通信系统原理[郭宇春]——信号与噪声——课后习题答案

Hamooddd

已于 2022-10-31 20:01:49 修改

阅读量4k

点赞数 15

分类专栏：学习笔记通信原理文章标签：经验分享

于 2022-01-09 16:04:24 首次发布

本文链接：https://blog.csdn.net/weixin_45555522/article/details/122387535

版权

学习笔记同时被 2 个专栏收录

23 篇文章 14 订阅

订阅专栏

通信原理

6 篇文章 6 订阅

订阅专栏

2-4 利用解析法求f1(t)和f2(t)的卷积，画出g(t)图像

$g(t)=f_{1}(t)\ast f_{2}(t)=\int^{+\infty }_{-\infty}f_{1}(t)f_{2}(t-\tau )d\tau$ ，先将 $f_{2}(t)$ 翻转得到。

（1）当t≤1时，-3+t≤-2，因此g(t) = 0。

（2）当t>1且t<4时，g(t) = (t-1)AB。

（3）当4<t<5时，g(t) = 3AB。

（4）当5≤t≤8时，g(t) = (8-t)AB。

（5）当t>8时，g(t)为0。

综上所述，g(t)图像如图所示。

2-5 已知f1、f2，求f1(t)和f2(t)的

（1）各自自相关、能量谱、能量

法1：图像法

$Rf_{1}(\tau ) = \int ^{+\infty }_{-\infty}f(t)f(t+\tau)d\tau$

$Rf_{1}(\tau ) =\left\{\begin{matrix} 4(4-t) & 0\leqslant t\leqslant4\\ 4(4+t) & -4\leqslant t\leqslant0 \end{matrix}\right.$

$\therefore Rf_{1}(\tau)=16tri(\frac{\tau}{4})$

法2：定义法

$f_{1}(t)=2P_{4}(t-1)$

$F_{1}(\omega )=8Sa(2\omega)e^{-j\omega t}$

$\left | F(\omega)^{2} \right |=64Sa^{2}(2\omega)$

$\therefore Rf_{1}(\tau)=16tri(\frac{\tau}{4})$

同理可以得出

$Rf_{2}(\tau)=16tri(\frac{\tau}{4})=Rf_{1}(\tau)$

$E_{f_{1}}(\omega)=F\begin{Bmatrix} 16tri(\frac{\tau}{4}) \end{Bmatrix}=64Sa^{2}(2\omega)$

$E_{f_{2}}(\omega)=64Sa^{2}(2\omega)$

$E_{1}=R_{f_{1}}(0)=16$ ， $E_{2}=R_{f_{2}}(\omega)=16$

（2）求互相关

$R_{12}(\tau)=\int_{-\infty }^{+\infty}f_{1}(t)f_{2}(t+\tau)dt=\int_{-\infty }^{+\infty}f_{2}(t+1)f_{2}(t+\tau)dt=R_{f_{2}}(\tau+1)$

2-10 随机过程X(t)， $R_{x}(\tau)=1+e^{-\left | \tau \right |}$

（1）求 $m_{x},\delta _{x}^{2},P_{x},C_{x}(\tau),\rho _{x}(\tau)$ .

$\because m_{x}^{2}=R_{x}(\infty)=1\therefore m_{x}=1$

$\because R_{x}(0)=E\begin{bmatrix} X^{2} \end{bmatrix}=\delta^{2}+m_{x}^{2}=2 \therefore\delta^{2}_{x}=1$

$P_{x}=R_{x}(0)=2,C_{x}(\tau)=R_{x}(\tau)-m_{x}^{2}=e^{-\left | \tau \right |}$

$\rho_{x}(\tau)=\frac{C_{x}(\tau)}{\delta^{2}_{x}}=e^{-\left | \tau \right |}$

（2）Y=2X+1,求 $m_{Y},\delta_{Y}^{2},P_{Y},C_{Y}(\tau),\rho_{Y}(\tau),R_{XY}(\tau),C_{XY}(\tau),\rho_{XY}(\tau)$ .

