第02章随机信号分析通信原理第六版.ppt

随机信号分析 内容结构 引言； 随机过程的一般描述； 平稳随机过程； 高斯过程（正态随机过程）； 窄带随机过程； 正弦波加窄带随机过程； 随机过程通过线性系统； 引言 随机信号： 某个或某几个参量不能被预知或不能完全被预知的信号。 随机噪声： 不能被预测的噪声。 随机过程的一般描述 随机过程的基本概念： 随时间变化的随机变量的全体；兼有时间函数与随机变量的特点。 随机过程的统计特性： 分布函数与概率密度函数； 数字特征：数学期望（均值）、方差、自相关函数、自协方差函数； 第3章 随机过程 【例】n台示波器同时观测并记录这n台接收机的输出噪声波形 样本函数?i (t)：随机过程的一次实现，是确定的时间函数。 随机过程：? (t) ={?1 (t), ?2 (t), …, ?n (t)} 是全部样本函数的集合。 随机过程的基本概念 在观察区间内，随机过程是时间的函数，每次观察结果（即每次实现）均可视为一个样本，无数次的结果亦即无数个样本构成了随机过程的样本空间； 在任一时刻上观察到的样值是不确定的，是一个随机变量； 第3章 随机过程 角度2：随机过程是随机变量概念的延伸。 在任一给定时刻t1上，每一个样本函数?i (t)都是一个确定的数值?i (t1)，但是每个?i (t1)都是不可预知的。 在一个固定时刻t1上，不同样本的取值{?i (t1), i = 1, 2, …, n}是一个随机变量，记为? (t1)。 换句话说，随机过程在任意时刻的值是一个随机变量。 因此，我们又可以把随机过程看作是在时间进程中处于不同时刻的随机变量的集合。 这个角度更适合对随机过程理论进行精确的数学描述。 随机过程的基本概念 随机变量与随机过程二者最大的区别在于：随机变量的样本空间是一个实数集合，而随机过程的样本空间是一个时间函数的集合。 分布函数与概率密度函数 随机过程 的一维分布函数： 随机过程 的一维概率密度函数： 第3章 随机过程 随机过程? (t) 的二维分布函数： 随机过程? (t)的二维概率密度函数： 若上式中的偏导存在的话。 随机过程? (t) 的n维分布函数： 随机过程? (t) 的n维概率密度函数： 分布函数与概率密度函数 随机过程 的n维分布函数： 随机过程 的n维概率密度函数： n越大，对随机过程的描述越充分。 3.1.2 随机过程的数字特征 均值（数学期望）： 在任意给定时刻t1的取值? (t1)是一个随机变量，其均值 式中 f (x1, t1) － ? (t1)的概率密度函数 由于t1是任取的，所以可以把 t1 直接写为t， x1改为x，这样上式就变为 第3章 随机过程 ? (t)的均值是时间的确定函数，常记作a ( t )，它表示随机过程的n个样本函数曲线的摆动中心 : 随机过程的数学期望（均值） 反映了随机过程各个时刻的数学期望（均值）随时间的变化情况； 本质上就是随机过程所有样本函数的统计平均函数； 它由随机过程的一维概率分布决定； 表征了随机信号的直流分量； 方差 方差常记为? 2( t )。这里也把任意时刻t1直接写成了t 。 因为 所以，方差等于均方值与均值平方之差，它表示随机过程在时刻 t 对于均值a ( t )的偏离程度。 随机过程的方差 反映了随机过程在时刻 t 相对于均 值的偏离程度； 它由随机过程的一维概率分布决定； 表征了随机信号的交流平均功率； 随机过程的数学期望（均值）和方差仅描述了各孤立时刻的统计特性，无法反映不同时刻之间的联系，为此我们引入了自相关函数和自协方差函数，用来衡量随机过程在任意两个时刻上获得的随机变量的统计相关特性； 相关函数 式中， ? (t1)和? (t2)分别是在t1和t2时刻观测得到的随机变量。可以看出，R(t1, t2)是两个变量t1和t2的确定函数。 协方差函数 式中 a ( t1 ) a ( t2 ) － 在t1和t2时刻得到的? (t)的均值 f2 (x1, x2; t1, t2) － ? (t)的二维概率密度函数。 相关函数和协方差函数之间的关系 若a(t1) = a(t2)，则B(t1, t2) = R(t1, t2) 互相关函数 式中?(t)和?(t)分别表示两个随机过程。 因此，R(t1, t2)又称为自相关函数。 平稳随机过程 狭义平稳（或严平稳）随机过程； 广义平稳（或宽平稳）随机过程； 平稳随机过程的“各态历经性”； 平稳随机过程的自相关函数； 平稳随机过程的功率谱密度； 狭义平稳随机过程 平稳随机过程的统计