2019通信原理第章信号.pps
第2章信号
教学课型:理论课
目的要求:使学生掌握信号处理和随机过程等基本通信数学知识(在概率论的基础上)。
重点难点:
(1)平稳随机过程的定义
(2)高斯随机信号的数字特征
(3)信号通过线性系统
教学方法:多媒体讲解,结合板书
2.1 信号的类型
2.2 确知信号的性质
2.3 随机信号的性质
2.4 常见随机变量分布
2.5 随机变量的数字特征
2.6 随机过程
2.7 高斯过程(正态随机过程)2. 8 窄带随机过程
2.9 正弦波加窄带高斯过程2.10 信号通过线性系统
2.1 信号的类型
一、确知信号和随机信号
(1)确知信号和随机信号,又叫做“确定性过程”和“随机过程”。
(2)确定性过程:其变化过程可以用一个或几个时间t的确定函数来
描述。
随机过程:其变化过程不可能用一个或几个时间t的确定函数来描述。(stomatic/random process)比如电阻上的噪声电压。
在任何时刻,它的幅值都有一个与之相应的随机变量,具有一定的统计特性。
【详见P35 2.6】
二、能量信号和功率信号
(1)能量信号的能量有限,但平均功率为0。
(2)功率信号的平均功率有限,但能量为无穷大。
周期信号是典型的功率信号,非周期信号一般是
2.2 确知信号的性质
一、频域性质 1、功率信号的频谱 定义:
000/2
0/2
1
()()T jn t
n
T C jn s t e
dt F T ωω--=
=?
思考:
(1)与傅立叶变换定义表达式比较(上式多除以了个T o ,傅立叶
变换的积分是从负无穷到正无穷) (2)对于典型的功率信号--周期信号来说,它的频谱是其指数形式傅立叶级数中的傅立叶 系数。其频谱是离散的, 如典型的周期方波的频谱 (见右图) ()()j t S s t e dt
ωω∞
--∞=?
2.能量信号的频谱密度
定义:设一能量信号为s (t ),则其频谱密度为:
S (ω)的逆变换为原信号:
如典型的矩形脉冲(门函数)的频谱密度。
?∞∞
--=dt
e t s S t j ωω)()(1()()2j t
s t S e d ωωω
π∞-∞
=?
思考:为什么能量信号只有频谱密度而功率信号有频谱呢?
(1)从物理的角度去理解:能量信号的能量有限,并连续分布在频率轴上,所以在每个频率点f 上信号的幅度是无穷小,只有在一段频率间隔d f 上才有非0振幅。
而功率信号则是能量无限,在无限多离散频率点上有非0幅度,即频谱。
(2)《信号与系统》:4.3和4.4节有专门的论述。
核心提示:
教材例2.1和例2.3,要作为经典结论记住!
(1)谱零点带宽:在实用中其频谱的第一个0点位置就当作其带宽。也就是说矩形脉冲信号,其带宽f,在数值上等于其脉冲持续时间的倒数。
教材例2.6,也要作为经典结论记住!
(2)正弦/余弦信号的傅氏变换即频谱(引入冲激函数的概念后也叫频谱密度),就是两个对称的冲激函数(图2.2.7)。
--在满足狄立克莱的条件下,任何函数(含周期函数和非周期函数)都可以展开成若干个正余弦之和。那么可以推导出这个函数的频谱就是由这些若干个冲激函数对组成。
3.能量信号的能量谱密度
G (f )=|S (f )|2 (J / Hz 或J·s ) 为能量谱密度
4.功率信号的功率谱密度
先转换为非周期信号,求出该非周期信号的能量,然 后除以周期T ,即可得到功率。
一般,令s (t )的截短信号为s T (t ),-T /2 < t 二、时域性质 1.自相关函数 能量信号s (t )的自相关函数: 2)(1lim )(f S T f P T T ∞→=?∞ ∞ <<∞-+=τττdt t s t s R )()()(22 ()()E s t dt S f df ∞∞-∞-∞ ==?? 功率信号的自相关函数定义: 性质: –R (τ)只和 τ 有关,和 t 无关 –当τ = 0时,能量信号的R (τ)等于信号的能量; 功率信号的R (τ)等于信号的平均功率 一般记住能量信号的自相关函数。 2. 互相关函数定义: 能量信号的互相关函数定义: ?-∞→∞ <<∞-+=2 /2 /)()(1lim )(T T T dt t s t s T R τττττ?∞ ∞-∞ <<∞-+=τττ, )()()(2112dt t s t s R 2.3 随机信号的性质 一、随机变量的概率分布 –随机变量的概念:若某种试验A的随机结果用X表示,则称此X为一个随机变量,并设它的取值为x。例如,在一定时间内电话交换台收到的呼叫次数是一个随机变量。 –随机变量的分布函数: (x) = P(X x) , F X(x)为一连续单调递增函数。 定义:F X 二、随机变量的概率密度 –连续随机变量的概率密度p X (x ) ?p X (x )的定义: ?p X (x )的意义: –p X (x )是F X (x )的导数,是F X (x )曲线的斜率 –能够从p X (x )求出P (a < X ≤ b ): ?p X (x )的性质: – – dx x dF x p X X ) ()(= ?=≤ a X dx x p b X a P )()(?∞ -=x X X dy y p x F )()(p X (x ) ≥ 0 ∞ 2.4 常见随机变量分布 1.