1、1,通信原理,第3章 随机过程,3.1 随机过程的基本概念,确定性过程 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。可从两种不同角度看：,3,【例】n台示波器同时观测并记录n台完全相同的接收机的输出噪声波形 样本函数i (t)：随机过程的一次实现，是确定的时间函数。 随机过程： (t) =1 (t), 2 (t), , n (t)是全部样本函数的集合。,角度1：对应不同随机试验结果的时间过程的集合。,4,在一个固定时刻t1上，不同样本的取值i (t1), i = 1, 2, , n是一个随机变量，记为 (t1)。 随机过程是在时间进程中处于不同时刻的随机变量的集
2、合。,角度2：随机过程是随机变量概念的延伸。,时间函数 随机变量,5, (t)：随机过程 (t1)：随机变量随机过程 (t)的一维分布函数：随机过程 (t)的一维概率密度函数：,3.1.1随机过程的分布函数,6,随机过程 (t) 的二维分布函数：随机过程 (t)的二维概率密度函数：随机过程 (t) 的n维分布函数：随机过程 (t) 的n维概率密度函数：,3.1.1随机过程的分布函数,7,均值（数学期望）：在任意给定时刻t1的取值 (t1)是一个随机变量，其均值,3.1.2 随机过程的数字特征, (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。
3、,a (t ),8,方差方差常记为 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 对于均值a ( t )的偏离程度。,均方值,均值平方,3.1.2 随机过程的数字特征,9,相关函数R(t1, t2)是两个变量t1和t2的确定函数。 协方差函数式中 a ( t1 ) a ( t2 ) 在t1和t2时刻得到的 (t)的均值 f2 (x1, x2; t1, t2) (t)的二维概率密度函数。,3.1.2 随机过程的数字特征,10,相关函数和协方差函数之间的关系若a(t1) = 0或a(t2)0，则B(t1, t2) = R(t1
4、, t2)互相关函数式中 (t) 和 (t) 分别表示两个随机过程。R(t1, t2)又称为自相关函数。,3.1.2 随机过程的数字特征,11,3.2.1 平稳随机过程的定义若一个随机过程 (t) 的任意有限维分布函数与时间起点无关，也就是说，对于任意的正整数n和所有实数，有则称该随机过程是在严格意义下的平稳随机过程，简称严平稳随机过程。,3.2 平稳随机过程,12,平稳随机过程的统计特性不随时间的推移而改变。它的一维分布函数与时间t无关：二维分布函数只与时间间隔 = t2 t1有关：,性质,13,数字特征：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。广义平稳
5、随机过程同时满足（1）和（2）的随机过程。严平稳随机过程必定是广义平稳的，反之不一定成立。,14,能否从一次试验而得到的一个样本函数x(t)来决定平稳随机过程的数字特征呢?具有“各态历经性” （又称“遍历性”）的随机过程，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。,3.2.2 各态历经性,15,各态历经性条件 设：x(t)是平稳过程 (t) 的任意一次实现（样本）时间均值的定义：时间相关函数的定义： 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。,3.2.2 各态历经性,16,“各态历经”的含义：随机过程中的任一次实现都经历了随机过程的所有可能状态。因此，
6、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，从而使测量和计算的问题大为简化。各态历经 平稳过程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。,3.2.2 各态历经性,17,例3-1 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(t)是否具有各态历经性。【解】(1)先求(t)的统计平均值，证明其平稳性：数学期望,例题,18,自相关函数令t2 t1 = ，得到可见， (t)的数学期望为常数，自相关函数与t 无关， 只与时间间隔 有关，所以(t
