[工学]合工大 通信原理 第3章.ppt

通信原理;3.1 随机过程的基本概念 样本函数集合 随机变量集合 分布函数，数字特征，E[]的计算;随机过程;第3章 随机过程;3.1 随机过程的基本概念;3.1 随机过程的基本概念;3.1.1随机过程的分布函数 不同时刻有不同的分布（那时它是随机变量）。 随机过程? (t)的一维分布函数： 随机过程? (t)的一维概率密度函数： 若上式中的偏导存在的话。 ;3.1 随机过程的基本概念;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 结果是t的函数！一直在变，永不停息 ----- 咋认得它？ ; ? (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 : ;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。;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 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。 ;第3章 随机过程;;性质： 该定义表明，平稳随机过程的统计特性不随时间的推移而改变，即它的一维分布函数与时间t无关： 而二维分布函数只与时间间隔? = t2 – t1有关： 数字特征： 可见，（1）其均值与t无关，为常数a； （2）自相关函数只与时间间隔?有关。;宽(广义)平稳随机过程： （1）其均值与t 无关，为常数a ； （2）自相关函数只与时间间隔? 有关。 把同时满足（1）和（2）的过程定义为宽(广义)平稳随机过程。显然， 严平稳随机过程必定是广义平稳的，反之不一定成立。 在通信系统中所遇到的信号???噪声，大多数可视为平稳的随机过程。因此，研究平稳随机过程有着很大的实际意义。 ;3.2.2 各态历经性 问题的提出：我们知道，随机过程的数字特征（均值、相关函数）是对随机过程的所有样本函数的统计平均，但在实际中常常很难测得大量的样本，这样，我们自然会提出这样一个问题：能否从一次试验而得到的一个样本函数x(t)来决定平稳过程的数字特征呢? “各态历经性”（又称“遍历性”）假设 设2个样本函数，f1(t1)=1,f2(t1)=0 = P(1,t1)=1/2 设f1(t2)=0,则f2(t2)=1,因平稳。P(1,t2)=1/2 推而广之：f1(t)必取得集合的所有可能取值;各态历经性条件 设：x(t)是平稳过程?(t)的任意一次实现（样本）， 则其时间均值和时间相关函数分别定义为： 如果平稳过程使下式成立 则称该平稳过程具有各态历经性。;“各态历经”的含义是：随机过程中的任一次实现都经历了随机过程的所有可能状态。因此，在求解各种统计平均（均值或自相关函数等）时，无需作无限多次的考察，只要获得一次考察，用一次实现的“时间平均”值代替过程的“统计平均”值即可，从而使测量和计算的问题大为简化。 具有各态历经的随机过程一定是平稳过程，反之不一定成立。在通信系统中所遇到的随机信号和噪声，一般均能满足各态历经条件。; [例3-1] 设一个随机相位的正弦波为 其中，A和?c均为常数；?是在(0, 2π)内均匀分布的随机变量。试讨论?(t)是否具有各态历经性。 【解】(1)先求?(t)的统计平均值： 数学期望;自相关函数 令t2 – t1 = ?，得到 可见， ?(t)的数学期望为常数，而自相关函数与t 无关，只与时间间隔? 有关，所以?(t)是广义平稳过程。; (2) 求?(t)的时间平均值 比较统计平均与时间平均，有 因此，随机相位余弦波是各态历经的。;3.2 平稳随机过程;3.2.4 平稳过程的功率谱密度 定义： 对于任意的确定功率信号f (t)，它的功率谱密度定义为 式中，FT ( f )是f (t)的截短函数fT (t) 所对应的频谱函数;对于平稳随机过程? (t) ，可以把f (t)当作是?(t)的一个样