最新2.0 引言 通信过程是有用信号通过通信系统的过程,在这一过....pptVIP

2、 （2.5-6） 3、 （2.5-7） 4、 （2.5-8） 5、 （2.5-9） 由上述性质可知，用自相关函数几乎可以表述的主要特征，因而上述性质有明显的实用价值。 * * 二、平稳随机过程的功率谱密度 随机过程的频谱特性是用它的功率谱密度来表述的。 由式（2.2-31）可知，对于任意的确定功率信号f(t)其功率谱密度为 （2.5-10） 式中， 是f(t)的截短函数 的频谱函数。f(t)和 的波形如图2-6所示。 * 图2-6 功率信号及其截短函数 * * * * * 下面结合自相关函数的性质，归纳功率谱的性质如下： 1、 （非负性） 2、 3、 （偶函数） * * * * 2.6.2高斯过程的性质 1、若高斯过程是宽平稳随机过程，则它也是严平稳随机过程。也就是说，对于高斯过程来说，宽平稳和严平稳是等价的。 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、高斯过程的线性组合仍是高斯过程； 4、高斯过程经过线性变换（或线性系统）后的过程仍是高斯过程。 * * 图2-7 一维概率密度函数 * * * * * * * * 图2-3 高斯分布的概率密度函数 高斯分布是一种重要而又常见的分布，并具有一些有用的特性。在后面我们将专门进行讨论。 * * 图2-4 瑞利分布 后面我们将介绍的窄带高斯噪声的包络就是服从瑞利分布。 * 2.3.4随机变量的数字特征 前面讨论的分布函数和概率密度函数，能够较全面地描述随机变量的统计特性。然而，在许多实际问题中，我们往往并不关心随机变量的概率分布，而只想了解随机变量的某些特征，例如随机变量的统计平均值，以及随机变量的取值相对于这个平均值的偏离程度等。这些描述随机变量某些特征的数值就称为随机变量的数字特征。 随机变量分为离散、连续两种。 * Expectation * * * * * * 除了原点矩外，还定义相对于均值a的n阶矩为n阶中心矩，即 显然，随机变量的二阶中心矩就是它的方差，即 （2.3-28） * 2.4随机过程的一般表述 2.4.1 随机过程的概念 前面所讨论的随机变量是与试验结果有关的某一个随机取值的量。例如，在给定的某一瞬间测量接收机输出端上的噪声，所测得的输出噪声的瞬时值就是一个随机变量。显然，如果连续不断地进行试验，那么在任一瞬间都有一个与之相应的随机变量，于是这时的试验结果就不仅是一个随机变量，而是一个在时间上不断变化的随机变量的集合。时间函数！ Stochastic Process * 我们定义随时间变化的无数个随机变量的集合为随机过程。随机过程的基本特征是： 它是时间t的函数，但在任一确定时刻上的取值是不确定的，是一个随机变量； 或者，可将它看成是一个事件的全部可能实现构成的总体，其中每个实现都是一个确定的时间函数，而随机性就体现在出现哪一个实现是不确定的。通信过程中的随机信号和噪声均可归纳为依赖于时间t的随机过程。 * * 图2-5 随机过程波形 Sample Space * * * * 二、随机过程的数字特征 分布函数或概率密度函数虽然能够较全面地描述随机过程的统计特性, 但在实际工作中，有时不易或不需求出分布函数和概率密度函数，而用随机过程的数字特征来描述随机过程的统计特性，更简单直观。 1、数学期望（统计平均值） 随机过程 的数学期望定义为 并记为 。随机过程的数学期望是时间的函数。 （2.4-5） * * * * * * * * * * * * * * * * * * 信号的傅里叶变换具有一些重要的特性，灵活运用这些特性可较快地求出许多复杂信号的频谱密度函数，或从谱密度函数中求出原信号，因此掌握这些特性是非常有