第2章随机过程201032.pptVIP

通 信 原 理 电 子 教 案第2章 随机过程 陕西科技大学 随机用来描述被观测信号无规律及不可预测的变化。 如语音通信中，语音信号通常在发送之前利用麦克风将其转换成电信号。该电信号在示波器上显示时，人的第一感觉是这个电信号是随机的，即难以预测和再生。 又如在数字通信中，当考虑在Internet上传输一连串0和1码流时，它们的表现是很随机的，虽然总是0和1，但是其次序和位置是不可预测的这种随机性或者不可预测性是信息的基本属性。 噪声是大多数通信系统性能变差的根源，噪声抑制了信号承载的信息在信道上传输的范围和质量。 噪声被定义为任意不需要的信号，它们对传输信号产生干扰和失真。噪声也是随机信号的一个例子，如果噪声可以被预测（如果能在接收机预测它），则可通过去除噪声而抵消其负面影响。因此，噪声与信息在随机特性方面具有相似性。通信的目的是尽最大可能从噪声中筛选出信息。 虽然信息和噪声都是随机信号，信息和噪声的随机性使得我们无法用一个或几个时间函数来准确地描述它们，但它们仍然有一些属性在平均意义上可以被测量和分析，都遵循一定的统计规律，即可以用概率统计的方法—随机过程来分析研究。本章就是介绍一些必要的工具来分析信息和噪声，以理解本课程中其他部分讲述内容。 随机过程的其他例子 在广播或电视接收机的前端放大器中产生的电噪声。 男性或女性说话时发出的声音信号。 电视广播电台通过天线发送的视频信号。 简单地说，随机过程是一种取值随机变化的时间函数，它不能用确切的时间函数来表示。 概括： 即在任意时刻考察随机过程的值是一个随机变量，随机过程可看成是随时间t变化的随机变量的集合。或者说，随机过程是一个由全部可能的实现（或样本函数）构成的集合，每个实现都是一个确定的时间函数，而随机性就体现在出现哪一个实现是不确定的。 概率论：随机变量分析－－分布函数和概率密度 2.2 随机过程的一般表述2.2.1 概念及定义考察： 假设有无数台性能相同的接收机，在同样条工作件下不加信号测试其输出。如果噪声是确定的时间函数，应得到若干个相同的结果，但实践表明，输出各不相同，即便N足够大，也不会得到两个完全相同的结果，得到一系列噪声波形ξ1(t)、ξ2(t)、ξ3(t)、...、ξn(t)、...。 也就是说，接收机输出的噪声电压随时间的变化是不可预知的，因而是一个随机过程。 ξ1(t)、ξ2(t)、ξ3(t)、...、ξn(t)、...。为随机过程的各次实现或样本函数。随机过程ξ(t)是所有实现或样本函数的集合 ，而样本函数的数量有无穷多个。 随机过程的每个样本函数可以看作是一个确定的时间函数，因为一个样本函数就是过程的一次实现，既然已经实现了，那么取值就确定了，因此随机性就消失了。随机性体现在每次实验前出现哪个样本函数是随机的。 由以上的例子可知，随机过程包含有空间和时间的双重概念，它一方面是各次实现的集合（并列的空间概念），另一方面又是时间的函数（时间的概念），不过在实践中，不可能得到空间上并列的各个样本函数，而只能得到时间很长的一次实现，因此，对随机过程也可以从实践中获得的一次实现来定义。 如某实现ξi(t) ，它是随机取值的时间函数，在已经过去的时间上取值已经确定，随机性消失，在未来的时间点上，取值随机，它是一个随机变量，该随机变量取值的 分布规律就是随机过程在该时间上的分布规律。 由于随机过程的瞬时取值是随机变量，因此随机过程的统计特性可以借用随机变量分布函数或数字特征的方法来描述。 联系以前在对随机变量进行描述时，如果仅对随机变量的主要特征关心的话，可以求出随机变量的数字特征，因此相应于随机变量数字特征的定义方法，也可以得到随机过程的数字特征。 为了进一步明确两个随机过程之间的相互关系，下面讨论关于两个随机过程之间的相互统计独立、不相关和正交。 统计独立 随机过程x（t）和y（t）互相统计独立 不相关 2.3 平稳随机过程2.3.1定义1.狭义平稳随机过程（统计特性与时间起点无关 ）假设一个随机过程ξ(t)，如果它的任何n维分布或概率密度函数与时间起点无关，即对于任意的t 和τ，随机过程ξ(t)的n 维概率密度函数满足 2.4 高斯过程2.4.1 基本概念 1.定义 一随机过程ξ(t)，若它的任意n维概率密度呈正态分布，则称其为高斯过程。又称正态随机过程。 数学表达式见式（2.5.1）  高斯过程的一维概率密度函数： 2.5 窄带随机过程→窄带过程2.5.1窄带随机过程的概念1.什么叫窄带随机过程？ 频谱: 所占频带较窄，满足Δf fc 且fc远离零频的随机过程。 时域：用示波器观