通信原理与Chapter3V6 .ppt

3.1.1 随机过程的基本概念 X(A, t) － 事件A的全部可能“实现”的总体； X(Ai, t) － 事件A的一个实现，为确定的时间函数； X(A, tk) － 在给定时刻tk上的函数值。 简记： X(A, t) ? X(t) X(Ai, t) ? Xi (t) 例：接收机噪声 随机过程的数字特征： 统计平均值： 方差： 自相关函数： 3.2.1 平稳随机过程 平稳随机过程的定义(大)： n维统计特性与时间起点无关的随机过程。 （又称严格平稳随机过程） 广义平稳随机过程的定义(小)： 平均值、方差和自相关函数等与时间起点无关的随机过程。 广义平稳随机过程的性质： 严格平稳随机过程一定也是广义平稳随机过程。但是，广义平稳随机过程就不一定是严格平稳随机过程。 3.2.2 各态历经性 “各态历经”的含义： 平稳随机过程的一个实现能够经历此过程的所有状态。 各态历经过程的特点：可用时间平均值代替统计平均值，例 各态历经过程的统计平均值mX： 各态历经过程的自相关函数RX(?): 一个随机过程若具有各态历经性，则它必定是严格平稳随机过程。但是，严格平稳随机过程就不一定具有各态历经性。 稳态通信系统的各态历经性： 通信信号和噪声都是各态历经的。 统计平均值：mX = E[X(t)] ：信号的直流分量； 统计平均值的平方mX 2 ：信号直流分量的功率； 随机信号的平方的统计平均值 [X 2( t )]：信号平均功率； 平方根{E [X 2(t)]}1/2 ：信号电流或电压的均方根值（有效值）； 均方差?X2：信号交流分量的平均功率; 若mX = mX 2 = 0，则?X2 = E [X 2( t )] ； 标准偏差?X ：信号交流分量的均方根值，交流信号的有效值； 若mX = 0，则?X就是信号的均方根值 。 自相关函数的性质 功率频谱密度的性质 复习：确知信号的功率谱密度： 类似地，平稳随机过程的功率谱密度为： 平均功率： 自相关函数和功率谱密度的关系 由 式中， 令? =t – t’，k =t + t’，则上式可以化简成 于是有 上式表明，PX(f )和R(? )是一对傅里叶变换： PX(f )的性质： PX(f ) ? 0, 并且PX(f )是实函数。 PX(f ) ＝PX(-f )，即PX(f )是偶函数。 【例3.7】设有一个二进制数字信号x(t)，如图所示，其振幅为+a或-a；在时间 T 内其符号改变的次数k服从泊松分布 式中，?是单位时间内振幅的符号改变的平均次数。 试求其相关函数R(?)和功率谱密度P(f)。 解：由图可以看出，乘积x(t)x(t-?)只有两种可能取值：a2, 或 -a2。因此，式 可以化简为： R(?) = a2 ? [a2出现的概率] + (-a2) ? [(-a2)出现的概率] 式中，“出现的概率”可以按上述泊松分布 P(k)计算。 若在 ? 秒内x(t)的符号有偶数次变化，则出现 + a2; 若在 ? 秒内x(t)的符号有奇数次变化，则出现 - a2。 因此， 用 ? 代替泊松分布式中的T，得到 由于在泊松分布中 ? 是时间间隔，所以它应该是非负数。所以，在上式中当?取负值时，上式应当改写成: 将上两式合并，最后得到： 其功率谱密度P( f )可以由其自相关函数R(?)的傅里叶变换求出： P( f )和R(?)的曲线： 【例3.8】设一随机过程的功率谱密度P( f )如图所示。 试求其自相关函数R(?)。 解： ∵功率谱密度P( f )已知， ∴ 式中， 自相关函数曲线： 【例3.9】试求白噪声的自相关函数和功率谱密度。 解：白噪声是指具有均匀功率谱密度Pn( f )的噪声，即 式中，n0为单边功率谱密度（W/Hz） 白噪声的自相关函数可以从它的功率谱密度求得: 由上式看出，白噪声的任何两个相邻时间（即? ? 0时）的抽样值都是不相关的。 白噪声的平均功率 : 上式表明，白噪声的平均功率为无穷大。 带限白噪声的功率谱密度和自相关函数 带限白噪声：带宽受到限制的白噪声 带限白噪声的功率谱密度： 设白噪声的频带限制在(-fH, fH)之间，则有 Pn(f) = n0 / 2, -fH f fH = 0, 其他处 其自相关函数为： 曲线： 定义： 一维高斯过程的概率密度： 式中，a = E[X(t)] 为均值 ?2 = E[X(t) - a]2 为方差 ? 为标准偏差 ∵高斯过程是平稳过程，故 其概率密度 f