湖南城市学院随机过程讲稿.pptVIP

* 5.1 确知信号的复信号表示 5.2 希尔伯特变换 5.3 复随机过程 5.4 窄带随机过程的统计特性 第五章 窄带随机过程 5.5 窄带高斯过程的包络和相位分布 5.6 卡方分布及非中心卡方分布 5.5 窄带高斯随机过程包络与相位的分布 在许多实际电子系统或电路中，我们经常遇到这样的情况，用一个宽带随机过程激励一个高频窄带线性系统（或简称窄带滤波器）。如图5.5.1所示。 图5.5.1 窄带高斯过程的的产生 5.5.1 包络和相位的一维概率密度 假设 是一窄带平稳高斯实随机过程，具有零均值和方差 ， 则有以下关系 在任一给定的时刻 ，对A(t)和 采样，便可得到随机变量 和 。 将由式 所表示的 之间的函数关系记为 相应的反变换关系为 一、求 为求得 ，先来研究 的某些统计特性。 1. 都是高斯随机变量。 2. 的均值皆为零，即 3. 具有相同的方差，且都等于Y(t)的方差 。 4. 相互独立。应用 的性质可得 即 正交。 包络和相位的一维分布 5. 于是可得 的联合概率密度函数为： 二、求 利用 式中J为雅可比因子 可得 三、求 通过对 求边沿概率密度，便可得到 上式给出了包络A(t)的一维概率密度函数表达式，通常将它称为瑞利分布，其图形如图5.5.2所示。 图5.5.2 瑞利概率密度函数 同理， 的一维概率密度函数为 可见，随机相位在 区间呈均匀分布。 比较以上三式，还可以得到 上式告诉我们，在同一时刻t，随机变量 相互独立，但也应注意，这并不意味着随机过程 相互独立。 求解包络和相位的二维概率密度步骤： 一、求出四维密度 二、求 各自的联合概率密度 三、求二维边缘概率密度 和 包络和相位的二维分布 （1）求四维分布 对于确定的时刻t, 皆为零均值、方差为σ2的高斯变量。根据多维高斯随机变量的概率密度公式可得： * 其中 其中 ，把以上带入到多维变量的概率密度公式中可得： （2）求联合概率密度 其中，雅克比为 从而可得： （3）包络的二维概率密度 （4）相位的二维概率密度 式中 根据（2）、（3）、（4）可得： 这就表明，窄带高斯过程的包络和相位不是统计独立的随机过程。 5.5.2 正弦型信号与窄带高斯噪声之和的包络 及相位的概率密度 假设 X(t)=S(t)+N(t) 其中，S(t)为具有相位的正弦型信号，即 式中， 为已知常数， 区间均匀分布的随机变量。 N(t)为平稳窄带实高斯随机过程，具有零均值和方差。 称N(t)为噪声。并设它的功率谱密度对称与 。 很明显，X(t)也是一个窄带随机过程。 其中N(t) 表达式为： 其中， 所以有： 根据上节的分析可知，NC(t)和NS(t)服从高斯分布，所以对于任意的θ和t,AC(t)和AS(t)也是高斯分布并且相互独立。在θ值给定的情况下，它们的均值和方差分别为： 于是可得 的联合概率密度函数为： 于是可得X(t)的包络和相位联合概率密度函数为： 包络概率密度函数为： 该式表明，窄带高斯噪声加正弦信号的包络服从广义瑞利分布 或者莱斯分布。