4 高斯色噪声的产生ppt课件

性组合仍为高斯分布
n
Y (t)
lim
i 0 n
i 1
X ( i )h(t
i ) i
式中 i 为采样点， i 为采样间隔，n 为采样点数。
6
高斯色噪声的产生
➢ 线性滤波法
1、理论基础——概率分布要求
《随机信号分析》 ξ3.1 线性系统输出及其概率分布
2）输入为非高斯过程时
若系统输入端的平稳随机过程是非高斯分布，只要输入过程的等效
13
高斯色噪声的产生
➢ 线性滤波法
3、复高斯白噪声线性滤波法——产生复高斯色噪声
前述方法利用实高斯白噪声通过实线性滤波器仅能产生实高斯色噪 声，而若要求产生特定PSD的复高斯色噪声，则可以将复高斯白噪声通 过线性滤波器生成，具体形式有：
1）复高斯白噪声+实线性滤波器 如果要求的复高斯过程PSD具有对称性，则此过程的自相关函数为
由自相关序列求时间序列模型步骤见上书p266，核心是通过联立方 程组求解系数，缺点在于定阶困难。
实际上对于连续或离散平稳随机过程，基于各自的有理功率谱密度
分解定理，可理论上求解产生特定色噪声的线性滤波器的传递函数 (零
极点在s左平面)或(零极点在z平面的单位圆内)上书p268，然后直接利用
MATLAB进行滤波器设计。相关概念：白化滤波器
0
0
100
200
300
400
500
600
高斯型PSD仿真结果图 （红色——理论值，黑色——模拟值）
2020/4/14
哈尔滨工业大学电子工程系
25
高斯色噪声的产生
➢ 线性滤波法 4、功率谱密度逆变换——产生复色噪声 高斯色噪声的时域产生方法： [美]R.L.米切尔著，陈训达译，雷达系统模拟，科学出版社，1982.7，
参考文献： G. Marsaglia, A note on the construction of a multivariate normal sample, IRE Trans. on Information Theory, Vol.IT-3, p.149, June 1957
随机矢量产生方法的系统介绍详细见后续内容。
4、高斯色噪声的产生
➢ 随机矢量抽样法
1、随机矢量的定义 2、随机矢量抽样法 3、随机矢量的产生
➢ 线性滤波法
1、理论基础 ——《随机信号分析》Ch3 系统对随机信号的响应 2、ARMA模型（时域线性滤波法）—— 产生实高斯色噪声 3、复高斯白噪声线性滤波法 —— 产生复高斯色噪声（讨论内容） 4、功率谱密度逆变换 —— 产生复色噪声
噪声带宽远大于系统的带宽（白噪声过程满足），则系统输出端便是接
近于高斯分布的随机过程。
n
Y (t)
lim
i 0 n
i 1
X ( i )h(t
i ) i
上式表明输出过程Y(t)在任意时刻t的取值是大量随机变量之和，根据中
心极限定理，大量统计独立的随机变量之和的分布接近高斯分布。因此
上面输出过程 近似高斯分布需要满足两个条件：(1)随机变量必须相互独
2020/4/14
哈尔滨工业大学电子工程系
17
高斯色噪声的产生
➢ 线性滤波法 4、功率谱密度逆变换——产生复色噪声
各态历经过程的经典功率谱估计方法有：
直接法(周期图法)
间接法
xT (t) xT (n) XT (k) SX (k)
1 N
XT (k) 2
xT (t) xT (n) RX (m) S X (k)
1）复高斯白噪声+实线性滤波器
对称的PSD 实自相关函数
Y
u
jv
h(t) [x
jy]
u v
h(t) h(t)
x y
设复白噪声x+jy的功率谱为1，则实滤波器的幅频特性为复高斯过程 Y=u+jv功率谱曲线的平方根，即 H() SY () 也具有对称性，可以附 加合适的相位函数(满足奇对称性，特殊情况：不附加任何相位函数相当 于取相位函数恒为零)构造物理可实现的系统 。由于x, y是相互统计独立 的高斯序列，则u, v也服从相互统计独立的高斯分布。
