 在某一观察时刻t1，样本的取值ξ(t1)是一个随机变量。因此，我们又可以把随机过程看成依赖时间参数的一族随机变量。 可见，随机过程具有随机变量和时间函数的特点。 统计特性 数字特征 数字特征 数字特征 【例】 已知X和Y是相互独立的两个随机变量，它们均值和方差分别为2和6，试求 的均值、方差和自相关函数。 数字特征 【例】 已知X和Y是相互独立的两个随机变量，它们均值和方差分别为2和6，试求 的均值、方差和自相关函数。 平稳随机过程 平稳随机过程 平稳随机过程 各态历经性 各态历经性 各态历经性 各态历经性 平稳随机过程自相关函数的性质 平稳随机过程的功率谱密度 平稳随机过程的功率谱密度 确知的非周期功率信号的自相关函数与其谱密度是一对 傅氏变换关系。 对于平稳随机过程，也有类似的关系，即 高斯随机过程 高斯随机过程 高斯随机过程重要性质 一维高斯随机过程 如果白噪声又是高斯分布的，我们就称之为高斯白噪声。 高斯白噪声在任意两个不同时刻上的取值之间，不仅是互不相关的，而且还是统计独立的。 应当指出，我们所定义的这种理想化的白噪声在实际中是不存在的。但是，如果噪声的功率谱均匀分布的频率范围远远大于通信系统的工作频带，我们就可以把它视为白噪声。 随机过程通过线性系统 随机过程通过线性系统 带限白噪声 带限白噪声 带限白噪声 窄带随机过程 窄带过程的频谱和波形示意 窄带随机过程 窄带随机过程 窄带随机过程 正弦波加窄带高斯噪声 正弦波加窄带高斯噪声 正弦波加窄带高斯噪声 正弦波加窄带高斯过程的包络与相位分布 小 结 如果各随机变量两两之间互不相关，则上式中，对所有 统计独立 由式可以看出, 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。 如果高斯过程是广义平稳的，则它的均值、方差与时间无关，协方差函数只与时间间隔有关，而与时间起点无关，由性质1知，它的n维分布与时间起点无关。所以，广义平稳的高斯过程也是狭义平稳的。 高斯过程经过线性变换（或线性系统）后仍是高斯过程。  f(x)具有如下特性 (1) f(x)对称于x=a这条直线。 (2) 正态分布的概率密度 误差函数和互补误差函数 互补误差函数 误差函数 这种噪声被称为白噪声，它是一个理想的宽带随机过程。式中n0为一常数，单位是瓦/赫。显然，白噪声的自相关函数可借助于下式求得，即 信号在信道中传输时，常会遇到这样一类噪声，它的功率谱密度均匀分布在整个频率范围内，即 这说明，白噪声只有在τ=0时才相关，而它在任意两个时刻上的随机变量都是互不相关的。 高斯白噪声 白噪声的功率谱和自相关函数 高斯白噪声 高斯白噪声 功率谱角度 概率分布角度 只考虑平稳过程通过线性时不变系统的情况。 随机信号通过线性系统的分析，完全是建立在确知信号通过线性系统的分析原理的基础之上的。 我们知道，线性系统的响应vo(t)等于输入信号vi(t)与系统的单位冲激响应h(t)的卷积，即 若 则有 若线性系统是物理可实现的，则 或 如果把vi(t)看作是输入随机过程的一个样本，则vo(t)可看作是输出随机过程的一个样本。显然，输入过程ξi(t)的每个样本与输出过程ξo(t)的相应样本之间都满足上式的关系。 这样，就整个过程而言，便有 随机过程通过线性系统 假定输入ξi(t)是平稳随机过程， 则可以分析系统的输出过程ξo(t)的统计特性。 1. 输出过程ξo(