通信原理--随机过程.pptVIP

方差 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， ξc(t)与ξs(t)互不相关，若为高斯过程则统计独立； 具有相同的平均功率(均方值)。 重要结论 3.6.4 包络和相位的统计特性 分布函数 服从瑞利分布 服从均匀分布 瑞利分布的特点： aξ概率分布的用途： 在数据通信系统中用来求解误码率。 最大值发生在aξ＝σξ处。 一维分布而言，aξ(t)与φξ(t)是统计独立的，即有下式成立： 3.6.5 白噪声 白噪声的定义 功率谱密度在整个频域内都是均匀分布的噪声，称之为白噪声. 白噪声的自相关函数 维纳-辛钦定理 白噪声的相关函数与功率谱密度 带限白噪声 白噪声被限制在（ f1 ，,f2）之内。 常见的限带白噪声有两种 a.理想低通型白噪声 b.理想带通型白噪声 理想低通白噪声： 理想带通白噪声 北京工商大学 信息工程学院 电子科学与技术系 第3章 随机信号分析 第 2 章 随机信号分析 3.1 引言 3.2 随机过程一般描述 3.3 平稳随机过程 3.4 平稳随机过程的相关函数与功率谱 3.5 高斯过程 3.6 窄带随机过程 3.7 正弦波加窄带高斯噪声 3.8 随机过程通过线性系统 3.1?????引 言 自然界中事物的变化过程 确定性过程 变化过程可以用一个或几个时间t的确定函数来描述。 随机过程 变化的过程不可能用一个或几个时间t的确定函数来描述。 随机信号和随机噪声的基本概念 随机信号：实际通信系统中由信源发出的信息是随机的，或者说是不可预知的，因而携带信息的信号也是随机的，这种具有随机性的信号称为随机信号。 随机噪声：携带了信息的信号在传输过程中将受到噪声的污染，而噪声也是随机的,称为随机噪声。 3.2 随机过程的一般描述 描述随机信号的数学工具是随机过程。 随机过程的数学定义： 设随机试验E的可能结果为ξ(t)，试验的样本空间S为{x1(t), x2(t)， …, xn(t),…}， xi(t)是第i次试验的样本函数或实现，每次试验得到一个样本函数，所有可能出现的结果的总体就构成一随机过程，记作ξ(t)。 两层含义： 随机过程ξ(t)在任一时刻都是随机变量； 随机过程ξ(t)是大量样本函数的集合。 随机过程：无穷多个随机函数的总体在统计学中称作一个 随机函数的总集（又称随机过程） 其一，它是一个时间函数； 其二，在固定的某一观察时刻t1，ξ(t1)是随机变量。 随机过程具有随机变量和时间函数的特点。 随机过程ξ(t)在任一时刻都是随机变量； 随机过程ξ(t)是大量样本函数的集合。 3.2.1 随机过程基本特征 当随机变量x的取值个数是有限的或可数无穷个时，则称它为离散随机变量；否则，就称它为连续随机变量，即可能的取值充满某一有限或无限区间。 3.2.2 随机过程的统计描述 1．随机变量的概率分布函数和概率密度函数 设ξ(t)表示一个随机过程，在任意给定的时刻t1∈T， 其取值ξ(t1)是一个一维随机变量。 一维分布函数：随机变量ξ(t1)小于或等于某一数值x1的概率 即：F1(x1,t1)=P｛ξ(t1）≤x1 ｝ 为随机过程ξ(t)的一维分布函数。 一维概率密度函数 随机过程的一维分布函数（或一维概率密度函数）仅仅描述了随机过程在各个孤立时刻的统计特性。 任给两个时刻t1, t2∈T，则随机变量ξ(t1)和ξ(t2)构成一个二元随机变量{ξ(t1), ξ(t2)}，把两个事件(ξ(t1) ≤x1)和(ξ(t2) ≤x2)同时出现的概率定义为二维随机变量ξ(t)的二维分布函数。 F2(x1,x2; t1,t2)=P｛ξ(t1)≤x1, ξ(t2)≤x2｝ 二维概率密度函数 二维分布函数 n维分布函数 Fn(x1,…,xn; t1,…,tn)=P{ξ(t1)≤x1,…,ξ(tn)≤xn｝ n维概率密度函数 2. 随机过程的数字特征 随机过程的一维数字特征 数学期望 设P(xi)(i=1,2,…,K)是离散随机变量ξ(t)的取值xi的概率，则其数学期望为： 对于连续随机变量X，设f (x)为其概率密度函数，则其数学期望为： 它本该在t1时刻求得，但t1是任意的，所以它是时间t 的函数。 反映了随机变量取值的集中位置（均值） 方差： 随机过程的二维数字特征 自协方差函数 用来衡量任意两个时刻上获得的随机变量的统计相关特性 自相关函数