微信号检测 第一讲 基本概念和基本知识.ppt

三、窄带高斯噪声包络和相位的概率分布 窄带高斯噪声的包络和相位的联合概率密度函数为： 瑞利分布 均匀分布 利用边际积分可以求出p(r)和p(ф)分别为： 于是我们有如下结论： 一个均值为零，方差为σ2的窄带高斯噪声，其包络的一维 分布服从瑞利分布，其相位的一维分布服从均匀分布。 * * 1.4 随机噪声通过电路系统的响应 线性系统响应 平稳噪声 非平稳噪声 非线性系统响应 平方律检波 绝对值检测(全波检波) 过零检测 * * 1.4.1 随机噪声通过线性系统的响应 线性系统 * * 1、平稳噪声通过线性系统的响应 噪声x(t)通过线性系统，输出y(t) 的幅度不确定，只能考虑它的功率。 y(t)的自相关函数： * * y(t)的功率谱密度： 上式的傅立叶反变换： 互功率谱密度函数Sxy(w)和互相关函数Rxy(t)： * * 例3：白噪声x(t)的功率谱密度为Sx(w)=N0/2，将它输入到一阶RC低通滤波电路，求滤波电路输出y(t)的功率谱密度Sy(w)和功率Py。 解： 电路的频响函数： 幅频特性函数： * * 滤波电路输出y(t)的功率谱密度函数和功率为： 可以看出，时间常数RC越大，噪声的功率越小。 * * 例4 求白噪声通过RC微分电路后的自相关函数。 * * 例5：零均值高斯分布的白噪声x(t)，其功率谱密度为Sx(w)=N0/2 ，通过如下的系统： 求系统输出噪声y(t)的功率谱密度Sy(w)和自相关函数Ry(t)。 (作为练习题)  例6： RC积分电路，设输入噪声x(t)的自相关函数为：试计算输出y(t)的功率谱密度Sy(w)及相关函数Ry(w)，并说明与x(t)的特征量Sx(w)和Rx(t)有什么变化？ * * * * 用时间平均表示： 用均值可以看出随机噪声的直流成分大小，用方差可以看出随机噪声的起伏程度；反之，也然。 * * 4、均方值 均方值表示随机噪声瞬时取值平方的数学期望值，反映的是随机噪声的功率。 * * 5、相关函数 均值、均方值和方差描述的是一维随机变量的统计特性，不能反映不同时刻各数值之间的相互关系。例如，随机信号x(t) 分别在t1，t2时刻的随机取值x(t1)，x(t2) 之间的关联程度如何？同样，两个随机信号x(t)和y(t)数值之间的关联程度如何？这依靠相关函数来解答。 * * (1)自相关函数 自相关函数是描述随机噪声x(t)在任意两个不同t1和t2时刻的取值之间的相关程度。 定义为： 由于平稳随机信号的统计特性与时间的起点无关，设 t2=t1+ ?, 则有 p(x1,x2;t1,t2)=p(x1,x2; ?)。所以，平稳随机信号的自相关函数是时间间隔?的函数，记为Rx(?)。 * * 自相关函数特性 ①对称性 Rx(?)= Rx(-?) ②最大值 Rx(0)≥Rx(?) ③ Rx(0)等于随机噪声的功率 Rx(0)= E[x2(t)] ④周期性 如果随机噪声包含某种周期成分， Rx(?)也会包含有相同周期的周期分量。 ⑤独立性（互不相关性） ⑥ Rx(?)的计算与起始时间无关 ⑦ Rx (∞)=μx2 * * (2)互相关函数 互相关函数表示两个不同的随机噪声x(t)和y(t)在不同的时刻t1和t2的相关程度。 用时间统计平均，则： * * 互相关函数的特性： ①不是偶函数，即： Rxy(t)≠ Rxy(-t)， 但： Rxy(t)＝ Ryx(-t) ； ②最大值： Rxy(t) ≤√[Rx(0) Ry(0)]; ③但t→∞，有： Rxy(∞)=mxmy; ④对平稳随机噪声， Rxy(t)只与t有关。 * * (3)互协方差函数 如果对于任何时刻t1和t2都能满足： ， 则称x(t)和y(t)互不相关。 * * (4)相互独立 如果两个随机噪声x和y，相互独立，则它们的联合功率密度p(x,y)为： p(x,y)= p(x)● p(y); 它们的互相关函数为： E[xy]= E[x]● E[y]。 此时有： Cxy (t)= Rxy(t)－mxmy=0。 可见，相互独立的随机噪声一定互不相关。 但，互不相关的随机噪声不一定独