第三章随机过程.pptVIP

第29页，共54页，星期日，2025年，2月5日第30页，共54页，星期日，2025年，2月5日3.5高斯过程若随机变量?的概率密度函数可表示成则称?为服从正态分布的随机变量。a及?2是两个常量（均值及方差）第31页，共54页，星期日，2025年，2月5日高斯随机过程的性质(1)若高斯过程是广义平稳的,则它也是严平稳的;(2)若几个高斯过程中的随机变量之间互不相关,则这些高斯过程也是互不相关的;(3)若干个高斯过程之和的过程仍是高斯过程;(4)高斯过程经过线性变换后的过程仍是高斯型。第32页，共54页，星期日，2025年，2月5日概率密度函数图a0xf(x)f(x)关于x=a对称f(x)在（-?，a）内单调上升，在（a，?）内单调下降，且在a点最大对不同的a，表现为f(x)的左右平移，对不同的?，f(x)图形随?的减小而变高变窄第33页，共54页，星期日，2025年，2月5日标准正态分布误差函数(P.473附录B)定义主要性质erf(0)=0erf(?)=1erf(-?)=-erf(?)第34页，共54页，星期日，2025年，2月5日补误差函数定义主要性质erfc(0)=1erfc(?)=0erfc(-?)=2-erfc(?)第35页，共54页，星期日，2025年，2月5日概率积分函数定义Q函数的主要性质Q(0)=1/2;Q(?)=0;Q(-?）=1-Q(?)，?0;第36页，共54页，星期日，2025年，2月5日误差函数和概率积分函数的关系第37页，共54页，星期日，2025年，2月5日3.6窄带随机过程定义带宽B远小于中心频率fc的随机过程为窄带随机过程。P?(?)?c0-?c?c+?m-?c-?m-?c+?m?c-?m?第38页，共54页，星期日，2025年，2月5日第三章随机过程第1页，共54页，星期日，2025年，2月5日3.1引言随机信号如果信号的某个或某几个参数不能预知或不能完全预知，这种信号就称为随机信号。随机噪声通信系统中不能预测的噪声就称为随机噪声，简称噪声。随机噪声和随机信号统称为随机过程第2页，共54页，星期日，2025年，2月5日随机变量在概率论中，将每次实验的结果用一个变量来表示，如果变量的取值是随机的，则称变量为随机变量。例如，在一定时间内电话交换台收到的呼叫次数是一个随机变量。当随机变量的取值个数是有限个时，则称它为离散随机变量。否则就称为连续随机变量。第3页，共54页，星期日，2025年，2月5日概率分布函数F(x)定义随机变量X的概率分布函数F(x)是X取小于或等于某个数值x的概率P(X≤x)，即F(x)=P(X≤x)上述定义中，随机变量X可以是连续随机变量，也可以是离散随机变量。对于离散随机变量，其分布函数可表示为式中，是随机变量X取值为xi的概率。随机变量的统计特征第4页，共54页，星期日，2025年，2月5日概率密度函数f(x)概率密度函数是分布函数的导数。从图形上看，概率密度就是分布函数曲线的斜率。概率密度函数有如下性质：（1）（2）（3）第5页，共54页，星期日，2025年，2月5日第6页，共54页，星期日，2025年，2月5日第7页，共54页，星期日，2025年，2月5日第8页，共54页，星期日，2025年，2月5日随机变量的数字特征前面讨论的分布函数和概率密度函数，能够较全面地描述随机变量的统计特性。然而，在许多实际问题中，我们往往并不关心随机变量的概率分布，而只想了解随机变量的某些特征，例如随机变量的统计平均值，以及随机变量的取值相对于这个平均值的偏离程度等。这些描述随机变量某些特征的数值就称为随机变量的数字特征。第9页，共54页，星期日，2025年，2月5日数字期望数字期望（简称均值）是用来描述随机变量X的统计平均值，它反映随机变量取值的集中位置。对于离散随机变量X，设是其取值xi的概率，则其数字期望定义为对于连续随机变量X，其数学期望定义为式中，f(x)为随机变量X的概率密度。第10页，共54页，星期日，2025年，2月5日数学期望的性质如下：（1）若C为一常数，则常数的数学期望等于常数，即E(C)=C；（2）若有两