平稳随机过程ξt.ppt

输出噪声的功率谱密度在|ω|≤ωH内是均匀的， 在此范围外为零。 其自相关函数为 τ= k /2fH时过零点 对带限白噪声按抽样定理抽样，各抽样值是互不相关的随机变量 Pi(w)=n0，H(w)=1 ( |f|fH=1kHz时；f取其他值时，H(w)值为0) P0(w)= Pi(w)| H(w)| 2 = n0/2 ( |f|fH时；f取其他值时，P0(w)值为0) R(τ)=F-1[P0(w)]= 平均功率：P = R(0) = 10-6 W my= [例3.2-3]单边功率谱密度n0=10-9W/Hz的零均值高斯白噪声，通过截止频率为1kHz的理想低通滤波器，求输出噪声的自相关函数、平均功率、均值、方差和概率密度函数。 R(τ)=E[ξ(t)ξ(t+τ)] 平稳随机过程自相关函数 R(τ)具有下列主要性质： R(0)=E［ξ2(t)］=P ［ξ(t)的功率（平均功率或总功率）］ R(∞) = E[ξ(t)ξ(t+ ∞)]=E[ξ(t)]·E[ξ(t + ∞)] =E2［ξ(t)］ ［ξ(t)的直流功率］ 当τ→∞时ξ(t)与ξ(t+τ)统计独立，且认为ξ(t)中不含周期分量。 R(τ)=R(-τ) ［τ的偶函数］ |R(τ)|≤R(0) ［R(τ)的上界］ R(0)-R(∞)=E[ξ2(t)]－E2[ξ(t)]=σ2 [ξ(t)的交流功率=方差］ 当均值为0时，直流功率为0，有：R(0)=σ2 ，功率等于方差。 自相关函数R(τ)与功率谱密度Pξ(ω)互为傅立叶变换对 平稳随机过程的功率谱密度 或 因为R(0)表示随机过程的平均功率，等于功率谱密度的积分，即功率谱密度曲线下的面积。 称为维纳-辛钦关系，在平稳随机过程的理论和应用中是一个非常重要的工具。它是联系频域和时域两种分析方法的基本关系式。 某随机相位正弦波ξ(t)=sin(ω0t+θ)，其中ω0为常数，θ是在区间(0,2π)内均匀分布的随机变量。 （1）求ξ(t)的期望、方差、自相关函数 （2）讨论ξ(t)是否平稳？ （3）求ξ(t)的功率谱密度及平均功率、直流功率、交流功率。 （4）讨论ξ(t)是否具有各态历经性？ [例3.2-1] (1) 可见:ξ(t)的数学期望为常数，自相关函数只与时间间隔τ有关， 所以ξ(t)为广义平稳随机过程。 (2) 平稳随机过程的相关函数与功率谱密度互为傅里叶变换: 平均功率为： P =R(0) 功率谱密度为： 或： (3) 平均功率为： R(0)=E［ξ2(t)］=P =1/2 （即总功率） 均值的平方： E2 [X(t)]=0 （即直流功率） 方差为：D[X(t)]=E[X2(t)]- E2[X(t)]= 1/2 （即交流功率） 比较统计平均与时间平均，得a = , R(τ)= ， 因此，随机相位正弦波是各态历经的。 (4)讨论各态历经性:求ξ(t)的时间平均： 3.2 典型随机过程 1. 平稳随机过程 2. 高斯随机过程 3. 窄带随机过程 4. 随机过程通过线性系统 正态分布也称高斯分布，是高斯从测量误差分布的实验中导出的。 中心极限定理指出：大量独立随机变量之和的分布趋于正态分布，而与每个随机变量的分布无关。 正态分布在各种分布中占有特殊重要的地位，通信系统中的噪声通常是正态分布。 均值a，方差为σ2的正态分布记为N(a, σ2)，概率密度函数为： 高斯随机过程 若随机过程ξ(t)的任意n维（n=1, 2, …）分布都是正态分布，则称它为高斯随机过程或正态过程。 其n维正态概率密度函数表示如下： fn(x1,x2,…,xn; t1,t2,…,tn) 式中, ak=E[ξ(tk)]，σ2k=E{[ξ(tk)-ak]2}，|B|为归一化协方差矩阵的行列式，即： 高斯随机过程的定义 b12 … b1n b21 1 … b2n bn1 bn2 … 1 … … … … |B|jk为行列式|B|中元素bjk的代数余因子，bjk为归一化协方差函数，且 高斯过程的n维分布完全由n个随机变量的数学期望、方差和两两之间的归一化协方差函数所决定。因此，对于高斯过程，只要研究它的一维和二维数字特征就可以了。 如果高斯过程是广义平稳的，则它的均值为常数，协方差函数只与时间间隔有关，由性质（1）知，它的n维分布与时间起点无关。所以，广义平稳的高斯过程也是狭义平稳的。 如果高斯过程在不同时