通信原理随机过程6
通信原理 第三章 随机过程 学习要点及习题解答
第三章 随机过程学习目标通过对本章的学习,应该掌握以下要点: 随机过程的基本概念随机过程的数字特征(均值、方差、相关函数);平稳过程的定义、各态历经性、相关函数和功率谱密度;高斯过程的定义和性质、一维概率密度函数;随机过程通过线性系统、输出和输入的关系;窄带随机过程的表达式和统计特性;正弦波加窄带高斯过程的统计特性;高斯白噪声及其通过理想低通信道和理想带通滤波器。
3.1 内容概要3.1.1 随机过程的基本概念随机过程是一类随时间作随机变化的过程,具有不可预知性,不能用确切的时间函数来描述。
1.定义角度一:随机过程ξ(t )是随机试验的全体样本函数{ξ1 (t ), ξ2 (t ), …, ξn (t )}的集合。
角度二:随机过程ξ(t )是在时间进程中处于不同时刻的随机变量的集合。
这说明,在任一观察时刻t 1,ξ(t 1)是一个不含t 变化的随机变量。
可见,随机过程具有随机变量和时间函数的特点。
研究随机过程正是利用了它的这两个特点。
2.分布函数和概率密度函数 一维分布函数:ξ(t )在11111(,)[()]F x t P t x ξ=≤含义:随机过程ξ(t )在t 1时刻的取值ξ(t 1)小于或等于某一数值x 1的概率。
如果存在1111111),(),(x t x F t x f ∂∂=则称111(,)f x t 为ξ(t )的一维概率密度函数。
同理,任意给定12n t t t T ∈ ,,,,则ξ(t )的n 维分布函数为{}12121122(,,,;,,)(),(),,()n n n n n F x x x t t t P t x t x t x ξξξ=≤≤≤如果此能在n21n 21n 21n n n 21n 21n x )t x ()t x (∂∂∂∂= x x t t x x F t t x x f ,,,;,,,,,,;,,,则称其为ξ(t )的n 维概率密度函数。
显然,n 越大,对随机过程统计特性的描述就越充分。
周炯盘《通信原理》第3版课后习题(随机过程)【圣才出品】
3.7 设ζ(t)是均值为零、双边功率谱密度为 N0/2 的高斯白噪声通过截止频率为 fH 的理 想低通滤波器的输出过程,以 2fH 的速率对 采样,得到采样值
求 n 个采样值的联合概率密度。 解:因为ξ(t)是白高斯过程通过线性系统的输出,故ξ(t)是 0 均值的高斯过程。设 白噪声的功率谱密度为 ,则ξ(t)的功率是 ,所以ξ(t)的一维概率密度是
其中 因此
图 3-1(a)
其图形如图 3-1(b)图所示。
图 3-1(b)
3 / 10
圣才电子书 十万种考研考证电子书、题库视频学习平台
3.4 设
,其中,n(t)为高斯白噪声(特性同题 3.2),
φ1(t)和φ2(t)为确定函数。求 E(ξ1ξ2),并说明ξ1 与ξ2 统计独立的条件。
,但此时 u(t)的平均功率是
所以 由于
5 / 10
圣才电子书 十万种考研考证电子书、题库视频学习平台
因此输出信噪比为
3.6 设 y(t)=dn(t)/dt,已知:n(t)是白噪声的样本函数,其均值是零,双边功率 谱密度 N0/2=10-6W/Hz,另有一理想低通滤波器,其单边带宽 B=10 Hz。
的平均自相关函数是
,所以 Y (t)
3.2 设 X(t)是白噪声通过升余弦滤波器的输出,白噪声的均值为 0,双边功率谱密度为 , 升余弦滤波器的传输函数为
求 X(t)的双边功率谱密度及平均功率。 解:X(t)的平均功率谱密度为 X(t)的平均功率为
3.3 Y(t)是白白噪声通过图 3-1 所示电路的输出,求 Y(t)及其同相分量和正交分量的 双边功率谱密度,并画出图形。
通信原理随机过程
4
通信原理
2.随机过程的均值及相关函数 (时域) (1) 均值: E X (t) mX (t)
任何随机过程都可以看成是一个零均值随机 过程与一个确定函数的和。 X (t) X (t) mX (t)
(2) 相关函数:自相关函数 E X (t1)X (t2) RX (t1,t2) 互相关函数 E X (t1)Y (t2 ) RXY (t1,t2)
(2)自相关函数
RY (t1,t2 ) E[Y (t)Y (t )]
E[ X (t u)X (t v)h(u)h(v)dvdu]
RX ( u v)h(u)h(v)dvdu RY ( )
(6) 零均值随机过程和确定信号之和的功率谱密度为PX ( f ) Pm( f )
7
通返信回原目理录
3.2 平稳随机过程
1.定义 2.各态历经性(遍历性) 3.联合平稳 4.复平稳过程 5.零均值平稳过程通过滤波器 6.平稳序列 7.循环平稳过程
1.定义
(1)严平稳随机过程(狭义平稳)
如果对于任意n和t1, t2 , …,tn以及 有
通信原理
安建伟
北京科技大学通信工程系
第3章随机过程
3.1 随机过程的统计特性 3.2 平稳随机过程 3.3 高斯过程 3.4 高斯白噪声 3.5 匹配滤波器
2
通信原理
引言
为什么研究随机过程?
