06-- 噪声与随机信号(update).ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 自相关函数的物理意义：?(?)的物理意义在于表征随机变量x(t)在相隔?时间间隔情况下其取值的相关性（相似程度）的平均值。 问题： 1. 某时间函数为f(t) = 1，-∞t∞，那么其自相关函数是怎样的？ 2. 序列为高斯噪声随机序列，序列的每个取值都不具有相关性，那么其自相关函数是怎样的？ * 例：随机函数的变化快慢与自相关函数的对应关系 设：1. X1(t)较之X2(t)随时间变化慢。2. 两随机函数采样时间间隔相同 问：如下两个自相关函数的图分别对应X1(t)与X2(t)中的哪一个？ X1(t) ? ?(?) ? ?(?) X2(t) t t 5 5 10 无线系统实际意义：对于随距离变化的信道参数，以相同的时间间隔，不同的移动速度取样 * 互相关函数 设实信号为 v(t) 与 w(t)，为考察两函数的相似性，定义互相关函数 为： 意义：函数 v(t) 与函数 w(t) 平移 后之间的相似性。 相关函数与信号幅度有关! 设离散信号为x(n)和y(n)，定义互相关函数 为： * 随机信号的互相关函数 设x(t), y(t)为随机变量，p(x, y)为其联合概率密度函数，则x, y的联合二阶矩为 联合二阶矩给出了函数x, y的相似性 设m, n为离散随机变量，p(m, n)为其联合概率密度函数，则m, n的联合二阶矩为 * 联合中心矩：协方差 这里mx, my为x, y的均值。 联合中心矩给出了函数x, y与各自均值之差的相关性。 * 协方差 (Covariance) 几点讨论 相关函数：表征两个随机变量值的相似性 协方差：表征两个随机变量变化的相似性 相关系数：协方差的归一化，表征两个随机变量变化的相似性（不考虑变量的值） * 互相关系数的求法 连续随机变量： 离散随机变量： 离散随机变量相关系数的实际求法： t t X(t) y(t) 互相关函数的物理意义；两个随机变量取值的相关性 互协方差函数的物理意义；两个随机变量相对于其均值变化的相关性 * 关于独立与相关的讨论 相互独立 (Statistically independent)：概率密度函数没有相互关系 相关函数(Correlation function)： 不相关(Uncorrelated)：乘积的均值等于均值的乘积 两信号独立则一定是不相关的，但不相关不能保证独立 不相关 独立 正交 (Orthogonality) * 正交(Orthogonality) 不相关(Uncorrelated) 结论：如果随机过程是平稳的，那么他们的相关函数只和 有关，否则和t与 均有关。 ， * 例子 考虑股票涨跌 股票A均值为100；股票B均值为10； 涨跌情况完全不同，统计独立，其协方差为0， 根据公式得到相关系数（均值的乘积）=1000； 结论：两个随机量的变化相关性不能使用相关函数，而应使用协方差函数（将均值去掉）或相关系数。 仿真问题： 给出一个随机序列x=(a1,a2,…ak,…)，仿真如何求出该随机变量的 均值，方差 序列的自相关函数 自相关系数 给出两个随机序列x=(a1,a2,…ak,…)， y=(b1,b2,…bk,…)，仿真如何求出该随机变量的 互相关函数 互协方差函数 互相关系数 * 复随机过程 自相关函数 注意：随机变量共轭 * 对于两个复随机过程 自相关函数 and 注意：随机变量共轭 * 例 设信号序列 Sk 满足递推式 , 其中 ， 为噪声，噪声和信号相互独立。未加噪声时信号方 差为1，求加噪声后信号序列的自相关函 ， 。 解： 如何产生一个带有一定自相关系数的随机变量 * （续） * ?? 功率谱密度 随机过程是一个无限能量信号，因此可以使用功率谱来描述。功率谱可以由下式给出 平均功率为 ?(0)是随机过程的平均功率，它是由?(f)的积分得到的，因此， ?(f) 称作随机过程的功率谱密度。 * 对于一个实随机过程，?(?) 是实函数，且是偶函数, ?(f) 也是实函数且是偶函数。 对于一个复随机过程，?