第2章-2随机过程r3.ppt

* 第2章 信号 结论 一个均值为零，方差为??2的窄带平稳高斯过程?(t)，其包络a?(t)的一维分布是瑞利分布，相位??(t)的一维分布是均匀分布，并且就一维分布而言， a?(t)与??(t)是统计独立的 ，即有 * 2.6 随机过程 2.6 随机过程 2.7 高斯过程 2.8 窄带随机过程 2.9 正弦波加窄带高斯过程 2.10 信号通过线性系统 * 第2章 信号 2.9 正弦波加窄带高斯噪声 正弦波加窄带高斯噪声的表示式 式中 － 窄带高斯噪声 ? － 正弦波的随机相位，均匀分布在0 ～2?间 A和?c － 确知振幅和角频率 于是有 式中 * 第2章 信号 正弦波加窄带高斯噪声的包络和相位表示式 包络： 相位： * 第2章 信号 正弦波加窄带高斯噪声的包络的统计特性 包络的概率密度函数 f (z) 利用上一节的结果，如果?值已给定，则zc、zs是相互独立的高斯随机变量，且有 所以，在给定相位? 的条件下的zc和zs的联合概率密度函数为 * 第2章 信号 利用与上一节分析a?和??相似的方法，根据zc，zs与z，?之间的随机变量关系 可以求得在给定相位? 的条件下的z与?的联合概率密度函数 然后求给定条件下的边际分布， 即 * 第2章 信号 由于 故有 式中 I0(x) － 第一类零阶修正贝塞尔函数 因此 由上式可见，f (?, z)与?无关，故包络z的概率密度函数为 －称为广义瑞利分布，又称莱斯（Rice）分布。 * 第2章 信号 讨论 当信号很小时，即A ? 0时，上式中(Az/?n2)很小， I0 (Az/?n2) ? 1，上式的莱斯分布退化为瑞利分布。 当(Az/?n2)很大时，有 这时上式近似为高斯分布，即 * 第2章 信号 包络概率密度函数 f (z)曲线 * 第2章 信号 正弦波加窄带高斯噪声的相位的统计特性 F(?) * 2.6 随机过程 2.6 随机过程 2.7 高斯过程 2.8 窄带随机过程 2.9 正弦波加窄带高斯过程 2.10 信号通过线性系统 * 第2章 信号 2.10 平稳随机过程通过线性系统 确知信号通过线性系统（复习） ： 式中 vi － 输入信号， vo － 输出信号 对应的傅里叶变换关系： 随机信号通过线性系统： 假设：?i(t) －是平稳的输入随机过程， a －均值， Ri(?) － 自相关函数， Pi(?) － 功率谱密度； 求输出过程?o(t)的统计特性，即它的均值、自相关函数、功率谱以及概率分布。 * 第2章 信号 输出过程?o(t)的均值 对下式两边取统计平均： 得到 设输入过程是平稳的 ，则有 式中，H(0)是线性系统在 f = 0处的频率响应，因此输出过程的均值是一个常数。 * 第2章 信号 输出过程?o(t)的自相关函数：根据自相关函数的定义 根据输入过程的平稳性，有 于是 上式表明,输出过程的自相关函数仅是时间间隔? 的函数。 由上两式可知，若线性系统的输入是平稳的，则输出也是平稳的。 * 第2章 信号 输出过程?o(t)的功率谱密度 对下式进行傅里叶变换： 得出 令 ?? = ? + ? - ?，代入上式，得到 即 结论：输出过程的功率谱密度是输入过程的功率谱密度乘以系统频率响应模值的平方。 应用：由Po( f )的反傅里叶变换求Ro(?) * 第2章 信号 输出过程?o(t)的概率分布 如果线性系统的输入过程是高斯型的，则系统的输出过程也是高斯型的。 因为从积分原理看， 可以表示为： 由于已假设?i(t)是高斯型的，所以上式右端的每一项在任一时刻上都是一个高斯随机变量。因此，输出过程在任一时刻上得到的随机变量就是无限多个高斯随机变量之和。由概率论理论得知，这个“和” 也是高斯随机变量，因而输出过程也为高斯过程。 注意，与输入高斯过程相比，输出过程的数字特征已经改变了。 * 第2章 信号(补充部分) 2.11 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： * 第2章 信号 白噪声和其自相关函数的曲线： * 第2章 信号 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 因此，真正“白”的噪声是不存在的，它只是构造的一种理想化的噪声形式。 实际中，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