2010通信原理新讲稿第3章--随机过程.ppt

3.7 高斯白噪声和带限白噪声 1、白噪声：功率谱密度在所有频率上均为常数的噪声，即 － 双边功率谱密度 或 － 单边功率谱密度 式中 n0 － 正常数 白噪声的自相关函数：对双边功率谱密度取傅里叶反变换，得到相关函数 3.7 高斯白噪声和带限白噪声 白噪声和其自相关函数的曲线 f 0 0 τ 3.7 高斯白噪声和带限白噪声 白噪声的功率 由于白噪声的带宽无限，其平均功率为无穷大 真正“白”噪声是不存在的，只是构造一种理想化噪声形式。 实际中，只要噪声的功率谱均匀分布的频率范围远远大于通信系统的工作频带，我们就可以把它视为白噪声。 白噪声取值的概率分布服从高斯分布，称之为高斯白噪声。 高斯白噪声在任意两个不同时刻上的随机变量之间，不仅是互不相关的，而且还是统计独立的。 3.7 高斯白噪声和带限白噪声 2、低通白噪声：如果白噪声通过理想矩形的低通滤波器或理想低通信道，则输出的噪声称为低通白噪声。 功率谱密度 由于功率谱频带受限亦称为带限白噪声。 自相关函数 3.7 高斯白噪声和带限白噪声 功率谱密度 和 自相关函数曲线 由曲线看出，这种带限白噪声只有在 上得到的随机变量才不相关。 3.7 高斯白噪声和带限白噪声 3、带通白噪声：如果白噪声通过理想矩形的带通滤波器或理想带通信道，则其输出的噪声称为带通白噪声。 理想带通滤波器的传输特性为： 功率谱密度 3.7 高斯白噪声和带限白噪声 自相关函数 平均功率 3.7 高斯白噪声和带限白噪声 带通白噪声的功率谱和自相关函数曲线 1/B 3.2 平稳随机过程 功率谱密度的计算： 维纳-辛钦关系 自相关函数与其功率谱密度 是一对傅里叶变换。 记为 3.2 平稳随机过程 自相关函数与其功率谱密度 关系 证明： 3.2 平稳随机过程 作变量替换，令 u – v = ? ， u + v = t ，上式的二重积分变换到下面的区域上： 3.2 平稳随机过程 坐标变换，du , dv 变换成 u = ?(t + ?) ，v = ?(? -t) 原积分可以写成 3.2 平稳随机过程 ∴令 T →∞ 取极限 维纳-辛钦定理 3.2 平稳随机过程 对功率谱密度进行积分，可得平稳过程的总功率： 推论： 各态历经过程的任一样本函数的功率谱密度等于过程的功率谱密度。 功率谱密度P? ( f )具有非负性和实偶性，即有 3.2 平稳随机过程 [例3-2]求随机相位余弦波?(t) = Acos(?ct + ? )的自相关函数和功率谱密度。 由维纳-辛钦关系，以及 得到 解：在例3-1中，已经求出?(t)的相关函数为 3.2 平稳随机过程 本课常见信号变换对 门函数 指数函数 正弦函数 3.2 平稳随机过程 时移 频移 尺度 卷积定理 3.2 平稳随机过程 满足 平稳 性质 ⑴ ⑵ 各态经历：时间平均 统计平均 时域 ～ 频 域 （条件1）：（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。 （条件2）： 小结： 3.3 高斯（正态）随机过程 一、定义 若任意n维概率密度函数可表示为 则称该随机过程为高斯（正态）随机过程。式中 3.3 高斯（正态）随机过程 B为归一化协方差矩阵的行列式，即 其中 3.3 高斯（正态）随机过程 二、重要性质 1、 n维概率密度函数由数字特征确定； 高斯过程的n维分布只依赖各个随机变量的均值、方差和归一化协方差。 2、广义平稳的高斯过程也是严平稳的； 若过程平稳 -- 其均值为常数 ，协方差函数只与τ有关，而与时间起点无关，则它的n维分布也与时间起点无关 3.3 高斯（正态）随机过程 二、重要性质 3、若不同时刻的取值是不相关的，则它们也是统计独立的； 如果高斯过程在不同时刻的取值是不相关的，即对所有j ? k，有bjk =0，则其概率密度可以简化为 3.3 高斯（正态）随机过程 二、重要性质 4、高斯过程经过线性变换后生成的过程仍是高斯过程。 可以说，若线性系统的输入为高斯过程，则系统输出也是高斯过程。 3.3 高斯（正态）随机过程 三、高斯随机变量 高斯过程在任一时刻上是一个高斯随机变量，其一维概率密度函数为 3.3 高斯（正态）随机过程 性质： f (x)对称于直线 x = a a表示分布中心， ? 称为标准偏差，