《随机信号分析》第五章-窄带随机过程_第三讲
窄带随机过程
窄带随机过程通信系统都有发送机和接收机,为了提高系统的可靠性,通常在接收机的输入端接有一个带通滤波器,信道内的噪声构成了一个随机过程,经过该带通滤波器之后,则变成了窄带随机过程,因此,讨论窄带随机过程的规律是重要的。
一、窄带随机过程的定义窄带随机过程的定义借助于它的功率谱密度的图形来说明。
图3.5.1(a)中,波形的中心频率为,带宽为,当满足时,就可认为满足窄带条件。
若随机过程的功率谱满足该条件则称为窄带随机过程。
若带通滤波器的传输函数满足该条件则称为窄带滤波器。
随机过程通过窄带滤波器之后变成窄带随机过程。
图3.5.1窄带波形的频谱及示意波形 二、窄带随机过程的表示方式如果在示波器上观察这个过程中一个样本函数的波形,则会发现它像一个包络和相位缓慢变化的正弦波,如图3.5.1(b)所示。
因此窄带随机过程可用下式表示成:式中,是窄带随机过程包络;是窄带随机过程的随机相位。
窄带随机过程也可用下式表示其中: 这里的和分别被称作的同相分量和正交分量。
可见,的统计特性可以由、或、的统计特性来确定。
反之,若已知的统计特性,怎样来求、或、的特性呢?三、同相分量与正交分量的统计特性设窄带随机过程是均值为零平稳的窄带高斯过程。
可以证明,它的同相分量和正交分量也是均值为零的平稳高斯过程,而且与具有相同的方差。
1.数学期望已设是平稳的,且均值为零,即对于任意时刻,有,所以,可得即 2.自相关函数我们知道一些统计特性可以从自相关函数中得到,所以,按定义的自相关函数为将上式展开,并取数学期望为其中因为是平稳的,可以令,得(1)同理,令,得(2)如果是平稳的,则、也是平稳的。
由于式(1)和式(2)相等,则应有可见,的同相分量和正交分量具有相同的自相关函数,而且根据互相关函数的性质,有可见,有上式表示,为的奇函数,所以同理可以证明得到即这表明,和具有相同的方差。
3.概率密度函数因为和统计独立,则和的二维概率密度函数为利用式(3.5.16),上式改写为以上讨论的是由的统计特性推导出同相分量和正交分量的统计特性。
随机信号分析_第五章_窄带随机过程
定义复指数函数: ~s (t) ae j (t) ae j e j0t a~e j0t 式中 a~ ae j ,称为复包络。 可以看出s(t)是~s (t) 的实部,即:
s(t) Re[~s (t)]
某些情况下,用复指数形式来分析 问题更加简便,可以简化信号和滤波器 的分析。
复信号~s (t) 的频谱为:
1. s(t) Re[~s (t)]
2.
X~ (
)
2 0
X
(
)
0 0
式中X~ ( )为~s (t)的频谱。
可以证明:满足上面要求的 ~s (t) 是 存在的,称为解析信号。把它用解析表 达式表示为:~s (t) s(t) jsˆ(t)
可以推导出: sˆ(t)
1
s( ) d
t
上式称为希尔伯特(Hilbert)变换,记做
0
ω ω0-ωc ω0 ω0+ωc
|X~H(ω)|
0
ω0-ωc ω0 ω0+ωc
ω
2. 复指数表示
设s(t)为窄带信号,其频谱为X(ω) 。 定义窄带信号s(t)的复指数函数 ~se (t) 为:
~se (t) A(t)e j[0t (t)] A~(t)e j0t 其中A~(t)=A(t)e j (t) sc (t) jss (t)
用复数表示为:
s(t)=acosφ(t)=a[ejφ(t)+ e-jφ(t)]/2
因为 e j0t ( 0 )
所以s(t)的频谱为:
X(ω)= a[ejθδ(ω-ω0)+e-jθδ(ω+ω0)]/2 |X(ω)|= a[δ(ω-ω0)+δ(ω+ω0)]/2 说明正弦型信号包含正负两种频率成分, 其频谱为对称的两根单一谱线。
第5章-窄带随机过程
第五章 窄带随机过程5.1 窄带随机过程的概念1. 通信工程中的信号频率在通信工程中,如雷达、广播、电视等信号,在传输中信号有相对固定的信号频率。
对于有相对固定频率的信号,其数学表达方法的研究是非常重要的。
2. 窄带随机过程(1) 带通随机过程的定义若随机过程)(t X 的谱密度满足:⎩⎨⎧∆<-=其它0)()(0ωωωωωS S X 则称)(t X 为带通过程。
带通过程的谱密度的图解如下图。