– 通信中,信号、干扰、噪声等都是随机信号, 具有一定的统计规律性。
– 随机过程是随机信号的数学模型。
研究什么?
T 2T T
时间平均
1T
lim x(t)
x(t )dt
通信原理-随机过程课件
遍历性的数学描述
对于一个随机过程,如果存在一个常 数$c$,使得对于任意的时间$t$,有 $E[X(t)]=c$,则称该随机过程具有遍 历性。其中$X(t)$表示在时刻$t$的随 机变量的取值。
标量乘法
标量乘法满足结合律和分 配律,即对于任意标量a 和任意随机过程X,有 a(X+Y)=aX+aY。
线性变换的应用
信号处理
在通信系统中,信号经常 需要进行线性变换以实现 调制、解调、滤波等操作 。
控制系统
在控制系统中,线性变换 被广泛应用于系统的分析 和设计,如传递函数、状 态方程等。
图像处理
在图像处理中,线性变换 被广泛应用于图像的增强 、滤波、变换等操作。
04
CATALOGUE
随机过程的平稳性
平稳性的定义
平稳性定义
一个随机过程如果对于任何正整数n,以及任何非负整数k,其n维联合分布函 数与n+k维联合分布函数相同,则称该随机过程是严平稳的。
数学表达式
若对于任意的正整数n和任意的非负整数k,都有P(X_1, X_2, ..., X_n) = P(X_1+k, X_2+k, ..., X_n+k),则称随机过程{X_t}是严平稳的。
06
CATALOGUE
随机过程的功率谱密度
功率谱密度的定义
功率谱密度
表示随机信号的功率随频率的分布, 是描述随机信号频域特性的重要参数 。
定义方式
功率谱密度函数通常由傅里叶变换来 定义,将随机信号的时域表示转换为 频域表示。
通信原理辅导及习题解析
通信原理辅导及习题解析(第六版)第3章随机过程本章知识结构及内容小结[本章知识结构][知识要点与考点]1. 随机过程的基本概念 (1)随机过程的定义随机过程可从样本函数与随机变量两种角度定义。
第一,随机过程是所有样本函数的集合;第二,随机过程可以看作实在时间进程中处于不同时刻的随机变量的集合。
(2)随机过程的分布函数 ① n 维分布函数12121122(,,,;,,,){(),(),,()}n n n n n F x x x t t t P t x t x t x ξξξ=≤≤≤② n 维概率密度函数1212121212(,,,;,,,)(,,,;,,,),,,n n n n n n nF x x x t t t f x x x t t t x x x ∂=∂∂∂维数n 越大,对随机过程统计特征的描述就越充分。
(3)随机过程的数字特征 ① 均值(数学期望)1[()](,)()E t xf x t dx a t ξ∞-∞==⎰均值表示随机过程的样本函数曲线的摆动中心。
② 方差2222[()]{()[()]}[()]()()D t E t E t E t a t t ξξξξσ=-=-=方差表示随机过程在时刻t 相对于均值的偏离程度。
③自相关函数1212(,)[()()]R t t E t t ξξ=自相关函数目的是为了衡量在任意两个时刻上获得的随机变量之间的关联程度。
④协方差函数1211221212(,){[()()][()()]}(,)()()B t t E t a t t a t R t t a t a t ξξ=--=-协方差函数对随机过程在任意两个时刻上的随机变量与各自均值的差值之间的相关联程度进行描述。
⑤互相关函数,1212(,)[()()]R t t E t t ξηξη=互相关函数用来衡量两个随机过程之间的相关程度。
2. 平稳随机过程 (1)定义 ①严平稳随机过程若一个随机过程()t ξ的任意有限维分布函数与时间起点无关,则称为严平稳的,即:()()12121212,,,,,,,,,,n n n n n n f x x x t t t f x x x t t t =+∆+∆+∆②宽平稳随机过程若一个随机过程()t ξ的均值为常数,自相关函数仅于时间间隔21t t τ=-有关,则称为宽平稳,即:()()()12, ,E t a R t t R ξτ==⎡⎤⎣⎦(2)各态历经性若随机过程的任一实现,经历了随机过程的所有可能状态,则称其是各态历经的,即随机过程的数字特征,可以由其任一实现(样本函数)的数字特征来代表。
