第1章离散随机信号时域分析.pptVIP

第一章 时域离散随机信号的分析 ;现 代 信 号 处 理; 数字信号处理 ---时域离散随机信号处理 丁玉美 等 西安电子科技大学出版社;参 考 书;第一章 时域离散随机信号的分析 ;第一章 时域离散随机信号的分析 ;1.1 引 言 ;(1)连续随机信号：时间和幅度均取连续值的随机信号。 ;随机信号X(t)是由它所有可能的样本函数集合而成的,样本函数用xi(t),i=1,2,3,…表示;图1.1.2 n部接收机输出噪声的时域离散化 ;1.2 时域离散随机信号的统计描述 ;1.2.2 随机序列的数字特征;2.均方值与方差;3. 随机序列的相关函数和协方差函数;自协方差函数定义为 ;　　对于两个不同的随机序列之间的关联性，我们用互相关函数和互协方差函数描述。 ; 在信息处理与传输中，经常遇到一类称为平稳随机序列的重要信号。所谓平稳随机序列，是指它的N维概率分布函数或N维概率密度函数与时间n的起始位???无关。换句话说，平稳随机序列的统计特性不随时间而发生变化。; 平稳随机序列的一维概率密度函数与时间无关，因此均值、方差和均方值均是与时间无关的常数。 ;两个各自平稳且联合平稳的随机序列, 其互相关函数为;1)自相关函数和自协方差函数是m的偶函数: ;4) ; 随机序列的自相关函数是非周期序列，但随着时间差m的增大，趋近于随机序列的均值。如果随机序列的均值为0，rxx(m)是收敛序列。;进行z变换，得;Pxx(z)的收敛域包含单位圆，rxx(m)的傅里叶变换存在;1)功率谱是ω的偶函数;集合平均要求对大量的样本进行平均, 实际中这种的做法是不现实的。在很多情况下，可以用研究一条样本曲线来代替研究整个随机序列。;如果平稳随机序列的集合平均值与集合自相关函数值依概率趋于平稳随机序列样本函数的时间平均值与时间自相关函数;正态随机序列的概率密度函数是‘钟’形曲线;随机序列的变量不同时刻之间是两两不相关的，即 ;注意：正态和白色是两种不同的概念，正态是指信号取值的规律服从正态分布，白色是指信号不同时刻取值的关联性。;3. 谐波过程 ;设N=1, 计算它的统计平均值和自相关函数： ;由于谐波过程的统计平均值与时间n无关，自相关函数仅与时间差m有关，所以谐波过程是平稳的。;如果平稳随机信号的功率谱Pxx(Ω)满足下式： ;1.3 随机序列数字特征的估计 ; 假定对随机变量x观测了N次，得到N个观测值：x0, x1, x2, …, xN-1，希望通过这N个观测值来估计参数 ;1.偏移性; 和　 都是x的无偏估计值，如果对任意N，它们的方差满足： ;比较两个有偏估计是较麻烦的。偏移较小的估计，可能有较大的方差，而方差较小的估计可能有较大的偏移。此时使用估计值的均方误差会更方便。;通常对于一种估计方法的选定，往往无法使上述的三种性能评价一致，此时只能对它们折衷考虑，尽量满足无偏性和一致性。;1.3.2 均值的估计;2.估计量的方差与均方误差 ;上式表明，估计量的方差随观察次数N增加而减少，当N→∞时，估计量的方差趋于0。; 已知N点观测数据xi ( i=0, 1, 2, …, N-1)，假设数据之间不存在相关性，且信号的均值mx已知，方差估计： ;偏移性;是有偏估计，但是渐进无偏。;1.3.4 随机序列自相关函数的估计 ;分析这种自相关函数的估计质量;只有当N 》m，N→∞时，估计量的方差才趋于0， 当m→N时，方差将很大。不是一种好的估计，虽然 是无偏估计，但不是一致估计。;对比无偏估计公式，不同的是求平均时只用N去除。;两种估计的方差关系为 ;相关函数应用举例;汐镶脸尖宪猛衬毫桂旧术水崖篱狼失头脆葛戒赎男自娃操徒雏契擂咬嫌幻第1章离散随机信号时域分析第1章离散随机信号时域分析;智惋回蹬霓萧坎蹈辱天拭祖顺褐赘斋卯抛姻刻侣仙愤姆内拢邢速龙胆秸栏第1章离散随机信号时域分析第1章离散随机信号时域分析;1.4 平稳随机序列通过线性系统 ;输出的自相关函数为 ;令 l = r - k;1.4.2 输出响应的功率谱密度函数;利用上式证明功率谱密度函数的非负性;故Pxx(ejω)≥0，信号的功率谱是实、偶、非负函数;线性非时变系统输入与输出之间互相关函数为 ;将系统输出的自相关函数公式重写：;例1.4.1 假设系统的输入、输出和单位脉冲响应分别用x(n)、y(n)和h(n)表示，试求输入、输出互相关函数和输入自相关函数之间的关系。 ;输出、输入互相关函数和输入自相关函数之间的关系： ;解：;慧册荡腆绰刷党汽伐谱洒吾髓紧鸭搽衫纫甄态肆嗓顶溪钓沥袒悄涯澳翌表第1章离散随机信号时域分析第1章离散随机信号时域分析;例1.4.3 已知实平稳白噪声x(n)的功率谱是σ2x，使通过一个q阶的FIR网