电波传播理论（徐立勤）08无线电波传播的概率统计理论.docVIP

无线电波传播的概率统计理论 无线电波从发射天线到达接收天线，在传播过程中要遭受自然介质的影响，如大气中各种相关气体成份、大气中水凝体（如雨、雾、雪）和其他大气中的沉降物的折射、散射与吸收，也要遭受地面、地物、大气层结及大气湍流不均匀体的散射与反射，事实上，接收点的场强是来自不同路径的多条射线合成的总效果。由于自然介质与自然环境在时域和空域上都具有随机可变的特性，这些多径射线的极化、幅度和相位都可以是随机变化的，他们在接收点的叠加与合成可以是相干的或不相干的，合成信号自然也是随机变化的，总之，接收点的场强或者接收电平以及相位等无线电波的属性本质上都是个随机变量。 8.1 随机变量与统计规律 随机变量的变化不是没有规律的、不可预测的，它也是有规律的、可以预测的，只不过随机变量服从的是统计规律而不是决定性的规律。举个例子，自由落体是服从决定性规律的，我们可以肯定地说，在真空中，自由落体的加速度是9.8米，这是确定的、不容置疑的。但是，我们很难说，某个射手某次打靶一定能打几环，因为打靶时有很多随机因素都可能会影响到打靶的成绩，打靶是很随机的事件。然而对于这个随机事件，我们可以预测说，在N（N足够大）次射击中，打中一环的次数可能是次，打中二环的次数可能是次，打中三环的次数可能是次，……。与N之比就是打中一环的概率，与N之比就是打中二环的概率，依次类推。总之，对于随机事件，我们不能预测事件的结果肯定是如何如何，但是我们可以预测它以多大的可能性如何如何，或者随机事件发生的概率有多大。 比如说，在固定无线通信业务中，假设接收点场强是个随机变量，我们不能预测某一确定时刻的场强究竟是多少，但是，我们可以依据经验预测，该点场强高于或低于某一数值的可能性有多大，换句话说，它有多大的可能性高于或低于某一数值。这就是统计规律。在移动通信中，我们使用的电波传播统计模型不能告诉我们覆盖区内某一具体地点的场强肯定是多大，但是它可以告诉我们覆盖区内有百分之多少的地点的场强高于或低于某一数值，或场强高于或低于某一数值的地点有百分之几。 如上所述，接收点的场强或接收电平是个随机变数。如何来描述随机变数的特性？通常我们是使用均值（平均值）、中值、均方差和分布函数来表达随机变量的统计特性的。均值、中值、均方差反映随机变量的数值特征，分布函数反映随机变量在某数值范围内的分布或散布的特性。 以接收电平为例。在接收电平的测试中，每个采样电平只是个瞬时值，称为一个子样，在数据处理中我们需要计算平均值、中值和均方差，用以表达随机变量的统计特性。设在某一个测试点一分钟之内我们共采得mm足够大）个接收电平值：，……，，我们称之为接收点电平的m个子样。对于m个电平子样一定存在一个这样的值：在子样集中有50%的子样小于它，而另外50%子样则大于它，那么，这个值就是这些子样的中值。，它的意思是说，瞬时接收电平作为随机变量，它有5的于中值从随机事件实现的角度看，也可以这样说：随机变量的采样中有的子样可以于，但是只有当采样数目很大时，后面这种定义才等效于前面的严格定义。类似地，表示随机变量有/100）％的于随机变量于的/100）％；从随机事件实现的角度看，也可以这样说：随机变量的采样中有/100）％的子样可以大于但是只有当采样数目很大时，后面这种定义才等效于前面的严格定义其中可以是0与1之间的任何一个值对不同的值统计出值，的不同取值，统计出与之相对应的概率值，就可以作出随机变量的累积概率分布曲线和概率密度直方图。 平均值不同于中值，平均值的定义是直截了当的： （8.1） （8.2）是随机变量，是随机变量的均值，是随机变量的采集样品子样，是子样的总个数。均方根偏差的大小反映了随机变量散布的程度。 随机变量，如接收电平或接收点场强，可以随时间或地点随机地变化，这样的过程，被称为随机过程。在随机过程中，随机变量的分布特性可以用累积概率分布函数（简称为概率分布函数，分布函数）和概率分布密度函数（概率密度函数，密度函数）来描述。累积概率分布函数是指以随机变数小于某一指定值的总概率，即前面所述的随机变量取值小于某一指定值的概率，设指定值为，累积概率分布函数自然是的函数，它可以写为，即随机变量的概率，简写为。 而概率分布密度函数则定义为累积概率分布函数的微分： （8.）出现在间隔内的概率为： （8.） （8.）意味着随机变量小于的概率，有时，也说成是，随机变量不超过的概率；而则意味着随机变量大于的概率，有时，也说成是，随机变量超过的概率。反过来，中的意味着随机变量的概率不被超过的值。累积概率分布函数与概率分布密度函