第三章_通信原理《随机过程.pptVIP

3.1 随机过程的基本概念 3.2 平稳随机过程 3.3 高斯随机过程 3.4 平稳随机过程通过线性系统 3.5 窄带随机过程(了解） 3.6 正弦波加窄带高斯噪声（了解） 3.7 高斯白噪声和带限白噪声 3.8 小结 一、随机过程 例如：有N台性能完全相同的通信机,工作条件相同,用n部记录仪同时记录它们的输出噪声。 §(t)的n维分布函数: 三、随机过程的数字特征 2、方差： 数学期望和方差是随机过程的重要数字特征，但它们仅与随机过程的一维概率密度函数有关。只描述了随机过程在各个孤立时刻的特性。为了衡量随机过程在任意两个时刻上获得的随机变量之间的而关联程度，常采用相关函数或协方差函数。 (2)随机过程的相关函数： (3) 协方差函数与 相关函数的关系： （4）互相关函数： 3.2平稳随机过程 一、平稳随机过程的定义 各态历经性条件 设：x(t)是平稳过程?(t)的任意一次实现（样本），则其时间均值和时间相关函数分别定义为： 如果平稳过程使下式成立 则称该平稳过程具有各态历经性。 三、平稳过程的自相关函数 对于确定信号,我们常在时域和频域中来分析和讨论问题。确定信号的自相关函数与其功率谱之间是一对傅立叶变换对。（见信号与系统） 对于平稳随机信号，可以证明也有同样的对应关系。 3.3 高斯随机过程 高斯过程，也称正态随机过程,是通信领域中最重要也是最常见的一种过程。通信中的大多数噪声都是高斯型的。本节将介绍一些有用的高斯过程的性质。 如果过程的任意n维分布服从正态分布，则称它为正态过程或高斯过程。其n维概率密度函数为： 高斯过程在任一时刻的取值是一个正态分布的随机变量，也称高斯随机变量。其一维概率密度函数为： 当α=0，σ=1时， 称这种正态分布为标准化的正态分布。这时有： 用误差函数表示正态分布函数： 3.5 窄带随机过程 它们变化比载波缓慢得多。 窄带随机过程也可表示为同相分量与正交分量的形式： 3.6 正弦波加窄带高斯过程（了解） 是通信中常遇到的又一种情况。混合信号的形式: 一、窄带随机过程的基本概念 若观察此随机过程的一个实现的波形，则它如同一个包络和相位缓慢变化的正弦波，如图所示。 若随机过程?(t)的谱密度集中在中心频率fc附近相对窄的频带范围?f 内，即满足?f fc的条件，且 fc 远离零频率，则称该?(t)为窄带随机过程。 (a)窄带随机信号的功率谱密度 (b)窄带信号的波形 因此，窄带随机过程可以用下式表示： 是窄带随机过程 的包络函数； 是窄带随机过程 的随机相位函数； 同相分量 正交分量 由 可见， 的统计特性可由 和 ，或者 和 的统计特性确定。反之，若 的统计特性已 知，则 和 ，或者 和 的统计特性也随 之确定 。 下面我们就给出一个今后很有用的例子。假 设 是一个均值为0,方差为 的平稳高斯窄带过程，我们来分析 和 以及 和 的统计特性。 二、 和 的统计特性 结论：一个均值0的平稳窄带高斯过程的同相分量和正交分量也是均值为0的平稳高斯过程，并且其方差相同，都等于 的方差。此外，在同一时刻上得到的 和 是不相关的和统计独立的。 三、 和 的统计特性 现给出窄带平稳随机过程的包络和相位的概率密度函数，它们的计算都较繁琐。 可见，包络服从瑞利分布。 可见，相位服从均匀分布。 结论：一个均值为0、方差为 的平稳窄带高斯过程，其包络的一维分布是瑞利分布，而相位的一维分布是均匀分布。 正弦波加窄带高斯过程的包络概率密度函数 一般是莱斯分布。（若幅度较小时,为瑞利分布；当幅度较大时,为高斯分布）。 相位概率密度函数计算较复杂（略）。 3.7 高斯白噪声和带限白噪声 在分析通信系统的抗噪声性能时，常用高斯白噪声作为通信系统中的噪声模型。因为通信中常见的热噪声近似为白噪声，且热噪声的取值服从高斯分布。 另外，实际的信道或滤波器的带宽存在一定限制，白噪声通过后，其结果是带限噪声，若其谱密度在通带范围内仍具有白色特性，则称其为带限白噪声。它又可以分为低通白噪声和带通白噪声。 一、白噪声n (t) 如果噪声的功率谱