信号和系统第9章.pptVIP

第9章 随机信号通过线性系统 ;9.0 引 言 ; 对于离散时间系统，情况也类似，只是h(t)、H(s)、H(jω)分别用 h(k)、H(z)、H(e jω)代替。  由于输入随机信号又可区分为平稳随机信号和非平稳随机信号， 因此，相应有两种情况的分析。本章只讨论平稳随机信号分析， 此时输入是平稳的，系统特性是确定的和稳定的，经过一段过渡时期后，输出最终也是平稳的。 分析任务是求输出进入平稳状态后的均值my，方差Dy，自相关函数Ryy(τ), 功率密度谱Sy（jω），以及输入和输出间的互相关函数Rxy(τ)，互谱密度Sxy（jω）等。 ;9.1 随机信号的概念 ; 设有一个随机信号产生器，若有甲、乙两个同学分别去做实验并观察实验结果，甲观察到的实验输出波形为x1(t)，乙观察得到的实验输出波形为x2(t)，x1(t)≠x2(t)，如图9.1所示。同理， 设有N个同学分别去做实验，得到实验结果就分别为x1(t)，x2(t)， …, xN(t)。也就是说，随机信号产生器产生的随机信号X(t)，在同一时刻t (例如t=t0)可能输出不同的值，若实验观察， 事先是不知道X的取值，即时间t给定时X(t)是一个随机变量。 ;图 9.1-1 随机信号X(t) ; 显然，随机信号X(t)有如下两个特点：  （1）在定义的观察区间内， X(t)是以时间t为参变量的随机函数；  （2） 给定t，它是一个随机变量， 即X(t)在t时刻的取值是随机变化的。  现实生活中随机信号的例子很多，如噪声电压信号，某区域海浪高度的变化，某一区域风向的变化，某一河流的流量变化，交易市场指数的变化，等等，它们都是随机信号。 ;9.1.2 随机信号的分布函数和概率密度 ; 为了描述随机信号在不同时刻t1, t2, …, tn的内在联系，同理, 可以分别定义如下所示的n维联合分布函数和n维联合概率密度函数： ;9.2 连续随机信号的统计特征 ;定义 9.2-2 随机信号X(t)的均方值或二阶原点矩定义为 ;9.2.2 方差 ;下面给出方差与均值和均方值三者之间的关系。 ; 即方差 等于随机信号平方的均值E［X2(t)］减去随机信号的均值mx的平方。如果用X(t)表示1欧姆电阻上的噪声电流或电压，则均方值表示消耗在单位电阻上的瞬时功率（由交流和直流两部分组成）的统计平均值，均值平方表示消耗在单位电阻上的等效直流功率； 方差就表示消耗在单位电阻上的瞬时交流功率的统计平均值。 ;9.2.3 自相关函数和自协方差函数 ; 2． 自协方差函数 自协方差函数是描述随机信号X(t)在任意两个不同时刻t1，t2取值之间的二阶混合中心矩，它用来描述X(t)在两个时刻取值的起伏变化（相对于均值）的相关程度，也称为中心化的自相关函数。 定义 9.2-5 实随机信号X(t)的自协方差函数定义为 ; 当mx(t1)=mx(t2)=0时，有Cxx(t1,t2)=Rxx(t1, t2) 。  显然，自协方差函数和自相关函数描述的特性基本相同。  对于平稳随机信号，自协方差函数是时间间隔τ的函数，记为Cxx (τ), 且有 ;3．平稳随机信号自相关函数的性质 ;（3）τ=0时的自相关函数、自协方差函数取最大值，即 ;9.2.4 互相关函数和互协方差函数 ; 如果Cxy(t1, t2)=0，则称随机信号X(t) 与Y(t)之间互不相关。 对于两个平稳随机信号而言，其互相关函数和互协方差函数只与时间间隔τ=t2-t1有关，分别表示如下: 平稳随机信号X(t) 、Y(t)的互相关函数为 ;9.2.5 功率密度谱Sx(jω)和互谱密度Sxy(jω) ; 由于随机信号的每一个样本实现都是不能预知的，所以，必须用所有样本功率密度的统计平均值来描述平稳的连续随机信号X(t)的频域特征，即随机信号在频域的数字特征可定义如下。  定义 9.2-8 平稳的连续随机信号X(t)的功率密度谱定义为样本功率密度的统计平均，即 ; 维纳-欣钦(Wiener-Khinchine)定理: 若X(t)为平稳随机信号，当自相关函数绝对可积时，自相关函数Rxx(τ)和功率密度谱Sx(jω)为一傅里叶变换对: Rxx(τ)←→ Sx(jω)。 其中： ; 2. 互谱密度Sxy(jω) 同理，在频域描述两个随机信号X(t)和 Y(t)相互关联程度的数字特征时，可