第三章随机过程eview.pptVIP

第三章 随机过程（review) 提要： 随机过程的一般概念 通信系统中涉及的随机信号与噪声的特征表述 平稳随机过程（相关函数，功率谱密度） Gauss过程 窄带过程 正弦波加窄带Gauss过程 随机过程通过线性系统的基本分析法 1. 引言 通信：保证消息的传递。 消息：信号（消息中的有用部分）+噪声（无用 部分） 信号：随机性（某个或某几个参数不能或不能完 全预知），随机信号 噪声：随机性 随机过程：随机信号与噪声的统称 分析工具：概率论与随机过程 为了方便，人为地对通信系统所涉及的随机过程进行了限制：平稳或广义平稳随机过程 窄带Gauss过程对噪声的描述十分理想 2. 随机过程的一般表述 随机过程：时间t的函数，在任一时刻上观察到的值是不确定的，即一随机变量。随机过程就是由全部可能实现构成的总体，每个实现都是一个确定的时间函数，随机性就体现在出现哪一个实现是不确定的。 * t n(t) t n(t) t n(t) 实现1 实现2 实现n t1 随机变量 n台相同的收音机，用n台相同的记录仪记录各自在同一频道的输出（噪声）波形，结果？ N条不同的曲线：噪声 随机过程 记录 随机过程的实现 所有记录的集合 随机过程的描述 随机过程的规律性：统计特性 概率分布函数或数字特征确定 设ξ(t)为一随机过程，则在任一时刻t1上ξ(t1)是一随机变量，那么随机变量的统计特性可用概率分布密度或概率密度函数来描述： F1(x1,t1)=P{ξ(t1)≤x1}: ξ(t)的一维分布函数 如果 F1(x1,t1)对x1的偏导数f1 (x1,t1)存在 一维概率密度函数 示例： 一般情况下ξ(t)的一维分布函数不能充分地描述随机过程的完整统计特性。通常需要在足够多的时刻上考虑随机过程的多维分布函数。 ξ(t)的n维分布函数: Fn(x1,x2,…,xn;t1,t2,…,tn)=P{ξ(t1)≤x1 ,ξ(t2)≤x2,... ξ(tn)≤xn} 及n维概率密度函数 fn(x1,x2,…,xn;t1,t2,…,tn) 因此，n越大，用分布函数描述的ξ(t)的统计特性就越充分 可以说分布函数完全描述了随机过程的统计特征。而ξ(t)的数字特征则简化了我们对随机过程的分析。通过数字特征我们能较好地理解和掌握随机过程的规律。 多维分布函数 我们所关心的是随机过程的低阶数字特征：如数学期望，方差，相关函数等 ξ(t)的数学期望： E[ξ(t)]=-∞∫+∞xf1(x1,t)dx=a(t) 或 E[X]= ΣXkP k a(t): ξ(t)的统计平均值（时间的函数）， ξ(t)在t时刻的平均值 ξ(t)的方差： D[ξ(t)]=E{ξ(t)-E[ξ(t)]}2=σ2(t) =-∞∫+∞x2f1(x1,t)dx-[a(t)]2 ξ(t)在t时刻与平均值a(t)之间的绝对偏差的大小 随机过程的数字特征 两个时刻上ξ(t)的统计相关特性 协方差函数： B(t1,t2)=E{[ξ(t1)-a(t1)] [ξ(t2)-a(t2)]} =-∞∫+∞[x1-a(t1)][ x2-a(t2)] f2(x1,t1; x2,t2)dx1dx2 相关函数： R(t1,t2)=E[ξ(t1)ξ(t2)] =-∞∫∫+∞x1 x2 f2(x1,t1; x2,t2)dx1dx2 因此： B(t1,t2)= R(t1,t2)- E[ξ(t1)] E[ξ(t2)] 一般情况下，协方差函数和相关函数与时间起点有关。 归一化协方差函数----相关系数： 协方差函数和相关函数： 通信中涉及的随机过程：平稳随机过程 平稳过程：n维分布函数与时间起点无关，即给定n和τ， ξ(t)的n维分布函数满足：（狭义平稳随机过程） fn(x1,x2,…,xn;t1,t2,…,tn)= fn(x1,x2,…,xn;t1+τ,t2 +τ,…,tn +τ) 因此，当n=1时， F1(x1,t1)与时间t无关 当n=2时， F2(x1,x2;t1,t2)只与时间间隔τ=t2-t1有关 数字特征：平稳过程的数学期望及方差与t无关；自相关函数只与时间间隔τ有关，即： E[ξ(t)]=-∞∫+∞xf1(x1,t)dx=a D[ξ(t)]=E{ξ(t)-E[ξ(t)]}2=σ2 R(t1,t2)=E[ξ(t1)ξ(t2)]=R(τ) 3.平稳随机过程 若一ξ(t)的数学期望，方差与t无关，自相关函数只与 τ有关，则ξ(t)为广义平稳随机过程。 平稳随机过程的特性：“各态历经性” 平稳随机过程：数字特