非对称 的PSD
复自相关函数
Y
u
jv
[hr (t)
jhi (t)] [x
jy ]
u v
hr hr
(t) (t)
x y
hi hi
(t) (t)
y x
2020/4/14
哈尔滨工业大学电子工程系
16
高斯色噪声的产生
➢ 线性滤波法 4、功率谱密度逆变换——产生复色噪声
前面求时间序列模型系数的方法（线性滤波法）理论上可行，但实 际应用中复杂程度取决于所要求的功率谱密度或自相关函数。
➢ 随机矢量抽样法
2、随机矢量抽样
方学立，梁甸农，一种用于相关高斯序列仿真的新方法，雷达科学与技 术，2004，2(4): 211-214 方学立，相关随机序列仿真的一种新方法，空间电子技术，2004年03期, 36-40
提出改进的随机矢量抽样法： 序列的相关性总是有一定长度的（假设为N），当需要仿真长度超
的线性系统来产生，此法在随机序列模拟中得到广泛应用。
2020/4/14
哈尔滨工业大学电子工程系
9
高斯色噪声的产生
➢ 线性滤波法 2、ARMA模型——产生实高斯色噪声
M.J. Levin, Generation of sampled Gaussian time series having a specified correlation function, IRE Trans. Inform. Theory, Vol.6, Dec. 1960, pp.545~548
2020/4/14
哈尔滨工业大学电子工程系
15
高斯色噪声的产生
➢ 线性滤波法
3、复高斯白噪声线性滤波法——产生复高斯色噪声
2）复高斯白噪声+复线性滤波器
如果要求的复高斯过程PSD不具有对称性，则此过程的自相关函数
为复函数，即过程的实部、虚部具有相关性，则该复高斯过程必须将复
高斯白噪声通过特定的复线性滤波器得到，即
哈尔滨工业大学电子工程系
19
20
高斯色噪声的产生
➢ 线性滤波法 4、功率谱密度逆变换——产生复色噪声 时域法（一般方法，对PDF无约束）：
2020/4/14
哈尔滨工业大学电子工程系
21
22
高斯色噪声的产生
➢ 线性滤波法 4、功率谱密度逆变换——产生复色噪声 高斯色噪声的频域产生方法：
2020/4/14
Richard L. Mitchell, Radar Signal Simulation, Artech House, Inc.
1976 ([美]R.L.米切尔著，陈训达译，雷达系统模拟，科学出版社，
1982.7)
提出了采用频域法反变换法来获得具有特定功率谱密度的随机序列，并 基于此进一步产生高斯相关序列。同时基于频域乘积等价于时域卷积关 系，存在对应的时域法。
P184:
26
➢ 线性滤波法
2、ARMA模型——产生实高斯色噪声
对平稳离散随机序列的三种等价描述方法：自相关函数、功率谱密 度、时间序列模型。许多平稳离散时间随机过程可看成是由典型的噪声 源激励一个线性系统所产生的，这种噪声源通常是白噪声序列，其一般 表达式为：
y(n) a1 y(n 1) aN y(n N) x(n) b1x(n 1) br x(n r) 式中为x(n)具有零均值与方差为σ2的白噪声，上式称为自回归—滑动平均 模型ARMA(N, r)。
实函数，即过程的实部、虚部不相关且统计独立，则该复高斯过程可将 复高斯白噪声通过特定的线性滤波器得到，即
对称的PSD
实自相关函数
Y
u
jv h(t) [x
jy]
u v
h(t) h(t)
x y
2020/4/14
哈尔滨工业大学电子工程系
14
高斯色噪声的产生
➢ 线性滤波法 3、复高斯白噪声线性滤波法——产生复高斯色噪声
哈尔滨工业大学电子工程系
23
以上分析表明Richard L. Mitchell, Radar Signal Simulation, Artech
