第二章节微机原理课件.ppt

第二章 随机过程 不可预测的信号和噪声都是随机过程的例子，随机信号的不可预测性是它携带信息的能力，而噪声的不可预测性是使有用信号受到干扰。 本章主要内容： 1、随机过程的基本概念、统计特性、数字特征； 2、如何来判断一个随机过程是平稳随机过程； 3、高斯随机过程； 4、随机过程通过各种系统后的输出。 第一节 随机过程的基本概念和统计特性 一、概念： 自然界的事物变化过程分为两种：一种其变化过程有确定的形式，称为确定性过程；另一种其变化过程没有确定的形式，称为随机过程。 随机过程：设Sk（k=1,2,…）是随机试验，每一次试验者有一条时间波形（称为样本函数或实现），记作xi(t)，所有可能出现的结果的总体就构成一随机过程，记作ξ(t)。 基本特征：1、是一时间函数；2、全体样本在某一时刻的取值是一个不含时间变化的随机变量。 二、随机过程的统计特性： 1、一维分布函数： 2、一维概率密度函数： 3、二维分布函数： 4、二维概率密度函数： 三、数字特征： 1、数学期望： 时间t1为任意取值，因此： 2、方差： 3、自相关函数： 4、协方差函数： 第二节 平稳随机过程 一、定义： 狭义平稳随机过程：是指它的统计特性不随时间的推移而变化。 即一维概率函数只与时间有关；二维概率函数只与时间间隔有关。数学期望和方差为常数；自相关函数只与时间间隔有关。 广义平稳随机过程：设有一个二阶矩随机过程，它的均值为常数，自相关函数仅是时间间隔的函数。 在通信系统中所遇到的信号及噪声大多可视为平稳的随机过程。 二、各态历经性： 它的数字特征完全可由随机过程中的任一实现的数字特征来替代。 三、平稳随机过程自相关函数的性质：见书21页 四、平稳随机过程的功率谱密度： 任意功率信号f(t)，其功率谱密度是f(t)截短函数fT(t)的频谱。 平稳随机过程的功率谱密度： 即功率谱密度与自相关函数是一对傅里叶变换。 第三节 高斯随机过程（正态随机过程） 一、定义：若随机过程的任意N维分布都是正态分布，则称它为高斯随机过程。 一维概率密度函数： 其中a为数学期望，σ2为方差。 性质：1、关于x=a对称；2、 3、它随方差的减小而变高、变窄。当a=0，σ=1，为标准正态分布的密度函数。 二、常用函数： 正态分布函数： 误差函数： 概率积分函数： Q函数： 可推出： 三、高斯白噪声 白噪声：其功率谱密度 其中n0为一常数，单位为瓦/赫。 其自相关函数为 这说明白噪声只有在τ=0时才相关，而它在任意两个时刻上的随机变量都是互不相关的。 如果白噪声又是高斯分布的，就称为高斯白噪声。在实际中，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工作频带，就可视为白噪声。 第四节 随机过程通过线性系统 ξi(t) ξo(t) 1、ξo(t)的数学期望： 其中H(0)为直流传递函数。 2、 ξo(t)的自相关函数：只与时间间隔有关。 3、 ξo(t)的功率谱密度： 4、 ξo(t)的概率分布：如果输入过程是高斯型的，系统的输出也是高斯型的。 第五节 窄带随机过程 窄带过程：即随机过程通过以fc为中心频率的窄带系统的输出。 所谓窄带系统：是指其通带宽度远远小于fc ，且fc远离零频率的系统。实际中，大多数通信系统者是窄带型的。 通过计算可知： 1、一个均值为零的窄带平稳高斯过程，它的同相分量和正交分量也是平稳高斯过程，而且均值为零，方差也相同。 2、一个均值为零，方差为δ2的窄带平稳高斯过程其包络 的一维分布是瑞利分布，相位 是均匀分布。 第六节 正弦波加窄带高斯噪声 通过带通滤波器后的合成信号： 其中 为窄带高斯白噪声 通过计算可知：合成波包络分布与信噪比有关，小信噪比时接近于瑞利分布；大信噪比时接近于高斯分布；一般情况下是莱斯分布。 * * 线性系统