$\because m_{Y}=E\left[2X+1 \right ]=3,E\left[Y^{2} \right ]=E\left[4X^{2}+4X+1 \right ]=\delta_{Y}^{2}+m_{Y}^{2}=13$

$\therefore \delta^{2}_{Y}=13-9=4,P_{Y}=E\left[Y^{2} \right ]=13$

$R_{Y}(\tau)=E \left[ Y(t) Y(t+ \tau ) \right ]=E\left[(2X(t)+1)(2X(t+\tau)+1) \right ]$

$=E \left[ 4X(t+\tau)X(t) +2X(t)+2X(t+\tau)+1\right ]$

$=4R_{x}(\tau)+4+1=9+4e^{-\left|\tau \right |}$

$C_{Y}(\tau)=R_{Y}(\tau)-m_{Y}^{2}=4e^{-\left |\tau \right|}$

$\rho_{Y}(\tau)=\frac{C_{Y}(\tau)}{\delta_{Y}^{2}}=e^{-\left | \tau \right |}$

$R_{XY}(\tau)=E\left[X(t)Y(t+\tau) \right ]=E\left[X(t)(2X(t+\tau)+1) \right ]$

$=2R_{x}(\tau)+m_{x}=3+2e^{-\left | \tau \right |}$

$C_{XY}(\tau)=R_{XY}(\tau)-m_{X}m_{Y}=2e^{-\left | \tau \right |}$

$\rho_{XY}(\tau)=\frac{C_{XY}(\tau)}{\delta_{x}\delta_{Y}}=e^{-\left | \tau \right |}$

2-12

（1）X、Y统计独立，p（x，y）=p（x）p（y），X，Y是否相关？

$R_{XY}=E\left[XY \right ]=\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}xyp(x,y)dxdy$

$=\int_{-\infty}^{+\infty}xp(x)dx\int_{-\infty}^{+\infty}yp(y)dy=m_{X}m_{Y}$

可以判断不相关。

（2） $Y=X^{2}$ ,X在（-1,1）均匀分布，证明X、Y是否相关？

$R_{XY}=\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty}xyp(x,y)dxdy=\int_{-1}^{+1}x^{3}p(x)dx=0=m_{X}m_{Y}$

可以判断不相关。

（3）给出高斯分布X、Y的 $\rho(x,y)$ ,给出 $\rho=0$ 时的结果。

$p(x,y)=\frac{1}{\sqrt{2\pi}\delta_{x}}e^{-\frac{(x-m_{x})^{2}}{2\delta_{X}^{2}}}\frac{1}{\sqrt{2\pi}\delta_{Y}}e^{-\frac{(y-m_{Y})^{2}}{2\delta_{Y}^{2}}}=p(x)p(y)$

$\rho=0$ 代表X、Y不相关， $p(x,y)=p(x)p(y)$ 代表X、Y独立

即证明高斯分布下不相关与独立等价。

（4）高斯分布X、Y服从 $N\left[m_{x},\delta^{2}_{x} \right ],N\left[m_{y},\delta^{2}_{y} \right ]$ ，计算z=ax+by的均值、方差。

$E\left[Z\right ]=E\left[aX+bY \right ]=am_{X}+bm_{Y}$

$E\left[Z^{2} \right ]=E\left[(aX+bY)^{2} \right ]=E\left[a^{2}X^{2}+2abXY+b^{2}Y^{2} \right ]$

$=a^{2}E\left[X^{2} \right ]+2abE\left[XY \right ]+b^{2}E\left[Y^{2} \right ]$

$=a^2(m_x^2+\delta_x^2)+2ab(\rho_{XY}\delta_x \delta_y+m_x m_y)+b^2(m_x^2+\delta_x^2)$

$\delta_z^2=E\left[ Z^2 \right ]-E\left[Z \right ]^2=a^2\delta_x^2+2ab\rho_{xy}\delta_x\delta_y+b^2\delta_Y^2$

即高斯分布的线性组合仍为高斯分布。

2-15 随机过程 $X(t)=\xi cos(\omega_0t+\theta)$ ， $\xi$ 为均值0，方差 $\delta^2$ 高斯变量。θ是 $(-\pi,\pi)$ 广义平稳， $\xi$ 与θ统计独立。

（1）试证X(t)广义平稳。

$E\left[X(t) \right ]=E\left[\xi cos(\omega_0t+\theta) \right ]=E\left[ \xi\right ]E\left[cos(\omega_0t+\theta) \right ]=0$

