第3章节 随机过程.pptVIP

* 3.7 高斯白噪声和带限白噪声 1、白噪声：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 * 3.7 高斯白噪声和带限白噪声 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 真正“白”噪声是不存在的，只是构造一种理想化噪声形式。 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工作频带，我们就可以把它视为白噪声。 白噪声取值的概率分布服从高斯分布，称之为高斯白噪声。 高斯白噪声在任意两个不同时刻上的随机变量之间，不仅是互不相关的，而且还是统计独立的。 2. 高斯白噪声 ---指概率分布服从高斯分布的白噪声。 高斯白噪声在任意两个不同时刻上的取值之间， 不仅是互不相关的，而且还是统计独立的。 3. 带限白噪声 ---白噪声通过带宽有限的信道或滤波器的情形。 常见形式： 若 B fc 窄带高斯白噪声 * 第3章总结 * × 延迟τ 1/T∫ x(t) x( t -τ) R(τ) * 平稳过程自相关函数的性质 — ?(t)的平均功率 — ?的偶函数 — R(?)的上界 即自相关函数R(?)在? = 0有最大值。 — ?(t)的直流功率 表示平稳过程?(t)的交流功率。当均值为0时，有 R(0) = ?2 。 * 第三章学习目标 通过对本章的学习，应该掌握以下要点： 随机过程的基本概念； 随机过程的数字特征(均值、方差、相关函数)； 平稳过程的定义、各态历经性、相关函数和功率谱密度； 高斯过程的定义和性质、一维概率密度和分布函数； 随机过程通过线性系统、输出和输入的关系； 窄带随机过程的表达式和统计特性； 正弦波加窄带高斯过程的统计特性； 高斯白噪声及其通过理想低通信道和理想带通滤波器。 * 第三章 难点·疑点 1.平稳过程与各态历经性 （1）如何判定一个随机过程ξ(t)是否广义平稳？ 只需验证下式成立与否： 含义：均值与t无关，相关函数仅与时间间隔τ有关。 * （2）如何判定一个平稳过程是否各态历经性？ 只要验证下式成立与否： 含义：统计平均=时间平均 第三章 难点·疑点 * 第三章 难点·疑点 2.平稳过程的几个过程 必 未必 未必 必是 狭义平稳 广义平稳 各态历经过程 平稳过程 * 第三章 难点·疑点 3.各态历经性的意义 一般情况下，当我们求解平稳随机过程ξ(t)的统计特(即 均值，自相关函数等数字特征)时，不仅要知道ξ(t)的一维和 二维概率密度函数，而且预先得到ξ(t)的全体样本函数，这 实际上是很难办到的。 如果一个平稳过程具有各态历经性，我们就可以用一个样 本的“时间平均”来取代过程的“统计平均”，也就是说，通 过一个样本函数就可以求得平稳过程的各数字特征量，从而使 测量和计算的问题大大简化。 * 第三章 难点·疑点 4.自相关函数的意义 （1）自相关函数可以用来判定一个随机过程是否广义稳； （2）自相关函数的傅里叶变换是功率谱密度，这一对变换 沟通了随机过程时域和频域的关系，使我们更深入、更方便 和更全面了解随机过程。 （3）由自相关函数可以求得平稳过程的平均功率、直流功 率和交流功率。 （4）由自相关函数可以确定平稳过程的均值、方差等数字 特征。 此外，自相关函数的意义还可在数字信号的最佳接收、群 同步等系统中体现出来。 * 第三章 难点·疑点 5. 随机过程ξ(t)是否存在傅里叶变换？ 答：不存在。因为任何随机过程或随机信号，其时间波形没有确知的规律，即信号的有关参量(振幅、极性、出现时间等)都是不可预测的，所以我们无法求其傅里叶变换，也就是说随机过程没有确定的频谱函数。 * 第三章 难点·疑点 那么，如何描述随机过程的频谱特性呢？ 答 ：可用功率谱密度来描述随机过程的频谱特 性。这是因为：1.随机过程属于功率信号而不属于 能量信号；2.任何平稳随机过程都存在自相关函数 及其傅里叶变换——功率谱密度。 可见，自相关函数和功率谱密度是描述平稳随机 过程的两个重要的数字特