[工学]通信原理——随机信号分析new.ppt

随机过程 本章主要内容 随机过程的基本概念 平稳随机过程 高斯随机过程 平稳随机过程通过线性系统 窄带随机过程 正弦波加窄带高斯噪声 高斯白噪声和带限白噪声 随机过程 信号分为确知信号和随机信号，在《信号与系统》中，详细讨论了确知信号的分析问题。 实际的通信系统中传输的信号都是随机的，如话音信号、图像信号等；系统中的噪声也是随机的。因而，通信原理课程所涉及的信号一般为随机信号。 下面，我们将在回顾概率论有关概念的基础上，详细讨论随机信号分析问题。 随机变量的基本概念和统计特性 随机变量 对于某随机试验，有许多种可能的结果，我们可以规定一些数值来对应表示各个可能的结果。如果引入一个变量X表示试验结果，则X将随机地取某些值，而对应每一个可能的值，有一个概率，这一变量X就称为随机变量。 例如：抛硬币试验，可能有两种结果：一种是正面向上，另一种是反面向上。我们规定数值1表示正面向上，数值0表示反面向上。引入变量X表示试验结果，则X将随机地取1或0，而对应于1和0，有一个概率，则X就是随机变量。 随机变量的基本概念和统计特性 当随机变量X只能取有限值时，则称之为离散随机变量，当随机变量在某一区间内取值时，则称之为连续随机变量。 随机变量的基本概念和统计特性 概率分布函数和概率密度函数 设X是一个随机变量，x是任意实数，则函数 F(x)=P{X≤x} F(x)称为随机变量X的概率分布函数。 设X是一连续随机变量，其分布函数为F(x)，对于F(x)，若对于任意x，存在 ( 导数关系 ) 则函数f(x)称为随机变量X的概率密度函数。 随机变量的基本概念和统计特性 二维随机变量和二维概率分布 设E是一个随机试验，它的样本空间S={e}，设X和Y是定义在S上的两个随机变量，则由X和Y构成的向量(X, Y)，叫做二维随机变量/向量。 设 (X, Y) 是二维随机变量，对于任意实数x, y，二元函数： F(x,y)= P{X≤x ,Y≤y} 称为二维随机变量(X, Y) 的概率分布函数。 随机变量的基本概念和统计特性 对于连续二维随机变量(X, Y)的概率分布函数F(x,y)，如果对于任意x,y，有： f(x,y)称为二维随机变量(X, Y)的概率密度函数。 随机变量的基本概念和统计特性 随机变量的数字特征(期望，方差，协方差，相关系数) 数学期望 设连续随机变量X的概率密度函数为f(x)，则积分： 称为随机变量X的数学期望，又称均值。用E(X)表示。 方差 设X为一随机变量，则： E{[X-E(X)]2}＝D(X) 称为随机变量X的方差，用D(X)表示。 随机变量的基本概念和统计特性 协方差 设X，Y为两随机变量，则： E{[X-E(X)][Y-E(Y)]}=cov(X,Y) 称为随机变量X与Y的协方差。记为cov(X,Y) 相关系数 设X，Y为两随机变量，则： 称为随机变量X与Y的相关系数。 随机过程的基本概念和统计特性 随机过程： 设Sk(k=1, 2, …)是随机试验。每一次试验都有一条时间波形(称为样本函数或实现)，记作xi(t)，所有可能出现的结果的总体 {x1(t), x2(t)， …, xn(t)， …}就构成一随机过程，记作ξ(t)。 简言之，无穷多 个样本函数的总 体叫做随机过程， 如图所示。 随机过程的基本概念和统计特性 噪声电压的起伏波形 随机过程的基本概念和统计特性 随机过程ξ(t)基本特征体现在两个方面： 一，它是时间t的函数； 二，在固定的某一观察时刻t1，全体样本在t1时刻的取值ξ(t1)是一个随机变量。 因此，我们又可以把随机过程看成依赖时间参数t的一簇随机变量。可见，随机过程具有随机变量和时间函数的特点。 随机过程的基本概念和统计特性 随机过程的概率分布函数和概率密度函数 一维概率分布函数 设ξ(t)表示一个随机过程，在任意给定的时刻 t1