0201-随机信号分析.ppt

随机信号分析 内容结构 引言； 随机过程的一般描述； 平稳随机过程； 高斯过程（正态随机过程）； 窄带随机过程； 余弦波加窄带高斯噪声； 随机过程通过线性系统； 引言 随机信号： 某个或某几个参量不能被预知或不能完全被预知的信号。 随机噪声： 不能被预测的噪声。 随机过程的一般描述 随机过程的基本概念： 随时间变化的随机变量的全体；兼有时间函数与随机变量的特点。 随机过程的统计特性： 分布函数与概率密度函数； 数字特征：数学期望（均值）、方差、自相关函数、自协方差函数； 随机过程的基本概念 在观察区间内，随机过程是时间的函数，每次观察结果（即每次实现）均可视为一个样本，无数次的结果亦即无数个样本构成了随机过程的样本空间； 在任一时刻上观察到的样值是不确定的，是一个随机变量，在观察区间内与每一时刻相对应的随机变量的全体构成了随机过程的样本空间； 随机过程的基本概念 随机变量与随机过程二者最大的区别在于：随机变量的样本空间是一个实数集合，而随机过程的样本空间是一个时间函数的集合或是一个随机变量的集合。 分布函数与概率密度函数 随机过程 的一维分布函数： 随机过程 的一维概率密度函数： 分布函数与概率密度函数 随机过程 的n维分布函数： 随机过程 的n维概率密度函数： n越大，对随机过程的描述越充分。 随机过程的数学期望（均值） 反映了随机过程各个时刻的数学期望（均值）随时间的变化情况； 本质上就是随机过程所有样本函数的统计平均函数； 它由随机过程的一维概率分布决定； 表征了随机信号的直流分量； 随机过程的方差 反映了随机过程在任意时刻 t 相对于均值的偏离程度； 它由随机过程的一维概率分布决定； 随机过程的方差 表征了随机信号的交流平均功率； 随机过程的数学期望（均值）和方差仅描述了各孤立时刻的统计特性，无法反映不同时刻之间的联系，为此引入了自相关函数和自协方差函数，用来衡量随机过程在任意两个时刻上获得的随机变量的统计相关特性； 随机过程的自相关函数 随机过程的自协方差函数 平稳随机过程 狭义平稳（或严平稳）随机过程； 广义平稳（或宽平稳）随机过程； 平稳随机过程的“各态历经性”； 平稳随机过程的自相关函数； 平稳随机过程的功率谱密度； 狭义平稳随机过程 平稳随机过程的统计特性将不随时间的推移而发生变化，即其任何n维分布函数或概率密度函数与时间起点无关，亦即对于任意的正整数n和任意的实数 ，平稳随机过程 的n维概率密度函数满足： 狭义平稳随机过程 平稳随机过程的一维分布与时间 t 无关，二维分布仅与时间间隔 有关，即： 广义平稳随机过程 平稳随机过程的数学期望与时间 t 无关，自相关函数仅与时间间 隔 有关，即： 除特别声明，本课程所讨论的均 为广义平稳随机过程。 平稳随机过程的“各态历经性” 只有平稳随机过程才可能具有各态历经性，即平稳随机过程的任一实现均经历了随机过程的所有可能状态，因而我们可以用任一实现的统计特性来描述平稳随机过程的统计特性，进而通过任一实现的时间平均特性得到平稳随机过程的统计平均特性。 平稳随机过程的“各态历经性” 平稳随机过程的自相关函数 平稳随机过程 的自相关函数 具有以下重要特性： （ 具有上界） （ 是偶函数） （ 的平均功率） （ 的直流平均功率） （ 的交流平均功率） 平稳随机过程的功率谱密度 平稳随机过程 的功率谱密度 与其自相关函数 是一对傅利叶变换关系，即： 是一个非负的偶函数，且 的平均功率 S 满足： 高斯过程（正态随机过程） 高斯过程（正态随机过程）的性质； 高斯过程（正态随机过程）的一维分布： 一维概率密度函数； 一维分布函数； 高斯过程的性质 对高斯过程 在 时刻观 察得到的一组随机变量 ，其n 维联合概率密度函数仅由各随 机变量的数学期望、方差和两两之 间的归一化协方差函数决定。 高斯过程宽平稳亦即严平稳。 若高斯过程中的各随机变量两两之 高斯过程的性质