通信原理知识点
通信原理复习资料 一、基本概念 第一章1、模拟通信系统模型模拟通信系统是利用模拟信号来传递信息的通信系统 2、数字通信系统模型数字通信系统是利用数字信号来传递信息的通信系统 3、数字通信的特点 优点:(1)抗干扰能力强,且噪声不积累 (2)传输差错可控(3)便于处理、变换、存储(4)便于将来自不同信源的信号综合到一起传输 (5)易于集成,使通信设备微型化,重量轻 (6)易于加密处理,且保密性好 缺点:(1)需要较大的传输带宽 (2)对同步要求高 4、通信系统的分类(1)按通信业务分类:电报通信系统、电话通信系统、数据通信系统、图像通信系统 (2)按调制方式分类:基带传输系统和带通(调制)传输系统 (3)调制传输系统又分为多种调制,详见书中表1-1 (4)按信号特征分类:模拟通信系统和数字通信系统 (5)按传输媒介分类:有线通信系统和无线通信系统 (6)按工作波段分类:长波通信、中波通信、短波通信(7)按信号复用方式分类:频分复用、时分复用、码分复用 5、通信系统的主要性能指标:有效性和可靠性 有效性:指传输一定信息量时所占用的信道资源(频带宽度和时间间隔),或者说是传输的“速度”问题。
数字通信系统模型模拟通信系统模型可靠性:指接收信息的准确程度,也就是传输的“质量”问题。
(1)模拟通信系统:有效性:可用有效传输频带来度量。
可靠性:可用接收端最终输出信噪比来度量。
(2)数字通信系统:有效性:用传输速率和频带利用率来衡量。
可靠性:常用误码率和误信率表示。
码元传输速率R B :定义为单位时间(每秒)传送码元的数目,单位为波特(Baud ) 信息传输速率R b :定义为单位时间内传递的平均信息量或比特数,单位为比特/秒 6、通信的目的:传递消息中所包含的信息7、通信方式可分为:单工、半双工和全双工通信8、信息量是对信息发生的概率(不确定性)的度量。
一个二进制码元含1b 的信息量;一个M 进制码元含有log 2M 比特的信息量。
第三章通信原理 随机过程
体 x1t, x2 ,t,就,是xn 一t个
随机过程,记作 。
t
因此从这个角度得到随机过程的这种定义: 随机过程是所有样本函数的集合。
角度2:现在,我们在某一特定时刻如 时t1刻观察
各台接收机的噪声,可以发现在同一时刻,每个接 收机的输出噪声值是不同的,它在随机变化。
(1)随机过程的协方差函数:B(t1,t2) 描述了随机过程§(t)在任意两个时刻t1和t2,相对
均值的起伏量之间的相关程度。
B(t1, t2 ) E (t1) a(t1) (t2 ) a(t2 )
B(t1, t2 ) x1 a(t1 ) x2 a(t2 ) f2( x1, x2;t1, t2 )dx1dx2
f1x,t
F1x, t
x
F1x, t
x
f1 y, tdy
F1和x, t f即1x是, t 的函数,x 又是时间 的函数。t很显然,
一维分布函数及一维概率密度函数仅仅表示了随机过程 在任一瞬间的统计特性,它对随机过程的描述很不充分, 通常需要在足够多的时间上考察随机过程的多维分布。
测试结果表明,得到的 n张记录图形并不因为有 相同的条件而输出相同 的波形。恰恰相反,即 使n足够大,也找不到两 个完全相同的波形。这 就是说,通信机输出的 噪声电压随时间的变化 是不可预知的,因而它 是一个随机过程。
N部通信机的噪声输出记录
测试结果的每一个记录, 都是一个确定的时间函
数 ,xi 称t 之为样本函数
式中 是一个离散随机变量,且
P
、0
1 2
P 2, 试12求 和E 1。 R 0,1
通信原理第三章随机过程
4、平稳随机过程通过线性系统
4、平稳随机过程通过线性系统
5、窄带随机过程(1)
PX (
f
)
1 4PXL( Nhomakorabeaf
fc ) PXL ( f
fc )
5、窄带随机过程(2)
注意窄带过程为平稳随机过程!
