通信原理随机过程.pptVIP

第三章 随机过程 信控学院 通信教研室 林 霏 lfsdu123@126.com 目标要求（1） 目标要求（2） 目录（1） 3.1 随机过程的基本概念 3.1.1 随机过程的分布函数 3.1.2 随机过程的数字特征 3.2 平稳随机过程 3.2.1 定义 3.2.2 各态历经性 3.2.3 平稳过程的自相关函数和功率谱密度 3.2.1平稳过程的功率谱密度 3.3 高斯随机过程 3.3.1 定义 3.3.2 重要性质 3.3.2 高斯随机变量 目录（2） 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 3.6 小结 3.1 随机过程的基本概念 为什么研究随机过程？ 在通信系统的研究中，输入信号、干扰、噪声等都不是确定信号，而是随机信号。但这些随机信号又具有一定的统计规律性。 随机过程是随机信号的数学模型，研究它的理论就是研究随机信号的数学工具。 3.1 随机过程的基本概念 研究什么？ 随机过程的各种统计特性 随机过程通过线性系统 随机过程的第一种定义 第一种定义：设Ek，k=1,2...是一个随机试验，每次试验都有一条时间波形，称为样本函数或实现， 记做xi(t)，所有可能出现结果的总体 {x1(t)，x2(t)，?，xi(t)，?}，i为正整数，构成一个随机过程，记做ξ(t) 。 随机过程就是所有样本函数的集合。 随机过程的一个例子 举例：n部接收机的输出噪声电压 随机过程的第二种定义（1） 第二种定义： 随机过程的第二种定义（2） 随机变量的特点：每次试验结果都是一个事先不可预知的，但为确定的量； 随机过程则是随机变量概念的延伸，随机过程在任意时刻的值是一个随机变量； 随机过程可看作是在时间进程中处于不同时刻的随机变量的集合。 例子 设随机相位余弦波X(t)=a cos(ωt+θ)，其中，a、ω为常数，随机变量θ在[0, 2π]内服从均匀分布； 显然X(t)是一个随机过程； 若固定时刻t1，则X(t1)=a cos(ω t1 + θ)是一个随机变量； 若在[0, 2π]内任选一个相位θ1，则有X1(t)=a cos(ωt+ θ1)，它是随机过程X(t)的一个样本函数； 3.1.1 随机过程的分布函数 一维分布函数与概率密度 二维分布函数与概率密度 随机过程ξ(t)的二维分布函数： 任意固定的t1和t2时刻，把ξ(t1)小于等于x1和ξ(t2)小于等于x2同时成立的概率 X(t)的二维概率密度函数： n维分布函数与概率密度 ξ(t)的n维分布函数： ξ(t)的n维概率密度函数： 3.1.2 随机过程的数字特征 随机过程ξ (t)的数学期望或者均值： 随机过程的数字特征－方差 随机过程的方差： 随机过程的数字特征－自相关函数 自相关函数R(t1,t2)定义为： 随机过程的数字特征－协方差函数 随机过程的数字特征－互相关函数 互相关函数R(t1,t2)定义为： 3.2 平稳随机过程 严平稳（狭义平稳）随机过程的定义 严平稳随机过程的数字特征 一维分布函数与时间t无关； 二维分布函数只与时间间隔τ＝t2-t1有关。 宽平稳（广义平稳）随机过程 宽平稳（广义平稳）随机过程 满足以下条件的随机过程即为宽平稳 严平稳与宽平稳的关系 宽平稳随机过程不一定满足以下条件 严平稳随机过程一定是宽平稳随机过程；但宽平稳随机过程不一定是严平稳随机过程 对正态（高斯）随机过程而言，宽平稳和严平稳等价 若不加特别说明，平稳过程都是指宽平稳随机过程 3.2.2 各态历经性 各态历经性(遍历性)：随机过程的任一实现，经历了随机过程的所有可能状态 3.2.3 平稳过程的自相关函数和功率谱密度 实平稳随机过程的自相关函数 能量信号的能量谱密度（确知信号） 设一个能量信号s(t)的能量为E，其傅里叶变换为s(f)（即频谱密度），则： |S(f)|2定义为能量谱密度，表示单位频带内的信号能量。 功率信号的功率谱密度（确知信号） 将信号s(t)截短为sT(t)，-T/2 t T/2，则信号能量为 功率谱密度定义为 信号功率为 3.2.4 平稳过程的功率谱密度 随机过程的一个样本函数为确知信号，平稳随机过程的功率谱密度为所有样本功率谱密度的数学期望，平稳随机过程的功率谱密度定义为： 维纳－辛钦定理（1） 平稳过程的功率谱密度与其自相关函数是一对傅立叶变换关系： 维纳－辛钦定理（2） 例子（1） 例子（2） 上例ξ(t)是否具有各态历经性？ 验证时间平均值等于统计平均值 例子（3） 例子（3） 求上例中的平均功率？ 3.3.3 高斯随机变量 定义： 一维高斯过程的概率密度： 式中，a = E[X(t)