《通信原理》教案严红丽滁州学院电子与电气工程学院第3章随机过程.doc

《》教案 第章 本章重点 1、； 2、； 3、本章难点 1、； 2、。 教学方法 公式以及所代表的含义要讲解透彻授课内容 通信过程中的随机信号和噪声均可归纳为依赖于时间参数t的随机过程。 从一实例讲起，设有n部性能完全相同的通信机，工作条件相同。 n部通信机，n台记录仪同时记录通信机输出热噪声电压波形，一次记录的一个波形，就是一个实现（抽样函数）。 无数个记录构成的总体（集合）就是随机过程。 上述这一类随机过程（随机信号）有如下特征： 信号变化不可预测；如气温信号，知道今中午的温度，但不能确切知道明天中午的温度。 ② 事物的变化过程不能用一个（或几个）时间t的确定函数来加以描述。如通信机的输出热噪声电压，在相同条件下每次测量都将产生不同的热噪电压 ～时间函数，要用一簇函数来描述。 n部通信机输出的热噪电压波形见下图： 在上图中，在任一时刻的值是不确定的。 在纵向：，是随机变量，是样本。 在横向：，仅是一个实现（样本函数）。 随机过程两个属性 (1) 是一个时间函数。 (2) 给定任一时刻，是不含t 变化的随机变量。 二、分布函数及概率密度 一维分布函数： 随机变量小于或等于某一数值的概率 则称为的一维概率密度。 一维概率密度： 如果存在 则称为的一维概率密度。 热噪声电压的一维分布函数曲线如下： 热噪电压的一维分布有这样的性质： 显然随机过程的一维分布函数和概率密度仅仅描述了随机过程在各个孤立时刻的统计特性，没有反映随机过程在各个时刻取值之间的内在联系，还需在足够多的时刻上考虑随机过程的多维分布函数。 多维分布函数： 多维概率密度函数： 显然，越大，对随机过程统计特性的描述越充分。 三、随机过程的数学特征 上述随机过程的概率分布函数和密度函数能完整的描述其统计特性，然而在一般情况，多采用数学特征来描述随机过程的统计特性。 的数学期望（均值） 所有样本函数在时刻t 的函数值的平均，也称集平均，以区别时间平均的概念。 阶矩定义： 方差定义：（偏离均值的程度） 衡量随机过程任意两个时刻上获得的随机变量的统计相关特性时，定义： 协方差函数： 自相关函数： 显然有： 互相关函数： 小结：随机过程的基本概念 定义：若干“实现”（样本函数）构成的总体是随机过程。 从纵向上来看，如果我们在时刻对条样本函数同时取样，得随机变量： 或者说，全体样本在时刻的取值就构成一个随机变量。 从横向上来看（沿时间轴上观察），时间序列：是一个实现（样本函数），全体实现才构成随机过程。 随过程机看上去波形千变万化，各不相同，似乎很难定量描述样本函数及随机变量，应该用统计的方法加以描述。 在静态上：对于随机变量，我们考察概率密度、分布函数等。 在动态上：对于样本函数，我们考察其数字特征，有： 均值 ～ 随机过程围绕什么均值起伏变化？ 方差 ～ 对均值的偏离程度？ 自相关函数 ～ 随机过程在不同时刻的取值它们之间的关联程度。 下面图示两个随机过程、： 过程是慢变化，过程是快变化，它们大致有相同的均值、方差，但是在不同时刻的取值，对于来说，相关性强；对于来说，相关性强弱。 3.2 平稳随机过程 一、平稳随机过程 一种特殊类型的随机过程 ～ 平稳随机过程，对任意n和，满足（n维概率密度函数）： 对于一维的情况来说，一维概率密度函数与时间无关。即 二维概率密度函数只与时间间隔有关，即 平稳随机过程的统计特性： (1) 均值（数学期望） (2) 方差 (3) 自相关函数 平稳随机过程的自相关函数只与时间间隔有关： 在通信系统中所遇到的信号及噪声，大多数均可视为平稳随机过程，因此研究平稳过程有很大实际意义。 二、各态历经过程 大量的实际观测和理论分析表明，许多平稳随机过程具有所谓“各态历经性”。 许多平稳过程的数学特征（均值、方差、自相关函数），完全可由过程中的任一实现（任一样本函数）的数学特征