[理学]随机信号分析_第五章_窄带随机过程.pptVIP

第五章 窄带随机过程 内容： 一、信号的表示方法及希尔伯特变换 二、窄带随机过程的表示方法 三、窄带随机过程的的有关概率密度 a(t)和b(t)都是实随机过程; E[a(t)]=E[b(t)]=0;  a(t)和b(t)各自广义平稳且联合平稳，并且有 a(t)和b(t)的性质 E[a2(t)]=E[b2(t)]=E[X2(t)] ；   Rab(0)=0; a(t)和b(t)的性质 LP[A]表示取A的低频部分。说明a(t)和b(t)都是缓慢变化的随机过程。 特别的，如果SX(ω)关于中心频率± ω0对称的时候，有Sab(ω)＝0，则Rab(τ)＝0， 即a(t)和b(t)正交。 a(t)和b(t)的性质 根据前面的讨论可以得到： 其中： 所以： 5.2.2 窄带随机过程表示为准正弦振荡 取其实部就可以得到随机过程X(t)： 可以证明：当X(t)的功率谱带宽Δω远远小于其中心频率ω0的时候，A(t)和φ(t)都是缓慢变换（相对于cosω0t）的随机过程。 5.3 窄带高斯随机过程包络和相位的概率密度 在实际的分析中，我们经常遇到用一个宽带随机过程去激励一个高频窄带线性系统（即窄带滤波器）的情况，其输出可以近似看作实一个窄带高斯随机过程。窄带高斯随机过程X(t)可以表示为准正弦振荡的形式： 其中A(t)和φ(t)的概率密度就是我们经常要研究的对象。 假设X(t)是一个窄带平稳的高斯实随机过程，具有零均值和方差σ2。莱斯表示式和准正弦振荡表示式之间有： 5.3.1 包络和相位的一维概率密度 设在任意时刻t，A(t)、 φ(t)、a(t)和b(t)的采样值分别为At, φt,at和bt 。它们之间的关系为： 如果X(t)为平稳高斯随机过程， at , bt有如下统计特性： 1. at , bt 都是高斯随机变量。 因为： X(t)是平稳高斯随机过程，经过线性变换后，a(t)和b(t)也是平稳高斯过程，则at , bt 都是高斯随机变量。 一、 求 fab(at , bt ) at , bt 的均值都为0，即E[at]= E[bt]=0。 at , bt具有相同的方差，都等于X(t)的方差σ2 。 at , bt相互独立，也就是正交， 即Rab(0)=0。 根据上面的性质，可以得到他们的联合概率密度为： 应用随机变量变换公式得到： 二、 求 fAφ(At , φt ) 根据边沿概率的求法，可以得到： 三、 求 fA(At )和fφ(φt ) 表明随机相位服从(0,2π)的均匀分布；而包络服从瑞利(Rayleigh)分布。在移动通信中，信号经过多径传输到达接收端的包络和相位就服从上述分布。 从上面的分析可以得到： fAφ(At , φt )＝fA(At )fφ(φt ) 说明在同一时刻，随机变量At 和 φt相互独立，但是并不表示随机过程A(t)和φ(t)相互独立。 如果要求出包络和相位各自的二维概率密度函数 和我们可以先求出四维概率密度然后求出相应的边沿密度函数即可。 5.3.2 包络和相位的二维概率密度 同样，我们依照前面的方法得到At1, At2, φt1, φt2以及at1 , at2 , bt1 , bt2 ，分别为各个分量在t1 和t2时刻的采样值。为了简单起见，令：x1= at1, x2= bt1, x3= at2, x4= bt2,y1= At1, y2= φt1, y3= At2, y4= φt2。根据前面的讨论，a(t)和b(t)都是是平稳高斯过程，具有零均值和相同的方差σ2。因此， at1 , at2 , bt1 , bt2都是高斯随机变量，具有相同的零均值和方差σ2 。 一、 求 因此可以得到： 其中： 根据a(t)和b(t)的性质，可以得到四阶协方差矩阵： 式中Ra(τ)为a(t)的自协方差函数，Rab(τ)为a(t)和b(t)的互协方差函数。 相应的：