《现代通信原理与技术》课件_第2章.pptx

第2章随机过程;

2.1随机过程的基本概念和统计特性;

设有n台性能完全相同的接收机,其工作环境和测试条件也完全相同,我们用n台示波器同时观测并记录n台接收机的输出噪声波形。测试结果表明,尽管设备和测试条件相同,但是所记录的是n条随时间起伏且各不相同的波形,如图2-1所示。;;

由此,可以给随机过程下一个更为严格的定义:设Sk(k=1,2,…)是随机试验,每一次试验结果都对应图2-1中的一条时间波形,记作xi(t),称为样本函数或一次物理实现,所有可能出现的样本函数的集合{x1(t),x2(t),…,xn(t),…}就构成了一个随机过程,记作ξ(t)。简言之,随机过程是全体样本函数的集合,其中每个样本函数都是一个确定的时间函数。至于每一次试验后会出现集合中的哪一个样本,是无法预知的,这正是随机过程随机性的体现。若给定某一观察时刻t1,则全体样本在时刻t1的取值ξ(t1)是一个随机变量。也就是说,随机过程在任意时刻是一个不含t变化的随机变量。因此,随机过程又可看作在时间进程中处于不同时刻的随机变量的集合。从这个角度出发,便于将描述随机变量的方法推广到随机过程。;

2.1.2-随机过程的统计特性

由概率论知,随机变量的统计特性由分布函数或概率密度函数来描述。这种方法也可用来描述随机过程,因为随机过程在任意给定时刻表现为一个随机变量。;;;

2.1.3随机过程的数字特征

1.数学期望;

2.方差

随机过程ξ(t)的方差定义为

D[ξ(t)]常记为σ2(t)。可见方差等于均方值与数学期望平方之差。它表示随机过程在时刻t对于数学期望a(t)的偏离程度。;

3.相关函数

衡量随机过程在任意两个时刻获得的随机变量之间的关联程度时,常用协方差函数B(t1,t2)和相关函数R(t1,t2)。随机过程ξ(t)的协方差函数定义为

式中,a(t1)与a(t2)分别为在t1及t2-时刻得到的ξ(t)的数学期望;f2(x1,x2;t1,t2为ξ(t)的二维概率密度函数。;

随机过程ξ(t)的相关函数定义为;

由于B(t1,t2)和R(t1,t2)是衡量同一过程的相关程度的,因此它们分别称为自协方差函数和自相关函数。对于两个或更多个随机过程,可???入互协方差函数及互相关函数。设ξ(t)和η(t)分别表示两个随机过程,则互协方差函数定义为

互相关函数定义为;

2.2-平稳随机过程;

该定义表明,平稳随机过程的统计特性不随时间的推移而变化。换言之,它的任意有限维分布函数或概率密度函数与时间起点无关,反映在它的一维分布,则与时间t无关,而二维分布只与时间间隔τ有关,即有

和

以上两式可由式(2.2-1)分别令n=1和n=2,并取h=-t1证明。;

于是,平稳随机过程ξ(t)的数学期望

为一常数,这表示平稳随机过程的各样本函数围绕着一水平线起伏。同样,可以证明平稳随机过程的方差σ2(t)=σ2=常数,这表示它的起伏偏离数学期望的程度也是常数。;

平稳随机过程ξ(t)的自相关函数

仅是时间间隔τ=t2-t1的函数,而不再是t1和t2-的二维函数。;

式(2.2-4)和式(2.2-5)表明,平稳随机过程ξ(t)具有“平稳”的数字特征:

(1)数学期望与时间无关,即E[ξ(t)]=a;

(2)自相关函数只与时间间隔τ有关,即R(t1,t1+τ)=R(＝)。

实际中常用这两个条件直接判断随机过程的稳定性,并把同时满足(1)和(2)的过程称为宽平稳或广义平稳随机过程。

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。以后讨论的随机过程除特殊说明外,均假定是平稳的,且均指广义平稳随机过程,简称平稳过程。;

2.2.2-各态历经性

平稳随机过程在满足一定条件下有一个有趣而又非常有用的特性,称为“各态历经性”。这种平稳随机过程,它的数字特征(均为统计平均)完全可由随机过程中的任一实现(或称样本)的数字特征(均为时间平均)来替代。也就是说,假设x(t)是平稳随机过程ξ(t)的任意一个实现,它的时间均值和时间相关函数如下:;

如果平稳随机过程依概率1使下式成立:

也就是说,平稳随机过程的统计平均值等于它的任一实现的时间平均值,则称该平稳随机过程具有各态历经性。;

2.2.3平稳随机过程自相关函数的性质

对于平稳随机过程而言,它的自相关函数是特别重要的一个函数。其一,平稳随机过程的统计特性,如数字特征等,可通过自相关函数来描述;其二,自相关函数与平稳随机过程的谱特性有着内在的联系。因此,有必要了解平稳随机过程自相关函数的性质。;;

2.2.4平稳随机过程的功率谱密度

随机过程的频谱特性是用它的功率谱密度来表述