随机过程笔记(9) 瑞利分布和窄带高斯

最新推荐文章于 2024-04-22 16:19:35 发布
最新推荐文章于 2024-04-22 16:19:35 发布
阅读量6k 收藏 42
点赞数 5
分类专栏： math
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Hesy_H/article/details/102788050
版权

文章目录




Rayleigh分布

定义

在这里插入图片描述

  • F(x)自己积一下很快

期望和方差

在这里插入图片描述

  • 这里对于期望的处理狠有意思




高斯分布的仿真

均匀分布可以仿真任意

在这里插入图片描述



均匀分布仿真瑞利分布

在这里插入图片描述
这里特地把U转换成1-U是为了上面的ln(1-y)里面的1-y抵消掉，比较好看



均匀+瑞利 仿真高斯分布

在这里插入图片描述

  • 瑞丽+均匀 + 换元 导出 两个独立的高斯分布

  • 这里怎么证X与Y是独立的

    • 一种方法是直接看出来这是两个的乘积
    • 严谨一点的就是分别求x和y的边缘分布然后相乘得到的就是f(x,y) --> f(x,y) =f(x) f(y) 所以是独立的
    • 另一种就是我自己的方法，这里可以看出联合分布的B是对角阵且特征值均为1 --》 协方差为对角阵即不相关 --》 高斯的不相关就是相互独立

  • 反过来也是可以的 （高斯推瑞利和均匀）

在这里插入图片描述




窄带高斯

在这里插入图片描述
上半部分是之前的知识点

  • 之前证明了线性时不变系统中，若输入( X (t) )是0均值的平稳，则输出(X^ (t) )也是0均值平稳的，且二者联合平稳( 在分别平稳的基础上，互相关函数与时间无关得证 )

  • ?? 怎么就保证输入是高斯，输出也是高斯了呢？ 是线性时不变系统的特性还是？？

  • 怎么联合高斯就推出联合高斯了呢？？ 联合高斯的意义？？

  • 似乎是个结论： 若输入是高斯，则输出也是高斯，且输入和输出是联合高斯，然后由于Xs和Xc是输入和输出的线性变换，所以也是联合高斯

进一步

在这里插入图片描述
一般来说 ，联合高斯不是这个形式的，但是由于相互独立，所以就是这样



一维包络和一维相位分布

在这里插入图片描述

我们目前作的工作的出发点和思路

  • 肖喜总结：若能知道Xs和Xc是独立的高斯分布，就可以返回去知道包络是瑞丽分布，θ是均匀分布。所以我们要求输入X(t)是高斯，这样输出也是高斯且二者联合高斯，从此可以推出Xs和Xc也是联合高斯。现在就差证明二者相互独立，我们就能回推包络和相位【然后上面的上面的那张ppt刚刚证明了】(作为联合高斯，只要不相关就是相互独立辣hhh)

qqq

  • 联合高斯的意义？？
  • 联合高斯的分量什么情况下相互独立来着？？

二维包络和二维相位分布

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

补充贝塞尔函数的性质
在这里插入图片描述




高斯过程通过非线性系统

背景 和 补充定理

背景

非线性系统有很多，这里我们就研究一下两个：
在这里插入图片描述
注意，输入时0均值的平稳高斯过程



补充定理

相当于一维的雅克比行列式了
在这里插入图片描述


平方器


数字特征

在这里插入图片描述
这里的 E X 2 ( t ) X 2 ( t + τ ) EX^2(t)X^2(t+\tau) EX2(t)X2(t+τ)就是四阶矩，利用之前两两配对的性质