(2) 窄通随机过程的定义若)(t X 为带通过程,且0ωω<<∆,即中心频率过大于谱宽,则称)(t X 为窄通随机过程。
3. 窄带随机过程的解析表达方法之一:莱斯表示法(1)窄带随机过程的莱斯表示定理:任何一个实窄带随机过程)(t X 都可表示为下式:)sin()()cos()()(00t t b t t a t X ωω-=证明:略。
注:证明过程要用到一种重要的数学变换――希尔伯特变换,此变换需掌握。
(2) )(t a 、)(t b 的性质 ①)(t a 、)(t b 都是实随机过程。
②0))(())((==t b E t a E . 。
③)(t a 与)(t b 各自广义平稳,联合平稳,且:)()(ττb a R R =。
④))(())(())((222t X E t b E t a E ==,由此可得方差22b a σσ=。
⑤0)0(=ab R ,这说明)(t a 与)(t b 在同一时刻正交。
⑥)()(ωωb a S S =。
4. 窄带随机过程的解析表达方法之二:准正弦振荡表示法定理:实窄带随机过程)(t X 都可表示为下式:))(cos()()(0t t t A t X Φ+=ω证明:由莱斯表示法有:)()()(22t b t a t A +=, )()()(t a t b arctgt =Φ )(t A 与)(t Φ都是慢变化的随机过程。
慢变化是指)(t A 与)(t Φ随时间变化比)cos(0t ω随时间的变化要缓慢得多。
《随机信号分析》第五章-窄带随机过程
独立
2020/10/24
06-9-27 28
5.3.2 结论1
对于均值为零的窄带平稳高斯过程
其同相分量和正交分量同样是平稳高斯过程, 而且均值都为零,方差也相同;
在同一时刻上的同相分量与正交分量是不相 关的或统计独立的。
2020/10/24
29
5.3.2
Rc Rs R cos 2 fc Rˆ sin 2 fc
15
2.随机信号的复信号表示
X (t) X (t) jXˆ (t)
R X
(
)
E
X
(t
)
X
*
(t)
E{[ X (t ) jXˆ (t )][ X (t) jXˆ (t)]}
RX ( ) RXˆ ( ) j[RXˆX ( ) RXXˆ ( )]
RX ( ) RXˆ ( ) RXˆX ( ) Rˆ X ( ) RXXˆ ( )
2020/10/24
2
希尔伯特变换 (Hilbert Transform)
1.定义
正变换定义:
H[x(t)] xˆ(t) 1 x( ) d
t
xˆ(t) x(t) 1
t
反变换:
H 1[xˆ(t)] x(t) 1 xˆ( ) d
t
H 1[xˆ(t)] xˆ(t) 1
第5章 窄带随机过程
Narrow-band Random Process
希尔伯特变换 信号的复信号表示 窄带随机过程的统计特性 窄带正态随机过程包络和相位的分布
2020/10/24
1
希尔伯特,D.(Hilbert,David,1862~ 1943)德国著名数学家。
希尔伯特领导的数学学派是19世纪末20 世纪初数学界的一面旗帜,希尔伯特被称 为“数学界的无冕之王”。
随机过程第五章
5.2.2 希尔伯特变换的性质
★ 性质(续)
5、设 y(t ) v(t ) x(t ) ,则有
ˆ ˆ ˆ y(t ) v(t ) x(t ) v(t ) x(t )
1 ˆ ˆ y (t ) v(t ) x(t ) v(t ) x(t ) t 1 ˆ v(t ) x(t ) v(t ) x(t ) t
★随机过程的复过程表示
5.4 窄带随机过程的统计特性
★窄带随机过程的准正弦振荡表达式
★窄带随机信号的统计特性
★窄带随机过程的复过程表示
本堂课的作业
★第141页习题 5.1 5.2 5.3
★第142页习题 5.10 5.11
5.1.1 窄带确知信号的复信号表示
★
简单余弦信号的复信号表示
设有实信号
根据傅立叶变换的频移特性有
~ ~ ~(t ) a (t )e j0t S () A( ) ~ s 0
~(t ) 是有限带宽的低频信号,设其幅 a
~ ~(t ) 频特性为,则的幅频特性 s | A( ) | ~ ~ 为向右平移。 0 | S ( ) | | A( ) |
5.1.1 窄带确知信号的复信号表示
★
