通信原理第3章随机过程.pptVIP

* 式中 为窄带高斯过程，其均值为零。 设合成信号为 (3.6 - 1) 3.6 正弦波加窄带高斯噪声 * 相位随机变量为 信号r(t)的包络为 推导可得包络概率密度函数为 称为广义瑞利分布也称莱斯(Rice)密度函数。 （3.6-8） * （1） 当信号很小，A→0，即信号功率与噪声功率之比 =r→0时，这时合成波r(t)中只存在窄带高斯噪声，式（3.6-8）近似为式（3.5-20），即由莱斯分布退化为瑞利分布。  （3.6-8） * （2）当信噪比r很大时，有I0(x)≈ ，这时在z≈A附近， f(z)近似于高斯分布，即 即：信号加噪声的合成波包络分布与信噪比有关。小信噪比时，它接近于瑞利分布；大信噪比时，它接近于高斯分布；在一般情况下它是莱斯分布。图 3-5(a)给出了不同的r值时f(z)的曲线。 （3.6-8） * 3.7 高斯白噪声和带限白噪声 白噪声n (t) 定义：功率谱密度在所有频率上均为常数的噪声，即 － 双边功率谱密度 或 － 单边功率谱密度 式中 n0 － 正常数 白噪声的自相关函数：对双边功率谱密度取傅里叶反变换，得到相关函数： 这说明，白噪声只有在τ=0时才相关 * 白噪声的功率 由于白噪声的带宽无限，其平均功率为无穷大，即 或 真正“白”的噪声是不存在的 。 只要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，就可以把它视为白噪声。 如果白噪声取值的概率分布服从高斯分布，则称之为高斯白噪声。 * 低通白噪声 定义：如果白噪声通过理想矩形的低通滤波器或理想低通信道，则输出的噪声称为低通白噪声。 功率谱密度 白噪声的功率谱密度被限制在| f | ? fH内，通常把这样的噪声也称为带限白噪声。 自相关函数 * 定义：如果白噪声通过理想矩形的带通滤波器或理想带通信道，则其输出的噪声称为带通白噪声。 功率谱密度 设理想带通滤波器的传输特性为 式中: fc － 中心频率，B － 通带宽度 则其输出噪声的功率谱密度为 带通白噪声 * 窄带高斯白噪声 通常，带通滤波器的 B fc ，因此称窄带滤波器，相应地把带通白高斯噪声称为窄带高斯白噪声。 窄带高斯白噪声的表达式和统计特性见3.5节。 平均功率 * * * * * 1)、对于随机过程来说，它由许许多多个样本函数来构成, 所以我们无法求其付氏变换，可以说,随机过程不存在付氏变换。 2)、随机过程属于功率信号而不属于能量信号，所以我们讨论功率谱密度。 * 第3章 随机过程 通信中的信号和噪声都具有随机性，需要用随机过程的理论来描述。是本课程的重要数学工具。 3.4 平稳随机过程通过线性系统 3.6 正弦波加窄带高斯噪声 3.5 窄带随机过程 3.3 高斯随机过程 3.2 平稳随机过程 3.1 随机过程的基本概念 3.7 高斯白噪声和带限白噪声 * 3.1随机过程的基本概念 什么是随机过程 1.无穷多个样本函数xi(t)的集合称作随机过程。 2.随机过程可视为无穷多个随机变量 ?(ti) 的集合。 * 3.1.1 随机过程的分布函数 随机变量ξ(t1)小于或等于某一数值x1的概率 简记为F1(x1, t1)，即 称为随机过程ξ(t)的一维分布函数 设ξ(t)表示一个随机过程，在任意给定的时刻t1∈T， 其取值ξ(t1)是一个一维随机变量。随机过程的统计特性可以用分布函数或概率密度函数来描述。 * 如果存在 称 为随机过程 的一维概率密度函数 同理，任给t1, t2, …, tn∈T, 则ξ(t)的n维分布函数被定义为： n维概率密度函数被定义为 * 随机过程的数学期望 随机过程的方差 (variance)： * 相关函数(correlation function)： 描述随机过程在任意两个时刻上获得的随机变量之间的相关程度。 式中， ? (t1)和? (t2)分别是在t1和t2时刻观测得到的随机变量。可以看出，R(t1, t2)是两个变量t1和t2的确定函数。 * 互相关函数 式中?(t)和?(t)分别表示两个随机过程。 因此，R(t1, t2)又称为自相关函数。 * 1. 和的平均等于平均的和 E(X＋Y）＝E(X)＋E(Y) 2. 若X、Y相互统计独立，则积的