第3章节-平稳随机信号功率谱-频域统计特性.pptVIP

* * * * * 解： * 3.3 离散时间随机信号的功率谱密度 一、离散时间随机信号的功率谱密度 1.平稳随机序列的自相关函数 设X(n)为广义平稳的离散时间随机信号，具有零均值，其自相关函数为: * 3. 平稳随机序列的功率谱密度 奈奎斯特频率 时域离散(T)?频域周期(其周期ωT由时域离散间隔T决定) ωT=2ωq=2π/T * 因为 为周期函数，周期为 ， 在 时 时域离散(T)?频域周期(其周期ωT =2ωq=2π/T) 时域非周期（随机信号）?频域连续 * 性质 * 例7：设 ，求 和 解： 将z= 代人上式，即可求得 * 二 确定性信号的采样与插值 连续时间 确知信号 离散时间 确知信号 采样定理 插值(低通滤波) * 三、 自相关函数的采样 时域离散(T)，频域则为周期延拓(ωT=2π/T) * * 3.4 白噪声 一、理想白噪声 自相关函数: 自相关系数: * 总结： （1）白噪声只是理想化模型，是不存在的。 （2）白噪声的均方值为无限大 而实际中的随机信号，其均方值总是有限的。 （3）白噪声在数学处理上简单、方便 * 二、色噪声 按功率谱密度函数来分类随机信号： 白噪声 色噪声/有色噪声 * 小 结 1.随机信号的时间无限性?能量无限，因而随机信号的付氏变换不存在，但其功率存在。即： × 但相关函数与功率谱密度构成一对付氏变换，即 若随机信号X(t)平稳，则 * 一般过程： 3. 随机信号的平均功率： 即集合平均＋时间平均。 4.特定函数的付氏变换需记忆。 * 总结 定义： 随机信号：信号在每一时刻的取值为随机变量 确定信号：信号在每一时刻的取值为确定常数。 随机信号的广义平稳性 其均值为常数。 其二阶矩(均方值—自相关的特例)是有限值 其自协方差函数只与时间间隔τ有关； （若均值为0，则自协方差=自相关，方差=均方值，自相关函数只与时间间隔τ有关） * 总结 广义平稳、严格平稳、非平稳 广义平稳(2阶平稳)；严格平稳(∞阶平稳)。 广义平稳?×严格平稳；严格平稳?广义平稳 无广义平稳=非平稳 平稳信号的广义遍历性 总集均值=时间均值、总集自相关=时间自相关可用一次观测数据求得时间均值、时间自相关。 广义平稳? ×广义遍历； 广义遍历?广义平稳 * 总结 均方值 方差 物理意义： 均方值：随机信号在时刻t的功率的统计平均值 方差：随机信号在时刻t的交流功率的统计平均值 * 总结 自相关函数与自协方差函数之间的关系： * 总结 功率谱密度与自协方差函数是一组傅里叶变换对。 * 总结 维纳-辛钦定理的条件：零均值 自协方差=自相关。 * 总结 * * * * 第三章 平稳随机信号的谱分析 * 本章要解决的问题 随机信号是否也可以应用频域分析方法? 傅里叶变换能否应用于随机信号？ 相关函数与功率谱的关系 功率谱的应用 采样定理 白噪声的定义 * 一、预备知识 1. 付氏变换 设x(t)是时间t的非周期信号，且x(t) 满足 在 范围内满足狄利赫利条件 绝对可积，即 信号的总能量有限，即 有限个极值 有限个断点 断点为有限值 3.1 随机信号的谱分析 * 则 的傅里叶变换为： 其反变换为： 称 为 的频谱密度，也简称为频谱。 包含：振幅谱 相位谱 * * 傅里叶级数与离散频谱 周期信号可分为一个或几个、乃至无穷多个谐波的迭加。 图3.1.1 周期信号的傅立叶级数分解 周期信号的频谱是离散的 * * * 傅里叶变换的性质 1、线性叠加性质 若 ，则 2、时移性质 若 ，则 3、频移性质 若 ，则 4、时间伸缩性质 设 ，a为正实数，则 5、时间微分性质 若 ，则 6、时间积分性质 若 ，且 ，则 7、卷积定理 若 ，