简单余弦信号的复信号表示(续)
复信号 ~(t ) 的振幅和相角分别为 s
ˆ a s (t ) s (t )
2 2
ˆ s (t ) 0t tg s(t )
1
5.1.1 窄带确知信号的复信号表示
★ 简单复信号的频谱
对(5.1.4)、(5.1.5)和(5.1.3)式两边作傅
5.1.2 任意实信号的复信号表示
★ 任意实信号的复信号表示(续)
窄带随机过程
正
交
滤
相频特性为:
()
/ 2
/
2
0 0
波 器
二、希尔伯特变换的性质
(1) H[xˆ(t)] x(t)
(2) H[cos(0t )] sin(0t )
H[sin(0t )] cos(0t )
(3) 如果a(t)是低频信号
H[a(t) cos0t] a(t)sin 0t H[a(t)sin 0t] a(t) cos0t
低频信号
是窄带确知信号,其解析信号为
x%(t) A(t)cos0t+(t) jA(t)sin0t+(t)
A(t)e j0t+ (t) A%(t)e j0t
其中 A%(t) A(t)e j (t) ,称为复包络。
一、确知信号的复信号表示
对解析信号取傅里叶变换,得
X%() X () jX ()
第五章 窄带随机过程
窄带随机过程
5.1 窄带随机过程 5.2 信号的复信号表示 5.3 窄带随机过程的统计特性 5.4 窄带正态随机过程包络和相位的分布
5.1 窄带随机过程
一、希尔伯特变换的定义
假定一实函数x(t),其希尔伯特变换为:
H[x(t)] xˆ(t) 1 x( ) d
t
其反变换为:
4、同相分量和正交分量的统计特性
RY ( ) cos0t cos0 (t ) RYˆY ( ) sin 0t cos0 (t )
RYYˆ ( ) cos0t sin 0 (t ) RYˆ ( ) sin 0t sin 0 (t ) 利用如下关系 RY ( ) RYˆ ( ) RYYˆ ( ) RˆY ( ) RYˆY ( )
具有系统函数为 jsgn 的网络是一个使相位滞 π 后 2 弧度的宽带相移全通网络。
《随机信号分析》第五章-窄带随机过程_第三讲
c
s
t t
t cos 2 ˆ t cos 2
fct fct
ˆ t sin 2 t sin 2
fct fct
■ 若E t 0,E c t E s t 0.
■ 若 t 是高斯过程,c t 和s t 也是高斯过程. ■ 若 t 是广义平稳过程,c t 和s t 是联合广义平稳随机
(t
)
arctan
s c
(t (t
) )
2020/7/24
2
窄带随机过程的低通表示
■ t 的等效低通表示
(t ) (t ) jˆ(t ) L (t )e j2 fct
复包络 复载波
其中L (t) ~(t)e j2fct
L (t) c (t) js (t) a (t)e j (t)
(t ) Re t Re L (t)e j2 fct
2020/7/24
3
5.3.2窄带随机过程的统计特性
解析信号的统计特性
■ R E * t t E (t) jˆ(t) (t ) jˆ(t )
R Rˆ jRˆ jRˆ 2 R jRˆ
P ( f ) A
0
fc
fc fc f
f
A P ( f fc )
0
2 fc
fc
0 f
f
A P ( f fc )
0
f 0
fc
2 fc
f
2020/7/24
Pc ( f ) Ps ( f )
2A
f 0 f
f
10
5.4 窄带随机过程包络和相位的分布
窄带正态噪声的包络和相位分布
一维分布 二维分布
12
5.4.1
J 为Jocabian行列式。
第五章 窄带系统和窄带随机过程
§5.4 正弦信号叠加窄带高斯噪声的合 成振幅分布
前面两节讨论的是白噪声通过窄带系统后的 输出——窄带高斯噪声的统计特性。
本节讨论正弦信号(有用信号)+窄带高斯噪 声的统计特性。
数学模型:
求合成振幅 的分布 (1)对给定的 , 的分布情况:
(2) 求
是相互独立的
(3) 根据二维随机变量的函数变换,求
C
窄带系统冲激响应
窄带-对称系统的包络定理
窄带-对称系统的包络定理: 1) 求解出系统传递函数 的零-极点形式;
2) 画出
的“极点分布图”;
3)去除第三象限的极点,并将二象限的极点沿 虚轴平移,使其中心与实轴重合;
(a)
极点分布
(b)
极点分布
