通信系统原理chapter2.ppt

随机包络的分布： ①信噪比大时，接近于高斯分布； ②信噪比小时，接近于瑞利分布； ③信噪比不大不小时，是赖斯分布； 如图： * 随机相位： ①信噪比大时，随机相位主要集中在信号的相位附近。 ②信噪比很小时，接近于均匀分布。 如图： * 四、随机信号的频谱分析 功率谱是描述随机信号的频谱特征的基本量。 1. 一个样本的功率谱密度 功率信号的功率谱为： 2. 整个随机过程的功率谱密度 对所有的样本的功率谱密度取统计平均值： 或 * 3．功率谱的几个性质 ①非负性： ②对称性： ③微分特性： ④维纳一辛钦关系： 令τ= 0，则： 即：R(0)代表随机过程的总平均功率。 * SOURCE 02 SOURCE 03 * 随机信号通过系统的分析 一.随机信号通过线性系统 问题：若输入和输出是随机过程，这些结论能否仍然成立？ 故，整个随机过程有： * 分析输出过程与输入过程的统计特性之间的关系： 1．输出随机过程的数学期望 结论： 分析： 设输入平稳随机过程的均值、方差和输出随机过程的均值分别为： 则输出的数学期望为： 因为输入是平稳的，故： 所以： 又由： 得： 所以： * 2．输出随机过程的自相关函数 结论： 分析： 输出随机过程的自相关函数为： * 3．输出随机过程的功率谱密度 结论： 分析： 因为输出随机过程是平稳的，故其功率谱密度为： 最后得到： 以上的分析总结： * 4．系统输入与输出之间的相关性 结论： 分析： 系统输入与输出之间的互相关为： * 5．多输入多输出之间的相关性 结论： 分析： 两个输出随机过程的互相关函数可以表达为： 可求得两个输出随机过程的互功率谱密度： * 二、随机信号通过非线性系统 问题： 分析： 参照平稳随机过程的功率谱密度： 定义不平稳随机过程的功率谱密度为： * * * 式中方差： 已知输入噪声均值为0，故： （2）平稳高斯过程通过线性系统后仍然是平稳高斯过程， 故，输出噪声的一维概率密度函数为： 式中： （3）因为： 故输出功率为： （4）先求输出自相关函数： 再求自协方差函数： 因为输出是平稳的，所以： 则：输出噪声的自相关系数为： * 高斯型随机过程 一.高斯型白噪声 （一）概述 １．什么是高斯型白噪声 其统计特性符合高斯过程的统计特性，且噪声功率谱密度均匀分布。 即具有两个特点： ①噪声的瞬时振幅的概率密度服从正态分布； ２．常见的高斯型白噪声 * （二）高斯型白噪声的统计特性 ? 一维概率密度： 二维联合概率密度： * （三）高斯型白噪声的数字特征 1．数学期望 2．方差 * 故： 4. 理想的高斯白噪声属于高斯过程。 高斯过程的几个重要性质： 广义平稳和狭义平稳是等价的； 互不相关和相互独立是等价的； 一个高斯过程通过线性系统，其输出也是一个高斯过程。 带宽为无限的高斯型噪声 与 高斯型限带噪声 * 二.高斯型限带噪声 低通、带通、窄带 （一）低通白噪声 当白噪声通过理想的低通滤波器时，其输出是低通白噪声。 其功率谱密度为： 低通白噪声的平均功率： （二）带通白噪声 其平均功率： * 窄带高斯噪声 一.基本概念 窄带系统 窄带随机过程 在示波器上观察： 窄带随机过程： * 二.统计特性分析 将上式展开： 零均值平稳窄带高斯过程统计特性分析： ①数学期望 * ②自相关函数 要求以下二式恒等： 故得： 由以上分析可知： 要使A、B两式同时成立： 应该有： * 故： 又： * 三.功率谱分析 设窄带随机过程、同相分量、正交分量的功率谱密度分别为： 分析它们之间的关系： 两边都通过截止频率为WC的低通滤波器，得到： 两边取功率谱密度，得： * 同理，将： 经低通滤波器后得： 两边取功率谱密度得： * 可见： 再由： 可知： 即：同相分量和正交分量具有相同的功率谐密度。 与窄带随机过程的功率谱密度的关系： 各功率谱密度的示意图： * 随机过程的同相分量和正交分量的提取方法： 结论：一个均值为零的窄带平稳高斯过程 (1) 它的同相分量和正交分量同样也是平稳的高斯过程，且均值为零，方差也相同。 (2) 其平均功率与它的同相分量和正交分量的平均功率都相等。 (3) 两个分量具有相同的功率谱密度。 (4) 两个分量在同一时刻是统计独立的，因此两个分量的二维联合分布可以表达为： 窄带高斯噪声的同相分量与正交分量的二维分布仍符合高斯型的统计特性。 瑞利分布 均匀分布 * 四、余弦信号加窄带高斯噪声 要点： 1．与单纯的窄带高斯噪声不同，余弦信号加窄带高斯噪声的混合波形的随机包络和随机相位不是统计独立的； 2．余弦信号加窄带高斯噪声的混合波形的随机包络与随机相位的分布都与信道的信噪比有关。 分析： 已知窄带高斯噪声表达式： 设余弦信号： 由于窄带高斯噪声为