随机信号与噪声.PPTVIP

* * 证明：由信号与系统课程知道，对于任意确定功率信号x(t)，其功率谱密度为 式中， 是x(t)的短截函数xT(t)的频谱函数。对于功率型平稳随机过程而言，它的任一实现的功率谱密度也可以由上式确定。 但一般而言，不同实现具有不同的谱密度。因此，某一实现的功率谱密度不能作为过程的功率谱密度。过程的功率谱密度应看作是对所有实现的功率谱的统计平均，即 * * 我们还知道，非周期的功率型确知信号的自相关函数与其功率谱密度是一对傅里叶变换。这种关系对平稳随机过程同样成立，也就是说，平稳随机过程的功率谱密度PX(ω)与其自相关函数R(τ)也是一对傅里叶变换，即 * * 讨论： （1）对功率谱密度进行积分，可得平稳过程的平均功率： －－从频域的角度给出了过程平均功率的计算方法。 （2）各态历经过程的任一实现的功率谱密度等于过程的功率谱密度： 即，任一实现的谱特性都能很好地表现整个过程的谱特性。 【证】对各态历经过程，有 两边同取傅里叶变换，得 此即 * * 【解】由例2-1已经得知随相信号是一个平稳过程，且其相关函数为 例2-3 试求随相正弦波X(t) = Acos(?ct + ? )的自相关函数、功率谱密度和和平均功率。 又由 得 功率谱密度 平均功率 * * 2.4 高斯随机过程 －－通信中最重要也是最常见的过程。2.4.1 高斯过程的定义若随机过程X(t)的任意n维分布（n=1,2,…）均服从正态分布，则称它为正态过程或高斯过程。 n维正态概率密度函数表示式见 式（2.4.1）～ （2.4.3）特点：高斯过程的n维分布只依赖各个随机变量的均值、方差和归一化协方差。因此，对于高斯过程，只需要研究它的数字特征就可以了。 * * （2.4-1） n维正态概率密度函数为 （2.4-2） （2.4-3） 式中， 归一化协方差矩阵的行列式 归一化协方差函数 ----均值、方差 为行列式 中元素bjk的代数余因子。 * * 特别情况下，当n=1时，式（2.4-1）简单为 此即为高斯过程X(t)在时刻t1取值所得随机变量X(t1)的一维概率密度函数，显见其为正态的。式中，a1为X(t1)的均值， 为X(t1)的方差。 （2.4-4） 一维时： * * 2.4.2 高斯过程的重要性质－－由定义可分析出 （1）高斯过程若广义平稳，则必狭义平稳 。 （2）高斯过程中的随机变量X(t1)、X(t2)、X(t3)、…之间若不相关，则它们也必是统计独立的。 意义：这种情况下，随机过程极其复杂的n维正态概率密度函数表示转化为n个简单的一维分布的乘积。 （3）若干个高斯过程之和仍是高斯过程。－－从信号角度。 （4）高斯过程经线性变换后，仍是高斯过程。－－从系统角度。 （2.4.5） （2.4-1） * * 则称x为服从正态分布的随机变量，也称高斯随机变量。 a－均值，?2－方差 。 3.3.3 高斯随机变量 高斯过程在任一时刻上的取值为高斯随机变量。在分析系统抗噪声性能时要反复用到。 1. 定义/概率密度函数 若随机变量x的概率密度函数可表示成 ●曲线： * * ●性质： 1）对称于直线x=a; 2）在 内单调上升，在 内单调下降，且在a点处达到极大值; 3） 4）a 表示分布中心，?表示集中的程度。?一定时，……。 * * 2. 正态分布函数 （1）一般表示式 这个积分不易计算，常引入误差函数或Q函数（可查表）来表述。 * * （3）用误差函数表示 正态分布函数常表示成与误差函数相联系的形式。 1）误差函数定义 误差函数： 互补误差函数： 附录B * * 2）误差函数的性质 ●误差函数是递增函数，它具有如下性质： ●互补误差函数是递减函数，它具有如下性质： * * 3）用误差函数表示正态分布函数 或： * * （2）用Q函数表示正态分布函数 Q函数定义： Q函数和erfc函数的关系： Q函数和分布函数F(x)的关系： Q函数值也可以从查表得到。 * *  2.5 平稳随机过程通过线性系统2.5.1 输出过程的表达式线性系统复习： 设：线性系统的冲击响应和网络函数分别为 ：h(t)、H(ω) 。 周知：线性系统响应y(t)等于输入信号x(t)与冲击响应h(t)的卷积，即： 确知信号通过线性系统： * * 　 理解： ●上式对于