4)对
取拉氏反变换,得到
其中 、 是
, 是 在第二象限极点个数. 在幅度和相位上对 幅度补偿。
包络检波器
宽带随 机信号
高频窄带 系统
理想带通限幅器
低通网络
接收机
§5.3窄带高斯随机信号分析
正态随机过程(白噪声)通过窄带系统后的输 出为窄带正态随机过程。 窄带正态随机过程是在电子技术中最常遇到的 窄带过程,本节研究其包络和相位的统计特性。
窄带正态随机过程(窄带高斯信号)表示:
• 本章讨论随机过程通过一种特殊的线性系 统——窄带系统。 • 随机信号通过窄带系统后,输出信号即为窄 带随机信号。
第五章 窄带系统和窄带随机过程
窄带系统
窄带随机信号的基本概念
窄带高斯随机信号包络和相位分布
窄带随机信号包络的自相关特性
正弦信号叠加窄带高斯噪声的合成振幅分布
§5.1 窄带系统及其特点
同时
第五章 窄带随机信号
c) R ( ) RX ( )
X
7
d) S
XX XX
( ) j sgn( ) S X ( ) S ( ) j sgn( ) S X ( ) S
XX XX
XX
( )
e) R ( ) R f )R
XX
( )
ˆ ( ) ( ) h( ) * RX ( ) R X
x( ) (1)实值函数x(t ), ( x ), x(t ) H [ x(t )] d t ^ 1 x(t ) 1 x(t ) x(t ) d d
^
1
Βιβλιοθήκη (2)相当于一个正交滤波器 1 x(t ) x(t ) * t
2 t 2
19
20
0 0
ˆ (t ) cos t b(t ) X (t ) sin 0t X 0 2. a(t )与b(t )在同一时刻是正交的,不相关,独立, 高斯RVS 3.若S X ( )是关于0 对称,则a(t ), b(t )是相互正交, 不相关及独立
14
二
f ab (at , bt )
^
x(t )
1 h(t ) t
x(t )
^
j 0 (3) H ( ) j 0
4
(4)希尔伯特变换是一90 全通相移网络 (5)希尔伯特逆变换 x(t ) H [ x(t )]
^ 1 ^
1
x(t )
^
^
d
11
Sa ( ) Sb ( ) LP[ S X ( 0 ) S X ( 0 )]
第五章窄带随机过程
SX
S
X
,0
c
0, 其它
0
c
则称X(t)为带通过程。
若在上式中,c 0 ,则称X(t)为高频窄带随机过程,简称
窄带随机过程。
5.1、预备知识
5.1.1、高频窄带信号(滤波)
Si ()
H()
So ()
0 0
窄带系统 (如:高频、中频放大器)
0
6 / 30
5.1、预备知识
5.1.1、高频窄带信号(调制)
12 / 30
5.1、预备知识
5.1.2、希尔伯特变换: Hilbert Transform
性质3:
x(t) cos( 0t )
xˆ t sin 0t
xˆ(t) 1 x( )d 1 x(t )d
t
1 cos(0t 0 )d
1 cos(0t ) cos(0 )d 1 sin(0t ) sin(0 )d
5) 若a(t)与(t)为低频信号,则 H{a(t)cos[0t+(t)]}=a(t)sin[0t+(t)] H{a(t)sin[0t+(t)]}=-a(t)cos[0t+(t)]
14 / 30
5.1、预备知识
5.1.2、希尔伯特变换: Hilbert Transform
性质4:
x ( t ) a ( t ) c o s ( 0 t ) xˆ t a(t)sin 0t
A() X ( 0)
X ( ) A ( 0 ) 17 / 30
5.1、预备知识
5.1.4、随机过程的希尔伯特变换: Hilbert Transform
(P1) 若 X(t) 为广义平稳(实)过程,则 Xˆ (t) 也是广义平稳的 (实)过程,且 X(t) 和 Xˆ (t) 联合平稳 (P2) RXˆ () RX () Rˆ X (); SXˆ () SX() (P3) RXXˆ () Rˆ X () RXˆ X (), RXˆ X () Rˆ X() RXˆ X(); (P4) RXˆ X (0) RXXˆ (0) 0 (P5) SXXˆ () jsgn()SX()
随机信号处理教程 第5章 窄带系统和窄带随机信号
——献给进入信息领域学习的你!
