现代数字信号处理方法基础知识.ppt

现代数字信号处理方法基础知识;课 程 介 绍 信号处理 时域 频域 信号分析; 课 程 介 绍 信号分析 (本科)频域分析，包括FT、ZT、DTFT 本课程：信号建模[AR\MA]、现代谱估计(超分辨) 时频分析(非平稳)、小波分析、可变速率处理 信号滤波 (本科)频率选择性滤波，包括FIR、IIR 本课程：最佳滤波器、自适应滤波器、同态滤波;应 用 领 域 信???分析 信号：随某个参数t(时间)变化而变化的物理量x(t) 雷达、声纳、语音识别、资源探测(信号检测与参数估计)、基于信号特征的数据压缩(预测编码) 信号滤波 噪声与干扰消除、信号分离、数据平滑与预测、信道均衡(多径信道模型)、自适应滤波;课程结构安排;本课程的考核方式 作业完成情况 课程实验 [切忌抄袭雷同] 开卷考试*;第一章 基础知识;第一节 离散随机信号基础知识;1 随机变量与随机过程的区别与联系 若某个变量x的取值是随机的，则称x为随机变量。 若随机变量x取值是连续的，称为连续型随机变量。 若随机变量x取值是离散的，称为离散型随机变量。 ;第一节 离散随机信号基础知识;第一节 离散随机信号基础知识;第一节 离散随机信号基础知识;2 (离散)随机过程的概率描述 概率分布函数和概率密度分布函数;举例1：设xn为[a，b]区间上均匀分布的连续型随机变量;举例2：设xn为取值为0，1，2的离散型随机变量;3 离散随机过程的联合概率分布函数与联合概率密度函数 二维 ;4 统计独立;举例1：设x1、x2为相互独立的正态分布随机变量;举例2：设x1、x2为相关系数为的正态分布随机变量;作业：上述在举例2中，利用概率密度分布函数的积分 性质证明;附录(自学)：二维联合正态分布;5 严格平稳随机过程;严格平稳随机过程必定是广义平稳的 性质1：一阶平稳性;第一节 离散随机信号基础知识;第一节 离散随机信号基础知识;6 广义平稳随机过程;1 均值 (1)随机变量的期望均值 ;第一节 离散随机信号基础知识;(4) 期望均值的性质 ;附录(自学 )：证明;第一节 离散随机信号基础知识;2 均方值(Mean Square－Value) (1)随机变量的均方值 ;第一节 离散随机信号基础知识;3 自相关(Auto Correlation) 自相关函数（自相关序列）是描述同一随机过程在不同时刻的取值之间的依赖性的一个量度。 ;性质: ;第一节 离散随机信号基础知识;第一节 离散随机信号基础知识;5 互相关(Cross Correlation) 互相关函数是描述两个不同随机过程之间的相关性的一种量度。 ;第一节 离散随机信号基础知识;第一节 离散随机信号基础知识;7 广义平稳随机过程的数值特征 如果一个离散随机过程{xn} 的均值与时刻n无关，相关函数只与时间差有关[则方差也与时刻n无关]，则称其为广义平稳的。 ;8 各态历经离散平稳随机过程 假设离散随机过程x的一个现实 如果N??，该现实中的取值能够遍历随机过程的各 种可能的取值，则称其为各态经历的 (1)随机过程的时间平均;第一节 离散随机信号基础知识;第一节 离散随机信号基础知识;第一节 离散随机信号基础知识;第一节 离散随机信号基础知识;第一节 离散随机信号基础知识;(3) 有限样本集合统计平均 ;思考及说明: 如果这样定义 ;第一节 离散随机信号基础知识;第一节 离散随机信号基础知识;第一节 离散随机信号基础知识;例1-1 随机初始相位正弦序列 其中A，f，Ts均为常数，Ф是一随机变量(对于不同的样本函数中的每个n， Ф随机地取不同的值，对于同一样本函数的不同的n， Ф为常数)，在0~2π内服从均匀分布，求其均值和自相关函数，并判断其平稳性。 ;第一节 离散随机信号基础知识;第一?? 离散随机信号基础知识;第一节 离散随机信号基础知识;两个联合平稳随机过程 和 的自相关、自协方差、自相关系数、互相关、互协方差序列分别定义为;性质1.