[工学]3-随机过程.pptVIP

第3章 随机信号 Baisen Liu 第3章 随机过程 3.1 随机过程的基本概念 3.2 平稳随机过程 3.3 高斯随机过程 3.4 平稳随机过程通过线性系统 3.5 正弦波加窄带高斯噪声 3.6 高斯白噪声和带限白噪声 自然界中事物的变化过程可以大致分成为两类： 1.确定性过程 其变化过程具有确定的形式。 数学上，可以用一个或几个时间t的确定函数来描述。 2.随机过程 没有确定的变化形式。每次对它的测量结果没有一个确定的变化规律。 数学上，这类事物变化的过程不可能用一个或几个时间t的确定函数来描述。 随机信号和噪声统称为随机过程。 1.随机过程的分布函数 随机过程定义： 设Sk(k=1, 2, …)是随机试验。 每一次试验都有一条时间波形（称为样本函数），记作xi(t)，所有可能出现的结果的总体{x1(t), x2(t)， …, xn(t)， …}构成一随机过程，记作ξ(t)。 假定有n个性能完全相同的接收机，每台接收机的输出信号就是一个样本xi(t)。 无穷多个样本函数的总体叫做随机过程。 样本函数的总体（随机过程） 随机过程具有随机变量和时间函数的特点。 在进行观测前是无法预知是空间中哪一个样本。 全体样本在t1时刻的取值ξ(t1)是一个不含t的变化的随机变量。即在一个固定时刻t1，不同样本的取值xi(t1)是一个随机变量。 随机过程是处于不同时刻的随机变量的集合。 设ξ(t)表示一个随机过程，在任意给定的时刻t1 其取值ξ(t1)是一个一维随机变量。 随机变量的统计特性可以用分布函数或概率密度函数来描述。 把随机变量ξ(t1)小于或等于某一数值x1的概率 记为F1(x1, t1)，即 2. 随机过程的数字特征 用数字特征来描述随机过程的统计特性，更简单直观。 数字特征是指均值、方差和相关系数。是从随机变量的数字特征推广而来的。 (1)数学期望（均值） 表示随机过程的n个样本函数曲线的摆动中心。即均值 (3)协方差函数和相关函数 互协方差函数（针对两个随机过程） 3.2 平稳随机过程 结论：①均值，方差与时间无关。②相关函数只与时间间隔有关。 平稳过程在一定条件下具有一个非常有用的特性，称为各态历经性： 具有各态历经性的过程，其数字特征完全由随机过程的任一实现的时间平均值来代替。 1. ξ(t)c和ξs(t)的统计特性 计算高斯随机变量ξ小于或等于某一取值x的概率P(ξ≤x) 也可写成 3.4 平稳随机过程通过线性系统 随机过程通过线性系统的分析，完全是建立在确知信号通过线性系统的分析基础之上的。是对确知信号分析的推广。 当一个系统的行为满足叠加原理时，这个系统称为线性系统。 在单位冲激信号δ(t)激励下，系统的零状态响应称为单位冲激响应，用h(t)表示。 零状态响应:不考虑原始时刻系统的储能作用(起始状态为0)，由系统的外加激励信号产生的响应。 线性时不变系统可由其单位冲激响应h(t)或其频率响应H(f)来表示。 设线性系统的冲激响应为h(t)，输入随机过程为ξi(t)，则输出为ξo(t) ，则输入与输出可表示成卷积关系。 对线性系统，当输入ξi(t)是平稳过程时，输出响应ξo(t)，则对输入信号和输出信号的统计关系有以下主要结论： 即线性系统响应等于输入信号与冲激响应的卷积。 输出过程的均值是一个常数。 a是输入过程的均值，H(0)是线性系统在f=0时的频率响应，即直流增益。 2. 若线性系统的输入过程是平稳的，那么输出过程也是平稳的 系统的输出ξ0(t)的自相关函数只与时间间隔τ有关，与时间起点无关。 3.线性系统输出平稳过程ξo(t)的功率谱密度Po(f)是输入平稳过程ξi(t)的功率谱密度Pi(f)与传递函数模的乘积平方。 H(f)为系统的频率响应。 4.高斯过程经线性变换后的输出过程仍为高斯过程。 3.5 窄带随机过程 在通信系统中，许多实际的信号和噪声都满足“窄带”的假设，即其频谱被限制在“载波”或某中心频率附近一个窄的频带上，而这个中心频率fc离开零频率又相当远。例如：无线广播系统中的中频信号及噪声就是如此。 如果这时的信号或噪声是一个随机过程，则称它们为窄带随机过程。 在通信系统中,许多实际信号和噪声都满足窄带的假设 窄带随机过程的一个样本波形如同一个包络和随机相位缓变的正弦波。 窄带随机过程的频谱密度和波形 中心频率为fc， fc远离f=0。 窄带过程表达式（随机信号频率颁布在ωc的附近，总可以写成以下一般形式） ： 窄带随机过程也可表示为同相分量与正交分量的形式 同相分量 正交分量 振幅和相位的变化相对于载波的变化要缓慢得多 讨论均值为零的平稳高斯窄带过程的统计特性，即讨论以下量的统计特性 结论1：一个均值为零、方差为　 的窄带高斯过程，假定它是平