第三章节 随即过程简.pptVIP

第2章 随机信号分析 3.1 引 言 随机变量：在数学分析中，将每次实验的结果用一个变量来表示，如果变量的取值是不确定的（以某个概率取某个值），则这种变量称为随机变量。 随机信号:通信中常遇到的带有某种随机性的信号。既他们的某个或几个参数不确定预知或不能完全预知。（若确知，则无信息量，通信失去意义）。 通信系统中，信源发出的信息是随机的。系统的噪声也是一种随机的波形。 2.2 随机过程的一般表述 因而随机过程也可定义为：在时间进程中，处于不同时刻的随机变量的集合。 随机过程的统计特性通过概率分布或数字特征加以描述。平均值、方差和自相关函数就是常用的数字特征。 随机过程的统计描述 1．随机过程的数学期望 随机过程 的数学期望定义为 图2.15 随机过程的数学期望 3．自相关函数 随机过程 的自相关函数可定义为 §2-3 平稳随机过程 二、各态历经性 自相关函数的性质 平稳过程的功率谱密度 自相关函数与功率谱密度 §2-4 高斯过程 任意n维联合概率密度函数满足 §2-4 高斯过程 2.4 高斯过程 经变量代换并带入误差函数，则两式变为； 3-6 正弦波加窄带高斯过程 经计算可得r（t）的包络ｚ的概率密度函数为 　－这个概率密度函数服从广义瑞利分布，又称为莱斯分布, 式中 　为零阶修正贝塞尔函数。 ３-７高斯白噪声和带限白噪声 低通白噪声 带通白噪声 1）输出过程的均值 --常数 3-4 平稳随机过程通过线性系统 H(0)是线性系统在f=0处的频率响应，即直流增益。 2）输出过程的自相关函数 若线性系统的输入过程是平稳的，那么输出过程 也是平稳的。 3）输出过程的功率谱密度 输出过程的功率普密度是输入过程的功率普密度乘以系统频率响应模值得平方 4）输出过程的概率分布 （考虑物理可实现系统） 即: 高斯随机过程通过线性系统后，输出随机过程仍服从高斯。 即输出过程在任一时刻得到的随即变量即为多个高斯随机变量之和，由概率理论，这个和也是高斯过程。 §2-5 窄带高斯过程 若随即过程的普密度集中在中心频率fc附近，相对窄的频率范围Δf内，即满足Δffc（fc0）则该过程即为窄带随机过程。 功率谱密度： 大多数通信系统都是窄带带通型的，通过窄带 系统的信号或噪声必然是窄带随机过程 二、时域表达式 　　 窄带高斯过程是一个包络和相位缓慢变化的正弦波。可表示为： 式中， ≥0是随机包络函数 是随机相位函数 是载波的中心频率 相对于载频 是慢变化的。 将上式展开，可变形为： 其中： 同相分量 正交分量 3.5.1 的统计特性 　　假定 是平稳窄带高斯噪声，且 ，则 1）　　　　　　 都是平稳的高斯过程 2） 3）在同一时刻的取值线性不相关=统计独立。 四、 的统计特性 由 得结论： 包络 随机过程的包络服从瑞利分布 随机相位服从均匀分布 且有 , 统计独立 2。相位 3。分布 3-6 正弦波加窄带高斯过程 信号经过信道传输总会受到噪声的污染，因此接收到的信号是发送信号与噪声之和。 信号为: S(t)=Acos(ω0t+θ) 噪声为：均值0，方差 ,窄带高斯噪声，即 接收信号为: r(t)的包络: 相 位: 可证明： E{Zc}=Acosθ E{Zs}=Asinθ Zc 、Zs平稳高斯，在同一时刻取值线性不相关 =统计独立。 下面考虑两种极端情况 : 1)信噪比非常小 瑞利分布 2)信噪比非常大 高斯分布 关于随机相位的结论： (1)小信噪比时，接近均匀分布。 (2)大信噪比时，随机相位集中在信号相位附近。 ３-７高斯白噪声和带限白噪声 定义：如果随机过程ξ(t)的功率谱密度均匀分布在整个频率范围内， 即 双边功率谱密度 则称ξ(t)为白噪声，式中N0为常数，单位为W/Hz。 上式表明，白噪声在任意两个不同时刻的取值是互不相关的。 单边功率谱密度 本章要点： 1、随机过程的概念及统计描述方法 2、平稳随机过程的概念及判断方法 √ 3、平稳随机过程的相关函数与功率谱密度的关系 4、高斯随机过程的特点 5、窄带随机过程表达式和统计特性 √ 6、正弦波加窄带高斯过程的统计特性 7、随机过程通过线性系统的几点结论 本章习题： 本章复习： 2-1