数字通信原理讲堂第3章.pptx

第3章 随机信号分析;§3.1 信号及其分类;信号能量定义：当信号f(t)通过1Ω电阻时，信号在[T,-T]时间间隔内消耗的能量为归一化能量。 能量信号定义：能量有限而信号功率平均为零的信号。;§3.2 随机过程一般表述;随机过程基本特征： 观察区间内是一个时间t函数（称为实现） 任一时刻上观察到的值不确定，是一个随机变量 与随机变量的比较：两者在定义方法上相似 但样本空间（无数个实现构成的总体成为一个样本空间）不同： ①随机变量的样本空间是一个实数集合 ②随机过程的样本空间是一个时间函数的集合; 设有n台性能完全相同的接收机。在相同的工作环境和测试条件下记录各台接收机的输出噪声波形。测试结果将表明，尽管设备和测试条件相同，但记录的n条曲线中找不到两个完全相同的波形。也就是说，接收机输出的噪声电压随时间的变化是不可预知的，因而它是一个随机过程。 随机过程的严格定义：设Si(i=1, 2, …)是随机试验E的样本空间。 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。 ;样本函数的总体 ; 示例中接收机的输出噪声波形用如图所示的信号表示。我们把对接收机输出噪声波形的观测看作是进行一次随机试验，每次试验之后，ξ(t)取图中的样本空间中的某一样本函数，至于是空间中哪一个样本，在进行观测前是无法预知的，这正是随机过程随机性的具体表现。其基本特征体现在两个方面：其一，它是一个时间函数；其二，在固定的某一观察时刻t1，全体样本在t1时刻的取值ξ(t1)是一个不含t变化的随机变量。因此，我们又可以把随机过程看成依赖时间参数的一组随机变量。; 随机过程的两重性（随机变量、时间函数）使我们可以用与描述随机变量相似的方法， 来描述它的统计特性：分布函数、概率密度函数 设ξ(t)表示一个随机过程，在任意给定的时刻t1∈T， 其取值ξ(t1)是一个一维随机变量。我们把随机变量ξ(t1)小于或等于某一数值x1的概率P{ξ(t1)≤x1}，记??F1(x1, t1)，即F1(x1,t1)=P{ξ(t1)≤x1} ——称为随机过程ξ(t)的一维分布函数。如果F1(x1, t1)对x1的偏导数存在，即有; 显然，随机过程的一维分布函数或一维概率密度函数仅仅描述了随机过程在各个孤立时刻的统计特性，而没有说明随机过程在不同时刻取值之间的内在联系，其对随机过程的完整统计特性的描述是极不充分的，为此我们需要进一步引入二维或多维分布函数。 任给两个时刻t1, t2∈T，则随机变量ξ(t1)和ξ(t2)构成一个二元随机变量{ξ(t1),ξ(t2)}，则随机过程ξ(t)的二维分布函数为F2(x1,x2 ; t1,t2)=P｛ξ(t1)≤x1, ξ(t2)≤x2｝ 。如果存在; 同理，任给t1, t2, …, tn∈T, 则ξ(t)的n维分布函数被定义为 Fn(x1,x2,…,xn; t1,t2,…,tn)=P｛ξ(t1)≤x1,ξ(t2)≤x2,…, ξ(tn)≤xn｝ 若有;随机过程的数字特征;上式中a(t)是时间t的函数，它表示随机过程的n个样本函数曲线的摆动中心。 数学期望的意义： 表示随机过程各个时刻的数学期望随时间的变化情况 本质就是随机过程所有样本函数的统计平均函数（所以数学期望又称为统计平均值或均值）; 2. 方差; 3. 相关函数 衡量随机过程在任意两个时刻获得的随机变量之间的关联程度时，常用协方差函数B(t1, t2)和相关函数R(t1, t2)来表示。协方差函数定义为 ; 相关函数定义为:  B(t1, t2)=R(t1, t2)-a(t1)a(t2) ; 由于B(t1, t2)和R(t1, t2)是衡量同一过程的相关程度的， 因此，它们又常分别称为自协方差函数和自相关函数。 对于两个或更多个随机过程，可引入互协方差及互相关函数。设ξ(t)和η(t)分别表示两个随机过程，则互协方差函数定义为: Bξη(t1,t2)=E｛［ξ(t1)-aξ(t1)］［η(t2)-aη(t2)］｝ 而互相关函数定义为:  Rξη(t1, t2)=E［ξ(t1)η(t2)］;;1、定义 平稳随机过程:是指它的统计特性不随时间的推移而变化。 定义一：设随机过程{ξ(t)，t∈T},若对于任意n和任意选定t1＜t2＜…＜tn, t