第2讲随机信号分析.pptVIP

PHYSICS SCHOOL OF QFNU 补充知识 随机过程的一般表述 平稳随机过程 高斯过程 窄带随机过程、正弦波加窄带高斯过程 随机过程通过线性系统 2.1 补充知识 1. 几种信号 能量谱密度定义：能量信号单位频段所持能量在频率域的累积分布。 信号的自相关函数： R(0)=E 定义功率谱密度： 4. 随机变量的特征：统计特征、数字特征 2.4 高 斯 过 程 2. 重要性质 （1）若高斯过程是广义平稳的，则也是狭义平稳的。 （2）若高斯过程中的随机变量之间互不相关，则它们也是统计独立的。 （3）若干个高斯过程的代数和的过程仍是高斯过程。 （4）高斯过程经过线性变换（或线性系统）后的过程仍是高斯型。 （5）高斯过程的n维分布完全由n个随机变量的数学期望、 方差和两两之间的归一化协方差函数所决定。因此，对于高斯过程，只要研究它的数字特征就可以了。 3. 一维概率密度和正态分布函数 高斯随机过程任一时刻上的样值是一个一维随机变量，其一维概率密度函数可以表示为： 2.5 窄带随机过程 随机过程通过以fc为中心频率的窄带系统的输出，即为窄带随机过程。 所谓窄带系统，是指其通带宽度Δf fc ，且fc 0的系统。若用示波器观察其一个实现的波形，它是一个频率近似为fc ，包络和相位随机缓慢变化的正弦波。 正弦波加窄带高斯噪声 信号在传输过程中总会受到噪声的影响，接收信号往往是信号和噪声的合成波。正弦波加窄带高斯噪声是通信系统中常见的一种情况。 设合成信号为： 合成信号r(t) 的包络和相位分别为 z(t) 服从广义瑞利分布； φ(t) 不再是均匀分布。 功率信号f(t)及其截短函数 过程的功率谱密度应看做是所有实现的功率谱的统计平均，即 某一实现的功率谱密度不能作为过程的功率谱密度 直接计算难度很大 确知的非周期功率信号的自相关函数与其谱密度是一对傅氏变换关系。对于平稳随机过程，也有类似的关系，即 ------Wiener-Khinchine关系 结论： 从频域角度给出了计算平均功率的方法 （1） （2） 各态历经过程的任一样本函数的功率谱密度等于整个过程的功率谱密度。 证明：从自相关函数的各态历经性出发 因此，可定义单边谱密度 Pξ1(ω)为 （1） ［非负性］ （2） ［偶函数］ 功率谱密度Pξ(ω) 性质：  某随机相位余弦波 ，其中A和 ωc均为常数，θ是在(0, 2π )内均匀分布的随机变量。  （1） 求 ξ(t) 的自相关函数与功率谱密度；  解：(1) 先考察ξ(t)是否广义平稳。 ξ(t)的数学期望为 [ 例 ] ξ(t)的自相关函数为 根据 以及 所以，ξ(t)是广义平稳。 则功率谱密度为 平均功率为 范例 也称为正态随机过程 它是通信领域中最重要的一种平稳随机 过程 例如通信信道中的热噪声通常是一种高斯 过程 1. 高斯过程的定义 高斯过程ξ(t)的n维（n＝1，2，…)分布 ak为xk的均值 σ2k为xk的方差 概率密度函数fn(x1,x2,…,xn;t1,t2,…,tn) 表示 在时刻t1的样值为随机变量x1 在时刻t2的样值为随机变量x2 … 在时刻tn的样值为随机变量xn 的概率密度 式中a 及σ2是两个常量（均值及方差） （1）对称于x＝a的这条直线 （2） 的特性： （3）a表示分布中心，σ表示集中程度，f(x)图形将随着σ的减小而变高和变窄。当a=0，σ=1时，称f(x)为标准正态分布的密度函数。 （4） f(x)在（-∞，a）内单调上升，在（ a ， ∞ ）内单调下降，且在a点处达到极大值 当 或 时， 正态分布函数是概率密度函数的积分，它表示高斯随机变量ξ小于或等于任意取值x的概率P(ξ≤x)，即 误差函数： 误差函数与互补误差函数