通信原理第二章 随机信号分析
一 随机过程
定义
测试n台性能相同的接收机,在同样条件下,不加信号测试其输出噪声,波形如图
(1)每一条曲线 ξ i ( t ) \xi_i(t) ξi(t) 都是一个随机起伏的时间函数——样本函数(确知信号), ξ i ( t ) \xi_i(t) ξi(t) 称之为随机过程 ξ ( t ) \xi(t) ξ(t)的一个实现/样本。这是对于其中一台接收机观察。
(2)全体样本函数的集合称作随机过程
ξ
(
t
)
\xi(t)
ξ(t)。
ξ
(
t
)
=
{
ξ
1
(
t
)
,
ξ
2
(
t
)
,
.
.
.
,
ξ
n
(
t
)
}
\xi(t)=\{ \xi_1(t),\xi_2(t),...,\xi_n(t)\}
ξ(t)={ξ1(t),ξ2(t),...,ξn(t)}
(3)在某一特定时刻
t
1
t_1
t1观察各台接收机的输出噪声值
ξ
(
t
1
)
\xi(t_1)
ξ(t1) ,此时所有的输出噪声值是随机过程
ξ
(
t
)
\xi(t)
ξ(t)一个随机量(随机变量):
ξ
(
t
1
)
=
{
ξ
1
(
t
1
)
,
ξ
2
(
t
1
)
,
.
.
.
,
ξ
n
(
t
1
)
}
\xi(t_1)=\{\xi_1(t_1),\xi_2(t_1),...,\xi_n(t_1)\}
ξ(t1)={ξ1(t1),ξ2(t1),...,ξn(t1)}
因此,随机过程 ξ( t) 是由无穷多个随机变量构成的。
ξ
(
t
)
=
{
ξ
(
t
1
)
+
ξ
(
t
2
)
+
.
.
.
+
ξ
(
t
n
)
+
.
.
.
}
\xi(t)=\{\xi(t_1)+\xi(t_2)+...+\xi(t_n)+...\}
ξ(t)={ξ(t1)+ξ(t2)+...+ξ(tn)+...}
数字特征
名称 | 定义 | 含义 |
---|---|---|
均值 | a ( t ) = E [ ξ ( t ) ] = ∫ − ∞ + ∞ x f 1 ( x , t ) d x a(t)=E[\xi(t)]=\int_{-\infty}^{+\infty}xf_1(x,t)\,dx a(t)=E[ξ(t)]=∫−∞+∞xf1(x,t)dx | 随机过程的摆动中心; 均值的平方是直流功率 |
均方值 | E [ ξ 2 ( t ) ] = ∫ − ∞ + ∞ x 2 f 1 ( x , t ) d x E[{\xi^2(t)}]=\int_{-\infty}^{+\infty}x^2f_1(x,t)\,dx E[ξ2(t)]=∫−∞+∞x2f1(x,t)dx | 随机过程的平均功率 |
方差 | D [ ξ ( t ) ] = E { [ ξ ( t ) − a ( t ) ] 2 } = E [ ξ 2 ( t ) ] − a 2 ( t ) = σ 2 ( t ) D[\xi(t)]=E\{[\xi(t)-a(t)]^2\}=E[\xi^2(t)]-a^2(t)=\sigma^2(t) D[ξ(t)]=E{[ξ(t)−a(t)]2}=E[ξ2(t)]−a2(t)=σ2(t) | 随机过程的交流功率,相对于均值的振动程度 |
自相关函数 | R ( t 1 , t 2 ) = E [ ξ ( t 1 ) ξ ( t 2 ) ] = ∫ − ∞ + ∞ ∫ − ∞ + ∞ x 1 x 2 f 2 ( x 1 , x 2 ; t 1 , t 2 ) d t 1 d t 2 = R ( t 1 , t 1 + τ ) R(t_1,t_2)=E[\xi(t_1)\xi(t_2)]=\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}x_1x_2f_2(x_1,x_2;t_1,t_2)\,dt_1dt_2=R(t_1,t_1+\tau) R(t1,t2)=E[ξ(t1)ξ(t2)]=∫−∞+∞∫−∞+∞x1x2f2(x1,x2;t1,t2)dt1dt2=R(t1,t1+τ) | 同一随机过程在两个不同时刻的随机变量之间的关联程度 |
互相关函数 | R ξ η ( t 1 , t 2 ) = E [ ξ ( t 1 ) η ( t 2 ) ] = R ξ η [ t 1 , t 1 + τ ] R_{\xi\eta}(t_1,t_2)=E[\xi(t_1)\eta(t_2)]=R_{\xi\eta}[t_1,t_1+\tau] Rξη(t1,t2)=E[ξ(t1)η(t2)]=Rξη[t1,t1+τ] | 两个随机过程在两个不同时刻的随机变量之间的关联程度 |
平均功率=直流功率+交流功率
上表中 ξ ( t ) \xi(t) ξ(t)是随机变量,其中的 t t t取任意时刻.