XL (t) Z(t)e j2 fct
Xc t Xˆ s t ?
5、窄带随机过程(3)
试证明
5、窄带随机过程(4)
广义平稳序列,均值为ma,g(t)在一个周 期T内有值,周期平均值为mg。易证这是 一个(非周期)广义平稳的随机过程。
7 循环平稳随机过程
均值 E X t E an E g t nT mamg
n
自相关 Rg Rg t,t
1 T
k
Ra
k
kT
Rg
均和第一种形式的周期平稳随机信号在一个周期内的平均相等。
1 T
k
Ra
k
g* u g u
kT du
1 T
k
Ra
k
Rg
kT
1 T
k
Ra
k
kT
Rg
PX
f
1 T
Eg
f
Pa
f
1 T
G
f
2
Ra
k
k exp
jk 2
fT
7 循环平稳随机过程
对于基带过程
X t ang t nT ② n
其中α是[0,T]上均匀分布的RV。an序列为
功率谱密度
PX
f
1 T
Eg
f
Pa
f
1 T
G
f
2
第3章-通信原理-随机过程
第3章随机过程3.1 随机过程基本概念自然界中事物的变化过程可以大致分成为两类:(1) 确定性过程:其变化过程具有确定的形式,数学上可以用一个或几个时间t的确定函数来描述。
(2) 随机过程:没有确定的变化形式。
每次对它的测量结果没有一个确定的变化规律。
数学上,这类事物变化的过程不可能用一个或几个时间t的确定函数来描述。
随机信号和噪声统称为随机过程。
1. 随机过程的分布函数随机过程定义:设S k(k=1, 2, …)是随机试验。
每一次试验都有一条时间波形(称为样本函数),记作x i(t),所有可能出现的结果的总体{x1(t), x2(t),…, x n(t),…}构成一随机过程,记作ξ(t)。
无穷多个样本函数的总体叫做随机过程。
随机过程具有随机变量和时间函数的特点。
在进行观测前是无法预知是空间中哪一个样本。
在一个固定时刻t1,不同样本的取值x i(t1)是一个随机变量。
随机过程是处于不同时刻的随机变量的集合。
设ξ(t)表示一个随机过程,在任意给定的时刻t1其取值ξ(t1)是一个一维随机变量。
随机变量的统计特性可以用分布函数或概率密度函数来描述。
把随机变量ξ(t1)小于或等于某一数值x1的概率记为F1(x1, t1),即如果F1对x1的导数存在,即ξ (t)样本函数的总体(随机过程)11{()}P t xξ≤11111(,){()}F x t P t xξ=≤称为ξ(t)的一维概率密度函数。
同理,任给t 1, t 2, …, t n ∈T, 则ξ(t)的n 维分布函数被定义为为ξ(t)的n 维概率密度函数。
2. 随机过程的数字特征用数字特征来描述随机过程的统计特性,更简单直观。
数字特征是指均值、方差和相关系数。
是从随机变量的数字特征推广而来的。
(1) 数学期望(均值)表示随机过程的n 个样本函数曲线的摆动中心,即均值。
积分是对x 进行的,表示t 时刻各个样本的均值,不同时刻t 的均值构成摆动中心。
现代通信原理 第3章 随机过程
随机过程ξ (t)的n维概率密度函数
n Fn ( x1 , x2 ,, xn ; t1,t2 ,, tn ) f n ( x1 , x2 ,, xn ; t1 , t2 , tn ) x1 x2 xn
(3-4)
(3)随机过程的二维概率分布函数
随机过程ξ (t)的二维概率分布函数
(3-20)
如果平稳随机过程依概率1使下式成立:
aa
R( ) R( )
则称该平稳随机过程具有各态历经性。
• “各态历经”的含义:随机过程中的任一实现都经历了随机过程
的所有可能状态。因此, 使“统计平均”化为“时间平均”,使实
际测量和计算的问题大为简化。
•具有各态历经性的随机过程必定是平稳随机过程, 但平稳随机过
(3-17)
为常数,这表示平稳随机过程的各样本函数围绕 着一水平线起伏。
同样,可以证明平稳随机过程的方差σ2(t)=σ2=
常数,表示它的起伏偏离数学期望的程度也是 常数。 而平稳随机过程ξ(t)的自相关函数 R(t1, t2)=E[ξ(t1)ξ(t1+τ)]=
x1 x2 f 2 ( x1 , x2 ; )dx1dx2 R( )
互协方差与互相关函数
设ξ (t)与η (t)分别表示两个随机过程,则
• 互协方差函数定义为
B t1 , t2 E t1 a t1 t2 a t2
(3-12)
• 互相关函数定义为
R t1 , t2 E t1 t2
0 2
2
0
通信原理第3讲随机过程
