通信原理讲稿第二章课件.ppt
- 【下载声明】
1. 本站全部试题类文档,若标题没写含答案,则无答案;标题注明含答案的文档,主观题也可能无答案。请谨慎下单,一旦售出,不予退换。
2. 本站全部PPT文档均不含视频和音频,PPT中出现的音频或视频标识(或文字)仅表示流程,实际无音频或视频文件。请谨慎下单,一旦售出,不予退换。
3. 本页资料《通信原理讲稿第二章课件.ppt》由用户(晟晟文业)主动上传,其收益全归该用户。163文库仅提供信息存储空间,仅对该用户上传内容的表现方式做保护处理,对上传内容本身不做任何修改或编辑。 若此文所含内容侵犯了您的版权或隐私,请立即通知163文库(点击联系客服),我们立即给予删除!
4. 请根据预览情况,自愿下载本文。本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。
5. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007及以上版本和PDF阅读器,压缩文件请下载最新的WinRAR软件解压。
- 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:
- 通信 原理 讲稿 第二 课件
- 资源描述:
-
1、 2.2 随机过程一般描述确定性信号是时间的确定函数,随机信号是时间的不确定函数。通信中干扰是随机信号,通信中的有用信号也是随机信号。描述随机信号的数学工具是随机过程,基本的思想是把概率论中的随机变量的概念推广到时间函数。随机过程的数学定义:设随机试验E的可能结果为(t),试验的样本空间S为x1(t),x2(t),,xn(t),,xi(t)是第i次试验的样本函数或实现,每次试验得到一个样本函数,所有可能出现的结果的总体就构成一随机过程,记作(t)。两层含义:l随机过程(t)在任一时刻都是随机变量;l随机过程(t)是大量样本函数的集合。随机过程举例:随机过程基本特征其一,它是一个时间函数;其二,
2、在固定的某一观察时刻t1,(t1)是随机变量。随机过程具有随机变量和时间函数的特点。l随机过程(t)在任一时刻都是随机变量;l随机过程(t)是大量样本函数的集合。随机过程的统计描述设(t)表示随机过程,在任意给定的时刻t1T,(t1)是一个一维随机变量。一维分布函数:随机变量(t1)小于或等于某一数值x1的概率,即 F1(x1,t1)=P(t1)x1 一维概率密度函数1111111),(),(xtxFtxfn维分布函数:Fn(x1,x2,xn;t1,t2,tn)P(t1)x1,(t2)x2,(tn)xnn维概率密度函数nnnnnnxxxtttxxFtttxxxf.).,.;,().,;.,(2
3、12,1212121随机过程的一维数字特征数学期望方差)(),()(1tadxtxxftE21)(),(2tadxtxfx2)()()(tatEtD随机过程的二维数字特征自协方差函数 B(t1,t2)=E(t1)-a(t1)(t2)-a(t2)自相关函数 R(t1,t2)=E(t1)(t2)设(t)和(t)分别表示两个随机过程,互相关函数 R(t1,t2)=E(t1)(t2)2.3平稳随机过程统计特性不随时间的推移而变化的随机过程称为平稳随机过程。设随机过程(t),若对于任意n和任意选定t1t2tn,tkT,k=1,2,n,以及为任意值,且x1,x2,xnR,有 fn(x1,x2,xn;t1,
4、t2,tn)=fn(x1,x2,xn;t1+,t2+,tn+)则称(t)是平稳随机过程。平稳随机过程的定义说明:当取样点在时间轴上作任意平移时,随机过程的所有有限维分布函数是不变的。推论:一维分布与时间t无关,二维分布只与时间间隔有关。从而有R(t1,t2)=E(t1)(t1+)=R(t1,t1+)=R()adxxfxtE1111),()(广义平稳随机过程平稳随机过程的定义对于一切n都需成立,这在实际应用上很复杂。由平稳随机过程的均值是常数,自相关函数是的函数还可以引入另一种平稳随机过程的定义:若随机过程(t)的均值为常数,自相关函数仅是的函数,则称它为宽平稳随机过程或广义平稳随机过程。平稳随