随机信号处理教程
第1章 概率论基础 第2章 随机过程 第3章 随机过程的功率谱密度 第4章 随机信号通过线性系统 第5章 窄带系统和窄带随机信号 第6章 随机信号通过非线性系统 第7章 马尔可夫过程
第5章 窄带系统和窄带随机信号
1 2
窄带系统及其特点 窄带随机信号的基本概念 窄带高斯随机信号分析 窄带随机信号包络的自相关特性 正弦信号叠加窄带高斯噪声的包络和相位的分布
k E k 0 k 0 0
R(t )
(t )
X (t )
x
图5.12 随机衰减矢量叠加示意 图
5.2 窄带随机信号的基本概念
1) X (t ) 和 Y (t ) 分别是宽平稳随机过程,且 X (t ) 和 Y (t )是联合 宽平稳的 2) X (t ) 和 Y (t )的均值都为0,即 X (t ) Y (t ) 0 n0 (t) 3) X (t ) 和 Y (t )的自相关函数相等,即 BX ( ) BY ( ) 4) X (t ) 和 Y (t )的功率谱密度相等,即 S X ( ) SY ( ) 5) X (t ) 和 Y (t )的平均功率相等,它们也等于窄带随机信号 n0 (t ) 的平均功率,即 6) BXY ( ) BYX ( ) 7) BXY (0) BYX (0) 0 8) S XY ( ) SYX ( )
E
0
E
E
X
hE
E
0
hE
E
hE
E
E
5.4 窄带随机信号包络的自相关特性
结论:白色过程通过窄带线性系统后,输出准正弦过程包 络的自相关函数等于该过程的自相关函数的包络。即 cos 0 B0 ( ) BE ( ) 2 (5.4.9)
《随机信号分析基础》第5章 课件 _窄带随机过程
N (t) = Ac(t)cos w0t - As(t)sin w 0t
因此
X(t) = [acosq+Ac(t)]cosw0t -[asinq+As(t)] sinw0t = A(t)cos[w0t+F(t)]
Gx (w)
A
w 0
w0
W
解:(1)零均值平稳窄带高斯信号 X(t) 的正交表达式为
X(t) = Ac(t)cos w 0t - As (t)sin w 0t
ò 基于功率谱计算功率得 P
=
Rx (0)
=
s2
=
1 2p
¥
G X (w)dw
-¥
=
AW 2p
5‐ 6 / 7
X(t) 为 0 均值的高斯随机信号,所以 X(t) N (0, s 2)
Ps(w) = 2121p Pm(w) * p[d(w - wc ) + d(w + wc )]
=
1 4
[Pm
(w
-
wc)
+ Pmd(w
+
wc ]
功率
P
=
Rsm (0)
=
1 2
Rm
(0)
cos
0
=
1 2
或则
ò ò P
=
1 4
⋅
1 2p
¥ -¥
Ps
(w)d
w
=
1 2p
¥ -¥
[Pm
(w
-
wc )
+
Pm (w
fAcAs (ac,as ) = fAc(ac )fAs (a s ) =
第5章 窄带随机过程
二. 窄带随机过程的表示方法
1、窄带随机过程的莱斯(Rice)表示式
任何一个实平稳窄带随机过程Y(t)都可以表示为:
Y ( t ) A ( t ) c o s t A ( t ) s i n t C 0 S 0
0 0
正 交 滤 波 器
H() 1
/2 0 ( ) 0 /2
相频特性为:
二. 希尔伯特(Hilbert)变换的性质
证明:
证明:
(8)偶函数的希尔伯特变换是奇函数, 奇函数的希尔伯特变换是偶函数。
(9)解析过程的性质 若X(t)平稳,则 Xˆ ( t ) 也平稳,且联合平稳
R )R ( ) ˆ( X X
ˆ ( R ( ) R ) ˆ X X X
R 0 )R 0 ) ˆ( X( X
R X Xˆ ( ) 是奇函数。
ˆ ( R ( ) R ) ˆ X X X
R ( 0 ) R ( 0 ) 0 ˆ ˆ X X X X
表明同一时刻X(t)与其希尔伯特变换正交。
ˆ A ( t ) X ( t ) s i n t X ( t ) c o s t