脉冲噪声的产生与线路的物理性质、传输信号的特性以及周围环 境的干扰有关。
脉冲噪声影响
脉冲噪声会对信号造成干扰,导致数据传输错误,降低通信系统 的可靠性。
数字通信中的码间干扰
1 2 3
码间干扰定义
在数字通信中,由于信号的传输速率较高,前后 码元之间会产生相互干扰,这种现象称为码间干 扰。
意义
相关函数在通信系统中用于描述信号的时域特性和噪 声特性,对于信号的检测和识别具有重要意义。
功率谱密度和相关函数的关系
关系
功率谱密度和相关函数是描述随机信号特性的重要参数,它 们之间存在一定的关系。一般来说,功率谱密度和相关函数 可以互相推导,它们在描述信号的特性和分析通信系统时具 有互补性。
应用
描述随机过程在不同时刻取值之间的 相关性。
谱密度函数
描述随机过程的频率特性。
互相关函数
描述两个随机过程在不同时刻取值之 间的相关性。
交叉谱密度函数
描述两个随机过程的频率特性之间的 关系。
03
随机过程的平稳性和遍历 性
平稳随机过程
01
02
03
定义
如果一个随机过程的统计 特性不随时间的推移而变 化,则称该随机过程为平 稳随机过程。
多径衰落产生原因
无线信号在传播过程中会遇到多种障碍物,如建筑物、树 木等,这些障碍物会反射、折射和散射信号,导致接收端 接收到的信号包含多个路径的成分。
多径衰落影响
多径衰落会导致信号的幅度和相位发生变化,从而影响通 信质量,产生误码率,降低通信系统的性能。
有线通信中的脉冲噪声
脉冲噪声定义
在有线通信中,由于线路中存在阻抗不匹配、电磁干扰等原因, 会在信号中产生突发的脉冲噪声。
通信原理 随机过程 ppt
2 erf x π
互补误差函数
x
0
exp t dt
2
(3.3 - 11)
2 erfc x 1 - erf x π
x
exp t
dt
2
(3.3 - 13)
当x 1时, erfc x
1 x π
e
x2
安庆师范学院物理与电气工程学院
随机过程 (t) 的二维分布函数: F2 ( x1 , x2 ; t1 , t 2 , ) P (t1 ) x1 , (t 2 ) x2 随机过程 (t)的二维概率密度函数:
如果存在
F1 ( x1; t1 ) P (t1 ) x1
(3.1 1)
2 F2 ( x1 , x2 ; t1 , t 2 ) f 2 ( x1 , x2 ; t1 , t 2 ) x1 x2
(3.3 - 14)
7
3.1 概率分布知识回顾 8正态随机变量
Q函数
f(t)
1 Q x 2π
x
t2 exp dt x 0 2 (3.3 15)
称为Q函数
0x
t
F ( x)
1 2
t2 1 exp 2 dt 1 2 1 Q( x)
方差特性:
D[c] 0, c为常量 D[cX ] c 2 D[ X ] X , Y相互独立 : D[ X Y ] D[ X ] D[Y ]
c. 协方差:C[XY]表示X和Y之间相关性强弱的数字特性
C[ XY ] E[( X a X )(Y aY )]
通信原理随机过程总结
通信原理随机过程总结通信原理是指在信息传输过程中所涉及的基本原理和方法。
随机过程则是指在一定条件下,随机事件在时间或空间上的演变规律。
本文将结合通信原理和随机过程的相关概念,探讨通信原理中随机过程的应用和影响。
在通信系统中,随机过程是一个重要的概念。
通信系统中的信号往往受到各种噪声的干扰,这些噪声往往是随机的。
因此,研究随机过程对于理解和分析通信系统的性能具有重要意义。
我们来了解一下随机过程的基本概念。
随机过程是一种随机变量的集合,它描述了一组随机事件在时间上的演变规律。
在通信系统中,随机过程可以用来描述信号的统计特性。
例如,我们可以通过随机过程来描述信号的平均功率、功率谱密度等统计参数,从而分析信号在传输过程中的性能。
在通信系统中,随机过程常常用来描述信道的特性。
信道是信号传输的媒介,而信道的特性往往是随机的。
例如,无线信道中的多径效应导致信号在传输过程中发生衰减和时延扩展,这些衰减和时延扩展往往是随机的。
因此,我们可以通过随机过程来描述信道的衰落模型和时延扩展模型,从而分析信道对信号传输的影响。
随机过程还可以用来描述通信系统中的各种干扰。
通信系统中的干扰往往是随机的,例如,多用户干扰、同频干扰等。
通过建立合适的随机模型,我们可以对这些干扰进行统计分析,从而评估系统的性能。
在通信系统中,随机过程还可以应用于误码性能分析。
误码是指在信号传输过程中由于噪声等因素引起的错误。