二 平稳随机过程
平稳随机过程
名称 | 定义 | 性质 |
---|---|---|
严平稳 | 随机过程 ξ ( t ) \xi(t) ξ(t) 的任意 n维分布与时间起点无关 | 一维分布与时间t无关;二维分布只与时间间隔 τ \tau τ有关 |
广义平稳 | a ( t ) = a , R ( t 1 , t 1 + τ ) = R ( τ ) a(t)=a,R(t_1,t_1+\tau)=R(\tau) a(t)=a,R(t1,t1+τ)=R(τ) | 数学期望是个常数,和时间t无关;自相关函数只与时间间隔 τ \tau τ有关 |
两者关系 | 严平稳一定是广义平稳 | 广义平稳不一定是严平稳 |
各态历经性
任取平稳随机过程
ξ
(
t
)
\xi(t)
ξ(t)的任一样本函数
x
(
t
)
x(t)
x(t),其时间均值和时间自相关满足
a
‾
=
x
(
t
)
‾
=
lim
T
→
∞
1
T
∫
−
T
/
2
T
/
2
x
(
t
)
d
t
=
a
\overline{a}=\overline{x(t)}=\lim_{T\rightarrow\infty}\frac{1}{T}\int_{-T/2}^{T/2}x(t)\,dt=a
a=x(t)=T→∞limT1∫−T/2T/2x(t)dt=a
R
(
τ
)
‾
=
x
(
t
)
x
(
t
+
τ
)
‾
=
lim
T
→
∞
1
T
∫
−
T
/
2
T
/
2
x
(
t
)
x
(
t
+
τ
)
d
t
=
R
(
τ
)
\overline{R(\tau)}=\overline{x(t)x(t+\tau)}=\lim_{T\rightarrow\infty}\frac{1}{T}\int_{-T/2}^{T/2}x(t)x(t+\tau)\,dt=R(\tau)
R(τ)=x(t)x(t+τ)=T→∞limT1∫−T/2T/2x(t)x(t+τ)dt=R(τ)
则称平稳随机过程
ξ
(
t
)
\xi(t)
ξ(t)具有各态历经性。
意义:可用任意一次实现的“样本平均”来取代随机过程的“统计平均”,可用任意一次实现的功率谱密度来取代随机过程的功率谱密度,简化测量和计算问题;具有各态历经性的随机过程一定是平稳随机过程,反之不一定成立。
三 高斯过程
(1)定义:任意 n维概率密度都服从正态分布的随机过程。
(2)重要性质:
高斯过程若广义平稳,则必狭义平稳;
高斯过程中的随机变量之间若不相关,则它们统计独立;
若干个高斯过程之和仍是高斯过程;
高斯过程经线性变换后,仍是高斯过程。
均值为a,方差为
σ
2
\sigma^2
σ2的高斯过程的一维概率密度函数
当均值a=0,标准擦
σ
=
1
\sigma=1
σ=1时,称
f
(
x
)
f(x)
f(x)为标准正态分布函数
下面给出一些常用的求通信系统的误码率的函数
Q函数、误差函数、互补误差函数,定义如下
Q
(
α
)
Q(\alpha)
Q(α)的几何意义如下:表示大于等于
α
\alpha
α的概率
四.窄带随机过程
1.定义和表达式
窄带随机过程是指其频带宽度
Δ
f
\Delta f
Δf远远小于中心频率
f
c
f_c
fc的过程。用示波器观察它的波形,是一个频率近似
f
c
f_c
fc,包络
a
ξ
(
t
)
a_{\xi}(t)
aξ(t)和相位
ϕ
c
(
t
)
\phi_c(t)
ϕc(t) 随机缓变的正弦波。
窄带随机过程的一般表示式:
ξ
(
t
)
=
a
ξ
(
t
)
c
o
s
[
w
c
t
+
ϕ
ξ
(
t
)
]
\xi(t)=a_\xi (t)cos[w_ct+\phi_\xi(t)]
ξ(t)=aξ(t)cos[wct+ϕξ(t)]
等价式
ξ
(
t
)
=
ξ
c
(
t
)
c
o
s
w
c
t
−
ξ
s
(
t
)
s
i
n
w
c
t
\xi(t)=\xi_c (t)cosw_ct-\xi_s(t)sinw_ct
ξ(t)=ξc(t)coswct−ξs(t)sinwct
式中
ξ
c
(
t
)
\xi_c (t)
ξc(t)和
ξ
s
(
t
)
\xi_s (t)
ξs(t)意思如下:
同相分量
ξ
c
(
t
)
=
a
ξ
(
t
)
c
o
s
ϕ
ξ
(
t
)
\xi_c (t)=a_\xi (t)cos\phi_\xi(t)
ξc(t)=aξ(t)cosϕξ(t)
正交分量
ξ
s
(
t
)
=
a
ξ
(
t
)
s
i
n
ϕ
ξ
(
t
)
\xi_s (t)=a_\xi (t)sin\phi_\xi(t)
