现代通信原理4.2:随机过程
文章目录
- 1、什么是随机过程?
- 2、平稳性与遍历性
- 2.1 平稳性
- 2.2 遍历性
- 3、自相关函数与广义平稳
- 3.1 自相关函数与自协方差函数
- 3.2 广义平稳
- 4、功率谱密度与Wiener-Khintchine 定理
- 4.1 随机过程功率谱密度函数定义
- 4.2 Wiener-Khintchine 定理
- 4.3 随机过程功率谱密度函数性质
- 5、遍历随机信号的物理参数
前面我们简单回顾了随机变量。这一部分我们来讨论随机过程,大家注意理解二者之间的区别与关系。
1、什么是随机过程?
所谓随机过程,可以看成是随某参量(一般为时间t)变化的随机变量。举例来说,假定下图中所示随机噪声源,其输出电压为随机变量,且该变量岁时间变化。我们对其输出电压随时间变化的函数进行测量并记录,其中第jjj次测试得到的结果用X(Aj,t)X(A_j,t)X(Aj,t)来表示,简写为Xj(t)X_j(t)Xj(t),我们称之为第jjj个样本函数。显然,每个样本函数都是确定函数。如果一共进行了NNN次测试,就可以得到NNN个样本函数,如下图所示。所有可能的NNN个样本函数,就构成样本函数空间{X1(t),X2(t),…,XN(t)}\{X_1(t),X_2(t),\ldots,X_N(t)\}{X1(t),X2(t),…,XN(t)}。
我们可以从两个不同的角度来理解随机过程。
第一个角度,我们可以把随机过程看成样本函数的集合。从上面的例子来看,所有的NNN个样本函数,构成样本函数空间。而每次测试得到的噪声源输出电压,一定是空间中的某个样本函数,但具体是哪个函数,则是随机的。
注意这里的NNN可以是有限值,也可以是无限大的。换句话说,样本空间中样本函数个数,可以是有限多个,也可以是无线多个。
举例来说,如果我们要发送二进制数据的"0"或者“1”,我们可以用两种波形来表示它们,例如,用持续时间为1ms的+5V电平表示"1",持续时间为1ms的-5V电平表示"0"。因此我们的样本函数集中包含下图所示两个样本函数,即N=2N=2N=2,从接收机来看,会随机地收到两个函数中的其中一个,并对此进行检测。因此这是一个二进制的数字通信系统。
考虑另外一种情况。如果我们用麦克风采集语音信号并发送给接收端。从接收端来看,可能收到的信号波形有无穷多种可能。因此样本函数集中的样本函数有无穷多种。这也就是我们前面介绍过的模拟通信系统。
一般来说,如果NNN为无限值,即状态为连续的,我们称X(t)X(t)X(t)为连续随机过程;如果NNN为有限值,即状态为离散的,我们称X(t)X(t)X(t)为离散随机过程。
第二个角度,可以把随机过程看成一系列随机变量的集合。同样是上面的随机噪声源的例子,如下图所示,如果我们观察每次实验t1t_1t1时刻对应的电压值,会发现在第jjj个样本函数上的值为X(Aj,t1)X(A_j,t_1)X(Aj,t1),而NNN次不同的实验其取值都不相同。因此,噪声源在t1t_1t1时刻的输出X(t1)X(t_1)X(t1)为一个随机变量。显然t2t_2t2时刻的输出X(t2)X(t_2)X(t2)也为随机变量。就这样,在时间轴上的一系列随机变量{X(t1),X(t2),…}\{X(t_1),X(t_2),\ldots\}{X(t1),X(t2),…}构成了随机过程X(t)X(t)X(t)。
同样,随机过程所包含的随机变量的个数可以是有限个,也可以是无限多。如果是无限多,则在时间上是连续的;如果是有限多,则在时间上是离散的。时间上离散的随机过程,我们也常称之为随机序列。
2、平稳性与遍历性
随机过程有两个重要的性质,平稳性和遍历性(也称各态历经性)。如果随机过程具有这两个性质,其分析过程就可以简化。
2.1 平稳性
我们先来看NNN阶平稳和严格平稳的定义。