在这里插入图片描述


密度函数

在这里插入图片描述

  • 这里之所以能变成2F( ( y ) \sqrt(y) ( ​y))-1是因为 对于高斯过程来说 P(X<0) =0.5



荷西·H
关注
  • 5
    点赞
  • 踩
  • 42
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
轻松搞懂均匀分布、高斯分布、瑞利分布、莱斯分布（含MATLAB代码）
phymat.nico的专栏
05-31 1981
轻松搞懂均匀分布、高斯分布、瑞利分布、莱斯分布（含MATLAB代码）_努力改掉拖延症的小白的博客-CSDN博客_瑞利分布Rayleigh、Rician、Lognormal、Gaussian分布函数曲线用MATLAB软件实现_paidaxingtongxue的博客-CSDN博客_lognormal matlab ...
瑞利分布概率密度函数推导_随机模型，信息论和李群：高斯分布
weixin_42207707的博客
12-31 1047
本章定义了高斯分布，并探讨了其性质。从实域高斯分布的定义开始。在研究高斯函数实域性质的过程中，引入了傅里叶变换和热方程，推导了它们与高斯函数的关系。定义了多维空间中的高斯分布，以及该分布的剪切和折叠。以高斯分布为例，具体介绍了概率统计中的均值、方差、边缘化和概率密度等概念。高斯分布的性质是理解白噪声概念的基础，而本书所研究的所有随机过程都伴随着白噪声。本章的主要内容是：1、熟悉高斯分布及其性质，熟...
常见概率分布-5-高斯分布（Gaussian distribution）
最新发布
悦学共鸣，温柔以待，汇聚光芒，共同成长
04-22 1682
高斯分布是一个连续概率分布，它的概率密度函数以对称的钟形曲线（即著名的“正态曲线”）为特征。
python 最小二乘回归 高斯核_大白话5分钟带你走进人工智能-第二节概率基础及高斯分布...
weixin_39631445的博客
11-23 166
第二节：概率基础及高斯分布上一节中我们讲述了机器学习的常规套路，以及一些基础的概念，比如损失函数，随机变量等。了解了线性回归中的损失函数是最小二乘，那么本节我们通过数学的角度证明为什么是最小二乘？所以有必要铺垫一个很重要的概率密度函数，高斯分布。既然是分布，它本身就代表一个概率密度函数。只不过高斯分布，拆解开来，就是服从某种特点的概率密度函数。我们知道高斯分布的图形是这样的:这个图像是高尔顿最早发...
一文搞懂均匀分布、高斯分布、瑞利分布、莱斯分布（含MATLAB代码）
热门推荐
Thebest_jack的博客
11-16 1万+
一文搞懂均匀分布、高斯分布、瑞利分布、莱斯分布（含MATLAB代码）
特殊分布律篇4——瑞利分布
thompson的博客
10-09 1万+
Rayleigh 分布和高斯分布的关系 摘自《随机信号分析》 赵淑清, 第1.3.4节, Page 36
随机信号.rar_泊松信号_泊松分布_瑞利分布_高斯分布_高斯随机信号
07-14
在这个压缩包中，我们关注的是三种重要的概率分布——泊松分布、瑞利分布和高斯分布，以及它们在生成随机信号时的应用。 首先，泊松分布是一种离散概率分布，常用于表示在固定时间或空间区域内，发生某种独立事件的...
绘制瑞利分布和莱斯分布的曲线图
06-28
绘制瑞利分布和莱斯分布的曲线
Rayleigh_瑞利分布_随机变量_中心极限_
09-29
**瑞利分布** ...总结来说，这个项目涉及了使用C语言和MATLAB生成和分析瑞利分布随机数，通过中心极限定理模拟无线通信中的信号衰落现象。这对于理解无线通信系统的设计和性能评估具有重要的理论和实践意义。
产生均匀分布、瑞利分布、正态分布随机变量序列
01-09
本报告详细探讨了如何使用C语言生成三种不同分布的随机变量序列：均匀分布、瑞利分布和正态分布。 1.1 随机数与计算机产生伪随机数的方法 计算机无法直接生成真正的随机数，因为它们基于确定性的算法运行。因此，...
rayleigh-variance:瑞利分布方差
04-27
方差 分布。 随机变量的为 其中sigma > 0是比例参数。 安装 $ npm install distributions-rayleigh-variance 要在浏览器中使用，请使用 。 用法 var variance = require ( 'distributions-rayleigh-variance' ) ; 方差（sigma [，opts]） 计算具有参数sigma的分布的。 sigma可以是number ， array ，typed array或matrix 。 var matrix = require ( 'dstructs-matrix' ) , data , mat , out , i ; out = variance ( 0.5 ) ; // returns ~0.107 sigma = [ 0.5 , 1 , 2 , 4 ] ; out = v
ruilifenbu.rar_瑞利分布_白噪声 c++_高斯噪声_高斯白噪声
09-14
在IT领域，尤其是在信号处理和通信系统中，瑞利分布和高斯白噪声是两个重要的概念。本项目涉及使用C++编程语言生成基于瑞利分布的高斯白噪声序列，适用于大规模模拟和测试。 首先，我们要理解“瑞利分布”。瑞利...
瑞利分布
07-19 1万+
