通信原理(三).pptVIP

第三章 随机过程 一、随机过程的统计特性 二、随机过程的数字特征 三、平稳各态历经随机过程 四、高斯窄带随机过程的特点 五、白噪声 六、正弦波加窄带高斯过程 七、随机过程通过线性系统的输出 要求：复习概率论基本概念 一、随机过程的统计特性 （1） 随机事件 (简称事件、实现样本、记录)： 随机过程：无数个记录构成的总体 随机变量：是时间t的函数，在任一时刻上观察 到的值,是不确定的 离散随机变量：随机变量x的取值个数是有限的 或可数无穷个 连续随机变量：随机变量x可能的取值充满某一 有限或无限区间。 一、随机过程的统计特性 （2） 设ξ(t)表示一个随机过程，则在任意一个时刻t1上ξ(t1)是一个随机变量，定义随机过程ξ(t)的 一维概率分布函数： 一维概率密度函数： n维概率分布函数： n维概率密度函数： 一维概率密度函数的性质 均匀分布：若有 一、随机过程的统计特性（3） 二、随机过程的数字特征（1） 若ξ(t)连续，定义 若ξ(t)离散，定义 ξ(t)的方差： D[ξ(t)]又叫二阶中心距，σ又叫标准方差。 ξ(t)的自协方差函数被定义为： 随机过程ξ(t)的数学期望 ： ξ(t)的自相关函数定义为： B(t1,t2)与R(t1,t2)的关系： ξ(t)、η(t)的 |ρ|≤1 相关性：若相关系数ρ=0，则ξ(t)、η(t)是线性不相关的 独立与相关性：若ξ(t)、η(t)是独立的，则线性不相关； 反之不然。 结论：一般随机过程的统计特性，原则上都与时刻t1 、t2 (t2 =t1+τ)有关或者说与时间起点t1及时间间隔τ有关。 互协方差函数： 互相关函数： 互相关系数： 二、随机过程的数字特征（2） 三、平稳各态历经随机过程（1）平稳性 此时数字特征的性质有： 广义平稳随机过程：满足 狭义平稳随机过程：满足 三、平稳各态历经随机过程（2）平稳性 此时有： 使“统计平均”化为“时间平均”，实际应用大大简化。 α代表直流分量、R(0)代表总平均功率、σ代表交流平均功率。 和 的均方差趋于零，则认为该过程是各态历经的。 满足： 或当T→∞，若平稳随机过程的 三、平稳各态历经随机过程（3）平稳性 实平稳随机过程ξ(t)的相关函数性质： ξ(t)的总平均功率(由定义(2.2-6))： 是偶函数(由定义(2.2-6))： 有上界： 的直流功率（均值）： 说明：可以从R(τ)中求出数学期望。 的交流功率(方差)(由(2.2-4))： 说明：可以从R(τ)中求出方差。 三、平稳各态历经随机过程（4）平稳性 平稳随机过程:持续时间无限长，总能量无穷大，平均功率有限。 如何定义功率谱密度 ? 设平稳随机过程F(t)的一个样本f(t)，该样本在-∞t∞上存在 1、截取T长的一段, 记为fT(t)= f(t),当|t|≤T/2； fT(t)= 0，其他t 其付氏变换为 2、根据帕塞瓦尔定理: f(t)的平均功率为: 3、总平均功率S 三、平稳各态历经随机过程（5）平稳性 4、定义功率谱密度： 5、ξ(t)的总平均功率 特点： ω的确定函数而不再具有随机性。 描述各个不同的频率上功率分布的情况。 在整个频率范围内积分后，得出F(t)的总平均功率。 P(ω)是实偶函数，即P(ω)= P(-ω) P(ω)是非负函数，即P(ω)≥0 意义：从频域角度描述平稳随机过程F(t)的 统计特性的重要的数字特征 三、平稳各态历经随机过程（6）平稳性 6、功率谱密度Ps(ω)与自相关函数之间互为傅里叶变换关系： 称之维纳一辛钦定理 三、平稳各态历经随机过程（7）平稳性 [例2.4.1] 四、高斯窄带随机过程的特点（1） 高斯（正态）随机过程定义 ： 1、概率密度仅与数学期望、方差、归一化协方差函数有关。 2、高斯过程若是广义平稳的，则又是狭义平稳的， 故仅研究其数字特征。 3、如果各随机变量两两之间互不相关，则有 结论：若高斯过程中的随机变量之间互不相关， 则随机变量之间也是统计独立的 高斯过程一维概率密度函数 f(x)特性如下: 1、对称性。对称于x＝a这条直线，即有 2、在点a处达到极大值 4、若σ不变，增加a，f(x)图形左移；减小a，f(x)图形右移； 若a不变，增加σ，f(x)图形变低；减小σ，f(x)图形变高； 3、 正态分布函数： 四、高斯窄带随机过程的特点（2） 窄带的定义：其频谱均被限制在“载波fc”或某中心频率附近一个窄的频带Δf上，而这个中心频率离开零频率又相当远，即Δf〈〈 fc ，如图2-4 窄带随机过程一般用下式描述 为随机包络函数； 它们相对于载频的部是缓慢变化的。 为随机相位函