$R_x(t_1,t_2)=E\left[\xi cos(\omega_0 t+\theta) \xi cos(\omega_0(t+\tau)+\theta)\right ]$

$=E\left[\xi^2 \right ]E\left[cos(\omega_0 t+\theta)cos(\omega_0(t+\tau)+\theta) \right ]$

$=\frac{\delta^2}{2}E\left[cos\omega_0\tau+cos(2\omega_0t+\omega_0\tau+2\theta) \right ]$

$=\frac{\delta^2}{2}cos(\omega_0\tau)$

综上，均值与时间无关，相关函数只与时间差有关，广义平稳得证。

（2）X(t)是否遍历平稳？

cos函数在一个周期内积分为0。

$\therefore m_x=\lim_{T\rightarrow \infty}\int_{-\frac{T}{2}}^\frac{T}{2}X(t)dt=0$

$R_x(\tau)=\int_{-\frac{T}{2}}^{\frac{T}{2}}\xi^2cos(\omega_0t+\theta)cos(\omega_0(t+\tau)+\theta)dt$

$=\frac{\xi^2}{2}cos\omega_0\tau+\frac{\xi^2}{2}\int_{-\frac{T}{2}}^{\frac{T}{2}}cos(2\omega_0t+\omega_0\tau+2\theta)dt$

$=\frac{\xi^2}{2}cos\omega_0\tau$

可见X（t）非遍历平稳。

（3）

$S_x(\omega)=F\left[ R_x(\tau)\right]=\frac{\pi\delta^2}{2}\left[\delta(\omega+\omega_0)+\delta(\omega-\omega_0) \right ]$

$P_x=R_x(0)=\frac{\delta^2}{2}$

2-16 设有两个随机过程, $\omega_0$ 为常数

$\left\{\begin{matrix} X(t)=Acos\omega_0 t+Bsin\omega_0 t\\ Y(t)=Bcos\omega_0 t+Asin\omega_0 t \end{matrix}\right.$

A、B不相关，m=0，方差为 $\delta^2$ 。X(t),Y(t)广义平稳。

（1）求互相关函数 $R_{XY}(t,t+\tau)$

$R_{XY}(t,t+\tau)=E\left[X(t)Y(t+\tau) \right ]$

$=E\left[(Acos\omega_0 t+Bsin\omega_0 t)(Bcos\omega_0(t+\tau)+Asin\omega_0 (t+\tau)) \right ]$

$=E\left[ABcos(\omega_0 t)cos(\omega_0(t+\tau)) \right ]+E\left[A^2cos\omega_0 t sin \omega(t+\tau) \right ]$

$+E\left[B^2sin\omega_0t+cos\omega_0(t+\tau) \right ]+E\left[ABsin\omega_0t+sin\omega_0(t+\tau) \right ]$

$R_{AB}-m_Am_B=C_{AB},\because C_{AB}=0,\therefore R_{AB}=0$

$E(AB)=0,E(A^2)=E(B^2)=\delta^2$

则原式可化简为：

$\delta^2\left[cos\omega_0tsin\omega_0(t+\tau)+sin\omega_0tcos\omega_0(t+\tau) \right ]=\delta^2sin\omega_0(2t+\tau)$

（2）是否联合平稳？

由于RXY不仅仅与τ有关，故不联合广义平稳。

（3）

$Z(t)=X(t)+Y(t)$

$R_Z(t,t+\tau)=E\left[(X(t)+Y(t))(X(t+\tau)Y(t+\tau)) \right ]$

$=R_x(t,t+\tau)+R_{XY}(t,t+\tau)+R_{YX}(t,t+\tau)+R_Y(t,t+\tau)$

$=2\delta^2\left[cos\omega_0\tau+sin(2\omega_0t+\omega_0\tau) \right ]$

可见RZ与t有关，故Z(t)并不平稳。

2-18 均值为0， $R_X(\tau)=e^{-\left | \tau \right |}$ 通过Y=A+BX的线性网络。试求：

（1）输入噪声的一维概率密度函数

$N\sim (m_x,\delta_x^2),m_x=0,\rho_x=\overline{X^2}=R_X(0)=1,\therefore \delta_x^2=1$

