通信原理第3章-随机过程.pptVIP

对于高斯过程，宽平稳=严平稳： 对于宽平稳高斯过程，两个随机变量之间的协方差只与时间差有关。将式(3.4.1)左边的t1,t2,…,tn统一偏移t时，协方差矩阵B不变，即(3.4.1)右边不变 对于正态随机过程的任何两个时刻的随机变量，不相关也就是统计独立。 在式(3.4.1)中代入n=2和b21=b12=0，右边可分解为两个一维概率密度函数的乘积 一维正态概率密度表示式为 图3.4.1 正态概率密度曲线 erfc函数和Q函数 若X(t)是高斯过程，则 联合高斯随机变量的线性组合还是高斯 高斯过程通过线性系统还是高斯过程 若X(t)是高斯过程，则g(t)Y(t)也是高斯过程。 高斯过程乘以确定函数g(t)还是高斯过程 对任意n，若X1,…,Xn服从联合高斯分布， 则g1X1,…,gnXn也服从联合高斯分布 图3.5.1 平稳随机过程通过线性系统 3.5 平稳随机过程通过线性系统 1. 随机过程Y(t)的均值(统计平均) 与t无关 冲激响应的面积就是直流增益 2. 随机过程Y(t)的自相关函数 与t无关。 平稳过程通过线性系统还是平稳过程 3. X(t)和Y(t)的互相关函数与互功率谱密度 X(t) 和Y(t) 的互功率谱密度 4. Y(t) 的功率谱密度 样本x(t) 和y(t) 的功率谱密度关系： 随机过程X(t) 和Y(t) 的功率谱密度关系： 平稳过程通过希尔伯特变换器：H(f)=-jsign(f) 希尔伯特变换不改变功率谱和自相关函数 希尔伯特反变换是jsign(f) 平稳高斯过程的解析信号 等价于X(t)通过传递函数为1+j[-jsgn(f)]的线性系统，因此Z(t)是平稳高斯过程 令nw(t)为高斯随机过程，其功率谱密度 3.6 高斯白噪声 则称nw(t)为高斯白噪声 nw(t)与能量信号g(t)的内积、卷积都是均值为0、方差为N0Eg/2的高斯随机变量。 高斯白噪声性质 白高斯噪声在正交基上的投影相互独立 则 若j1(t)与j2(t)正交则X1与X2统计独立 若 3、限带高斯白噪声，功率谱密度 3.7 窄带平稳高斯过程 窄带平稳高斯过程就是白高斯噪声nw(t)通过窄带带通滤波器的输出X(t) X(t)的解析信号Z(t)是0均值复高斯平稳过程： 此外： X(t)的复包络XL(t)是0均值的复高斯平稳过程 《通信原理》北京邮电大学yanghong@bupt.edu.cn 3.1 引言 3.2 随机过程的统计（概率）特性 3.3 平稳随机过程 3.4 高斯随机过程（正态） 3.5 平稳随机过程通过线性系统 3.6 高斯白噪声 3.7 窄带平稳随机过程 3.8 余弦波加窄带平稳高斯随机过程 3.9 匹配滤波器 3.10 循环平稳随机过程 第三章 随机过程 通信系统中存在各种干扰和噪声，这些干扰和噪声的波形更是随机的、不可预测的。称其为随机干扰和随机噪声。 虽然随机信号和随机噪声是不可预测的、随机的，但它们具有一定的统计规律性。 3.1 引言 随机过程X(t)在每个时刻t是一个随机变量。 不同的时刻对应不同的随机变量，它们的分布函数可能不同，记为t的函数：F(x,t)=P[X(t)≤x] , 称作随机过程X(t)的一维分布函数。 如果对应的概率密度p(x,t)存在，称为X(t)的一维概率密度。 1. 随机过程的分布函数和概率密度 3.2 随机过程的统计（概率）特性 对于t时刻的随机变量X=X(t)，有如下数字特征 (1) 数学期望(统计平均值)：E[X] (2) 二阶矩：E[X2] (3) 方差：扣除均值后的二阶矩 就一般随机过程而言，以上数字特征都是t的函数。 2.随机过程X(t)的数字特征 对于t1和t2时刻的两个随机变量X1=X(t1)， X2=X(t2)： (1) 相关值E[X1X2]一般是t1和t2的二元函数，称为自相关函数，记为RX(t1,t2)。 (2)自协方差函数：扣除均值后的自相关函数。 (3) 归一化协方差函数(相关系数)：扣除均值，再使方差归一化为后的自相关函数。 对X(t)在n个时间点t1,t2,…,tn上采样将得到n个随机变量，也即一个随机向量，其联合分布函数为 随机过程的多维分布函数 联合密度 对随机过程X(t)在n个时间点t1,t2,…,tn上采样，对随机过程Y(t)在m个时间点t1,t2,…,tm上采样，将得