通信原理精品课件第3 随机信号分析.ppt

3.4.1 输出随机过程Y(t)的数学期望 　　输出随机过程Y(t)的数学期望为  由于E［X(t-u)］=aX，由式(3-4-2)得   因此 (3-4-4) 　　由此可见，当输入随机过程的数学期望为常数时，线性系统输出随机过程的数学期望也是常数。 3.4.2 输出随机过程Y(t)的自相关函数 　　为了求得Y(t)的自相关函数，让我们首先求出X(t)与Y(t)的互相关函数RXY(τ)。 互相关函数RXY(τ)只与时间间隔τ有关，它等于RX(τ)与h(τ)的卷积。 (3-4-5) 　　现在来求自相关函数RY(τ)。 (3-4-6) 结合式(3-4-5)及式(3-4-6)得到 (3-4-7) 由此可得，当输入随机过程X(t)平稳时，输出随机过程的自相关函数只与时间间隔有关。 　　式(3-4-4)与式(3-4-7)表明，当线性系统的输入为平稳随机过程时，输出随机过程的数学期望是常数，自相关函数与时间起点无关，只依赖于时间间隔τ。显然，输出随机过程也是平稳的。 3.4.3 输出随机过程Y(t)的功率谱密度 　　由式(3-4-7)可得  应用时域卷积定理得 　　　 　 　(3-4-8) 其中，　　　　　　　　　　　　　　　　　　　　　　　。 　　根据式(3-4-8)，在已知输入随机过程功率谱密度PX(F)及系统传输特性H(F)时，可求出输出随机过程的功率谱密度PY(F)。 　　例3.4.1 平稳随机过程X(t)输入到一个RC低通网络，X(t)的均值为0，自相关函数RX(τ)=exp(-α|τ|)。求输出随机过程的均值、方差、功率谱密度及自相关函数。 　　解 RC低通网络的传输特性如下   其中，β=1/(RC)。 　　根据式(3-4-4)可求得输出随机过程均值(数学期望)为   因为E［X(t)］=0，由已知条件可求得输入随机过程的功率谱密度函数PX(F)为 　　根据式(3-4-8)求得输出随机过程的功率谱密度PY(F)为 　　又因为，平稳随机过程的功率谱密度与自相关函数是一对傅氏变换，所以由输出随机过程的功率谱密度可求得其自相关函数RY(τ)为 　　式中， 　　利用第2章中给出的傅氏变换对，得到   　　输出随机过程的方差 　　例3.4.2 设线性系统的输入为X(t), 输出为Y(t)=X(t+a)-X(t-a),已知X(t)是平稳随机过程，自相关函数为RX(τ)。试证明： 　　(1) 　　(2) 　解 (1) 根据自相关函数的定义，得 　　(2) 对RY(τ)求傅氏变换得Y(t)的功率谱密度为 　　由三角公式　　　　　　　　　　得 　　将式(3-4-3)所表示的输出随机过程Y(t)改写成求和形式 (3-4-9) 3.4.4 输出随机过程的概率分布 　　当输入X(t)为平稳高斯随机过程时，X(t-un)是t-un时刻对随机过程X(t)的取值，是一个高斯分布的随机变量，X(t-un)乘以常数h(un)Δun后仍然为高斯随机变量，只是均值和方差有所改变。因此，式 (3-4-9)中X(t-un)h(un)Δun的每一项都是高斯随机变量。所以，输出随机过程Y(t)在任一时刻上的取值将是无穷多个高斯随机变量之和。通过数学方法可以证明，两个高斯随机变量之和仍然为高斯随机变量。即当X1与X2为高斯随机变量时，Y=X1+X2也为高斯随机变量，其均值为a1+a2，方差为　　　　　　　　　。其中, a1、 a2和　　、 　分别是X1和X2的均值与方差，ρ12为X1和X2的相关系数。进而得到这样的结论：无穷多个高斯随机变量之和仍然为高斯随机变量。所以，平稳高斯随机过程通过线性系统后仍然为平稳高斯随机过程。 3.5 通信系统中的噪声 3.5.1 噪声的分类 　　1. 人为噪声和自然噪声 　　按噪声的不同来源可将噪声分为人为噪声和自然噪声两种。人为噪声是指各种电气设备、汽车的火花塞所产生的火花放电，高压输电线路的电晕放电，以及邻近电台信号的干扰等。自然噪声包括大气产生的噪声，天体辐射的电磁波所形成的宇宙噪声，以及通信设备内部电路产生的热噪声和散弹噪声等。 　　2. 高斯分布噪声和非高斯分布噪声 　　按噪声幅度瞬时值的概率分布可将噪声分成高斯噪声和非高斯噪声两种。幅度瞬时值服从高斯分布的噪声称为高斯噪声，否则称为非高斯噪声。 　　3. 白噪声和有色噪声 　　按噪声功率谱可将噪声分成白噪声和有色噪声两种。如果噪声的功率谱在很大频率范围内是个常数，则称此噪声为白噪声，否则称为有色噪声。 　　4. 加性噪声和乘性噪声 　　按噪声对信号作用的方式可将噪声分成加