通过建立合适的随机模型,我们可以分析误码率的统计特性,从而评估系统的可靠性和性能。
通信原理中的随机过程在理解和分析通信系统的性能方面起着重要的作用。
通过对随机过程的研究,我们可以更好地理解通信系统中信号、信道、干扰等的统计特性,从而设计和优化通信系统,提高系统的可靠性和性能。
通过对通信原理和随机过程的学习,我们可以更好地理解和分析通信系统的性能。
随机过程的应用使得我们能够对信号、信道和干扰等进行统计分析,从而评估和优化系统的性能。
通信原理 第二章随机过程
P ( ) R( )
P ( ) F [ R( )] [ ( 0 ) ( 0 )] 2 1 1 1 离散的 S P ( )d ( ) 2 2 2 2 2
高斯过程
用途:通信信道的噪声,通常可以用高斯过程 来描述 性质: 高斯过程若是宽平稳,则是严平稳 若高斯过程中的随机变量之间互不相关, 则它们也是统计独立的
R(t, t ) E[sin(0t ) sin((0t 0 )]
使用三角公式: sin(a b) sin a cosb cosa sin b
E{sin( 0t )[sin( 0t ) cos0 cos(0t ) cos0 ]}
1 f ( x) e 2
1 x2 2
1 f ( x) e 2 ( x a )2 2 2
, x
求此时刻的统计平均功率和平均电平(或电流) 解: (1)平均电平=a2=0 (2)平均功率=直流功率+交流功率 a2=0 + σ2=1 所以,平均功率=1
平稳随机过程
平稳随机过程
各态历经性
aa 数学期望: a 数学期望 数学期望: a a 数学期望: 2 2 2 2 2 2 方差: 方差: 方差 方差: 自相关: R ( ) R ( ) 自相关: R ( ) R ( ) 自相关函数 自相关: R ( ) R ( )
பைடு நூலகம்
2
2 2
平稳随机过程
| FT ( ) |
2 T /2 T / 2
T
(t )e
jt
樊昌信《通信原理》(第6版)笔记和课后习题(含考研真题)详解(随机过程)
(1)高斯过程的 n 维分布仅由各随机变量的均值、方差和两两间的协方差函数决定。 (2)高斯过程若是宽平稳的,也是严平稳的。 (3)高斯过程丌同时刻的叏值若互丌相关,则彼此独立。 (4)高斯过程经过线性系统后仍是高斯过程。
2.高斯随机变量 一维正态分布的概率密度函数为:
F1 ( x1 , t1 ) x1
(t) 的 n 维概率分布函数和 n 维概率密度函数分别是:
Fn (x1, x2,..., xn;t1, t2,..., tn ) P{ (t1) x1, (t2) x2,..., (tn) xn}
fn
( x1 ,
x2 , ...,
xn;t1, t2,..., tn )
则称这个随机过程是狭义平稳的(也称严平稳)。由此可见,平稳随机过程的统计特性丌 随时间的推秱而改变,即
(1)一维分布不 t 无关: f1(x1, x2 ) f1(x) ;
3 / 34
圣才电子书 十万种考研考证电子书、题库视频学习平台
(2)二维分布只不 =t2 t1 有关: f1(x1, x2;t1,t2 ) f1(x1, x2; ) 。
n Fn
(x1, x2,..., xn;t1, t2,..., x1x2,..., xn
tn
)
1 / 34
圣才电子书 十万种考研考证电子书、题库视频学习平台
2.随机过程的数字特征 (1)均值(数学期望)
E[ (t)] xf1(x,t)dx a(t)
随机过程的数学期望是时间 t 的函数,如图 3-1 所示。表示随机过程在某时刻的摆动中 心(平均值)。
5.平稳随机过程的功率谱密度 平稳随机过程的自相关函数和功率谱密度(PSD)乊间互为傅立叶变换关系,即维纳辛钦关系:
第三章通信原理《随机过程》
PPT文档演模板
第三章通信原理《随机过程》
•结论:平稳随机过程的均值(和方差是与时间t无关 的常数,自相关函数只是时间间隔τ的函数,而与所 选取的时间起点无关。
• 在工程中,我们常用这两个条件来直接判断随机 过程的平稳性,并把同时满足均值为常数、自相关 函数只与时间间隔 有关的随机过程定义为广义平稳 随机过程。
• 显然,严平稳必定是广义平稳,反之不一定成立。
• 在通信系统中所遇到的信号及噪声,大多可视为 平稳的随机过程。以后的讨论除特殊说明,均假定 是广义平稳的,简称平稳。
PPT文档演模板
第三章通信原理《随机过程》
• 下面我们来看一道例题,来判断一个随机过程 是否是平稳随机过程?