瑞利分布（Rayleigh Distribution）:当一个随机二维向量的两个分量呈独立的、有着相同的方差的正态分布时，这个向量的模呈瑞利分布。瑞利分布是最常见的用于描述平坦衰落信号接收包络或独立多径分量接受包络统计时变特性的一种分布类型。两个正交高斯噪声信号之和的包络服从瑞利分布。f(x)=xσ2e−x2σ2,x≥0 f(x)=\frac x{\sigma^2}e^{-\frac x{2\sig
【matlab】高斯-均匀-指数-瑞利分布
Trey_CSDN 的CSDN博客
01-10 1万+
% 【例8-7】利用randan函数产生高斯分布序列。 % 【例8-8】利用rand函数产生服从（a-b）均匀分布的随机序列。 % 【例8-9】服从指数分布的热噪声随机序列的实现。 % 【例8-10】产生瑞利分布的热噪声。 % 【例8-7】利用randan函数产生高斯分布序列。 clear all;close all; y=randn(2
matlab仿真瑞利分布与高斯分布
QUACK_G的博客
11-12 9424
介绍高斯分布和瑞利分布，用 matlab仿真这两个分布的分布图。瑞利分布可通过均匀分布或者高斯分布进行转换得到
高斯分布和均匀分布之间的映射关系
weixin_30588729的博客
08-11 2001
step1 生成服从U(0,1)分布的u1,u2; step2 令 y =[-2*ln(u1)]^0.5*sin(2*pi*u2); step3 令 x = miu + y*delta，其中miu为均值，delta为标准差 代码： clear all; close all; xaxis = -5:0.1:5; %均值为1方差为1 miu = 1; delta =...
C语言生成服从均匀分布, 瑞利分布, 莱斯分布, 高斯分布的随机数
weixin_33755557的博客
09-12 1932
用c语言 产生服从均匀分布, 瑞利分布，莱斯分布，高斯分布的随机数     一,各个分布对应的基本含义: 1. 均匀分布或称规则分布，顾名思义，均匀的，不偏差的。植物种群的个体是等距分布，或个体之间保持一定的均匀的间距。 2. 高斯分布,  即正态分布（Normal distribution），也称“常态分布”，又名高斯分布（Gaussian distributi...
正态分布推导瑞利分布，瑞利信道的模型
share727186630的博客
07-17 9941
从高斯分布推导瑞利分布 所谓瑞利分布就是两个垂直分量服从独立且相同的高斯分布叠加之后的模。先来看看高斯分布的表达式 f(x)=12πσexp⁡(−(x−μ)22σ2) f(x) = \frac{1}{\sqrt{2\pi}\sigma}\exp\left(-\frac{(x-\mu)^2}{2{\sigma}^2}\right)f(x)=2π​σ1​exp(−2σ2(x−μ)2​) 其中σ\sigmaσ是分布的方差，μ\muμ是分布的均值。 假设X1,X2∼N(μ,σ2)X_1,X_2\sim N(\mu,
matlab瑞利信道和高斯信道
01-10
根据提供的引用内容，以下是关于Matlab中瑞利信道和高斯信道的介绍： 瑞利信道是一种常见的无线信道模型，适用于描述在没有直视路径的情况下信号传输的衰减和多径效应。在Matlab中，可以使用瑞利信道模型来模拟瑞利信道的传输特性。 高斯信道是一种理想化的无线信道模型，适用于描述在没有多径效应和干扰的情况下信号传输的衰减。在Matlab中，可以使用高斯信道模型来模拟高斯信道的传输特性。 以下是使用Matlab模拟瑞利信道和高斯信道的示例代码： 1. 模拟瑞利信道： ```matlab % 设置信号参数 Fs = 1000; % 采样率 T = 1/Fs; % 采样间隔 t = 0:T:1-T; % 时间向量 f = 10; % 信号频率 A = 1; % 信号幅度 % 生成信号 x = A*sin(2*pi*f*t); % 生成瑞利信道 h = rayleighchan(1/Fs, 30); % 信道带宽为Fs，最大多径延迟为30个采样点 y = filter(h, x); % 信号通过瑞利信道 % 绘制信号和经过信道后的信号 figure; subplot(2,1,1); plot(t, x); title('原始信号'); subplot(2,1,2); plot(t, y); title('经过瑞利信道后的信号'); ``` 2. 模拟高斯信道： ```matlab % 设置信号参数 Fs = 1000; % 采样率 T = 1/Fs; % 采样间隔 t = 0:T:1-T; % 时间向量 f = 10; % 信号频率 A = 1; % 信号幅度 % 生成信号 x = A*sin(2*pi*f*t); % 生成高斯信道 h = 1; % 高斯信道增益为1 n = randn(size(x)); % 高斯噪声 y = h*x + n; % 信号通过高斯信道 % 绘制信号和经过信道后的信号 figure; subplot(2,1,1); plot(t, x); title('原始信号'); subplot(2,1,2); plot(t, y); title('经过高斯信道后的信号'); ```
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值