如果随机过程X(t)X(t)X(t)对于任意的时刻t1,t2,…,tNt_1,t_2,\ldots,t_Nt1,t2,…,tN,都有其NNN维联合概率密度函数
pX(x1,x2,…,xN;t1,t2,…,tN)=pX(x1,x2,…,xN;t1+t0,t2+t0,…,tN+t0)p_X(x_1,x_2,\ldots,x_N;t_1,t_2,\ldots,t_N)=p_X(x_1,x_2,\ldots,x_N;t_1+t_0,t_2+t_0,\ldots,t_N+t_0) pX(x1,x2,…,xN;t1,t2,…,tN)=pX(x1,x2,…,xN;t1+t0,t2+t0,…,tN+t0)其中t0t_0t0为任意时刻,则称X(t)X(t)X(t)为NNN阶平稳。此外,如果X(t)X(t)X(t)对于N→∞N\rightarrow \inftyN→∞阶平稳,则称X(t)X(t)X(t)为严格平稳。
从上面定义中我们可以看出,平稳性这个词很准确表述了概率密度函数不随时间变化的意思,即表现出来时间上的不变性。因为我们在求统计平均的时候都会用到概率密度函数,因此概率密度函数的平稳也就决定了均值、方差以及高阶矩等统计特性的平稳性。
2.2 遍历性
如果一个随机过程的集合平均,等于任意样本函数的时间平均,则我们称该随机过程为遍历的(或各态历经的),并且
- 如果一个随机过程是遍历的,则所有的时间平均和集合平均可以互换。
- 遍历的随机过程一定是平稳的。
如果说平稳性把对随机过程的分析简化成对于随机变量的分析,遍历性进一步把对随机变量的分析简化为对确定函数的时间分析。遍历性这个词也很准确描述了这样一个性质,即在时间维度上,任何一个样本函数都能够把该随机过程所有的随机状态历经到。特别注意的是,遍历的随机过程一定是平稳的。
作为例子,我们先来看随机随机过程X(t)X(t)X(t)的均值,即一阶原点矩:
mX(t)=E[X(t)]=∫−∞∞xpX(x;t)dxm_X(t)={\rm E}[X(t)]=\int_{-\infty}^{\infty}xp_X(x;t)dx mX(t)=E[X(t)]=∫−∞∞xpX(x;t)dx为关于时间的确定函数。如果X(t)X(t)X(t)是一阶平稳的,则一阶概率密度函数不随时间ttt变化,则其均值E[X(t)]=mX{\rm E}[X(t)]=m_XE[X(t)]=mX也不随时间ttt变化,我们称X(t)X(t)X(t)为均值平稳。再进一步,若X(t)X(t)X(t)为遍历的,Xj(t)=X(Aj,t)X_j(t)=X(A_j,t)Xj(t)=X(Aj,t)为其任一样本函数,则有
mX(t)=E[X(t)]=∫−∞∞xpX(x;t)dx=Xj(t)‾=limT→∞1T∫−T2T2Xj(t)dt,\begin{aligned} m_X(t)&={\rm E}[X(t)]=\int_{-\infty}^{\infty}xp_X(x;t)dx\\ &=\overline{X_j(t)}=\lim_{T\rightarrow \infty}\frac{1}{T}\int_{-\frac{T}{2}}^{\frac{T}{2}}X_j(t)dt, \end{aligned} mX(t)=E[X(t)]=∫−∞∞xpX(x;t)dx=Xj(t)=T→∞limT1∫−2T2TXj(t)dt,即随机过程的统计平均等于样本函数的时间平均,注意这里的样本函数是确定函数。
3、自相关函数与广义平稳
3.1 自相关函数与自协方差函数
对任意的两个时刻t1,t2t_1,t_2t1,t2,实随机过程X(t)X(t)X(t)的自相关函数(auto-correlaton function, ACF)定义为
