通信原理教案第三章节2012.ppt

重点要求深刻理解和熟练掌握的内容有：1、平稳随机过程的相关函数及功率谱密度；2、高斯过程；3、窄带随机过程；4、正弦波加窄带高斯过程；5、平稳随机过程通过线性系统。 一般理解和掌握的内容有：6、随机过程通的一般表述；7、平稳随机过程。 难点：平稳随机过程、窄带随机过程、随机过程通过线性系统。 学习目标： 理解随机过程的基本概念 说出随机过程的数字特征（均值、方差、相关函数） 叙述随机过程的平稳性、各态历经性、自相关函数的性质、相关函数与功率谱密度的关系 阐明高斯随机过程的定义、性质，其一维概率密度函数和正态分布函数，高斯白噪声 知道随机过程通过线性系统后其输出过程的均值、自相关函数和功率谱密度、带限白噪声 其同相分量和正交分量的统计特性 指出正弦波加窄带高斯过程的合成包络的统计特性 § 3.1 随机过程的基本概念 确定性信号是时间的确定函数，随机信号是时间的不确定函数。 通信中干扰是随机信号，通信中的有用信号也是随机信号。 描述随机信号的数学工具是随机过程，基本的思想是把概率论中的随机变量的概念推广到时间函数。 随机过程的数学定义： 设随机试验E的可能结果为ξ(t)，试验的样本空间S为{x1(t), x2(t)， …, xn(t),…}， xi(t)是第i次试验的样本函数或实现，每次试验得到一个样本函数，所有可能出现的结果的总体就构成一随机过程，记作ξ(t)。 两层含义： 随机过程ξ(t)在任一时刻都是随机变量； 随机过程ξ(t)是大量样本函数的集合。 随机过程举例 【例】n台示波器同时观测并记录这n台接收机的输出噪声波形 样本函数?i (t)：随机过程的一次实现，是确定的时间函数。 随机过程：? (t) ={?1 (t), ?2 (t), …, ?n (t)是全部样本函数的集合。 随机过程基本特征 3.1.1随机过程的分布函数 设ξ(t)表示随机过程，在任意给定的时刻t1∈T， ξ(t1)是一个一维随机变量。 一维分布函数：随机变量ξ(t1)小于或等于某一数值x1的概率，即 F1(x1,t1)=P［ξ(t1)≤x1］ 一维概率密度函数 n维分布函数： n维概率密度函数 3.1.2随机过程的一维数字特征 1.数学期望（是随机变量取值的均值） ? (t)的均值是时间的确定函数，常记作a ( t )，它表示随机过程的n个样本函数曲线的摆动中心 : 2、方差 方差常记为? 2( t )。这里也把任意时刻t1直接写成了t 。 因为 所以，方差等于均方值与均值平方之差，它表示随机过程在时刻 t 对于均值a ( t )的偏离程度。 3、相关函数 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。 4、协方差函数 式中 a ( t1 ) a ( t2 ) － 在t1和t2时刻得到的? (t)的均值 f2 (x1, x2; t1, t2) － ? (t)的二维概率密度函数。 相关函数和协方差函数之间的关系 若a(t1) = a(t2)，则B(t1, t2) = R(t1, t2) 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。 § 3. 2平稳随机过程 3.2.1 定义 统计特性不随时间的推移而变化的随机过程称为平稳随机过程。 设随机过程ξ(t),若对于任意n和任意选定t1＜t2＜…＜tn, tk∈T， k=1, 2, …, n，以及 为任意值，且x1, x2, …, xn∈R，有 平稳随机过程的定义说明：当取样点在时间轴上作任意平移时，随机过程的所有有限维分布函数是不变的。 推广到一维和二维的情况有 推论：一维分布与时间t无关， 二维分布只与时间间隔τ有关。从而有 2．分析 ξ(t)为平稳随机过程 (1)数学期望为与t无关的常数：E[ξ(t)]=a，方差D[ξ(t)]=σ2 (2)R(t1,t1+τ)=R(τ)——与时间起点无关，而只与时间间隔τ有关 (3)通常，通信中的大部分随机信号可看作平稳随机过程 广义平稳随机过程 平稳随机过程的定义对于一切n都需成立， 这在实际应用上很复杂。由平稳随机过程的均值是常数， 自相关函数是τ的函数还可以引入另一种平稳随机过程的定义： 若随机过程ξ(t)的均值为常数，自相关函数仅是τ的函数， 则称它为宽平稳随机过程或广义平稳随机过程。  平稳随机过程在满足一定条件下有一个有趣而又非常有用的特性， 称为“各态历经性”。 若平稳随机过程的数字特征（均为统计平均）完全可由随机过程中的任一实现的数字特征（均为时间平均）来替代，则称平稳随机过程具有“各态历