第2章 随机信号与噪声.pptVIP

西 北 工 业 大 学 2012.2 2.2 随机过程的基本概念2.2.1 随机过程的概念考察： 假设有n台性能相同的接收机，在同样条件下不加信号测试其输出。（n--足够大的正整数） 得到一系列噪声波形x1(t)、x2(t)、x3(t)、...、xn(t) 。 结果：理想时，波形似乎应该一致，但实际不然。 （2）方差 2.3 平稳随机过程2.3.1 平稳随机过程的概念1.定义若一个随机过程X(t)，它的任意n维分布或概率密度函数与时间起点无关，即对于任意的正整数n和所有实数?，有 2.性质－－该定义表明：平稳随机过程的统计特性不随时间的推移而改变。特别是： ●一维分布函数与时间t无关： 2.3.2 平稳随机过程的各态历经性 ●问题的提出 随机过程的数字特征（均值、相关函数）是对随机过程的所有样本函数的统计平均，但在实际中常常很难测得大量的样本。 问题：能否从一次试验而得到的一个样本函数x(t)来决定平稳过程的数字特征呢? ●回答是肯定的： 平稳过程在满足一定的条件下具有一种十分有用的特性----“各态历经性”（或称“遍历性”）。具有各态历经性的过程，其数字特征（均为统计平均）完全可由随机过程中的任一实现的时间平均值来代替。 ●条件？ ●各态历经性条件 设： xi(t)是平稳过程X(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： ●“各态历经”的含义 随机过程中的任何一次实现都经历了随机过程的所有可能状态，其任一样本都蕴含着平稳随机过程的全部统计信息。 ●各态历经随机过程的特点－－好处 在求解各种统计平均（均值或自相关函数等）时，无需作无限多次的考察，只要获得一次考察，用一次实现的“时间平均”值代替过程的“统计平均”值即可，从而使测量和计算问题大为简化。 ●注：具有各态历经的随机过程一定是平稳过程，反之不一定成立。在通信系统中所遇到的随机信号和噪声，一般均能满足各态历经条件。 例2-1、2-2 设一个随机相位的正弦波为 －－仅只与时间间隔? 有关。 所以：X(t)是广义平稳过程。 结论：随机相位正弦波是各态历经的。 2.3.3 平稳过程的自相关函数－－特别重要，因为： ●平稳随机过程的统计特性，如数字特征等，可通过相关函数来描述； ●相关函数揭示了随机过程的频谱特性。 （1）平稳过程自相关函数的定义： 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 讨论： （1）对功率谱密度进行积分，可得平稳过程的总功率： 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） 特别情况下，当n=1时，式（2.4-1）简单为 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) 。 由 进行傅里叶变换，得 由于已假设X(t)是高斯型的，所以上式右端的每一项在任一时刻上都是一个高斯随机变量。因此，输出过程在任一时刻上得到的随机变量就是无限多个高斯随机变量之和－－输出过程也为高斯过程。 注：与输入高斯过程相比，输出过程的数字特征已经改变。 2.6 窄带随机过程→窄带过程2.6.1窄带随机过程的概念1.什么叫窄带随机过程？ 频谱：所占频带较窄，满足Δf fc的随机过程叫～。 时域：用示波器观察，看到某个实现的波形－－幅度和相位随机缓慢变化的近似正弦。 2.8 高斯白噪声和带限白噪声 2.8.1 白噪声 在通信系统的抗噪声性能分析时，常把通信信道中的噪声源视为高斯白噪声。 1.定义：凡功率谱密度在整个频域内都是均匀分布的噪声，称为白噪声。即： ●双边谱密度： ●单边谱密度： 2.8.2 高斯白噪声 定义：指噪声取值的概率密度函数满足正态分布统计特性，同时它的功率谱密度函数是常数的一类噪声。 注意：高斯白噪声同时涉及到噪声的两个不同方面，即概率密度函数的正态分布性和功率谱密度