通信原理樊昌信第六版第3章章节 随机信号资料.pptVIP

第三章 随机过程 回顾:概率论与随机变量 § 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 § ３.6 正弦波加窄带高斯噪声 § ３.7 高斯白噪声和带限白噪声 回顾:概率论与随机变量 1、随机实验（E）：满足下面三个条件的实验。 相同条件下，实验可以重复进行。 每次实验结果可具有多种可能性，所有可能的结果在实验前可以确定。 每次实验不能准确预言哪个结果出现。 2、样本空间(S)：随机实验中所有可能结果的集合。 3、随机事件(A)：E中S的子集称为E的随机事件。 4、概率(P)：设E、S对E的每个A赋予一个实数，记P(A)，表征事件A发生的可能性大小。有 P(A) ≥0, P(S)=1。 5、随机变量：设有E和S={e},如果对于一个e∈S，有一个X(e)与之对应，这样定义在S上的单值函数x=x(e)称为随机变量。 是定义在实验结果集合上的函数。 是定义在样本空间上具有某种可测性折实值函数。 可以应用随机变量表示事件：{X≤x}表示一个实验结果的集合（事件）。 定义事件{x=}和{x=-∞}的概率为0。 6、分布函数：定义Fx(x)=P(X ≤x )为随机变量的分布函数，其定义在（- ∞ ，+∞ ）上的函数。 7、密度函数：f(x)=d Fx(x)/dx。 特殊分布；正态分布，指数分布，均匀分布等。 8、数字特征 1)、数学期望(E) 2)、方差（δ2） 设Ｅ是随机实验，Ｓ={e}是其样本空间，对于每个e∈S，确定§(e,t)[t ∈T],当e取遍Ｓ时，就可得到定义在Ｔ上的一族普通时间函数，以此t为参数的函数称为随机过程。 通常省略e ,简记为§ (t)。 随机过程的统计特性通过概率分布（分布函数、概率密度函数）和数字特征（数学期望、方差、相关函数等）加以表述。 　　　　　　设§(t)表示一个随机过程 ，则在任一时刻t1 上§(t1)是一个随机变量，称分布 F1（ x1,t1)=P｛ §(t1) ≤ x1 ｝为§(t)的一维分布函数。 此函数依赖于t1，等于事件｛x(t1) ≤x1｝的概率。 　　　如果存在? F1（ x1,t1)/ ? x1 = f1（ x1,t1)，则称f1（ x1,t1)为§(t)的一维概率密度函数。 　　　考察任意n个不同的时刻t1 ,t2,… tn，引入n维随机变量§ (t1) ,§(t2) ,定义 Fn( x1,x2…xn ；t1 ,t2,… tn)=P{§(t1) ≤ x1,§(t2) ≤ x2,… §(tn) ≤ xn },称为§(t)的n维分布函数。 　　　如果存在? Fn（ x1, x2，… xn; t1， t２，… tn)/ ? x1 , ? x2 ,… ? xn = fn（ x1, x2, … xn, t1，　　t２…tn)则称fn（ x1, x2, … xn, t1，　　t２…tn) 　为§(t)的n维概率密度函数。 N越大，用n维概率密度函数或n维分布函数描述§(t)的统计特性越充分。 1)、数学期望： 　　　　　Ｅ〔 §(t) 〕＝ 　　　　　　　　　　　＝ 是随机过程的所有样本函数在时刻t的函数值的平均值，也称随机过程的均值。表示了随机过程§(t)在每个时刻的波动中心，反映了随机过程的一维统计特性。 一般情况下，它是时间的函数。 记为 　　＝ 也称均方值，是随机过程的所有样本函数在时刻t与均值偏离量的平方的统计平均，是一维统计特性，总是正数，一般情况也是时间t的函数。 自协方差函数与自相关函数的关系： § ３.2 平稳随机过程 平稳过程是随机过程中非常重要的过程之一，它具有许多突出的特性，并且提供了一类分析问题的方法，许多非平稳随机过程可以化为局部平稳过程来分析，实际中我们关心的通信信号正是采用了这样的分析方法和思路。 分为严格平稳过程和宽平稳过程。 　　平稳随机过程:是指它的任何n维分布函数或概率密度函数与时间起点无关.即一个随机过程§(t)，如果在时域上时移τ，而其统计特性不变，则称之为严格的平稳随机过程（或狭义平稳过程）。 　　即对于任意的正整数n和任意的实数t1,t2,..tn,τ,随机过程§(t)的n维概率密度函数满足: 　　如果一个随机过程的数学期望与时间t无关，而其相关函数只与时间间隔τ有关，则称这个随机过程是宽平稳的或广义平稳的。 因此平稳随机过程的数字特征，完全可由随机过程中的任一实现的数字特征来决定。 严格平稳一定宽平稳，反之不然。 平稳信号称为时不变信号，非平稳信号称为时变信号。 平稳随机过程有一个非常有用的特性---遍历性（