[数学]第8讲 基带传输：随机过程初步_基带码型.pptVIP

基带传输 概率论的基本概念 概率论是研究随机现象的统计规律的科学 随机试验：对随机现象的观测或实验 随机事件：随机试验的结果 概率：随机事件发生的可能性大小的一种度量，又称测度 为了有效利用数学工具分析随机现象，把基本事件变换成数，就可把事件的概率用函数值来表达，从而引进随机变量和分布函数的概念 数字特征 期望：又称统计平均或均值，描述随机变量的集总特性 方差：表达了X的取值与其数学期望的偏离程度，是衡量X取值分散程度的一个量 协方差：用来刻画两个随机变量间的关系 相关系数：用来度量两个随机变量间的关系 数学期望在于概率密度曲线在横轴上的移动，方差表现在曲线在数学期望上的集中程度 随机过程的基本概念 初等概率论研究的主要对象是一个或有限个随机变量 但在一些科学技术中需要对一些随机现象的变化过程进行研究，必须考虑无穷多个随机变量 用一族随机变量才能刻划这种随机现象的全部统计规律性 可以把这样的一族随机变量称为随机过程 随机过程的数学定义： 设随机试验的样本空间 ，如果对于空间的每一个样本 总有一个时间函数 与之对应。对于样本空间S 的所有样本 ，有一族时间函数 与其对应，这族时间函数 定义为随机过程 随机过程X(t) 的统计性质可由下面两个基本统计量来描述 一维分布函数 概率密度函数 例如： 1）某电话交换台在时间段[0, t]内接到的呼唤次数是与t有关的随机过程X(t)，对于固定时刻的t，x(t)是一个取非负整数的随机变量 2）在天气预报中，若以Xt表示某地区第t次统计所恶道的该天最高气温，则Xt是随机变量。为了预报该地区未来的气温，我们就必须研究随机过程{Xt ，t=0, 1, …}的统计规律性 在通信系统中 1）信号不是单一的、确定的，即具有不确定性和随机性 2）存在各种干扰和噪声更是随机的、不可预测的 正是因为信号和噪声的不可预测性、随机的特点，才会用随机过程来表示，用概率的方法来研究 随机过程的数字特征 数学期望：描述随机过程在时刻t的统计平均 方差（标准差或标准离差）：描述随机过程所有样本函数相对于数学期望的分散程度 自相关函数（统计平均，或称集平均）：表征了随机过程在两个时刻之间的关联程度 自协方差函数 互相关函数 互协方差函数 平稳随机过程 狭义平稳与广义平稳 狭义平稳随机过程：如果对于时间t的任意n个值和任意实数，随机过程X(t)的n维分布函数不随时间平移而变化，又称严平稳或强平稳 狭义平稳随机过程的n维分布函数不随时间起点的不同而变化，在任何时刻计算它的统计结果都是相同的 广义平稳随机过程：如果随机过程满足以下条件 则称随机过程X(t)为广义平稳随机过程，也称宽平稳随机过程 一般所说的平稳过程是指广义平稳过程 一般来说在通信系统上： 非平稳信号：时变信号 平稳信号：时不变信号 例如： 假设有状态连续、时间离散的随机过程 其中 是 上均匀分布的随机变量，t只取正整数，试讨论随机过程X(t)的平稳性 分别从下面三个方面进行考虑： X(t)的期望是否为常数； X(t)的自相关函数是否与时间无关； X(t)的二阶矩是否存在 再例如： 假设有随机过程 ，其中 为常数， 是在区间 上服从均匀分布的随机变量，讨论X(t)的平稳性 信号间的三种关系： 1. 独立。若： 2. 不相关。若： 3. 正交。若： 功率谱密度函数 对于任意信号x(t)，定义信号的能量和功率： 帕萨伐尔定理： 上述过程即为帕萨伐尔定理或瑞利能量定理 ，即：在频域和时域上对同一信号所求的能量相等 则： 两边取期望： 则定义： 为随机过程X(t)的平均功率谱密度函数 将式 代入上式整理： 由平稳随机过程可知 令 当 时， 趋近于1，可由上式可得到： 由傅立叶变换公式可知 随机过程X(t)的自相关函数和功率谱密度函数是一对傅立叶变换对，描述了随机过程X(t)的时域与频域统计规律之间的关系，此为维纳辛钦定理 功率谱密度函数的物理意义： 1. 从统计的角度，随机信号的功率在各个频率点上分布情况； 2. 在每个时刻都表现为互不相同的时间函数，因此不能简单的用傅立叶变换分析随机信号 性质： 1. 是非负的； 2. 是实的； 3. 是偶函数 例如：已知 ，其中