华北电力大学_通信系统原理第2章.ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 2.10.3 带通白噪声 2.10.4 高斯白噪声 如果白噪声又是高斯分布的， 我们就称之为高斯白噪声。 高斯白噪声在任意两个不同时刻上的取值之间，不仅是互不相关的，而且还是统计独立的。 应当指出，定义的这种理想化的白噪声在实际中是不存在的。但是，如果噪声的功率谱均匀分布的频率范围远远大于通信系统的工作频带，我们就可以把它视为白噪声。讨论的热噪声和散弹噪声就是近似白噪声的例子。 第二部分 随机信号分析 2.7 随机信号的概念与定义 2.8 平稳随机过程 2.9 高斯随机过程 2.10 高斯白噪声 2.11 窄带随机过程 2.12 正弦波加窄带高斯噪声 2.11 窄带随机过程 随机过程通过以fc为中心频率的窄带系统的输出，即是窄带过程。所谓窄带系统，是指其通带宽度Δffc，且fc远离零频率的系统。实际中，大多数通信系统都是窄带型的，通过窄带系统的信号或噪声必是窄带的，如果这时的信号或噪声又是随机的，则称它们为窄带随机过程。 如用示波器观察一个实现的波形，它是一个频率近似为fc，包络和相位随机缓变的正弦波。 2.11.1 窄带随机过程的定义 窄带过程的频谱和波形示意 窄带随机过程形成过程 通信过程  式中, aξ(t)及φξ(t)分别是ξ(t)的随机包络和随机相位， ξc(t)及ξs(t)分别称为ξ(t)的同相分量和正交分量， 它们也是随机过程， 显然它们的变化相对于载波cosωct的变化要缓慢得多。 2.11.2 窄带随机过程表达式 又可以写为 其中： 设窄带过程ξ(t)是平稳高斯窄带过程，且均值为零， 方差为σξ2。 1. 同相和正交分量的统计特性 重要结论：一个均值为零的窄带平稳高斯过程ξ(t)，它的同相分量ξc(t)和正交分量ξs(t)也是平稳高斯过程， 而且均值都为零，方差也相同。此外， 在同一时刻上得到的ξc和ξs是互不相关的或统计独立的。 2.11.3 窄带随机过程的统计特性 2. 包络和相位的统计特性 重要结论：一个均值为零， 方差为σξ2的窄带平稳高斯过程ξ(t)，其包络aξ(t)的一维分布是瑞利分布，相位φξ(t)的一维分布是均匀分布，并且就一维分布而言，aξ(t)与φξ(t)是统计独立的，即有下式成立： p(aξ,φξ)=p(aξ)·p(φξ) 第二部分 随机信号分析 2.7 随机信号的概念与定义 2.8 平稳随机过程 2.9 高斯随机过程 2.10 高斯白噪声 2.11 窄带随机过程 2.12 正弦波加窄带高斯噪声 2.12 正弦波加窄带高斯噪声 信号经过信道传输后总会受到噪声的干扰，为了减少噪声的影响，通常在接收机前端设置一个带通滤波器，以滤除信号频带以外的噪声。因此，带通滤波器的输出是信号与窄带噪声的混合波形。最常见的是正弦波加窄带高斯噪声的合成波，这是通信系统中常会遇到的一种情况，所以有必要了解合成信号的包络和相位的统计特性。  为窄带高斯噪声，其均值为零，方差为σn2；正弦信号的A, ωc均为常数，θ是在(0, 2π)上均匀分布的随机变量。 于是 式中 实际信道中，信号和噪声总是共存的，那么此混合信号的统计特性如何？与信噪比有什么样的关系 式中 合成信号r(t)的包络和相位为 利用上一节的结果， 如果θ值已给定，则zc、zs是相互独立的高斯随机变量，且有 正弦波加窄带高斯过程的包络概率密度函数为 称为广义瑞利分布，也称莱斯（Rice）密度函数。  I0(x)为零阶修正贝塞尔函数。当x≥0时，I0(x)是单调上升函数，且有I0(0)=1 第一类零阶贝塞尔函数 误 差 函 数 包络函数的f(z) 存在两种极限情况 随机相位的一维概率密度函数为：给定θ情况下 因为 ，所以，正弦波加窄带高斯过程的相位概率密度函数 当信噪比r很大时，p(z)近似于高斯分布。 由此可见，信号加噪声的合成波包络分布与信噪比有关。 小信噪比时，它接近于瑞利分布；大信噪比时，它接近于高斯分布；在一般情况下它是莱斯分布。 说明 当信号很小，A→0，即信号功率与噪声功率之比 =r→0时，x值很小，有I0(x)=1，这时合成波r(t)中只存在窄带高斯噪声，由莱斯分布退化为瑞利分布。