•例题:某随机过程是一个幅度、角频给定的正弦波, •其相位值是随机的,即 •式中: 与 为常数, 在 内均匀分布随 •机变量,试证明其为广义平稳过程。
•是二维概率密度函数。
• 协方差函数、 相关函数体现了随机过程
的二维统计特性。
PPT文档演模板
第三章通信原理《随机过程》
(3) 协方差函数与 相关函数的关系:
若随机过程的数学期望为零,则协方差函数与相 关函数是相同的。即使数学期望不为零,协方差函数 与相关函数尽管形式不同,但它们所描述的随机过程 内部联系的效果是相同的。本书将采用相关函数。
一维分布函数:
一维概率密度函数:
PPT文档演模板
第三章通信原理《随机过程》
•一般情况下: 一维分布函数: 一维概率密度函数:
和
即是 的函数,又是时间 的函数。很显然,
一维分布函数及一维概率密度函数仅仅表示了随机过程
在任一瞬间的统计特性,它对随机过程的描述很不充分,
通常需要在足够多的时间上考察随机过程的多维分布。
- 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)。
2020/5/22
通信原理
5
第3章 随机过程
?1 (t )
角度1:对应不同随机试验
结果的时间过程的集合。 ?2 (t)
角度2:随机过程是随机变
量概念的延伸。
? n (t )
讨论:
t1
t2
t
图 3- 1 n 图 图 图 图 图 图 图 图 图
●在任一给定时刻t1上,每一个样本函数?i (t)都是一个确定的 数值?i (t1),但是每个?i (t1)都是不可预知的--为随机量。 ●换句话说,随机过程在任意时刻t1的值ξ(t1)是一个随机变量。 ●因此,又可以把随机过程看作是在时间进程中处于不同时
通信原理电子教案
第 3 章 随机过程
西北工业大学
2009.2
第3章 随机过程
第 3 章 随机过程
--本章是本书的重要数学基础。 研究内容:
3.0 引言 3.1 随机过程的一般描述 3.2 平稳随机过程 3.3 高斯随机过程 3.4 平稳随机过程通过线性系统 3.5 窄带随机过程 3.6 正弦波加窄带随机过程 3.7 高斯白噪声和带限白噪声
刻的随机变量的集合。
2020/5/22
通信原理
6
第3章 随机过程
概括:
随机过程ξ(t)的含义/属性有两点: (1)ξ(t)是t 的函数; (2)ξ(t)在任一时刻 t1上的取值ξ(t1)不是确定的,是一个 随机变量。即每个时刻上的函数值是按照一定的概率分布 的。
概率论:随机变量分析--分布函数和概率密度
统计学中的有关随机过程的理论可以运用到随机信号和噪 声分析中来。
2020/5/22
通信原理
3
第3章 随机过程
3.1 随机过程的一般描述
3.1.0 基本概念
考察: 假设有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。 得到一系列噪声波形ξ1(t)、ξ2(t)、ξ3(t)、...、ξn(t) 。 理想时,波形应一致,但实际不然。
随机过程:
t1
t2
t
图 3- 1 n 图 图 图 图 图 图 图 图 图
? (t) ={?1(t), ?2(t), …, ?n(t)}
●每一条曲线ξi(t)都是随机过 程的一个实现/样本--为确
定的时间函数。
角度1:对应不同随机试验结果的时间过程的集合。
角度2:随机过程是随机变量概念的延伸。
●在某一特定时刻t1观察各台接收机的输出噪声值ξ(t1) ,发 现他们的值是不同的-- 是一个随机量(随机变量)。
●显然,n 越大,对随机过程的描述越充分。 统计独立:
对于任何n个随机变量ξ(t1),ξ(t2),...,ξ(tn),如果下式成立 fn(x1,x2,...,xn;t1,t2,...,tn)
