随机信号与噪声.ppt
《随机信号与噪声.ppt》由会员分享,可在线阅读,更多相关《随机信号与噪声.ppt(71页珍藏版)》请在三一办公上搜索。
1、西 北 工 业 大 学2011.1,第2章 随机信号与噪声分析,通 信 原 理,2023/6/26,2,第2章 随机信号与噪声分析本章是本课程的重要数学基础。研究内容:2.1 引言 2.2 随机过程的基本概念 2.3 平稳随机过程 2.4 高斯随机过程 2.5 平稳随机过程通过线性系统 2.6 窄带随机过程 2.7 正弦波加窄带随机过程 2.8 高斯白噪声和带限白噪声,2023/6/26,3,2.1 引 言通信-是在噪声背景下信号通过通信系统的过程,分析与研究通信系统,总是离不开对信号和噪声的分析。随机信号:通信系统中用于表述信息的信号不可能是单一的、确定的,而是具有不确定性和随机性。随机噪声
2、:通信中存在的各种干扰和噪声,其波形更是随机的、不可预测的。随机过程:尽管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。从统计学的观点看,均可表示为随机过程。随机过程是一类随时间作随机变化的过程,它不能用确切的时间函数描述。统计学中的有关随机过程的理论可以运用到随机信号和噪声分析中来。,2023/6/26,4,2.2 随机过程的基本概念2.2.1 随机过程的概念考察:假设有n台性能相同的接收机,在同样条件下不加信号测试其输出。(n-足够大的正整数)得到一系列噪声波形x1(t)、x2(t)、x3(t)、.、xn(t)。结果:理想时,波形似乎应该一致,但实际不然。,找不到两个完
3、全相同的波形!,2023/6/26,5,讨论:每一个记录xi(t)都是一个随机起伏的时间函数随机函数。全部随机函数的集合随机过程:X(t)=x1(t),x2(t),xn(t)每一条曲线xi(t)都是随机过程的一个实现/样本为确定的时间函数。,在某一特定时刻t1观察各台接收机的输出噪声值x(t1),发现他们的值是不同的 是一个随机量(随机变量)。,角度1:对应不同随机试验结果的时间过程的集合。角度2:随机过程是随机变量概念的延伸。,2023/6/26,6,讨论:在任一给定时刻t1上,每一个样本函数xi(t)都有一个确定的数值xi(t1)。但在同一时刻,不同样本的取值xi(t1),i=1,2,n却
4、是一个随机变量。换句话说,随机过程在任意时刻t1的值X(t1)是一个随机变量。因此,又可以把随机过程看作是在时间进程中处于不同时刻的随机变量的集合。,角度1:对应不同随机试验结果的时间过程的集合。角度2:随机过程是随机变量概念的延伸。,2023/6/26,7,概括:随机过程X(t)的含义属性有三点:(1)X(t)是t 的函数。(2)X(t)在任一时刻 t1上的取值X(t1)不是确定的,是一个随机变量。即每一时刻上的函数值是按照一定的概率分布的。(3)X(t)的任一实现xi(t)是一个确定函数,随机性体现在某一样本出现的随机上。时间平均概率论:随机变量分析分布函数和概率密度研究内容随机过程统计描
5、述:1.随机过程的分布函数 2.随机过程的数字特征,2023/6/26,8,2.2.2 随机过程统计描述仅观察图2-1所给出的样本函数,很难定量的描述这个随机过程的变化规律。因此,需要从统计的意义上来研究样本波形,将它们所具有的共性,即相同的特性提炼出来,这就是随机过程的统计描述。随机过程的统计特性是通过它的分布函数或数字特征加以描述的。,2023/6/26,9,1.随机过程的分布函数设X(t)表示一个随机过程,它在任意时刻t1的值X(t1)是一个随机变量,根据概率论的知识,随机过程X(t)的-(1)随机过程X(t)的一维描述-反映随机过程在任一时刻的取值统计特性。一维分布函数,表示随机变量X
6、(t1)小于或等于某一数值x1的概率。一维概率密度函数,若上式中的偏导存在的话。,2023/6/26,10,(2)随机过程(t)的二维描述-反映随机过程在不同时刻取值之间的关联程度。二维分布函数 任意给定时刻t1、t2,和 同时成立的概率:,二维概率密度函数,若上式中的偏导存在的话。,2023/6/26,11,(3)随机过程X(t)的多维描述n维分布函数,n维概率密度函数,2023/6/26,12,目的/意义:可以把随机过程X(t)当作一个多元的随机变量来看待,而用这个多元随机变量X(t1),X(t2),.,X(tn)的分布函数或概率密度来描述随机过程的统计特性。显然,n 越大,对随机过程的描
7、述越充分。统计独立:对于任何n个随机变量X(t1),X(t2),.,X(tn),如果下式成立 fn(x1,x2,.,xn;t1,t2,.,tn)=f1(x1,t1)f1(x2,t2).f1(xn,tn)则称这些变量是统计独立的,否则就是不独立的或相关的。,2023/6/26,13,2.随机过程的数字特征引言 问题:随机过程的分布函数(或概率密度)族能够完善 地刻画随机过程的统计特性。但实际中:难;不必。措施:用随机过程的数字特征来描绘随机过程的统计特性,更简单方便。方法:求随机过程数字特征的方法有“统计平均”和“时间平均”两种。统计平均:对随机过程 X(t)某一特定时刻不同实现的可能取值X(t
8、i)随机变量,用统计方法得出的种种平均值叫统计平均。时间平均:对随机过程X(t)的某一特定实现xi(t),用数学分析方法对时间求平均得出的平均值叫时间平均。,2023/6/26,14,随机过程在任意给定时刻t的数学期望。,(1)随机过程的数学期望(均值)随机过程X(t)在任意给定时刻t1的取值X(t1)是一个随机变量,其数学期望为,式中 f1(x1,t1)X(t1)的概率密度函数。由于t1是任取的,所以可以把 t1 直接写为t,x1改为x,这样,2023/6/26,15,a(t),X(t)的均值是时间的确定函数,常记作a(t),它表示随机过程的n个样本函数曲线的摆动中心,故又常被称为统计平均或