House, Inc. 1976 ([美]R.L.米切尔著，陈训达译，雷达系统模拟，科学 出版社，1982.7)
24
1.4
1.2
1
0.8
0.6
0.4
0.2
2020/4/14
哈尔滨工业大学电子工程系
12
➢ 线性滤波法
高斯色噪声的产生
2、ARMA模型——产生实高斯色噪声
2）功率谱密度、自相关函数 → 时间序列模型 参考文献：
朱华等编，随机信号分析，北京理工大学出版社，1990.12
由离散随机序列功率谱密度
S
Y
(
)
V
(cos
)
2 X
求时间序列模型的步
骤见上书p265 ，其中技巧在于如何确定系数。
上文是采用线性滤波法由高斯白噪声产生高斯色噪声的经典文献， 其基本思想：
r(m )
S(z )
H (z )
h(n ),
确定初始值
B(z) A(z),确定迭代公式ARMA模型
该文考虑了滤波器的暂态效应，可通过取若干特定的输出序列初始 值来解决。
2020/4/14
哈尔滨工业大学电子工程系
10
高斯色噪声的产生
立，(2)独立随机变量求和的数目要足够多。
7
高斯色噪声的产生
➢ 线性滤波法 1、理论基础——功率谱密度要求
《随机信号分析》 ξ3.3 线性系统输出的功率谱密度
输出过程功率谱密度：
SY ()
RY
(
)e
j
d
SX ()H ()H () SX () H () 2
式中 H () h(t)e jt dt
以上两种方法理论上等价，详细分析见后续有关自相关函数、功率谱估
计及其检验部分。但需要注意两者计算点数的区别，为两者一致，前者
处理时需要预先补零。
2020/4/14
哈尔滨工业大学电子工程系
18
高斯色噪声的产生
➢ 线性滤波法 4、功率谱密度逆变换——产生复色噪声 频域法（一般方法，对PDF无约束）：
2020/4/14
2020/4/14
哈尔滨工业大学电子工程系
1
高斯色噪声的产生
➢ 随机矢量抽样法 1、随机矢量的定义
2
高斯色噪声的产生
➢ 随机矢量抽样法 2、随机矢量抽样
随机矢量用协方差阵描述各变量之间的相关性。若视随机矢量的一
次抽样为一随机序列，则它可以仿真相关随机序列。
缺点：当N很大时其计算量非常大。
3
高斯色噪声的产生
2020/4/14
哈尔滨工业大学电子工程系
8
高斯色噪声的产生
➢ 线性滤波法
1、理论基础——功率谱密度要求
当输入理想白噪声时，系统输出的功率谱为：
SY () SX () H () 2
N0 2
H () 2
即输出随机过程的功率谱形状主要取决于系统的幅频特性，这样为产生
特定相关特性(特定功率谱密度)的随机过程，可将白噪声通过一个特定
过N的相关随机序列时，协方差矩阵可以保持不变。此时重叠地套用长 度为N的相关随机序列产生方法，便可快速地仿真出任意长度的相关高 斯序列。
2020/4/14
哈尔滨工业大学电子工程系
4
高斯色噪声的产生
➢ 随机矢量抽样法 3、随机矢量的产生
通过N阶协方差阵的特征分解可产生N维高斯随机矢量，具体步骤： 通过将协方差阵分解成两个三角阵乘积，则将独立高斯随机矢量与其中 一个三角阵相乘即可获得所需结果。
2020/4/14
哈尔滨工业大学电子工程系
5
高斯色噪声的产生
➢ 线性滤波法 1、理论基础——概率分布要求
《随机信号分析》 ξ3.1 线性系统输出及其概率分布
1）输入为高斯过程时
t
Y (t) h( )X (t )d X ( )h(t )d
0ቤተ መጻሕፍቲ ባይዱ
上述积分可用级数和表示为：
n维高斯随机变量的线
维纳—辛钦(Wiener-Khinchine)定理表明平稳随机过程的自相关函
数与功率谱密度之间互为傅立叶变换，下面分析时间序列模型与它们之
间的关系：
2020/4/14
哈尔滨工业大学电子工程系
11
高斯色噪声的产生
➢ 线性滤波法 2、ARMA模型——产生实高斯色噪声
1）时间序列模型 → 功率谱密度、自相关函数