$\therefore N\sim(0,1)$

$p_x(x,t)=\frac{1}{\sqrt{2\pi}}e^{-\frac{-x^2}{2}}$

（2）高斯过程的线性组合仍为高斯型

$\therefore p_Y(y,t)=\frac{1}{\sqrt{2\pi\delta_Y}}e^{-\frac{-(y-m_y)^2}{2\delta_y^2}}=\frac{1}{\sqrt{2\pi B}}e^{-\frac{-(y-A)^2}{2B^2}}$

（3） $P_Y=R_Y(0)=E\left[Y^2 \right ]=A^2+B^2$

（4） $\tau=0.5$ 时，求ρ

$R_Y(\tau)=E\left[Y(t),Y(t+\tau) \right ]=E\left[(BX(t)+A) (BX(t+\tau)+A)\right ]$

$=E\left[A^2 \right ]+E\left[B^2X(t)X(t+\tau) \right ]+E\left[AB(X(t)+X(t+\tau)) \right ]$

$=A^2+B^2R_X(\tau)$

$C_Y(\tau)=R_Y(\tau)-m_Y^2$

$\rho_Y(\tau)=\frac{R_Y(\tau)}{\delta_Y^2}-\frac{m_y^2}{\delta_Y^2}=\frac{A^2+B^2R_X(\tau)-A^2}{B^2}=R_x(\tau)$

$\rho_Y(0.5)=e^{-0.5}\approx 0.61$

2-19 AWGN为 $n(t),f_0=1MHz,W=10kHz,n_0=2\times10^{-10}W/Hz,B=5kHz$ 。整体系统如图所示。

（1）画出标出四点的功率谱图像。

1） $S_n(f)=\frac{n_0}{2}$ 的理想功率谱。

2）经过了带通滤波器，为:

$S_n_2(f)=\frac{n_0}{2}\left[rect(\frac{f+f_0}{W})+[rect(\frac{f-f_0}{W}) \right ]$

3）边部功率谱变为原来的四分之一，为：

$n(t)cos\omega_0t=\frac{1}{4}\left[S_n(f+f_0)+S_n(f-f_0) \right ]$

4）经过了低通滤波器，为一个B=5kHz的谱。

（2） $P_{2n}=n_0W=2uW$

$P_{4n}=\frac{1}{4}E\left[n^2(t) \right ]=0.5uW$

补充1 随机过程 $X(t)=Acos(\omega_0t+\theta)$ ，其中A和 $\omega$ 为常数。

（1）当 $\theta$ 在 $\left[0,\pi \right ]$ 均匀分布，则X(t)是否平稳？

由所给信息可得：

$p(\theta)=\left\{\begin{matrix} \frac{1}{\pi}&0<\theta<\pi\\ 0 & else \end{matrix}\right.$

证明平稳，即E[X]与t无关，Rx仅与τ有关。

$E\left[X(t) \right ]=E\left[Acos(\omega_0t+\theta) \right ]=E\left[ A(cos\omega_0t cos\theta-sin\omega_0tsin\theta)\right]$

$=E\left[A \right ]E\left[cos\omega_0t \right ]E\left[cos\theta \right ]-E\left[A \right ]E\left[sin\omega_0t \right ]E\left[sin\theta \right ]$

$=Acos\omega_0tE\left[cos\theta \right ]-Asin\omega_0tE\left[sin\theta \right ]$

$=Acos\omega_0t\times0-\frac{2}{\pi}Asin\omega_0t=-\frac{2}{\pi}Asin\omega_0t$

可见其与t有关，故不具有平稳性。

（2）当 $\theta$ 为 $0,\frac{\pi}{2}$ 等概出现，问X(t)是否具有平稳性？

$E\left[X(t) \right ]=Acos\omega_0tE\left[ cos\theta\right]-Asin\omega_0tE\left[sin\theta \right ]$

$=\frac{1}{2}Acos\omega_0t-\frac{1}{2}Asin\omega_0t$

与t有关，因此X(t)不平稳。

Hamooddd

关注

15
点赞
踩
21

收藏

觉得还不错? 一键收藏
打赏
3
评论
通信系统原理[郭宇春]——信号与噪声——课后习题答案

通信系统原理[郭宇春]——第二章课后习题答案。自己在学习过程中写的难免会出错，有错误望指正！
复制链接

扫一扫

专栏目录

通信系统原理[郭宇春]——信号与噪声——课后习题答案

“相关推荐”对你有帮助么？