正态分布(高斯分布) ?定义:概率密度 式中,σ > 0, a = 常数 ?概率密度曲线: ? ? ? ???--=22 2)(exp 21)(σσπa x x p X 2.均匀分布 ?定义:概率密度 式中,a ,b 为常数 ? 概率密度曲线: ?? ?≤≤-=其他 ) /(1)(b x a a b x p X b a x p X (x ) 1/(b -a ) 3.瑞利(Rayleigh)分布 定义:概率密度为 式中,a > 0,为常数。 概率密度曲线: 4.莱斯(Rice)分布:(略,另见教材2.9节) ) exp(2)(2 ≥-=x a x a x x p X (1)相同点:多用来描述多径信道的衰落分布 。 (2)不同点:当移动台和基站之间无视距传输时,接收信号的包络服从Rayleigh 分布;当两者之间有一条直达路径,而且信号很强时,接收信号的包络服从Rician 分布; 2.5 随机变量的数字特征 1. 数学期望(Expect ) –定义:对于连续随机变量 实质上,数学期望就是统计平均值! 2 方差(Variance )、标准偏差(Standard Deviation ) 表示随机变量偏离数学期望程度的数字特征。 ()()X E X xp x dx X ∞ -∞ ==? ] )[()(2 2 X X E X D X -==σ的数学期望 --标准偏差, X X X σ 2.6 随机过程1.随机过程的基本概念 ?数学期望: ?方差: ?自相关函数: ?∞∞-= =) ( ) ( )] ( [ i X X i t m dx x xp t X E i 2 )]} ( [ ) ( { )] ( [ i i i t X E t X E t X D- = )] ( ) ( [ ) , ( 2 1 2 1 t X t X E t t R X = 核心提示:严格平稳随机过程一定也是广义平稳随机过程。但是, 2.平稳随机过程 (1)严格平稳随机过程: 统计特性与时间起点无关 (2)广义平稳随机过程: 平均值、方差和自相关函数等与时间起点无关 –广义平稳随机过程的性质: [()] X E X t m ==常数 121212 (, ) (-) () -X X X R t t R t t R t t ττ===2 2[()]{()[()]}X D X t E X t E X t σ=-==常数 3.各态历经性 (1)“各态历经”的含义: 平稳随机过程的一个实现能够经历此过程的所有状态。 (2)各态历经过程的特点:可用时间平均值代替统计平均值! ?各态历经过程的统计平均值m X :(时间平均值代替) ?各态历经过程的自相关函数R X (τ): (时间平均值代替) ?-∞→=2/2 /)(1lim T T i T X dt t X T m ?-∞→+=2/2 /)()(1lim )(T T i i T X dt t X t X T R ττ核心提示:一个随机过程若具有各态历经性,则它必定是严格平稳 随机过程。但是,严格平稳随机过程就不一定具有各态历经性。 4 平稳随机过程的自相关函数和功率谱密度 (1)自相关函数的性质-----非常重要,常用于求功率谱密度! (2)功率频谱密度的性质 ?复习:确知信号的功率谱密度: ?类似地,平稳随机过程的功率谱密度为: 2(0)[()] X R E X t P ==(归一化平均功率,能量无穷,功率有限) ()() ()R R R τττ=-(为偶函数) ()(0) ()R R R ττ≤(规定了的上限) 2()[()] R E X t ∞=(直流分量的归一化功率)2(0)() X R R σ-∞=(交流分量的归一化功率) T f S f P T T 2 )(lim )(∞ →=T f S E f P E f P T T X 2 ) (lim )]([)(∞ →==索引:P38 式2.6-15 (3)重要结论 a.自相关函数 <====== 功率谱密度 即P X (f )和R (τ )是一对傅里叶变换!! 也称为维纳-辛钦定理 b.热噪声近似看作白噪声:前提是通信系统的带宽远远小于热噪声带宽(1THz=10^12Hz ,1太赫兹)! c.白噪声: ●功率谱密度恒定! 类似于白色光的光谱,也是均匀分布的! ●平均功率无穷大!原因是带宽无穷大,和恒定的功率谱密度相乘则也无穷大! ())j X P f R e d ωτ ττ ∞ --∞=?()()j X R P f e df ωττ∞ -∞ =?( 2.7 高斯过程(正态随机过程) 1.Gauss 过程又叫正态过程。 --热噪声就是典型的高斯白噪声! 2.定义 一维高斯过程的概率密度: 式中,a = E[X (t )] 为均值 σ2 = E[X (t ) - a ]2 为方差 σ 为标准偏差 3.概率密度曲线 (1)在x =a 处有拐点; (2)σ越大,曲线越平坦 4.(1)若两个随机变量的互相关函数等于零,则称为两者互不相关; (2)若两个随机变量的二维联合概率密度等于其一维概率密度之积,则称为两者互相独立。 两个重要性质: (1)互不相关的两个随机变量不一定互相独立。互相独立的两个随机变()?? ????--=2 212exp 21 ),(σσπa x t x p X