通信原理--随机过程资料.pptVIP

3.6.4 包络和相位的统计特性 分布函数 服从瑞利分布 服从均匀分布 瑞利分布的特点： aξ概率分布的用途： 在数据通信系统中用来求解误码率。 最大值发生在aξ＝σξ处。 一维分布而言，aξ(t)与φξ(t)是统计独立的，即有下式成立： 3.6.5 白噪声 白噪声的定义 功率谱密度在整个频域内都是均匀分布的噪声，称之为白噪声. 白噪声的自相关函数 维纳-辛钦定理 白噪声的相关函数与功率谱密度 * 北京工商大学 信息工程学院 电子科学与技术系 第3章 随机信号分析 第 2 章 随机信号分析 3.1 引言 3.2 随机过程一般描述 3.3 平稳随机过程 3.4 平稳随机过程的相关函数与功率谱 3.5 高斯过程 3.6 窄带随机过程 3.7 正弦波加窄带高斯噪声 3.8 随机过程通过线性系统 3.1?????引 言 自然界中事物的变化过程 确定性过程 变化过程可以用一个或几个时间t的确定函数来描述。 随机过程 变化的过程不可能用一个或几个时间t的确定函数来描述。 随机信号和随机噪声的基本概念 随机信号：实际通信系统中由信源发出的信息是随机的，或者说是不可预知的，因而携带信息的信号也是随机的，这种具有随机性的信号称为随机信号。 随机噪声：携带了信息的信号在传输过程中将受到噪声的污染，而噪声也是随机的,称为随机噪声。 3.2 随机过程的一般描述 描述随机信号的数学工具是随机过程。 随机过程的数学定义： 设随机试验E的可能结果为ξ(t)，试验的样本空间S为{x1(t), x2(t)， …, xn(t),…}， xi(t)是第i次试验的样本函数或实现，每次试验得到一个样本函数，所有可能出现的结果的总体就构成一随机过程，记作ξ(t)。 两层含义： 随机过程ξ(t)在任一时刻都是随机变量； 随机过程ξ(t)是大量样本函数的集合。 随机过程：无穷多个随机函数的总体在统计学中称作一个 随机函数的总集（又称随机过程） 其一，它是一个时间函数； 其二，在固定的某一观察时刻t1，ξ(t1)是随机变量。 随机过程具有随机变量和时间函数的特点。 随机过程ξ(t)在任一时刻都是随机变量； 随机过程ξ(t)是大量样本函数的集合。 3.2.1 随机过程基本特征 当随机变量x的取值个数是有限的或可数无穷个时，则称它为离散随机变量；否则，就称它为连续随机变量，即可能的取值充满某一有限或无限区间。 3.2.2 随机过程的统计描述 1．随机变量的概率分布函数和概率密度函数 设ξ(t)表示一个随机过程，在任意给定的时刻t1∈T， 其取值ξ(t1)是一个一维随机变量。 一维分布函数：随机变量ξ(t1)小于或等于某一数值x1的概率 即：F1(x1,t1)=P｛ξ(t1）≤x1 ｝ 为随机过程ξ(t)的一维分布函数。 一维概率密度函数 随机过程的一维分布函数（或一维概率密度函数）仅仅描述了随机过程在各个孤立时刻的统计特性。 任给两个时刻t1, t2∈T，则随机变量ξ(t1)和ξ(t2)构成一个二元随机变量{ξ(t1), ξ(t2)}，把两个事件(ξ(t1) ≤x1)和(ξ(t2) ≤x2)同时出现的概率定义为二维随机变量ξ(t)的二维分布函数。 F2(x1,x2; t1,t2)=P｛ξ(t1)≤x1, ξ(t2)≤x2｝ 二维概率密度函数 二维分布函数 n维分布函数 Fn(x1,…,xn; t1,…,tn)=P{ξ(t1)≤x1,…,ξ(tn)≤xn｝ n维概率密度函数 2. 随机过程的数字特征 随机过程的一维数字特征 数学期望 设P(xi)(i=1,2,…,K)是离散随机变量ξ(t)的取值xi的概率，则其数学期望为： 对于连续随机变量X，设f (x)为其概率密度函数，则其数学期望为： 它本该在t1时刻求得，但t1是任意的，所以它是时间t 的函数。 反映了随机变量取值的集中位置（均值） 方差： 随机过程的二维数字特征 自协方差函数 用来衡量任意两个时刻上获得的随机变量的统计相关特性 自相关函数 反映了随机变量的集中程度 二者关系为 如果B（t1，t2）和R（t1，t2）是衡量同一随机过程不同时刻的相关程度的，称为自协方差函数和自相关函数。 如果是两个或多个随机过程，用互协方差函数和互相关函数描述不同随机过程在不同时刻的相关程度。 引入时间间隔τ： 自相关函数定义： 试求下列均匀概率密度函数的数学期望和方差。 [例1] 自相关函数的性质： 互相关函数的性质： 如果 表示两个随机过程是不相关（正交的随机过程） 3.3 平稳随