ξs(t)=aξ(t)sinϕξ(t)
2.统计特性
窄带随机过程
ξ
(
t
)
\xi(t)
ξ(t)的统计特性可有
a
ξ
(
t
)
a_\xi (t)
aξ(t),
ϕ
ξ
(
t
)
\phi_\xi (t)
ϕξ(t)来决定,或者由
ξ
c
(
t
)
\xi_c (t)
ξc(t)和
ξ
s
(
t
)
\xi_s (t)
ξs(t)的统计特性决定。反过来,可以由
ξ
(
t
)
\xi(t)
ξ(t)的统计特性可确定
a
ξ
(
t
)
a_\xi (t)
aξ(t),
ϕ
ξ
(
t
)
\phi_\xi (t)
ϕξ(t)的统计特性,或者
ξ
c
(
t
)
\xi_c (t)
ξc(t)和
ξ
s
(
t
)
\xi_s (t)
ξs(t)的统计特性。
下面给出两个重要的结论
-
一个均值为0,方差为 σ ϵ 2 \sigma_\epsilon^2 σϵ2的窄带平稳高斯过程 ξ ( t ) \xi(t) ξ(t),它的同相分量 ξ c ( t ) \xi_c (t) ξc(t),正交分量 ξ s ( t ) \xi_s (t) ξs(t)同样是平稳随机过程,且均值都为零,方差也相同。另外,在同一时刻得到的同相分量 ξ c ( t ) \xi_c (t) ξc(t)和正交分量 ξ s ( t ) \xi_s (t) ξs(t)是统计独立的。
数学公式为
-
一个均值为0,方差为 σ ϵ 2 \sigma_\epsilon^2 σϵ2的窄带平稳高斯过程 ξ ( t ) \xi(t) ξ(t),其包络 a ξ ( t ) a_\xi (t) aξ(t)的一维分布是瑞利分布,相位 ϕ ξ ( t ) \phi_\xi (t) ϕξ(t)的一维分布是均匀分布,且就一维分布而言, a ξ ( t ) a_\xi (t) aξ(t)和 ϕ ξ ( t ) \phi_\xi (t) ϕξ(t)是相互独立的。
数学表述为
3.白噪声
凡是功率谱密度在整个频域内都是均匀分布的噪声,称为白噪声
。
白噪声的功率谱密度为
P
ξ
(
w
)
=
n
0
2
P_\xi(w)=\frac{n_0}{2}
Pξ(w)=2n0
由于
R
(
τ
)
⇔
P
ξ
(
w
)
R(\tau) \Leftrightarrow P_\xi(w)
R(τ)⇔Pξ(w),且
δ
(
τ
)
⇔
1
\delta(\tau)\Leftrightarrow1
δ(τ)⇔1
白噪声的自相关函数为
R
(
τ
)
=
n
0
2
δ
(
τ
)
R(\tau)=\frac{n_0}{2}\delta(\tau)
R(τ)=2n0δ(τ)
由上面自相关表达式,我们知道,白噪声只有在 τ = 0 \tau=0 τ=0的时候才相关,它在任意两个时刻上的随机变量都是不相关的。
这里补充一点,以后讨论的热噪声和散弹噪声都视为白噪声。
4.带限白噪声
白噪声被限制在
(
−
f
0
,
f
0
)
(-f_0,f_0)
(−f0,f0)内,则这样的白噪声被称为带限白噪声。
功率谱密度
自相关函数
五.正弦波加窄带高斯过程
通信系统中经常会遇到正弦波加窄带高斯噪声的情况。
考虑窄带高斯噪声的一般表达式
ξ
(
t
)
=
ξ
c
(
t
)
c
o
s
w
c
t
−
ξ
s
(
t
)
s
i
n
w
c
t
\xi(t)=\xi_c (t)cosw_ct-\xi_s(t)sinw_ct
ξ(t)=ξc(t)coswct−ξs(t)sinwct
得到正弦波+窄带高斯噪声的时域表达式
其中,s(t)表示正弦波,n(t)表示窄带高斯噪声
六.平稳随机过程通过线性系统
设线性系统的冲激响应是
h
(
t
)
h(t)
h(t),输入为
ξ
i
(
t
)
\xi_i(t)
ξi(t),则输出为
ξ
o
(
t
)
=
ξ
i
(
t
)
∗
h
(
t
)
=
∫
−
∞
∞
h
(
τ
)
ξ
i
(
t
−
τ
)
d
τ
=
∫
−
∞
∞
ξ
i
(
τ
)
h
(
t
−
τ
)
d
τ
\xi_o(t)=\xi_i(t)* h(t)=\int_{-\infin}^{\infin}h(\tau)\xi_i(t-\tau)d\tau=\int_{-\infin}^{\infin}\xi_i(\tau)h(t-\tau)d\tau
ξo(t)=ξi(t)∗h(t)=∫−∞∞h(τ)ξi(t−τ)dτ=∫−∞∞ξi(τ)h(t−τ)dτ
因为系统是物理可实现的,有
这是要保证系统冲激响应h(t)为正值。
输出信号的均值
输出信号的功率谱密度
参考资料:樊昌信《通信原理》考点精讲