第2章 信号和噪声分析.ppt

* 第2章 信号与噪声分析 信号的时域和频域分析方法 随机变量和随机过程的统计特征 自相关函数与功率谱分析 白噪声与限带、窄带高斯噪声的特点 主要内容 2.1 信号分类 周期信号 非周期信号 确知信号 随机信号 模拟信号 数字信号 基带信号 频带信号 能量信号：能量有限，即 功率信号，功率有限，即 平均功率 能量信号和功率信号不相容，为什么？ 2 .2 信号频谱分析 一、傅里叶级数 周期信号 三角级数形式 指数形式 2 .2 信号频谱分析 二、傅里叶变换 1、非周期信号 频谱函数 反变换 2、周期信号 离散谱 连续谱 傅里叶变换对缩写： 双边谱！ 频谱密度 2 .2 信号频谱分析 非周期信号 周期信号 连续谱 离散谱 2 .2 信号频谱分析 三、卷积与相关 卷积的性质： 卷积定义： 卷积的物理含义： 已知激励信号为f(t)，系统的冲激响应为h(t)，则信号通过该系统后，响应为： 信号运算 （1）卷积 卷积定理 调制定理 满足交换律 2 .2 信号频谱分析 三、卷积与相关 （2）相关 自相关函数 互相关函数 （3）卷积与相关关系 不满足交换律 2 .2 信号频谱分析 四、能量谱与功率谱 功率谱密度： f(t)为功率信号，则其功率谱与自相关函数是一对傅里叶变换 能量谱密度： f(t)为能量信号，则其能量谱与自相关函数是一对傅里叶变换 能量谱密度 功率谱密度 2 .2 信号频谱分析 信号能量或功率的计算 时域 ： 频域： 相关域： ( 为能量信号) ( 为功率信号) 时域积分 频域积分 2.3 随机变量的统计特征 一、 随机变量 (a) 投币随机变量的构成 (b) 掷骰子随机变量的构成 (c) 罗盘转动构成的连续随机变量 2.3 随机变量的统计特征 二、 随机变量的统计特征 一维变量 概率密度函数(pdf)与概率分布函数的关系(cdf) 2.3 随机变量的统计特征 二维随机变量 联合概率分布函数 联合概率密度函数 二、 随机变量的统计特征 边际密度： 针对两个变量 2.3 随机变量的统计特征 三、 随机变量的数字特征 一维变量数字特征 均值： 均方值： 方差： 均值、均方值和方差的关系： 标准差？ 2.3 随机变量的统计特征 三、 随机变量的数字特征 二维数字特征 联合均值： 协方差： 互相关系数： 2.3 随机变量的统计特征 四、常用的随机变量类型 （1）均匀分布：pdf具有均匀分布特征（2）一维高斯分布： （常数） 均值 方差 归一化高斯分布：均值为0，方差为1 一维高斯变量的pdf： 2.3 随机变量的统计特征 四、常用的随机变量类型 一维高斯分布概率密度函数pdf 2.3 随机变量的统计特征 Q 函数：（对归一化高斯分布进行积分） 当x很大时，Q 函数近似表示为： 误差函数与互补误差函数： 当x很大时，互补误差函数近似表示为： 通信系统中常用误差函数 或Q函数形式来表示误差概率！ 2.3 随机变量的统计特征 二维高斯随机变量的统计特征： （1）二维高斯随机变量的概率分布只取决于二维随机变量各自均值、方差和它们的互相关系数。 （2） 二维高斯变量若不相关，则等价于统计独立，于是 （3）若二维随机变量为高斯分布，则每维也是高斯型的， 即两个边际密度p(x)、p(y)也是高斯型的。 （4）多个高斯随机变量的线性组合的联合分布仍为高斯型。 2.3 随机变量的统计特征 四、常用的随机变量类型 （3）瑞利分布： 瑞利分布概率密度函数pdf 2.4 随机过程 一、随机过程的概念和定义 定义1 随机过程是同一个实验的随机样本函数的集合，表示为X(t)={xi(t)}, i=1,2,…,N→∞，其中每个样本函数xi(t)均为随机过程X(t)的一个成员，也成为随机过程的一次（试验）实现。 定义2 随机过程是随机变量在时间轴上的拓展，可表示为X(x,t)，为避免误视为x的“函数”，常以X(t)表示随机过程。 说明 在通信系统中，对接收者不可预测的各种信号以及噪声和干扰就是随机过程，也统称为“随机信号”。