数字基带信号的功率谱密度

最新推荐文章于 2023-10-12 21:24:21 发布

Am_mSXQS

最新推荐文章于 2023-10-12 21:24:21 发布

阅读量8.1k

点赞数 3

分类专栏：基带信号功率谱密度推导公式文章标签：傅立叶分析

本文链接：https://blog.csdn.net/qq_41567413/article/details/105008535

版权

基带信号功率谱密度推导公式专栏收录该内容

1 篇文章 2 订阅

订阅专栏

一.模型：

s(t)=v(t)+u(t)

v(t)为稳态信号，确知信号，周期性的信号，u(t)交变信号，功率型随机信号

v(t)=n个码元信号求和

$\sum_{n\rightarrow \infty }^{\infty }[Pg_1(t-nT_s)+(1-P)g_2(t-nT_s)]$ ，式1

= $\sum_{n\rightarrow \infty }^{\infty }v_n(t)$

稳态信号的周期为 $T_s$

交变信号 $u(t)=s(t)-v(t)$

$=\sum_{n\rightarrow \infty }^{\infty }u _n(t)$

当是0信号时，以概率P： $u_n(t)=g_1(t-nT_s)-Pg_1(t-nT_s)-(1-P)g_2(t-nT_s) ={\color{Red} (1-P)}[g_1(t-nT_s)-g_2(t-nT_s)]$

当是1信号时，以概率（1-P）： $u_n(t)=g_2(t-nT_s)-Pg_1(t-nT_s)-(1-P)g_2(t-nT_s) ={\color{Red} -P}[g_1(t-nT_s)-g_2(t-nT_s)]$

统一写为 $u_n(t)=a_n[g_1(t-nT_s)-g_2(t-nT_s)]，$

$a_n=1-P，$ ，以概率P， $a_n=-P，$ ，以概率1-P

u(t)就是随机脉冲序列

二.数字基带信号的功率谱密度

1.稳态信号的功率谱密度

先展开为傅里叶级数， $v(t)=\sum_{n\rightarrow \infty }^{\infty }C_me^{j2mf_st\prod }$ ，

$C_m=\frac{1}{T_s} \int_{\frac{-r_s}{2}}^{\frac{r_s}{2}}v(t)e^{-f2\prod mf_st}dt$ ，

代入式1，得到 $C_m=\frac{1}{T_s}\int_{-\infty }^{\infty }[Pg_1(t)+(1-P)g_2(t)]e^{-j2\prod mf_st}dt$

已知 $f_s=\frac{1}{T_s}$ ，再令

$G_1(mf_s)=\int_{-\infty }^{\infty }g_1(t)e^{-j2m\prod f_st}dt$

令

$G_2(mf_s)=\int_{-\infty }^{\infty }g_2(t)e^{-j2m\prod f_st}dt$

则 $C_m=f_s[PG_1(mf_s)+(1-P)G_2(mf_2)]$ ，为式2

$\therefore P_v(f)=\sum_{m=-\infty }^{\infty }|C_m|^2\delta (f-mf_s)$ ，稳态信号的功率谱密度就是傅里叶系数的平方和deta函数的乘积求和，

代入式2，就得到最后的公式： $\therefore P_v(f)=\sum_{m=-\infty }^{\infty }|f_s[PG_1(mf_s)+(1-p)G_2(mf_s)]|^2\delta (f-mf_s)$

其功率谱密度是离散的图像，称为离散图，离散图可以为0，发送端的概率与波形有关

2.交变信号的功率谱密度

交变信号u(t)的功率谱密度：

$P_n(f)=\lim_{T\rightarrow \infty }\frac{E[|{\color{Red} U_T(f)}|^2]}{T}$

令 $T=(2N+1)T_s$ ，

$P_u(f)=\lim_{N\rightarrow \infty }\frac{E[|{\color{Red} U_T(f)}|^2]}{(2N+1)T_s}$

其中， ${\color{Magenta} U_T(t)}=\sum_{n =-N}^{N} u_n(t)=\sum_{n =- N}^{N}a_n[g_1(t-nT_s)-g_2(t-nT_s)]$

又 ${\color{Red} U_T(f)}=\int_{-\infty }^{\infty }u_T(t)e^{-j2\prod ft}dt$ ，

= $\sum_{n =- N}^{N}a_n\int_{-\infty }^{\infty }[g_1(t-nT_s)-g_2(t-nT_s)]e^{-j2\prod ft}dt$