7、)是广义平稳过程。,例题,19,(2) 再求 (t) 的时间平均值，证明其各态历经性比较统计平均与时间平均，有因此，随机相位余弦波是各态历经的。,例题,20,实平稳过程的自相关函数： 性质： (t)的平均功率 的偶函数 R( )的上界 自相关函数R()在 = 0有最大值。 (t)的直流功率(t)的交流功率当均值为0时，R(0) = 2,3.2.3 平稳过程的自相关函数,21,对于任意的确定功率信号f (t)，它的功率谱密度定义为FT ( f )是f (t)的截短函数fT (t) 所对应的频谱函数平稳随机过程 (t)的功率谱密度定义为：,3.2.4 平稳过程的功率谱密度,22,维纳-辛钦关系,功
8、率谱密度的计算,23,平稳过程的总功率：频域的平均功率计算法。 各态历经过程的任一样本函数的功率谱密度等于过程的功率谱密度。 功率谱密度P ( f )具有非负性和实偶性这与R()的实偶性相对应。,功率谱密度的计算,24,例3-2 求随机相位余弦波(t) = Acos(ct + )的功率谱密度。解 在例3-1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已知 功率谱密度: 平均功率:,例题,25,3.3.1 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。n维正态概率密度函数：式中,3.3 高斯随机过程（正态随机过程）,
9、26,式中 |B| 归一化协方差矩阵的行列式，即 |B|jk 行列式|B|中元素bjk的代数余因子bjk 为归一化协方差函数，即,3.3.1 定义,27,(1)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。 (2)广义平稳的高斯过程也是严平稳的。 (3)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，则其概率密度不同时刻的取值是不相关 统计独立 (4)高斯过程经过线性变换后生成的过程仍是高斯过程。若线性系统的输入为高斯过程，则系统输出也是高斯过程。,3.3.2 重要性质,28,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
10、一维概率密度函数为a 均值 2 方差,3.3.3 高斯随机变量,29,性质 f (x)对称于直线 x = aa表示分布中心， 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：,3.3.3 高斯随机变量,30,正态分布函数用误差函数表示正态分布函数：令则有及误差函数，可以查表求出,3.3.3 高斯随机变量,31,用互补误差函数erfc(x)表示正态分布函数：式中当x 2时， 用Q函数表示正态分布函数：,3.3.3 高斯随机变量,32,确知信号通过线性系统随机信号通过线性系统输出随机过程的统计特性？,3.4 平稳随机过程通过线性系统,3
11、3,1. 输出过程o(t)的均值 设输入过程是平稳的 ，则 输出过程的均值是一个常数。,3.4 平稳随机过程通过线性系统,34,2. 输出过程o(t)的自相关函数输入过程的平稳于是 输出过程的自相关函数仅是时间间隔 的函数。,3.4 平稳随机过程通过线性系统,若线性系统的输入是平稳的，则输出也是平稳的。,35,3. 输出过程o(t)的功率谱密度令 = + - ,3.4 平稳随机过程通过线性系统,输出过程的功率谱密度是输入过程的功率谱密度乘以系统频率响应模值的平方。,36,4. 输出过程o(t)的概率分布注意:与输入高斯过程相比，输出过程的数字特征已经改变了。,3.4 平稳随机过程通过线性系统,
12、如果线性系统的输入过程是高斯型的，则系统的输出过程也是高斯型的。,37,若随机过程 (t)的谱密度集中在中心频率fc附近相对窄的频带范围 f 内，即满足 f fc的条件，且 fc 远离零频率，则称该(t)为窄带随机过程。,3.5 窄带随机过程,38,窄带随机过程的表示式式中，a (t) 随机包络， (t) 随机相位 c 中心角频率a (t)和 (t)的变化相对于载波cos ct 的变化要缓慢得多。,3.5 窄带随机过程,39,窄带随机过程表示式展开式中 (t) 的同相分量 (t) 的正交分量a (t)和 (t) c(t) 和s(t),3.5 窄带随机过程, (t)的统计特性,40,设(t)是平
