现代通信原理2.5:确定信号的能量谱密度、功率谱密度与自相关函数
文章目录
- 1、能量信号的能量谱密度
- 2、确定功率信号的功率谱密度
- 3、确定信号的自相关函数与Wiener-Khintchine定理
1、能量信号的能量谱密度
我们首先回顾下帕塞瓦尔定理,对于能量信号g(t)g(t)g(t),有
(1)∫−∞∞∣g(t)∣2dt=∫−∞∞∣G(f)∣2df.\tag{1} \int_{-\infty}^{\infty}|g(t)|^2dt=\int_{-\infty}^{\infty}|G(f)|^2df. ∫−∞∞∣g(t)∣2dt=∫−∞∞∣G(f)∣2df.(1)从《现代通信原理2.2》中,我们知道,(1)为信号g(t)g(t)g(t)的能量,即
(2)Eg=∫−∞∞∣g(t)∣2dt=∫−∞∞∣G(f)∣2df,\tag{2} {\mathcal E}_g=\int_{-\infty}^{\infty}|g(t)|^2dt=\int_{-\infty}^{\infty}|G(f)|^2df, Eg=∫−∞∞∣g(t)∣2dt=∫−∞∞∣G(f)∣2df,(2)其中 ∣G(f)∣2|G(f)|^2∣G(f)∣2称为能量谱密度(energy spectral density,ESD)。
2、确定功率信号的功率谱密度
对于功率信号,因为其能量为无穷大,因此我们考虑它的平均功率。若g(t)g(t)g(t)为实信号,它的平均功率为
Pg=g2(t)‾=limT→∞1T∫−T2T2g2(t)dt=limT→∞1T∫−∞∞gT2(t)dt,\begin{aligned} P_g&=\overline{g^2(t)}\\ &=\lim_{T\rightarrow \infty}\frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}g^2(t)dt\\ &=\lim_{T\rightarrow \infty}\frac{1}{T}\int_{-\infty}^{\infty}g_T^2(t)dt,\\ \end{aligned} Pg=g2(t)=T→∞limT1∫−2T2Tg2(t)dt=T→∞limT1∫−∞∞gT2(t)dt,其中gT(t)=g(t)Rect(tT)g_T(t)=g(t){\rm Rect}(\frac{t}{T})gT(t)=g(t)Rect(Tt)为g(t)g(t)g(t)的截断函数,即将g(t)g(t)g(t)在[−T2,T2][-\frac{T}{2},\frac{T}{2}][−2T,2T]上的波形取出来,显然gT(t)g_T(t)gT(t)为能量信号,它的傅里叶变换为G(f)G(f)G(f)。进一步根据帕塞瓦尔定理,有
Pg=limT→∞1T∫−∞∞gT2(t)dt=limT→∞1T∫−∞∞∣GT(f)∣2df=∫−∞∞[limT→∞∣GT(f)∣2T]df.\begin{aligned} P_g&=\lim_{T\rightarrow \infty}\frac{1}{T}\int_{-\infty}^{\infty}g_T^2(t)dt\\ &=\lim_{T\rightarrow \infty}\frac{1}{T}\int_{-\infty}^{\infty}|G_T(f)|^2df\\ &=\int_{-\infty}^{\infty}\left[ \lim_{T\rightarrow \infty}\frac{|G_T(f)|^2}{T}\right]df. \end{aligned} Pg=T→∞limT1∫−∞∞gT2(t)dt=T→∞limT1∫−∞∞∣GT(f)∣2df=∫−∞∞[T→∞limT∣GT(f)∣2]df.因此,我们定义确定功率信号g(t)g(t)g(t)的功率谱密度为
Pg(f)=limT→∞∣GT(f)∣2T(W/Hz),P_g(f)=\lim_{T\rightarrow \infty}\frac{|G_T(f)|^2}{T}({\rm W/Hz}), Pg(f)=T→∞limT∣GT(f)∣2(W/Hz),显然有
Pg=∫−∞∞Pg(f)df,P_g=\int_{-\infty}^{\infty}P_g(f)df, Pg=∫−∞∞Pg(f)df,这意味着,将功率谱密度在整个频率轴上积分,就得到信号的总功率。注意我们有单边功率谱密度和双边功率谱密度两种定义。通俗来说,若g(t)g(t)g(t)信号的平均功率为PgP_gPg,如果我们认为频率只存在正的值(事实上也确实如此),则所有功率都分布在正半轴上;而如果认为频率有正有负,,则功率都分布在正负两个半轴上。显然单边功率谱密度是双边的两倍,但积分之后的总功率不变。我们后面在白噪声的部分还会详细讨论这个问题。
3、确定信号的自相关函数与Wiener-Khintchine定理
对于确定信号g(t)g(t)g(t),我们定义它的相关函数为
Rg(τ)≜g(t)g(t+τ)‾=limT→∞1T∫−T2T2g(t)g(t+τ)dt,R_g(\tau)\triangleq \overline{g(t)g(t+\tau)}=\lim_{T\rightarrow \infty}\frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}g(t)g(t+\tau)dt, Rg(τ)≜g(t)g(t+τ)=T→∞limT1∫−2T2Tg(t)g(t+τ)dt,其自变量为τ\tauτ,表示时延的大小。显然Rg(0)=PgR_g(0)=P_gRg(0)=Pg。进一步,根据Wiener-Khintchine定理,有
Rg(τ)↔Pg(f),R_g(\tau)\quad \leftrightarrow \quad P_g(f), Rg(τ)↔Pg(f),即信号的自相关函数与功率谱密度为傅里叶变换对。
尽管我们在这一节定义了确定信号的能量谱密度、功率谱密度以及自相关函数,但事实上我们很少用功率谱密度等来分析确定信号,因为频谱密度就够了。在随机信号部分,我们将对随机信号的功率谱密度进行定义,我们将看到随机信号的功率谱密度是主要的频域特性。
现代通信原理2.5:确定信号的能量谱密度、功率谱密度与自相关函数相关推荐
- 学习通信原理之——从实验中理解频谱/功率谱/功率谱密度(MATLAB演示)
我的个人博客文章链接如下:学习通信原理之--从实验中理解频谱/功率谱/功率谱密度(MATLAB演示) 前言 最近在复习通信原理,每次到了功率谱这一块就感到困惑,每次都要去查,我觉得不能再这样循环下去了 ...
