第2章数据通信原理.pptVIP

第2章随机过程功率谱密度P?(f)具有非负性和实偶性，即有 和 这与R(?)的实偶性相对应。*第30页，共76页，星期日，2025年，2月5日第2章随机过程[例2-2]求随机相位余弦波?(t)=Acos(?ct+?)的自相关函数和功率谱密度。 【解】在[例2-1]中，我们已经考察随机相位余弦波是一个平稳过程，并且求出其相关函数为 因为平稳随机过程的相关函数与功率谱密度是一对傅里叶变换，即有 以及由于有 所以，功率谱密度为 平均功率为*第31页，共76页，星期日，2025年，2月5日第2章随机过程2.3高斯随机过程（正态随机过程）高斯过程又称正态随机过程，它普遍存在并十分重要，是通信领域中最重要的一种过程。如在通信信道中的噪声通常是一种高斯过程，因而在信道建模中常用到高斯过程。2.3.1定义如果随机过程?(t)的任意n维（n=1,2,...）分布均服从正态分布，则称它为正态过程或高斯过程。*第32页，共76页，星期日，2025年，2月5日第2章随机过程2.3.2重要性质由高斯过程的定义式可以看出,高斯过程的n维分布只依赖各个随机变量的均值、方差和归一化协方差。因此，对于高斯过程，只需要研究任意一个随机变量的数字特征就可以了。广义平稳的高斯过程也是严平稳的。因为，若高斯过程是广义平稳的，即其均值与时间无关，自相关函数只与时间间隔有关，而与时间起点无关，则它的n维分布也与时间起点无关，故它也是严平稳的。所以，高斯过程若是广义平稳的，则也严平稳。*第33页，共76页，星期日，2025年，2月5日第2章随机过程如果高斯过程在不同时刻的取值是不相关的， 即对所有j?k，有bjk=0，则其概率密度可以简化为 这表明，如果高斯过程在不同时刻的取值是不相关的，那么它们也是统计独立的。高斯过程经过线性变换后生成的过程仍是高斯过程。也可以说，若线性系统的输入为高斯过程，则系统输出也是高斯过程。*第34页，共76页，星期日，2025年，2月5日第2章随机过程2.3.3高斯随机变量定义：高斯过程在任一时刻上的取值是一个正态分布的随机变量，也称高斯随机变量，其一维概率密度函数为 式中 a－均值 ?2－方差 曲线如右图：*第35页，共76页，星期日，2025年，2月5日第2章随机过程性质f(x)对称于直线x=a，即a表示分布中心，对不同的a，表现为f(x)的图形左右平移。?称为标准偏差，表示集中程度，图形将随着?的减小而变高和变窄。当a=0和?=1时，称为标准化的正态分布：*第36页，共76页，星期日，2025年，2月5日第2章随机过程正态分布函数 这个积分的值无法用闭合形式计算，通常利用其他特殊函数，用查表的方法求出：用误差函数表示正态分布函数：令 则有 及 式中 －误差函数，可以查表求出其值。*第37页，共76页，星期日，2025年，2月5日第2章随机过程用互补误差函数erfc(x)表示正态分布函数： 式中 当x2时，*第38页，共76页，星期日，2025年，2月5日第2章随机过程用Q函数表示正态分布函数：Q函数定义：Q函数和erfc函数的关系：Q函数和分布函数F(x)的关系：Q函数值也可以从查表得到。*第39页，共76页，星期日，2025年，2月5日第2章随机过程2.4.3高斯白噪声和带限白噪声白噪声n(t)定义：功率谱密度在所有频率上均为常数的噪声，即 －双边功率谱密度 或 －单边功率谱密度 式中n0－正常数白噪声的自相关函数：对双边功率谱密度取傅里叶反变换，得到相关函数：*第40页，共76页，星期日，2025年，2月5日第2章随机过程白噪声和其自相关函数的曲线：*第41页，共76页，星期日，2025年，2月5日第2章随机过程白噪声的功率 由于白噪声的带宽无限，其平均功率为无穷大，即 或因此，真正“白”的噪声是不存在的，它只是构造的一种理想化的噪声形式。实际中，只要噪声的功率谱均匀分布的频率范围远远大于通信系统的工作频带，我们就可以把它视为白噪声。如果白噪声取值的概率分布服从高斯分布，则称之为高斯白噪声。高斯白噪声在任意两个不同时刻上的随机变量之间，不仅是互不相关的，而且还是统计独立的。*第42页，共76页，星期日，2025年，2月5日第2章随机过程低通白噪声定义：如果白噪声通过理想矩形的低