随机信号的基本理论.ppt

信号处理基础;课程名称： 《现代数字信号处理基础》 Advanced Digital Signal Processing 课程基础： 《信号与系统》 《概率论与随机过程》 《矩阵论》 参考教材： 姚天任等，《现代数字信号处理》，华中科技大学出版社 沈奋民等，《现代随机信号与系统分析》，科学出版社 张贤达等，《现代信号处理》，清华大学出版社 教学课时：课堂理论教学48学时;主要授课内容： 1、随机信号分析 随机变量及其特征、随机过程及其统计特性、平稳及各态历经信号、随机信号的相关性与功率谱、时间序列及其模型等 2、随机信号的基本处理方法 随机矢量及其统计特性、随机信号的估计评价及估计方法、随机信号通过LTI系统、相关抵消与正交分解、谱分解定理、信号模型参数与功率谱等 3、最佳线性滤波器 最佳线性滤波概念、Wiener-Hopf方程及其求解、Wiener滤波器的性能与设计、卡尔曼滤波器的思想、算法与应用等;主要授课内容（续）： 4、自适应滤波及其应用 基本原理与典型应用、自适应算法及误差性能、梯度下降算法、横向LMS自适应滤波器、横向RLS自适应滤波器等 5、现代功率谱估计 功率谱估计的经典和现代方法、AR模型法的功率谱估计、 AR模型法的主要性质、 Yule-Walker方程的Levinson – Durbin求解算法、 格型滤波器、 AR模型参数提取算法、 噪声对AR谱估计的影响、 ARMA和MA模型法简介、 白噪声中正弦波频率的估计等;第一章 随机信号分析 随机变量及其特征 随机过程及其统计特性 平稳及各态历经信号 随机信号的相关性与功率谱 时间序列及其模型;随机变量及其特征;1、离散随机变量及其分布 离散随机变量：随机试验的取值X(Ω)为有限个或可数无穷个，且所有取值按一定规律排列。 设可能的取值为,,则X(Ω)。 设为随机变量X(Ω)的概率，即 则有：;概率分布图：横轴上的点表示随机变量的可能取值；纵轴上的阶跃值对应表示各随机取值的概率;2、连续随机变量及其分布 离散随机变量的分布函数曲线在可列个取值处阶跃，阶跃强度等于该取值的概率。 若可列个随机取值的数量增大，则阶跃点增多，阶跃强度变小。 若随机变量X在某区间取值连续，则阶跃线变为连续曲线。 连续随机变量的分布函数：设x为任一实数，随机变量的概率是x的函数F(x)，定义函数F(x)为X的分布函数： ;概率密度函数的性质：;3、二维随机变量及其分布;二维和n维联合概率密度函数：;二、随机变量的数字特征 用概率分布描述随机变量，尽管完整，但很困难。 需要通过其数字特征进行描述： 数学期望（统计平均值、均值）； 方差； 各阶矩。 １、数学期望（一阶矩）;２、方差（二阶中心矩）;３、各阶矩;4、协方差矩阵;三、随机变量的变换 1、一维随机变量之间的变换;2、二维及多维随机变量之间的变换;四、随机变量的特征函数 1、问题的提出;第一章 随机信号分析 随机变量及其特征 随机过程及其统计特性 平稳及各态历经信号 随机信号的相关性与功率谱 时间序列及其模型;随机信号（过程） 随机信号的概率密度函数和相关函数； 平稳随机过程的集平均和时间平均； 随机过程的各态历经性； 随机信号的频域分析方法——功率谱密度函数 1、随机过程的定义及统计特性;;2、随机过程的数字特征 数学期望； 方差； 自相关函数； 自协方差函数。 计算方法与分析随机变量相似，不同点是时间的函数。;3、随机过程的特征函数;随机过程X(t)统计特性的矩阵表达;第一章 随机信号分析 随机变量及其特征 随机过程及其统计特性 平稳及各态历经信号 随机信号的相关性与功率谱 时间序列及其模型;注： 各态历经随机过程一定是平稳随机过程； 平稳性仅是各态历经随机过程的必要条件。;第一章 随机信号分析 随机变量及其特征 随机过程及其统计特性 平稳及各态历经信号 随机信号的相关性与功率谱 时间序列及其模型;串/并;第一章 随机信号分析 随机变量及其特征 随机过程及其统计特性 平稳及各态历经信号 随机信号的相关性与功率谱 时间序列及其模型;3、时间序列的相关性;注： 若 ，称 与 相互正交；;4、时间序列的功率谱;(2) 频率域功率谱;[例题] 已知平稳随机序列x(n)的自相关函数;6、时间序列的模型;(2) MA（Move-Average）模型;;