digital_communicaiton_2_随机讯号与过.pptxVIP

Chapter 2 Stochastic Process Basic conceptsEvents (rolling die): Event A :The complement of event A :A and are mutually exclusive eventsThe union (sum) is :The intersection is :Probability of event A is : P(A)Joint eventsConsidering two dice A and B, the joint probability is; also; Condition probabilityStatistical independenceEvent A does not depends on event B, then 概率分布函数 (cdf) 概率密度函数 多维随机变量联合概率分布函数和概率密度函数 离散序列（时间、幅度均离散）：Function of Random variables Given a random variable X, which is characterized by its pdf p(x), determine the pdf of the random variable Y=g(X), where g(X) is some give function of X. Example: The random variable Y is defined as First step, determine cdf of Y0x Second step: Differentiating FY(y) with respect to yTherefore几个概率统计函数的定义均值 N 阶矩N 阶中心矩方差随机过程 随机过程是带有参数t的随机变量，t一般是时间。在任一确定时刻，随机过程都是一个随机变量。随机过程可以由它的多维联合概率密度函数来描述。 随机变量可以表示为 X(t),X(t)可以是连续的也可以是离散的。 随机变量的取样:t1 t2 t2… tnX t1 , X t2 ,… , X t2 平稳随机过程（严平稳，狭义平稳）如果对于所有的t 和n满足 即pdf函数不随时间改变，统计特性不随时间改变。否则随即过程是非平稳的。 统计平均随机过程Xt 的两个取样X ti, i=1,2（两个随机变量）。 X ti, i=1,2 的相关函数定义为Xt 的自相关函数对于平稳过程， 是不随t 变化的，其值只是与 有关，则有： 其中?=t1-t2自相关函数的性质：偶函数表示过程Xt的平均功率 宽平稳随机过程：过程的均值与时间无关，此时只需满足 关于平稳随机过程：狭义平稳：p(x)不随时间变化；宽平稳： 不随时间变化，即x(t)的均值不随时间变化。自协方差函数对于平稳过程自相关函数自相关函数与自相关系数 意义：函数值v(t)与自身平移 后的函数值v(t - )之间的相似性离散序列自相关函数与自相关系数 自相关函数的物理意义：?(?)的物理意义在于表征随机变量x(t)在相隔?时间间隔情况下其取值的相关性（相似程度）的平均值。X1(t)X2(t) tt?(?)?(?)??5105无线系统实际意义：对于随距离变化的信道参数，以相同的时间间隔，不同的移动速度取样联合随机过程的平均：两个随机变量的相互关系对于两个随机过程 Xti,i=1,…n Ytj, j=1,…m, 互相关函数定义为 互协方差确定信号的相关函数设实信号为 v(t) 与 w(t)，为考察两函数的相似性，定义互相关函数 为： 意义：函数 v(t) 与函数 w(t) 平移 后之间的相似性。 相关函数与信号幅度有关!设离散信号为x(n)和y(n)，定义互相关函数 为： 如下函数的相关系数 如下函数的相关系数 随机信号的相关函数设x(t), y(t)为随机变量，p(x, y)为其联合概率密度函数，则x, y的联合二阶矩为 联合二阶矩给出了函数x, y的相似性设m, n为离散随机变量，p(m, n)为其联合概率密度函数，则m, n的联合二阶矩为 联合中心矩 这里mx, my为x, y的均值。 联合中心矩给出了函数x, y与各自均值之差的相关性。 联合中心矩与函数幅度有关！ 其中 为离散随机变量m和n的数学期望相关系数 独立与相关相互独立 (Statistically independent)相关函数(Correlation function)不相关(Uncorrelated) 独立不相关 正交 (Orthogonalit