ˆ A ( t ) X ( t ) c o s t X ( t ) s i n t C 0 0
S 0 0
2 2 A 1 A c t s t f ( A , A ) f ( A ) f ( A ) 2 e x p 2 A A c t s t A c t A s t cs c S 2 2
5.1 希尔伯特变换 5.2 窄带随机过程的统计特性 5.3 窄带正态随机过程包络和相位的分布 5.4 信号处理实例—通信系统的抗噪性能分析
窄带随机过程
5.1 希尔伯特变换
• 证明:
上一页 下一页 返回
5.1 希尔伯特变换
• 如图5.2所示,由于Δω/2<ω0,可得 • 所以其希尔伯特变换的频谱为
上一页 下一页 返回
5.1 希尔伯特变换
•取
的傅里叶反变换可得
• 利用傅里叶变换的频移性质
上一页 下一页 返回
5.1 希尔伯特变换
通过一个滤波器hH1( t) 后,
上一页 下一页 返回
5.1 希尔伯特变换
•则
上一页一个正交滤波器。
• 因为
于是,
• 可以将x( t) 的希尔伯特变换看成是将x( t) 通过一个具有冲激响
应为
的线性滤波器,即
上一页 下一页 返回
5.1 希尔伯特变换
上一页 下一页 返回
5.1 希尔伯特变换
• 其中,
• 具有单边频谱
•
被称为实信号x(t)的解析信号。所以,实信号x(t)可用一个仅含
有正频率成分的解析信号的实部来表示。
上一页 下一页 返回
5.1 希尔伯特变换
• 5.1.2 希尔伯特变换的定义
• 通过上面的推导可以看出将信号正频域谱的2倍的傅里叶反变换取实 部,就等于原信号。
• 当τ=0时,有
上一页 下一页 返回
5.3 窄带随机信号
• 表示X (t) 、Ac(t)、As(t)三者的平均功率皆相等。
• 其中
表示一低通滤波器。
上一页 下一页 返回
• 证: 由于
5.3 窄带随机信号
• 两边取傅里叶变换,并利用
可得
上一页 下一页 返回
5.3 窄带随机信号
• 上式各项对应的功率谱密度图形如图5.8所示,从图中可以直接得出 • 同理可得
《随机信号分析》第五章-窄带随机过程
1.定义
正变换定义:
H[x(t)] xˆ(t) 1 x( ) d
t
xˆ(t) x(t) 1
t
反变换:
H 1[xˆ(t)] x(t) 1 xˆ( ) d
t
H 1[xˆ(t)] xˆ(t) 1
t
x(t)
1
xˆ (t)
t
xˆ (t)
1
x(t)
t
2020/7/24
3
希尔伯特变换器实际上是一个90的相移器 (理想宽带相移网络)
频率特性为:
H
()
j
sgn()
j
j
0 0
幅频特性为: 相频特性
H () 1
这是一个全
通滤波器
( )
/ 2
/
2
0 0
w
例. x(t ) cos 2 f0t,
2020/7/24
2 0
xˆ (t)
cos
2
f0t
2
w
sin 2 f0t
4
2020/7/24
5
Hilbert变换的基本性质
2. 性质 (1)
H[xˆ(t)] x(t) 两次变换等于反相
(2)
H[cos(0t )] sin(0t )
H[sin(0t )] cos(0t )
2020/7/24
7
2. 性质
(3) H[a(t) cos0t] a(t)sin 0t
H[a(t)sin 0t] a(t) cos0t
x(t) a(t) cos0t
X
()
1 2
[ A(
0
)
A(
0
)]
Xˆ
()
窄带随机过程
由Pξ (ω ) R(τ )
因为R(τ )在τ = 0才有值,所以白噪声只与τ = 0相关
(三)
∴ R(τ ) =
宽 带 过 程
n0 δ (τ ) 2
2.带限白噪声 定义: 白噪声限制于(-f0,f0)之内
白噪声 n0/2 n0/2
R(τ ) = f 0 n0 S a (ω 0τ )
FT
1 H [ f (t )]= f (t ) πt
H [a (t )Cosω c t ]
j ω ←→ Sgn [A(ω ω c ) + A(ω + ω c )] 2 2π
FT
1 jA(ω + ω c ) ω < 0 X H ( jω ) = 2 1 2 jA(ω ω c ) ω > 0