5、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”。若平稳随机过程的数字特征(均为统计平均)完全可由随机过程中的任一实现的数字特征(均为时间平均)来替代,则称平稳随机过程具有“各态历经性”。各态历经性各态历经随机过程2/2/)(1)(limTTTdttxTtxa2/2/)()(1)()()(limTTTdtTXtxTTXtxR“各态历经”的含义:随机过程中的任一实现都经历了随机过程的所有可能状态。因此,我们无需获得大量用来计算统计平均的样本函数,而只需从任意一个随机过程的样本函数中就可获得它的所有的数字特征,从而使“统计平均”化为“时间平均”,使实际测量和计算的问题大为简化
6、。2.4 平稳过程的相关函数与功率谱自相关函数的意义:l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l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,我们有必要了解平稳随机过程自相关函数的性质。自相关函数定义:R()=E(t)(t+)自相关函数主要性质:lR(0)=E2(t)=S-(t)的平均功率lR()=R(-)-偶函数l|R()|R(0)-上界lR()=E2(t)-(t)的直流功率lR(0)-R()=2 -(t)的交流功率。(t)的任一样本函数的功率谱密度为式中,FT()是fT(t)的频谱函数;fT(t)是f(t)的短截函数;f(t)是(t)的任一实现。TFPTTs2
7、)()(lim 由于(t)是无穷多个实现的集合,因此,某一实现的功率谱密度不能作为过程的功率谱密度。过程的功率谱密度应看做是任一实现的功率谱的统计平均,即 (t)的平均功率S可表示成TFEPEPTTs2)()()(limdTFEdpSTT2)(21)(21lim 由(t)功率谱密度的定义,很难直接计算功率谱。确知信号的自相关函数与其功率谱密度是傅氏变换对。对于平稳随机过程,也有类似的关系,即 deRPrj)()(TFET2)(2/2/2/2/)()(1TTtjTTTtjTdtetdtetTE2/2/2/2/)()(1TTTTttjdtdtettRTE利用二重积分换元法,则上式可化简成:于是简记
8、为 R()P()。上称为维纳-辛钦关系,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的基本关系式。2)(1)(TTjTdeRTTFETFEpTT2)()(limdeRj)(例2-1随机相位余弦波(t)=Acos(ct+),其中A和c均为常数,是在(0,2)内均匀分布的随机变量。求(t)的自相关函数与功率谱密度。解:(1)先考察(t)是否广义平稳。(t)的数学期望为dtAtEtac21)cos()()(20dttAcc)sinsincos(cos220常数)(0sinsin(coscos22020dtdtAcc(t)的自相关函数为:)()(),(2121ttEttR)si
9、n()sin(2010ttE)sin()sin(000ttE0cos21令t1=t,t2=t+,经过推导得:deRPj)()(因为cosc (-c)+(+c)所以,P()=(-c)+(+c)2仅与有关。由此看出,(t)是宽平稳随机过程。它的功率谱密度为:定义若随机过程(t)的任意n维(n=1,2,)分布都是正态分布,则称它为高斯随机过程或正态过程。其n维正态概率密度函数表示如下:fn(x1,x2,xn;t1,t2,tn)2.5 高斯过程212121.)2(1Bn)(21exp.11kkkjkjnkjknjaxaxBB式中,ak=E(tk),2k=E(tk)-ak2,|B|为归一化协方差矩阵的行
10、列式,即B1 b12 b1nB21 1 b2nBn1 bn2 1|B|jk为行列式|B|中元素bjk的代数余因子,bjk为归一化协方差函数:jkkkjjjkatatEb)()(高斯过程的特点:l高斯过程的n维分布完全由n个随机变量的数学期望、方差和两两之间的归一化协方差函数所决定。因此,对于高斯过程,只要研究它的数字特征就可以了。l如果过程是宽平稳的,即其均值与时间无关,协方差函数只与时间间隔有关,而与时间起点无关,则它的M维分布也与时间起点无关,故它也是严平稳的。l如果高斯过程在不同时刻的取值是不相关的,则即对所有jk,有bjk=0,于是 =f(x1,t1)f(x2,t2)f(xn,tn)这
