通信原理--随机过程一知识讲稿.pptVIP

通信原理;3.1 引言 3.2 随机过程的统计(概率)特性 3.3 平稳随机过程 3.4 高斯随机过程(正态) 3.5 平稳随机过程通过线性系统 3.6 窄带平稳随机过程 3.7 余弦波加窄带平稳高斯随机过程 3.8 匹配滤波器 3.9 循环平稳随机过程;本章重点;本章难点;随机过程的统计性质可由其分布函数和概率密度描述。; 称作随机过程X(t)的一维分布函数。 如果存在 则称其为X(t)的一维概率密度。 ;; [n+m] 维随机向量 的联合分布函数定义为;若存在;随机过程的相互独立;;如果对于任意n和t1,t2,…,tn以及 有;宽平稳随机过程;联合宽平稳随机过程;各态历经性(遍历性);若X(t)的数学期望与样函数的时间平均值相等的概率为1,即 ;样函数的时间平均自相关函数为;若X(t)的均值和自相关均为遍历的,则X(t)为宽遍历随机过程。 若X(t)的所有统计平均特性和其样函数所有相应的时间平均特性以概率为1项等,则X(t)为严遍历过程。;若X(t)是平稳高斯随机过程,且 则X(t)是遍历过程。 遍历过程一定是平稳过程,但平稳过程不一定是遍历过程。;平稳随机过程的功率谱密度;平稳随机过程的功率谱密度与自相关函数互为傅立叶变换。 ;平稳随机过程功率谱密度的性质;; 若一随机过程的任意n维(n=1,2,…)概率密度是正态分布式,则称此随机过程为高斯随机过程。;如果高斯过程是宽平稳过程,则其均值、方差与时刻无关,是常数;其n维概率密度满足严平稳条件,所以宽平稳的高斯过程就是严平稳的高斯过程。 对于正态随机过程的任何两个时刻的随机变量,不相关也就是统计独立。 ;一维正态概率密度表示式为 ;(1) ; Φ(x)为概率积分函数,简称概率积分 ;误差函数和互补误差函数 ;三者关系: ;图3.5.1 平稳随机过程通过线性系统;1. 随机过程Y(t)的均值(统计平均); ;3. X(t)和Y(t)的互相关函数与互功率谱密度;4. Y(t) 的功率谱密度;(1) 若X(t)是正态随机过程,则Y(t)也是正态随机过程。 (2) 若过程X(t)带宽  (系统带宽),则:Y(t)趋于高斯过程(正态过程)。 ;令n(t)为高斯随机过程,其功率谱密度 ;1、若 为确定函数,则X为高斯随机变量,数学期望为0,方差等于;2、若 ;3、限带高斯白噪声,功率谱密度;令X(t)为平稳随机过程,其功率谱密度 形状如图所示。 ;若 ,则称X(t)为窄带随机过程,其样函数之一如图所示;窄带平稳随机过程的表示式; (1) Z(t)的自相关函数 ; (2) 复包络 的相关函数 ; (3) Xc(t),Xs(t)的统计特性 ;Xc(t),Xs(t)的统计特性(1);Xc(t),Xs(t)的统计特性(2);Xc(t),Xs(t)的统计特性(3);Xc(t),Xs(t)的统计特性(4);Xc(t),Xs(t)的统计特性(5);Xc(t),Xs(t)的统计特性(6);4. Xc(t),Xs(t),a(t),φ(t)的概率密度 ;(2) a(t)和φ(t)的联合概率密度(函数的概率) ;5. 窄带平稳高斯噪声通过相干解调器 ;图3.7.6 低通滤波器的传递函数;图3.7.7 过程图; ;;令 其中:n(t)为窄带平稳高斯过程(噪声),且可表示为  ; 令  ,则有 (1) , 均为高斯过程且在同时刻相互独立; (2) 的均值为A, 的均值为0; (3) 和 的方差均为 ; ;包络R的概率密度;引入归一化变量和信噪比;图3.9.1 匹配滤波器;传输特性 ; 令 s(t)的匹配滤波器的输入信号为x(t)则其输出 ;若随机过程X(t) 的统计平均值(数学期望)和自相关函数是时间的周期函数,则X(t)称作周期平稳随机过程或循环平稳随机