X(w)
△f
0
fc
f
1 xH (t ) = F [X H ( jω )] = 2π
1
{∫
∞ j 0 2
A(ω ω c )e dω + ∫
jωt
j ∞ 2
0
A(ω + ω c )e jωt dω
}
因为是窄带信号,假设a(t)带宽为(-W,W)
ω c +W j ω c +W j 1 j ωt = A(ω ω c )e dω + ∫ A(ω + ω c )e jωt dω ω c W 2 2π ∫ω c W 2 分别令ω ' = ω ω c;ω ' = ω + ω c
R(τ)
带限白噪声
Pξ(w) n0/2
1/2f0
-f0
f0
r (t ) = ACos (ω c t + θ ) + n(t )
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
2
a12 a22
2a
a1a2
cos
2
1
,
0
a1, a2 0, 1, 2 其它
2 2
fa a1, a2 0 0 fa a1, 1, a2 , 2 d1d2
a1a2
1
D2
I0
a1a2a()
1
D2
exp
2
a12 a22
1
2D2
,
0,
a1, a2 0 其它
2020/10/24
25
正弦信号加窄带噪声包络平方的分布
f A ( At
)
At
2
exp
At2 a2
2 2
I0
aAt
2
,
At 0
fU (ut ) f A ( At ) | J |
1
2
2
exp
1
2
2
(u
a
2
)
I0
au1/ 2
2
2020/10/24
26
总结
希尔伯特变换 解析信号 频带信号与带通系统 窄带平稳随机过程
二维瑞利分布 第一类零阶修正贝塞尔函数
2020/10/24
18
相位的二维分布
f 1,2
0
0 fa
a1,1, a2 ,2 da1da2
1
D2
1 2
4
2
4
1
2 cos1
3
1 2 2
,
0,
0 1,2 2
其它
2020/10/24
19
fa a1,1, a2 ,2 fa a1, a2 f 1,2
2020/10/24
a=0,f (At) ~ 瑞利分布 a>> ,f (At) ~ 近似高斯分
布
23
1 x z2
( x)
2
exp
2
dz
5.4.2 正弦波加窄带高斯过程-相位的概率密度
f (t | ) 0 f A ( At ,t | )dAt
概率积分函数
1 exp( 1 2 ){1
Pc
f
Ps
f
P
0,
f fc
其它
P
f
fc ,
fc f fc
P ( f ) A
0
fc
fc fc f
f
A P ( f fc )
0
2 fc
fc
0 f
f
A P ( f fc )
2020/10/24
f 0
0
fc
2 fc
Pc ( f ) Ps ( f ) A
f 0 f
f
9
f
5.3.2
(3) D Ac t D As t D n t 2
f
Ac ,
As
1
2
2
exp
Ac
a cos
2
2 2
As
a sin
2
2020/10/24
21
5.4.2 正弦波加窄带高斯过程-表示方法2
■ 表示方法2 r t A t cos ct t ,
其中
A
t
Ac2 t As2 t
■ 表示方法1
r t a cos nc t cos 2 fct a sin ns t sin 2 fct
Ac t
As t
对于给定 (1) Ac t , As t ~高斯分布,同一时刻相互独立
(2) E Ac t a cos , E As t a sin
c t cos 2 fct s t sin 2 fct
同向分量
正交分量
c (t) a (t) cos (t)
s (t) a (t) sin (t)
a (t) c2 (t) s2 (t)
(t
)
arctan
s c
(t (t
) )
2020/10/24
2
窄带随机过程的低通表示
■ t 的等效低通表示
表明: 同一个时刻,随机变量A和是相互独立的; 但是,A(t)与(t)不是相互独立的随机过程。
2020/10/24
20
