考研西北工业大学《825通信原理》强化精讲 随机信号的分析-修.ppt

（2）用Q函数表示正态分布函数 Q函数定义： * Q函数和erfc函数的关系： Q函数和分布函数F(x)的关系： Q函数值也可以从查表得到。  * 3.4 平稳随机过程通过线性系统3.4.1 线性系统－－复习设：线性系统的冲击响应和网络函数分别为 ：h(t)、H(ω)，则：H(ω)←→h(t)。 周知：线性系统响应v0(t)等于输入信号vi(t)与冲击响应h(t)的卷积，即： 确知信号通过线性系统： 　 理解：上式对于确知信号是没有问题的。 当输入是随机过程ξ (t)的一个实现ξi1(t)－－随机函数时，便有输出随机过程ξo1(t)。 进一步：当输入是随机过程ξi(t)时，便有输出随机过程ξo(t)。且有： 　 随机信号通过线性系统： 系统满足物理可实现条件: h(t)=0，t0；输入有界（满足狄里赫利条件）。则有： * 任务：假设ξi(t)为平稳随机过程，且已知其统计特性，求ξ0(t)的统计特性。 注：考察一个实现就够了。 假设：?i(t) －是平稳的输入随机过程， a －均值， Ri(?) －自相关函数， Pi(?) －功率谱密度； 求输出过程?o(t)的统计特性：均值、自相关函数、功率谱以及概率分布。 * 3.4.2 ξo(t)的统计特性 1.ξo(t)的平稳性 （1）均值 结论：输出过程的数学期望等于输入过程的数学期望与H(0)相乘。且E[ξ0(t)]与t无关。 －－与t无关。 * （2）相关函数 * －－仅与τ有关。 综上: ξo(t)平稳。 * 由 进行傅里叶变换，得 令 ?? = ? + ? - ?，代入上式，得到 即 结论： 应用：由Po( f )的反傅里叶变换求Ro(?) 。 2. ξ0(t)的功率谱密度及分布函数 （1）输出过程?o(t)的功率谱密度 * 由于已假设?i(t)是高斯型的，所以上式右端的每一项在任一时刻上都是一个高斯随机变量。因此，输出过程在任一时刻上得到的随机变量就是无限多个高斯随机变量之和－－输出过程也为高斯过程。 注：与输入高斯过程相比，输出过程的数字特征已经改变。 （2）输出过程?o(t)的分布函数 结论： 证：从积分原理看 可以表示为： * 3.5 窄带随机过程→窄带过程3.5.1窄带随机过程的概念1.什么叫窄带随机过程？ 频谱：所占频带较窄，满足Δf fc的随机过程叫～。 时域：用示波器观察，看到某个实现的波形－－幅度和相位随机缓慢变化的近似正弦。 问：窄带随机过程的同相及正交分量是低频的还是高频的? 可以看出： ?(t)的统计特性由a? (t)和?? (t)或?c(t)和?s(t)的统计特性确定. 若?(t)的统计特性已知，则a? (t)和?? (t)或?c(t)和?s(t)的统计特性也随之确定。 * 2. 表达式－－两种！ 3.5.2 已知ξ(t)的统计特性，求ξc(t)、ξs(t)的统计特性 结论1 若ξ(t)：均值为0、方差为σ2、窄带、平稳、高斯随机过程。 则： （1）ξc(t)、ξs(t)同样是平稳高斯随机过程； （2） E[ξ(t)]=E[ξc(t)]=E[ξs(t)]＝0－－均值相同(都为0)； （3）σξc2= σ ξs2= σ ξ2= σ 2－－方差相同，同于ξ(t) ； （4）在同一时刻（即τ=0）上得到的ξc及ξs互相关函数为0，即ξc与ξs互不相关，或说统计独立。 * 2.5.3 已知ξ(t)的统计特性，求 aξ(t)、φξ(t)的统计特性 结论2 若ξ(t)：均值为0、方差为σ 2、窄带平稳高斯随机过程。 则：（1）其包络aξ(t)的一维pdf 呈瑞利分布； （2）其相位φξ(t)的一维pdf呈均匀分布； （3） aξ(t)与φξ(t)统计独立。 * 3.6 正弦信号加窄带高斯噪声 3.6.1 合成信号表达式 正弦信号加窄带高斯噪声后的合成信号可表示为： 其中： ---正弦载波:假定A、ωc为常数;θ为随机变量，其一维pdf 均匀分布，即：f(θ)=1/(2π)， 0≤θ≤2π ---窄带随机过程: nc(t)---n(t)之同相分量； ns(t)---n(t)之正交分量。 * 代入，整理： 其中： * 3.6.2 统计特性 （1）同相分量和正交分量的统计特性 结论1 若：n(t) 均值为0、方差为δ2、窄带平稳高斯随机过程; θ给定。 则： （1）zc(t)、zs(t)同样是窄带平稳高斯随机过程； （2）且δzc2=δzs2=δn2=δ2－－方差相同，同于n(t) ； （3）但：E[zc(t)]= E[zs(t)]= （4）在同一时刻（即τ=0）上得到的zc及z