通信原理(第3章).pptVIP

* * 如果是两个或多个随机过程，用互协方差函数和互相关函数描述不同随机过程在不同时刻的相关程度。 从上面分析可知，随机过程可以用均值、方差和自相关函数等数字特征来描述。而在实际系统中遇到的随机过程，其数字特征的表达经常十分简洁；因此，用数字特征描述随机过程是行之有效的方法。 * 如果是两个或多个随机过程，用互协方差函数和互相关函数描述不同随机过程在不同时刻的相关程度。 从上面分析可知，随机过程可以用均值、方差和自相关函数等数字特征来描述。而在实际系统中遇到的随机过程，其数字特征的表达经常十分简洁；因此，用数字特征描述随机过程是行之有效的方法。 * 如果是两个或多个随机过程，用互协方差函数和互相关函数描述不同随机过程在不同时刻的相关程度。 从上面分析可知，随机过程可以用均值、方差和自相关函数等数字特征来描述。而在实际系统中遇到的随机过程，其数字特征的表达经常十分简洁；因此，用数字特征描述随机过程是行之有效的方法。 * 平稳随机过程是一种特殊而又广泛应用的随机过程，在通信领域中占有重要地位。 * 平稳随机过程是一种特殊而又广泛应用的随机过程，在通信领域中占有重要地位。 在通信系统中所遇到的信号及噪声，大多数可视为平稳的随机过程。因此，研究平稳随机过程有着很大的实际意义。 * 平稳随机过程是一种特殊而又广泛应用的随机过程，在通信领域中占有重要地位。 * 平稳随机过程是一种特殊而又广泛应用的随机过程，在通信领域中占有重要地位。 * * 维纳 — 辛钦关系描述了平稳随机过程时域特性与频域特性之间的关系。 * * * * * * * * * * * 应用：由Po( f )的反傅里叶变换求Ro(?) 例3-3 * * * * * 3.3.3一维高斯随机过程 高斯过程在任一时刻上的样值是一个一维高斯随机变量，其一维概率密度函数可以表示为: 3.3 高斯随机过程 式中，a 为数学期望，σ2 为方差，均为常数。 * 其一维概率密度函数性质： f (x) 对称于直线 x = a； 3.3 高斯随机过程 ，且有 当 a 不变时， f (x) 图形将随着σ的减小而变高变窄；（ a 表示分布中心， σ 表示集中程度） 当 a = 0，σ= 1时， f (x) 为标准正态分布的概率密度函数 * 3.3.4 正态分布函数 正态分布函数是概率密度函数的积分，即 3.3 高斯随机过程 用误差函数表示正态分布函数 令 ，则有 经过变量代换得到正态分布函数 式中，erf(x) 是误差函数 erfc(x) 是互补误差函数 * 3.3 高斯随机过程 误差函数 是自变量 x 的递增函数 erf (0) = 0，erf (∞) = 1，erf (-x) = -erf (x) 互补误差函数 是自变量 x 的递减函数 erfc (0) = 1，erfc (∞) = 0，erfc (-x) = 2 - erf (x) 当x 2时， * 3.4 平稳随机过程通过线性系统 《信号与系统》，线性系统的响应和输入信号之间的关系？ 时域时，vo(t)、vi(t) 和 h(t) ? 频域时，Vo(f)、Vi(f) 和 H(f) ？ 同样，输入 ξi(t)是随机过程，通过线性系统（传输函数为H(ω)，冲击响应为 h(t)）后得到的输出过程ξo(t)也满足 随机过程通过线性系统（或网络）后，输出过程将是什么样的过程？ 现假设输入 ξi(t) 是平稳随机过程，分析系统的输出过程 ξo(t)的统计特性。 * 3.4 平稳随机过程通过线性系统 由此可见：输出过程的数学期望等于输入过程的数学期望与直流传递函数 H(0)的乘积，且 E[ξ o(t)] 与时间无关。 3.4.1 输出过程的数学期望 因为 则得 所以 * 3.4 平稳随机过程通过线性系统 由此可见： ξ o(t)的自相关函数只依赖时间间隔τ而与时间起点 t1 无关。 3.4.2 输出过程的自相关函数 通过推导可得 可以得到：线性系统的输入是平稳随机过程，则输出也是平稳随机过程。 即 * 3.4 平稳随机过程通过线性系统 3.4.3 输出过程的功率谱密度 令 τ’=τ+α+β，则有 即 结论：系统输出功率谱密度Po(f)是输入功率谱密度Pi(f)与|H(f)|2的乘积。 高斯过程经过线性系统后输出仍为高斯过程 * 3.5.1 定义和表示式 窄带随机过程是指其频带宽度 △f 远远小于其中心频率 fc 的过程。 3.5 窄带随机过程 图 3-4 窄带过程的频谱和波形示意 * 3.5 窄带随机过程 窄带随机过程的表达式 一、包络函数和随