通信原理第三章 随机信号分析36.pptVIP

* 这个积分无法用闭合形式计算，我们要设法把这个积分式和可以在数学手册上查出积分值的特殊函数联系起来，一般常用以下几种特殊函数： 正态分布函数： * （1） 误差函数和互补误差函数。 误差函数的定义式为 1-erf(x)为互补误差函数，记为erfc(x), 即 * （2） 概率积分函数和Q函数。 概率积分函数定义为 Q函数是一种经常用于表示高斯尾部曲线下的面积的函数，其定义： 正态分布函数和概率积分函数的关系： 用误差函数或互补误差函数表示F(x)的好处是:它简明的特性有助于今后分析通信系统的抗噪声性能。 * 3.5平稳随机过程通过线性系统 随机过程通过系统（或网络）后，输出过程将是什么样的过程？ 这里，我们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。 线性系统的响应y(t)等于输入信号x(t)与系统的单位冲激响应h(t)的卷积，即 将线性系统输入信号x(t)换成随机过程X(t)，则输出信号则为随机过程Y(t)，即 * 将线性系统输入信号x(t)换成随机过程X(t)，则输出信号y(t)变为随机过程Y(t)，即 * 1. 输出随机过程Y(t)的均值 设E[X(t)]∞，且系统稳定 H(0)=? * 2. 输出随机过程Y(t)的自相关函数 结论：平稳随机过程！ 为什么？ * 3. X(t)和Y(t)的互相关函数与互功率谱密度 定义：X(t)和Y(t)的互功率谱密度是其互相关函数的傅立叶变换 * 定义：X(t)和Y(t)的互功率谱密度是其互相关函数的傅立叶变换，即： 4. Y(t)的功率谱密度 * 十分有用的一个重要公式！想得到输出过程的自相关函数Ro(τ)时，比较简单的方法：先计算出功率谱密度Po( f ) ，然后求其反变换，这比直接计算Ro(τ)要简便得多。 例题：带限白噪声。试求功率谱密度为n0/2的白噪声通过理想矩形的低通滤波器后的功率谱密度、自相关函数和噪声平均功率。理想低通的传输特性为 * 解： * 带限白噪声的功率谱和自相关函数 * 5. 输出过程Y(t)的概率密度 带限白噪声的自相关函数Ro(τ)在τ=0 处有最大值，这是带限白噪声的平均功率! 结论： (1)若X(t)是正态随机过程，Y(t)也是正态随机过程 (2)若X(t)的带宽远大于系统带宽，则Y(t)趋于高斯过程（正态过程） * 据此可以确定输出过程的分布。如果线性系统的输入过程是高斯型的，则系统的输出过程也是高斯型的。 输出过程在任一时刻得到的每一随机变量，都是无限多个高斯随机变量之和。由概率论得知，这个“和”的随机变量也是高斯随机变量。这就证明，高斯过程经过线性系统后其输出过程仍然为高斯过程 注意：由于线性系统的介入，与输入高斯过程相比，输出过程的数字特征已经改变了。 * 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： 3.6 高斯白噪声 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 * 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。 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。 如果白噪声又是高斯分布的， 我们就称之为高斯白噪声。 理论分析的重要模型 * 3.7窄带随机过程 1、窄带随机过程的定义：随机过程通过以fc为中心频率的窄带系统的输出，即是窄带随机过程。所谓窄带系统，是指其通带宽度Δffc，且fc远离零频率的系统。 实际中，大多数通信系统都是窄带型的，通过窄带系统的信号或噪声必是窄带的，如果这时的信号或噪声又是随机的，则称它们为窄带随机过程。如用示波器观察一个实现的波形，则如图所示，它是一个频率近似为fc，包络和相位随机缓变的正弦波。 * 图2-6 窄带过程的频谱和波形示意 * 2、窄带随机过程的表示式(3种) * 3.窄带平稳随机过程的自相关函数与功率谱密度 （1）Z(t)的自相关函数与功率谱密度 * （2）复包络XL(t)的自相关函数与功率谱密度 * 解析信号和复包络的率谱密度 * （3）Xc(t) Xs(t)的统计特性 （b）若X(t)是高斯过程，则Xc(t)和Xs(t)也是高斯过程。 （a）若E[X(t)]＝0，则E[Xc(t)]＝0 ，E[Xs(t)]=0 （c）若X(t)是平稳过程，Xc(t) 和Xs(t)是平稳随机过程，并且联合宽平稳过程：自、互相关函数只与τ有关。 * （d）X