11、就是说,如果高斯过程中的随机变量是互不相关的,则它们也是统计独立的。fn(x1,x2,xn;t1,t2,tn)=njjjjnjjnax122122)(exp)2(1Njjjjjax1222)(exp21常用的是高斯过程的一维分布。高斯过程在任一时刻上的样值是一维高斯随机变量,其概率密度函数可表示为概率密度函数的曲线为222)(exp21)(axxff(x)12Oax特点lf(x)对称于x=a这条直线。l ,l a表示分布中心,表示集中程度,f(x)图形将随着的减小而变高和变窄。当a=0,=1时,称f(x)为标准正态分布的密度函数。正态分布函数1)(dxxf21)()(00dxxfdxxfaxd
12、zazxFx222)(exp21)(这里的称为正态概率积分。这个积分无法用闭合形式计算,我们要设法把这个积分式和可以在数学手册上查出积分值的特殊函数联系起来,一般常用以下特殊函数:误差函数互补误差函数 xzdzx22exp21xtdtexerf022)(xtdtexerfxerfc22)(1)(几种函数的关系为)2(22)(xxerfc1)2(2)(xxerf高斯白噪声高斯白噪声一类特殊的高斯过程高斯白噪声,它的功率谱密度均匀分布在整个频率范围内,即 这种噪声被称为白噪声,它是一个理想的宽带随机过程。式中n0为一常数,单位是瓦/赫。显然,白噪声的自相关函数可借助于下式求得,即,2)(0nP随机
13、过程通过以fc为中心频率的窄带系统的输出,即是窄带过程。所谓窄带系统,是指其通带宽度ffc,且fc远离零频率的系统。实际中,大多数通信系统都是窄带型的,通过窄带系统的信号或噪声必是窄带的,如果这时的信号或噪声又是随机的,则称它们为窄带随机过程。如用示波器观察一个实现的波形,则如图2-4所示,它是一个频率近似为fc,包络和相位随机缓变的正弦波。2.6 窄带随机过程图2-4 窄带过程的频谱及示意波形 fcOS(f)fffcf(a)tOS(f)缓慢变化的包络a(t)频率近似为 fc(b)因此,窄带随机过程(t)可用下式表示:(t)=a(t)cosct+(t),a(t)0 (2.6-1)等价式为(t)
14、=c(t)cosct-s(t)sinct (2.6-2)其中c(t)=a(t)cos(t)(2.6-3)s(t)=a(t)sin(t)(2.6-4)式中,a(t)及(t)分别是(t)的包络函数和随机相位函数,c(t)及s(t)分别称为(t)的同相分量和正交分量。由式(2.6-1)至(2.6-4)看出,(t)的统计特性可由a(t),(t)或c(t),s(t)的统计特性确定。反之,如果已知(t)的统计特性则可确定a(t),(t)以及c(t),s(t)的统计特性。同相和正交分量的统计特性同相和正交分量的统计特性 设窄带过程(t)是平稳高斯窄带过程,且均值为零,方差为2。下面将证明它的同相分量c(t)
15、和正交分量s(t)也是零均值的平稳高斯过程,而且与(t)具有相同的方差。1.数学期望数学期望 对式(2.6-2)求数学期望:E(t)=Ec(t)cosct-Es(t)sinct (2.6-5)可得 Ec(t)=0 Es(t)=0 (2.6-6)2.自相关函数自相关函数 R(t,t+)=E(t)(t+)=Ec(t)cosct-s(t)sinct c(t+)cosc(t+)-s(t+)sinc(t+)=Rc(t,t+)cosctcosc(t+)-Rcs(t,t+)cosctsinc(t+)-Rc(t,t+)sinctcosc(t+)Rs(t,t+)sinctsinc(t+)(2.6-7)=Rc(t
16、,t+)cosctcosc(t+)-Rcs(t,t+)cosctsinc(t+)-Rc(t,t+)sinctcosc(t+)Rs(t,t+)sinctsinc(t+)式中Rc(t,t+)=Ec(t)c(t+)Rcs(t,t+)=Ec(t)s(t+)Rsc(t,t+)=Es(t)c(t+)Rs(t,t+)=Es(t)s(t+)因为(t)是平稳的,故有 R(t,t+)=R()这就要求式(2.6-7)的右边也应该与t无关,而仅与时间间隔有关。若取使sinct=0 的所有t值,则式(2.6-7)应变为 R()=Rc(t,t+)cosc-Rcs(t,t+)sinc (2.6-8)这时,显然应有 Rc(t
展开阅读全文