- 通信原理 | 实验一 调制信号MATLAB实现
1.产生一个低频cos信号 5Hz(+直流量) 产生一个高频cos信号50Hz 二者相乘 显示波形,比较有无直流量时,已调信号波形的差别 2.参照中文作业5-2,设置:fc=6fm,观察波形和频谱图 ...
- 通信原理随机信号分析
通信原理第二章 随机信号分析 一 随机过程 定义 测试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噪声,波形如图 (1)每一条曲线 ξi(t)\xi_i(t)ξi(t) 都是一个随机起伏的 ...
- 【对话通信原理】第3章 信息的坐骑——信号
如果说信息是思想,消息是语言的话,那么信号就是声音.思想通过语言来表达,语言通过声音来传输,这就是信号与信息.消息之间的关系. 信号是通信系统中看得见.摸得着的东西,是通信系统直接处理的对象,因此,了 ...
- 通信原理_2 确定信号分析
内积公式 E x y = < x , y > = ∫ − ∞ + ∞ x ∗ ( t ) y ( t ) d t E_{xy}=<x,y>={\int_{-\infty}^{+ ...
- python 通信原理_通信原理(第1章:确定性信号分析)
信号: 1.本课中信号s(t)默认是实函数,代表电压随时间的变化: 2.一些简单信号:正弦.矩形.sinc.直流.冲激: 3.瞬时功率.功率和能量: 4.功率是s(t)^2的平均高度.能量是s(t)^ ...
- 通信原理简明教程 | 信号、信道与噪声
文章目录 1 信号与系统的基本概念 2 傅里叶变换与信号的频谱 2.1 信号的频谱 2.2 傅里叶变换的常用性质 2.3 信号的能量谱.功率谱与自相关函数 2.4 信号的带宽 3 线性系统与滤波器 3 ...
- 【通信原理】第二章 -- 确知信号
文章目录 第二章 确知信号 确知信号的类型 两类信号的划分 确知信号的频域性质 功率信号的频谱 能量信号的频谱密度 能量信号的能量谱密度 功率信号的功率谱密度 确知信号的时域性质 能量信号的自相关函数 ...
- 通信原理——确知信号
1.确知信号的频域特性 1.1 功率信号的频谱 定义 设一个周期性功率信号s(t)的周期为 T 0 T_0 T0,其频谱为: C n = C ( n f 0 ) = 1 T 0 ∫ − T 0 2 ...
- 通信原理:课程学习笔记3之确知信号和随机过程
文章目录 1 确知信号 2 随机过程 写在前面:本文源自笔者在大三时对北师大-人工智能学院-郭俊奇老师的"通信原理"课程的部分归纳与整理笔记.此处感谢郭俊奇老师!如发现笔者整理有误 ...
最新文章
- 两台ubuntu虚拟机环境下hadoop安装配置
- Linux TOP 命令显示详情
- 编程珠玑第九章——习题
- springboot使用webjars引入jquery
- Linux 重新挂载分区的方法
- [c、c++]宏中#和##的用法(zz)
- iPhone6和iPhone6 plus的iOS8设计尺寸参考指南
- datax 导入数据中文乱码_DataX在有赞大数据平台的实践
- fps200多正常不_AMD处理器扬眉吐气,腾讯游戏不再A黑!LOL最高FPS459平均200多
- centos6.5 nginx开机启动
- webRTC:jssip登录freeswitch的正确办法及代码
- 成功解决问题[xml:[xX][mM][lL] is not allowed
- html自动写对联,css实现的对联广告代码_CSS/HTML
- 厦门大学2019年高等代数考研试题
- Hive 动态分区恢复静态分区表数据
- 供应链安全这件事,早就被朱元璋玩明白了
- uni-app上传图片base64
- 【SAP】PP模块术语
- Python语言:螺旋式正方形
- java爬虫教程 百度云_java视频教程java爬虫实战项目httpclient hbase springmvc solr
热门文章
- Linux网卡名改eth0方法
- ROW_NUMBER() OVER的用法
- (十六)企业部分之lvs
- [LeetCode]题解(python):067-Add Binary
- C#.NET 大型企业信息化系统集成快速开发平台 4.2 版本 - 大型软件系统客户端数据同步的问题解决...
- java中使用阻塞队列实现生产这与消费这之间的关系
- 【十五分钟Talkshow】如何理解并优化.NET应用程序对内存的使用
- web服务器去掉域名www的301重定向设置方法
- python queue join,python3多线程通信方式,主要理解队列的join()和task_done()方法
- webpack 打包第三方库_webpack提取第三方库的正确姿势