通信原理第二章 随机信号分析（清华版）.pptVIP

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： R(?)和P(f ) 的曲线： 例2.8 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2.9 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：Pn(f)＝n0/2 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。 Pn(f) n0/2 0 f Rn(?) n0/2 ? 0 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： n0/2 Pn(f) 0 f -fH fH Rn(?) ? 0 1/2fH -1/2fH 4.带限白噪声的功率谱密度和自相关函数 2.4 高斯过程(正态随机过程) 1.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pX (x, t1)与t1无关， 即： pX (x, t1) ＝ pX (x) pX(x)的曲线： 高斯过程的严格定义：任意n维联合概率密度满足： 式中：ak为xk的数学期望(统计平均值)；?k为xk的标准偏差； |B|为归一化协方差矩阵的行列式，即： |B|jk为行列式|B|中元素bjk的代数余因子； bjk为归一化协方差函数，即： (1) pX (x1, x2, … , xn; t1, t2, … , tn)仅由各个随机变量的数学期望ai，标准偏差?i和归一化协方差bjk决定，因此它是一个广义平稳随机过程。 若x1, x2, … , xn等两两之间互不相关 ，则有当 j ? k 时，bjk = 0。这时， 即，此n维联合概率密度等于各个一维概率密度的乘积。 若两个随机变量的互相关函数等于零，则称为两者互不相关；若两个随机变量的二维联合概率密度等于其一维概率密度之积，则称为两者互相独立。互不相关的两个随机变量不一定互相独立。互相独立的两个随机变量则一定互不相关。 (4) 高斯过程的随机变量之间既互不相关，又互相独立。 2. n维高斯过程的性质 p(x)对称于直线 x = a，即有： p(x)在区间(-?, a)内单调上升，在区间(a, ?)内单调下降，并且在点a处达到其极大值: 当x ? - ?或 x ? + ?时，p(x) ? 0。 若a = 0, ? = 1，则称这种分布为标准化正态分布： 3.正态概率密度的性质 将正态概率密度函数的积分定义为正态分布函数 ： 式中，?(x)称为概率积分函数 ： 此积分不易计算，通常用查表方法计算。 4.正态分布函数 误差函数定义： 补误差函数定义： 正态分布表示法： 5.用误差函数表示正态分布 频率近似为fc 2.5 窄带随机过程 2.5.1 窄带随机过程的基本概念 1.何谓窄带 设随机过程的频带宽度为?f，中心频率为fc。若?ffc，则称此随机过程为窄带随机过程 2.窄带随机过程的波形和表示式 波形和频谱： 式中：aX(t) － 窄带随机过程的随机包络； ?X(t)－窄带随机过程的随机相位； ?0 － 正弦波的角频率。 上式可以改写为： 式中：