五.-随机信号通过线性系统分析.pptVIP

* * 3 随机过程的分类——功率谱密度 低通过程：如果随机过程的功率谱密度集中在零频附近， 则称它为低通过程。 带通过程：若随机过程的功率谱密度集中在某个频率附近，则称它为带通过程。 窄带过程：当中心频率远大于随机过程功率谱所占有的带宽，则称它为窄带过程。 * * 3 随机过程的带宽 随机过程的带宽用它的功率谱密度来定义 矩形带宽B1 将X(t)的功率谱密度曲线下的面积等效成一个宽为B1的矩形 (2) 均方带宽B2 归一化功率谱密度的标准差 * * 3 低通过程的带宽 低通过程的矩形带宽B1 和均方带宽B2 * * 3 带通过程的带宽 带通过程的矩形带宽B1 和均方带宽B2 * * 3 白噪声通过理想低通系统 理想低通线性系统具有如下的单边幅频特性 白噪声过程N(t)的单边功率谱密度为 它通过理想低通系统后，系统输出随机过程Y(t)的单边功率谱 * * 3 白噪声通过理想低通系统 系统输出Y(t)的自相关函数 输出平均功率 输出相关系数 输出相关时间 * * 3 白噪声通过理想低通系统 白噪声通过理想低通线性系统后统计特性改变 功率谱宽度变窄 (2) 平均功率由无限变为有限 (3) 相关性由不相关变为相关，相关时间与系统带宽成反比, 系统带宽越宽，相关时间就越短，系统输出随机信号 随时间变化越剧烈。 * * 3 白噪声通过理想带通系统 理想带通线性系统具有如下的单边幅频特性 白噪声过程N(t)的单边功率谱密度为 它通过理想带通系统后，系统输出随机过程Y(t)的单边功率谱 * * 3 白噪声通过理想带通系统 系统输出Y(t)的自相关函数 输出平均功率 输出相关系数 输出相关时间(由相关系数的包络定义) * * 3 白噪声通过实际线性系统 以幅频特性接近高斯曲线的带通系统为例，来分析带通系统输出 的功率和起伏变化。 高斯频率特性 白噪声过程N(t)的单边功率谱密度为 它通过系统后，系统输出随机过程Y(t)的功率谱 * * 3 白噪声通过实际线性系统 系统输出Y(t)的自相关函数 输出平均功率 输出相关系数 * * 3 白噪声通过实际线性系统 等效噪声带宽 所得相关时间与带宽成反比，该结果与理想带通系统相同。 不同之处是输出自相关函数的包络是高斯曲线，功率谱 也是高斯曲线。 输出相关时间(由相关系数的包络定义) * * 4 随机序列通过线性系统 随机序列通过线性系统后统计特性改变 自相关函数 (2) 功率谱密度 随机序列通过两类系统 (1) 一阶FIR滤波器 q阶非递归滤波器 (2) 一阶递归滤波器 p阶递归滤波器 * * 4 随机序列通过一阶FIR滤波器 当a=b=1/2时 ，平均器 一阶FIR滤波器 * * 4 随机序列通过一阶FIR滤波器 这说明平均器输出的方差为输入方差的一半 ，输出随机 序列的方差的减小意味着输出值出现在均值1/2附近的可 能性增大了，或者说围绕均值的起伏幅度减小了。 设随机序列Xj在区间[0,1]均匀分布，通过平均器后 即通过平均器输出的均值不变 均值 方差 * * 4 随机序列通过q阶非递归滤波器 输出的自相关函数 q阶非递归滤波器 （滑动平均 moving average 模型） * * 4 随机序列通过一阶递归滤波器 一阶递归滤波器 * * 4 随机序列通过一阶递归滤波器 一阶递归滤波器 这种滤波器具有“无限长”的记忆，因而对所有的k值输出的 自相关函数 均不严格为零，即所有的输出时刻对应的 随机变量都是相关的。 然而，当样本之间的间隔k增加时，可以预料到自相关函数 将减小。这表明了随时间间隔的增加，相互依存性减少 （滤波器的记忆随时间增大而减小）。 * * 4 随机序列通过p阶递归滤波器 p阶递归滤波器 （自回归 Autoregresive 模型 ） * * 4 随机序列通过p阶递归滤波器 随机 序列通过p阶递归滤波器后输出的自相关函数 * * 4 随机序列通过p阶递归滤波器 自相关函数线性方程组称为Yule-Walker方程 ，写成矩阵的形式 如果已知输出序列的自相关函数，可以通过求解 Yule-Walker方程 反过来计算出递归滤波器的系数a1~ap * * 4 随机序列通过线性系统——功率谱密度 随机序列是在时间上离散取值，从而其自相关函数也是 时间离散点上定义的。 随机序列的维纳－辛钦定理 * * 一个线性时不变系统可以完整地由