13、稳高斯窄带过程，且均值为零，方差为 则 c(t)和s(t)也是零均值、同方差的平稳高斯过程。 证明： 1. 数学期望：因为(t)平稳且均值为零，故对于任意的时间t，都有E(t) = 0 ，所以,3.5.1 c(t) 和s(t) 的统计特性,41,2. (t)的自相关函数：式中因为(t)平稳，故有 这就要求上式的右端与时间t无关，而仅与 有关。 因此，若令 t = 0，上式仍应成立，它变为,3.5.1 c(t) 和s(t) 的统计特性,42,因与时间t无关所以令 t = /2c，同理可得,3.5.1 c(t) 和s(t) 的统计特性,若窄带过程(t)是平稳的，则c(t)和s(t)也必然是平稳的。
14、,43,3. 方差同时成立同相分量c(t) 和正交分量s(t)具有相同的自相关函数。互相关函数 则 奇函数 同理可证,3.5.1 c(t) 和s(t) 的统计特性,(t) 、 c(t)和s(t)具有相同的平均功率或方差。,44,4. 分布c(t1)， s(t2) 高斯随机变量 c(t) 、 s(t) 高斯过程 根据 c(t) 与s(t)在 = 0处互不相关， 因此c(t) 与s(t)也是统计独立的。,3.5.1 c(t) 和s(t) 的统计特性,45,结论：一个均值为零的窄带平稳高斯过程(t) ，它的同相分量c(t)和正交分量s(t)同样是平稳高斯过程，而且均值为零，方差也相同。此外，在同一时
15、刻上得到的c和s是互不相关的或统计独立的。,3.5.1 c(t) 和s(t) 的统计特性,46,联合概率密度函数 f (a , )由 可以求得a 0, = (0 2),3.5.2 a(t)和(t)的统计特性,47,a的一维概率密度函数的一维概率密度函数,3.5.2 a(t)和(t)的统计特性,a服从瑞利(Rayleigh)分布,服从均匀分布,48,结论一个均值为零，方差为2的窄带平稳高斯过程(t)，其包络a(t)的一维分布是瑞利分布，相位(t)的一维分布是均匀分布，并且就一维分布而言， a(t)与(t)是统计独立的 ，即有,3.5.2 a(t)和(t)的统计特性,49,窄带高斯噪声 正弦波的随
16、机相位，均匀分布在0 2 A和c 确知振幅和角频率包络：相位：,3.6 正弦波加窄带高斯噪声,50,包络的概率密度函数f (z)广义瑞利分布，又称莱斯（Rice）分布 讨论 当信噪比rA2 /(2n2 ) 0时，上式中(Az/n2)很小， I0 (Az/n2) 1，莱斯分布退化为瑞利分布。 当信噪比rA2 /(2n2 ) 很大时,近似为高斯分布。,3.6 正弦波加窄带高斯噪声,51,包络概率密度函数 f (z)曲线,3.6 正弦波加窄带高斯噪声,52,正弦波加窄带高斯噪声的相位的统计特性,3.6 正弦波加窄带高斯噪声,53,小结表,54,1. 白噪声n (t) 定义：功率谱密度在所有频率上均为
17、常数的噪声 双边功率谱密度 或 单边功率谱密度白噪声的自相关函数：,3.7 高斯白噪声和带限白噪声,55,白噪声和其自相关函数的曲线：,3.7 高斯白噪声和带限白噪声,56,白噪声的功率或实际中，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。,3.7 高斯白噪声和带限白噪声,57,2. 低通白噪声 白噪声通过理想低通滤波器或理想低通信道，则输出的噪声称为低通白噪声，也称为带限白噪声。功率谱密度 自相关函数只在 上
18、得到的随机变量才不相关。,3.7 高斯白噪声和带限白噪声,2. 低通白噪声 白噪声通过理想低通滤波器或理想低通信道，则输出的噪声称为低通白噪声，也称为带限白噪声。功率谱密度 自相关函数只在 上得到的随机变量才不相关。,58,3. 带通白噪声 白噪声通过理想带通滤波器或理想带通信道，则其输出的噪声称为带通白噪声。 功率谱密度自相关函数,3.7 高斯白噪声和带限白噪声,59,带通白噪声的功率谱和自相关函数曲线,3.7 高斯白噪声和带限白噪声,60,窄带高斯白噪声 带通滤波器的 B fc ，因此称窄带滤波器。把带通高斯白噪声称为窄带高斯白噪声。平均功率,3.7 高斯白噪声和带限白噪声,61,第3章作业,3-2 3-5 3-6 3-7 3-8 3-9,