5.4.2 正弦波加窄带高斯过程-表示方法1
■ 考察混合信号 r t a cos 2 fct nt
~ 0, 2 均匀分布 n t nc t cos 2 fct ns t sin 2 fct ~ 窄带平稳高斯噪声,均值为零
a2
2aA(t) cos( 2 2
))
2020/10/24
22
5.4.2 正弦波加窄带高斯过程-包络的概率密度
f A ( At
|)
At
2
exp(
At 2 a
2 2
2
)
I
0
(
aAt
2
)
(At
0)
广义瑞利分
布(莱斯分布)
I0 (x)
1
2
2 expx cos d
0
零阶修正贝塞尔 函数(Bessel)
Cov(c1, c2 ) Cov(s1, c2 ) Cov(c2 , c2 ) Cov(s2 , c2 )
Cov(c1, s2 )
Cov(
s1
,
s
2
)
Cov(c Cov(s
2 2
, ,
s s
2 2
) )
2
K
0 Rc ()
0
0 2 0 Rs ()
Rc () 0 2 0
0 2
Rs
()
11
假设:窄带正态过程均值为零,功率谱密度关于中心频率对称分布
5.4.1 窄带正态随机过程包络和相位的分布
■ c t 和s t 的联合概率密度
假定 t 为高斯分布,则在同一时刻
f
c ,s
f
c
f
s
1
2
2
exp
2 c
2
2 s
2
a t
2 c
t
2 s
t
,
t
arctg
s c
t t
0
2
0
Ra
()
0
0 2 0 Ra ()
Ra () 0 2 0
0
Ra
()
0
2
Ra
(
)
1
0 GY ( 0 ) cos d
Ra ( ) Rc ( ) Rs ( )
2020/10/24
对称功率谱 16
1
fcs (c1, s1, c2 , s2 )
1
42 D 2
exp
1 1 2
(t ) (t ) jˆ(t ) L (t )e j2 fct L (t ) c (t ) js (t )
c
s
t t
t cos 2 ˆ t cos 2
fct fct
ˆ t sin 2 t sin 2
fct fct
■ 若E t 0,E c t E s t 0.
2
2
2
cos(
t
)
[
cos(
t
)] exp( 1 2
2)
cos2
(
t
)}
a/
=0,均匀分布 (窄带正态噪声)
1
f (t | )
2
cos(
t
)
exp[
1 2
2
sin
2
(
t )]
大信噪比情况下,信号加噪声的相 位主要集中在信号相位附近
2020/10/24
24
5.4.3. 窄带随机过程包络平方的分布
t
arctg
As Ac
t t
Ac As
t t
A(t ) cos A(t ) sin
f A(t )
( A(t), )
1
2
2
exp
A(t)cos
a cos
2
2 2
A(t ) sin
a sin
2
J
其中, J A(t)
f A(t )
( A(t),)
A(t)
2 2
exp(
A(t ) 2
等效低通表示式,功率谱密度 同相分量、正交分量性质,幅值、包络性质
正弦波加窄带高斯过程:幅值为莱斯分布
2020/10/24
27
fcs
(c1,s1,c2 ,s2 )
1
(2 )4/ 2 |
K
|1/ 2
exp(
1 2
xT K 1x)
2020/10/24
15
Cov(c1, c1)
K
Cov(
s1
,
c1
)
CCoovv((cs
2 2
, ,
c1 c1
) )
Cov(c1, s1) Cov(s1, s1) Cov(c2 , s1) Cov(s2 , s1)
当 P ( f )对称于fc时,有 R ( ) Rc ( ) cos 2fc Rs ( ) cos 2fc
P ( f ) A
0
fc
fc fc f
f
A P ( f fc )
0
2 fc
fc
0 f
f
A P ( f fc )
0
f 0
fc
2 fc
f
2020/10/24
Pc ( f ) Ps ( f )
高斯 同一时刻不相关
独立
2020/10/24
06-9-27 7
5.3.2 结论1
对于均值为零的窄带平稳高斯过程