=f1(x1,t1)f2(x2,t2 )...fn (xn ,tn ) 则称这些变量是统计独立的,否则就是不独立的或相关的。
2020/5/22
通信原理
11
第3章 随机过程
3.1.2 随机过程的数字特征
引言 ●问题:随机过程的分布函数(或概率密度)族能够完善 地刻画随机过程的统计特性。但 实际中:难;不必。 ●措施:用随机过程的数字特征来描绘随机过程的统计特性, 更简单方便。 ●方法:求随机过程数字特征的方法有“统计平均”和“时 间平均”两种。
F1( x1, t1) ? P[? (t1) ? x1]
●一维概率密度函数
f1( x1, t1)
?
?F1( x1, t1) ?x1
若上式中的偏导存在的话。
2020/5/22
通信原理
8
第3章 随机过程
(2)随机过程? (t)的二维描述 若随机过程ξ(t)在时刻 t1 的取值是随机变量ξ(t1),时刻t2的取 值是随机变量ξ(t2),则ξ(t2)与ξ(t2)构成一个二元随机变量 [ ξ(t1),ξ(t2)]。 ●二维分布函数
?1 (t)
找不到两个完全相
? 2 (t)
同的波形!
?n (t)
2020/5/22
t1
t2
t
图 3- 1 n 图 图 图 图 图 图 图 图 图
通信原理
4
第3章 随机过程
讨论:
?1 (t)
●每一条曲线ξi(t)都是一个随
机起伏的时间函数--随机
?2 (t)
函数。
●全部随机函数的集合--
? n (t )
(3)随机过程? (t)的多维描述 ●n维分布函数
F n ( x1 , x 2 ,? , x n ; t1 , t 2 ,? t n )
? P ?? (t1 ) ? x1 , ? (t 2 ) ? x2 , ? , ? (t n ) ? xn ?
● n维概率密度函数
fn
(x1,x2,L
,xn;t1,t2,L
F2 ( x1, x2 ; t1, t2 , ) ? P?? (t1 ) ? x1,? (t2 ) ? x2 ?
●二维概率密度函数
f2 (x1, x2;t1,t2 ) ?
? 2F2 (x1, x2 ;t1,t2 ) ?x1 ??x2
若上式中的偏导存在的话。
2020/5/22
通信原理
9
第3章 随机过程
研究内容--随机过程统计特征: 3.1.1 机过程的分布函数 3.1.2 随机过程的数字特征
2020/5/22
通信原理
7
第3章 随机过程
3.1.1 随机过程的分布函数
设? (t)表示一个随机过程,它在任意时刻t1的值? (t1)是一个随 机变量,其统计特性可以用分布函数或概率密度函数来描述。 (1)随机过程? (t)的一维描述 ●一维分布函数
2020/5/22
通信原理
2
第3章 随机过程
3.0 引言
通信过程是 信号和噪声 通过通信系统 的过程,分析与研究 通信系统,总是离不开对信号和噪声的分析。 ● 随机信号: 通信系统中的信号通常总带某种随机性。不 可预测,不能用确定函数表示的信号。 ● 随机噪声: 通信系统必然遇到噪声。不可预测(热噪 声)。简称噪声。 ● 随机过程:从统计学的观点看,随机信号和 随机噪声均 称为随机过程。 定义:随机过程是一类随时间作随机变化的过程,它不能用 确切的时间函数描述。
,tn )
?
?nFn (x1,x2,L ,xn;t1,t2,L ?x1?x2 L ?xn
,tn
)
2020/5/22
通信原理
10
第3章 随机过程
目的/意义: ●可以把随机过程ξ(t)当作一个多元的随机变量来看待,而
用这个多元随机变量 [ξ(t1),ξ(t2),...,ξ(tn)]的分布函数或概 率密度来描述随机过程的统计特性。