第三章 随机过程
在第二章已经讲过了确定信号的分析,但为什么分析随机过程?因为实际通信中传输的信号,都是随机信号,不确定的信号,实际通信系统中不可能有一个确定的信号要分析。
举例,如一个语音信号,在 t 1 t_1 t1时刻电压是 1.5V,那么在 t 2 t_2 t2时刻,到底是多少? 是 1.3V? 还是1.4V ? 那么可以看到,这个信号是未知的,但是,虽然是随机信号,他们之间还是有一定的联系,我们虽然不知道下一个时刻电平值是多少,但我们可以预测他的大体的趋势,可以预测它的大概的分布,或者说我们能够求得它的功率谱密度,所以这个随机过程的分析,还是很有用的。
既然都是随机信号,那为何又要有确定信号的分析?第五章中有一部分,是一个确定信号和随机信号的组合,举例,发送的是随机的二进制序列,10010110,即发送的序列中,可能是1也可能是0,不知道下一个时刻值是多少,但是,我们发送每一个值,不管它为多少,我们都用一个确定的信号来作为它的载体,如 t 1 t_1 t1时刻发送 cos ( t 1 ) \cos(t_1) cos(t1)表示1,发送 - cos ( t 1 ) \cos(t_1) cos(t1)表示0,到底发送 cos ( t 1 ) \cos(t_1) cos(t1)还是 - cos ( t 1 ) \cos(t_1) cos(t1)我们并不知道,我们并不知道什么时候发1还是发0,但一旦知道发送1还是0,我们就知道是发送 cos ( t 1 ) \cos(t_1) cos(t1)还是 - cos ( t 1 ) \cos(t_1) cos(t1),接收端的处理很大程度是基于这样一个确定信号的,但是接收端不知道前面的符号到底是正还是负,也就是 cos ( t 1 ) \cos(t_1) cos(t1)和- cos ( t 1 ) \cos(t_1) cos(t1)的正负是随机的,因此整个分析过程是随机和确定信号的相结合分析过程。
随机过程基本结构:
高斯随机过程是随机过程的一个特例。高斯白噪声又是高斯随机过程的一个特例,因此,高斯白噪声的分析,显得很重要。