其中，令 $G_1(f)=\int_{-\infty }^{\infty }g_1(t)e^{-j2\prod ft}dt$ ， $G_2(f)=\int_{-\infty }^{\infty }g_2(t)e^{-j2\prod ft}dt$ ，

则 ${\color{Red} U_T(f)}=\sum_{n =- N}^{N}a_n\int_{-\infty }^{\infty }[G_1(f)-G_2(f)]e^{-j2\prod ft}dt$

而 $|U_T(f)|^2=U_T(f)*U_T'(f)=\sum_{m =- N}^{N}\sum_{n =- N}^{N}a_ma_ne^{j2\prod f(n-m)T_s}[G_1(f)-G_2(f)][G_1(f)-G_2(f)]'$

$E[|U_T(f)|^2]=$ $\sum_{m =- N}^{N}\sum_{n =- N}^{N}{\color{Red} E(a_ma_n)}e^{j2\prod f(n-m)T_s}[G_1(f)-G_2(f)][G_1(f)-G_2(f)]'$ ，

其中 $a_n=1-P，$ ，以概率P， $a_n=-P，$ ，以概率1-P，

当m=n时， $a_ma_n=a_n^2$ ，

取概率P时， $a_n^2=(1-P)^2$ ,

取概率1-P时， $a_n^2=P^2$ ；

此时求得期望 $E[a_ma_a]=P(1-P)$

当 $m\neq n$ 时，

取概率 $P^2$ 时， $a_ma_n=(1-P)^2$ ，

取概率 $(1-P)^2$ 时， $a_ma_n=(1-P)^2$ ，

取概率 $2P(1-P)$ 时， $a_ma_n=-P(1-P)$ ，

此时数学期望 $E[a_ma_a]=0$

由此， $E[|U_T(f)|^2]=$ $\sum_{n =- N}^{N}{\color{Red}P(1-P)}[G_1(f)-G_2(f)]^2$ $=2N+1)P(1-P)|G_1(f)-G_2(f)|^2$

那么交变信号的功率谱密度为

$P_u(f)=\lim_{N\rightarrow \infty }\frac{E[|{\color{Red} U_T(f)}|^2]}{(2N+1)T_s}$ = $=\lim_{N\rightarrow \infty }\frac{(2N+1)P(1-P)|G_1(f)-G_2(f)|^2}{(2N+1)T_s}$

$=f_s|G_1(f)-G_2(f)|^2(1-P)P$

交变分量为连续型，连续谱不能为0

3.s(t)的功率谱密度

就是将稳态分量的功率谱密度加上交变分量的功率谱密度

$P_s(f)=P_v(f) +P_u(f)=\sum_{m=-\infty }^{\infty }|f_s[PG_1(mf_s)+(1-p)G_2(mf_s)]|^2\delta (f-mf_s)+ f_ sP(1-P)|G_1(f)-G_2(f)|^2$

为二进制随机序列的双边功率谱密度，f 的取值范围是从负无穷到正无穷

若为单边功率谱密度，在0点处的功率谱密度单独求出，稳态分量和交变分量的功率谱密度乘2，即：

$P_s(f)=P_v(f) +_u(f)= {\color{Red} 2}\sum_{m=-\infty }^{\infty }|f_s[PG_1(mf_s)+(1-p)G_2(mf_s)]|^2\delta (f-mf_s)+{\color{Red} 2}f_sP(1-P)|G_1(f)-G_2(f)|^2+{\color{Red} f_s^2|PG_1(0)+(1-P)G_2(0)|^2\delta (f)}$

性质：

连续谱总是存在的
存在哪些离散谱取决与 $g_1(t),g_2(t)$ 的波形和概率P
当 $g_1(t)=g_ 2(t)$ ，且P=0.5时，离散谱消失

Am_mSXQS

关注

3
点赞
踩
20

收藏

觉得还不错? 一键收藏
3
评论
数字基带信号的功率谱密度

一.模型：s(t)=v(t)+u(t)v(t)为稳态信号，确知信号，周期性的信号，u(t)交变信号，功率型随机信号v(t)=n个码元信号求和，式1=稳态信号的周期为交变信号 u(t)=等于当是0信号时，以概率P：当是1信号时，以概率（1-P）：统一写为，以概率P，，以概率1-Pu(t)就是随机脉冲序列二.数字基带信号的功率谱密度1.稳...
复制链接

扫一扫