第二章信号检测与估计理论.pptVIP

* 第二章信号检测与估计理论 * N维联合高斯随机矢量的三条主要性质 说明 之间，若相互统计独立，一定互不相关；若互不相关，也相互统计独立。 * 第二章信号检测与估计理论 * 教材P19 例2.2.1 * 第二章信号检测与估计理论 * 2.2.6 随机变量的函数 随机变量变换前的概率密度函数 随机变量变换后的概率密度函数 * 第二章信号检测与估计理论 * 1 一维随机变量的情况 * 第二章信号检测与估计理论 * 2 N维随机矢量的情况 * 第二章信号检测与估计理论 * * 第二章信号检测与估计理论 * * 第二章信号检测与估计理论 * 图4.2 高斯 * 第二章信号检测与估计理论 * 这说明曲线 p(x)向左右伸展时，越来越贴近x轴。即p(x)以x轴为渐近线。 当x→?∞时，p(x)→0, * 第二章信号检测与估计理论 * 用求导的方法可以证明， 为p (x)的两个拐点的横坐标。 x = μ ? σ * 第二章信号检测与估计理论 * 正态分布的概率密度 的性质 （1） 密度曲线 以 为对称轴，即 （2） 密度函数 在 处达到最大值 ， 越远值越小，表明对于同样长度的区间，当区间离 越远 时， 落在这个区间上的概率越小。 （3） 位于 轴上方，以 轴为渐近线，即 （4） 的图形依赖于两个参数 ： 动而不改变形状，故 称为 的位置参数； 若固定 的值改变 的值，则 的图形沿着 轴平行移 * 第二章信号检测与估计理论 * 随 的增大而减小。故称 为 的形状参数（图2-9）。 若固定 的值改变 的值，由于最大值为 ， 可知当 越小时， 越大， 的图形越尖陡；当 越大时， 越小， 的图形越低平。因而， 落在 附近的概率 * 第二章信号检测与估计理论 * 标准高斯分布 * 第二章信号检测与估计理论 * 练习题 * 第二章信号检测与估计理论 * 标准高斯分布的一维累积分布函数和右尾积分 * 第二章信号检测与估计理论 * 例:data=normrnd (0,1,30,1); p=capaplot(data,[-2,2]) p =0.9793 * 第二章信号检测与估计理论 * 在指定的界线之间画正态密度曲线 p=normspec(specs,mu,sigma) %specs指定界线，mu、sigma为正态分布参数，p为样本落在 上、下界之间的概率。 例:p=normspec([10 Inf],11.5,1.25);p=0.8849 * 第二章信号检测与估计理论 * 则称 x 服从参数为 的单边带指数分布. 若随机变量x具有概率密度 常简记为 x~E( ) . 3 指数分布随机变量 分布函数为： * 第二章信号检测与估计理论 * p(x)≥0, * 第二章信号检测与估计理论 * 若随机变量x具有概率密度 * 第二章信号检测与估计理论 * 3 指数分布随机变量 图2.6单/双边指数分布随机变量的PDF曲线（β＞0） * 第二章信号检测与估计理论 * 4 瑞利分布随机变量 (1)高斯过程通过窄带线性系统后成为窄带高斯过程，其包络的分布属于瑞利分布； (2)信号在信道中传输，其幅度的衰落通常也认为服从瑞利分布。 则称x服从瑞利分布. 若随机变量x具有概率密度 * 第二章信号检测与估计理论 * * 第二章信号检测与估计理论 * 瑞利分布是最常见的用于描述平坦衰落信号接收包络或独立多径分量接受包络统计时变特性的一种分布类型。两个正交高斯噪声信号之和的包络服从瑞利分布。 4 瑞利分布随机变量 图2.8 瑞利分布随机变量的PDF曲线（σ2=1） * 第二章信号检测与估计理论 * 高斯过程通过窄带线性系统后成为窄带高斯过程，其包络的分布属于瑞利分布； 信号在信道中传输，其幅度的衰落通常也认为服从瑞利分布。 * 第二章信号检测与估计理论 * 5 广义瑞利分布随机变量 正弦信号加窄带高斯过程其包络的分布就服从广义瑞利分布。 设正弦信号的幅度为a,相位 在 之间均匀分布，高 斯过程的均值为0，方差为 * 第二章信号检测与估计理论 * 5 广义瑞利分布随机变量 如果令 , 则得到归一化的广义瑞利分布的概率密度函数为 图2.9广义瑞利分布随机变量的PDF曲线（σ2=1） * 第二章信号检