9、均值。,2023/6/26,16,(2)方差,均方值,均值平方,方差常记为 2(t)。这里也把任意时刻t1直接写成了t。因为,所以,方差等于均方值与均值平方之差,它表示随机过程在时刻 t 相对于均值a(t)的偏离程度。,2023/6/26,17,(3)协方差与相关函数随机过程不同时刻取值之间的相互关系假定:X(t1)和X(t2)分别是在t1和t2时刻观测得到的随机变量。(A)自相关函数同一随机过程的相关程度,f2(x1,x2;t1,t2)X(t)的二维概率密度函数。可以看出,R(t1,t2)是两个变量t1和t2的确定函数。(B)协方差函数,=R(t,),2023/6/26,18,相关函数和协方
10、差函数之间的关系:,特别:若a(t)=0,则 B(t1,t2)=R(t1,t2),(C)互相关函数两个不同随机过程X(t)、Y(t)的相关程度,X(t)和Y(t)是不相关的-正交的随机过程。统计独立的两个随机过程是不相关的。,相应地:R(t1,t2)称为自相关函数。特别:,2023/6/26,19,2.3 平稳随机过程2.3.1 平稳随机过程的概念1.定义若一个随机过程X(t),它的任意n维分布或概率密度函数与时间起点无关,即对于任意的正整数n和所有实数,有,则称X(t)是平稳随机过程。,2023/6/26,20,2.性质该定义表明:平稳随机过程的统计特性不随时间的推移而改变。特别是:一维分布
11、函数与时间t无关:,3.数字特征,而二维分布函数只与时间间隔=t2 t1有关:,可见:(1)其均值与t无关,为常数a;(2)自相关函数只与时间间隔有关,为R()。,2023/6/26,21,严平稳随机过程的数字特征:(1)其均值与t无关,为常数a;(2)自相关函数只与时间间隔有关。4.广义平稳随机过程 把同时满足(1)和(2)的随机过程定义为广义平稳随机过程。意义:具有各态历经性平稳随机过程十分有趣,非常有用。通信系统中所遇到的信号与噪声,大多数可视为平稳、具有各态历经性的随机过程。,2023/6/26,22,2.3.2 平稳随机过程的各态历经性问题的提出 随机过程的数字特征(均值、相关函数)
12、是对随机过程的所有样本函数的统计平均,但在实际中常常很难测得大量的样本。问题:能否从一次试验而得到的一个样本函数x(t)来决定平稳过程的数字特征呢?回答是肯定的:平稳过程在满足一定的条件下具有一种十分有用的特性-“各态历经性”(或称“遍历性”)。具有各态历经性的过程,其数字特征(均为统计平均)完全可由随机过程中的任一实现的时间平均值来代替。条件?,2023/6/26,23,各态历经性条件设:xi(t)是平稳过程X(t)的任意一次实现(样本),则其时间均值和时间相关函数分别定义为:,如果平稳过程使下式成立,则称该平稳过程具有各态历经性。,2023/6/26,24,“各态历经”的含义 随机过程中的
13、任何一次实现都经历了随机过程的所有可能状态,其任一样本都蕴含着平稳随机过程的全部统计信息。各态历经随机过程的特点好处 在求解各种统计平均(均值或自相关函数等)时,无需作无限多次的考察,只要获得一次考察,用一次实现的“时间平均”值代替过程的“统计平均”值即可,从而使测量和计算问题大为简化。注:具有各态历经的随机过程一定是平稳过程,反之不一定成立。在通信系统中所遇到的随机信号和噪声,一般均能满足各态历经条件。,2023/6/26,25,例2-12 设一个随机相位的正弦波为,其中,A和c均为常数;是在(0,2)内均匀分布的随机变量。试讨论X(t)是否具有各态历经性。,【解】(1)先求X(t)的统计平
14、均值。均值:,与t 无关,2023/6/26,26,仅只与时间间隔 有关。所以:X(t)是广义平稳过程。,自相关函数:,令t2 t1=,得到,2023/6/26,27,结论:随机相位正弦波是各态历经的。,(2)求X(t)的时间平均值,综上,有,2023/6/26,28,2.3.3 平稳过程的自相关函数特别重要,因为:平稳随机过程的统计特性,如数字特征等,可通过相关函数来描述;相关函数揭示了随机过程的频谱特性。(1)平稳过程自相关函数的定义:,(2)平稳过程自相关函数的性质,特别:均值为0时,有 R(0)=2,2023/6/26,29,2)-R()的上界。证:由于 从而,所以,得,对性质2)、4
15、)、5)证明如下。,2023/6/26,30,4)-X(t)的直流功率。证:,注:这里利用了当时X(t)与X(t+)变得没有依赖关系,即统计独立,且认为X(t)不含有周期分量。,5)-方差为X(t)的交流功率。证:由,证毕。,2023/6/26,31,2.3.4 平稳随机过程的功率谱密度PX()相关函数R()的又一重要性质。设:X(t)平稳,R()绝对可积,则,在平稳随机过程的理论和应用中是一个非常重要的工具,它是联系频域和时域两种分析方法的基本关系式。意义:平稳随机过程的自相关函数与其功率谱密度之间互为傅里叶关系。,简记为:,维纳-辛钦关系,2023/6/26,32,证明:由信号与系统课程知
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 随机 信号 噪声

链接地址:https://www.31ppt.com/p-5328559.html