随机过程通过线性系统.pptxVIP

;随机过程通过线性系统; 若 vo(t) Vo(ω), vi(t) Vi(ω), h(t) H(ω)，则有  Vo(ω)=H(ω)Vi(ω) (2.4 - 2) 若线性系统是物理可实现的，则  vo(t)=; ξo(t)= (2.4 - 5) 我们先确定输出过程的数学期望、 自相关函数及功率谱密度，然后讨论输出过程的概率分布问题。  1. 输出过程ξo(t)的数学期望 E［ξo(t)］= e[h( ) ξi(t-τ)dτ ] ＝; H(W)=;Ro(t1, t1+τ)=E［ξo(t1)ξo(t1+τ)］ =E[ ; 3. 输出过程ξo(t)的功率谱密度 对式（2.4 - 7）进行傅里叶变换, 有 ; 可见，系统输出功率谱密度是输入功率谱密度Pi(ω)与系统功率传输函数|H(ω)|2的乘积。 ; 解 由上式得|H(ω)|2= ，|ω|≤ωH。输出功率谱密度为 Po(ω)=|H(ω)|2Pi(ω)= · ， |ω|≤ωH 可见， 输出噪声的功率谱密度在|ω|≤ωH内是均匀的， 在此范围外则为零，如图 2 - 5（a）所示，通常把这样的噪声称为带限白噪声。其自相关函数为 ;图2-5 带限白噪声的功率谱和自相关函数; 式中，ωH=2πfH。由此可见，带限白噪声只有在τ=k/2fH(k=1, 2, 3, …)上得到的随机变量才不相关。它告诉我们，如果对带限白噪声按抽样定理抽样的话，则各抽样值是互不相关的随机变量。这是一个很重要的概念。 如图 2 - 5（b）所示，带限白噪声的自相关函数Ro(τ)在τ=0 处有最大值，这就是带限白噪声的平均功率:  Ro(0)= n0fH ; 总可以确定输出过程的分布。其中一个十分有用的情形是：如果线性系统的输入过程是高斯型的，则系统的输出过程也是高斯型的。  因为从积分原理来看， 上式可表示为一个和式的极限，即 ; 由于ξi(t)已假设是高斯型的，所以，在任一时刻的每项ξi(t-τk)h(τk)Δτk都是一个高斯随机变量。因此，输出过程在任一时刻得到的每一随机变量，都是无限多个高斯随机变量之和。由概率论得知，这个“和”的随机变量也是高斯随机变量。这就证明，高斯过程经过线性系统后其输出过程 仍为高斯过程。更一般地说，高斯过程经线性变换后的过程仍为高斯过程。但要注意，由于线性系统的介入，与输入高斯过程相比，输出过程的数字特征已经改变了。  ;