RX(t1,t2)=E[X(t1)X(t2)]=∫−∞∞x1x2pX(x1,x2;t1,t2)dx1dx2,R_X(t_1,t_2)={\rm E}\left[X(t_1)X(t_2) \right]=\int_{-\infty}^{\infty}x_1x_2p_X(x_1,x_2;t_1,t_2)dx_1dx_2, RX(t1,t2)=E[X(t1)X(t2)]=∫−∞∞x1x2pX(x1,x2;t1,t2)dx1dx2,它定义了随机变量X(t1)X(t_1)X(t1)和X(t2)X(t_2)X(t2)之间的二阶混合原点矩或称相关矩,而实随机过程X(t)X(t)X(t)的自协方差函数(二阶混合中心距)定义为
CX(t1,t2)=E{[X(t1)−mX(t1)][X(t2)−mX(t2)]}=∫−∞∞[x1−mX(t1)][x2−mX(t2)]pX(x1,x2;t1,t2)dx1dx2.\begin{aligned} C_X(t_1,t_2)&={\rm E}\left\{[X(t_1)-m_X(t_1)][X(t_2)-m_X(t_2)] \right\}\\ &=\int_{-\infty}^{\infty}[x_1-m_X(t_1)][x_2-m_X(t_2)]p_X(x_1,x_2;t_1,t_2)dx_1dx_2. \end{aligned} CX(t1,t2)=E{[X(t1)−mX(t1)][X(t2)−mX(t2)]}=∫−∞∞[x1−mX(t1)][x2−mX(t2)]pX(x1,x2;t1,t2)dx1dx2.显然,有
CX(t1,t2)=RX(t1,t2)−mX(t1)mX(t2)C_X(t_1,t_2)=R_X(t_1,t_2)-m_X(t_1)m_X(t_2) CX(t1,t2)=RX(t1,t2)−mX(t1)mX(t2)成立。如果对于任意的t1t_1t1,t2t_2t2都有CX(t1,t2)=0C_X(t_1,t_2)=0CX(t1,t2)=0,则称随机过程任意两个时刻是不相关的。
3.2 广义平稳
如果随机过程X(t)X(t)X(t)满足
- E[X(t)]=mX(t)={\rm E}[X(t)]=m_X(t)=E[X(t)]=mX(t)=常数;
- RX(t1,t2)=RX(τ),τ=t1−t2R_X(t_1,t_2)=R_X(\tau),\ \tau=t_1-t_2RX(t1,t2)=RX(τ), τ=t1−t2;
则称X(t)为广义平稳(wide-sense stationary,W.S.S.)。上面第一个条件意味着X(t)X(t)X(t)是均值平稳的,第二个条件意味着X(t)X(t)X(t)的自相关函数与t1t_1t1,t2t_2t2的绝对时刻无关,只与两个时刻之间的间隔大小τ\tauτ有关系。
广义平稳随机过程的自相关函数有如下几个性质
- RX(τ)=RX(−τ)R_X(\tau)=R_X(-\tau)RX(τ)=RX(−τ);
- RX(0)≥RX(τ)R_X(0)\ge R_X(\tau)RX(0)≥RX(τ);
- RX(0)=E[X2(t)]R_X(0)={\rm E}[X^2(t)]RX(0)=E[X2(t)].
性质3表明,RX(0)R_X(0)RX(0)等于X(t)X(t)X(t)的均方值。
4、功率谱密度与Wiener-Khintchine 定理
4.1 随机过程功率谱密度函数定义
随机过程X(t)X(t)X(t)的功率谱密度函数定义为
PX(f)=limT→∞{E[∣XT(f)∣]T},P_X(f)=\lim_{T\rightarrow\infty}\left\{\frac{{\rm E}{\Large [}|X_T(f)|{\Large ]}}{T}\right\}, PX(f)=T→∞lim{TE[∣XT(f)∣]},其中
XT(f)=∫−∞∞xT(t)e−j2πftdt=∫−T2T2x(t)e−j2πftdt,X_T(f)=\int_{-\infty}^{\infty}x_T(t)e^{-j2\pi ft}dt=\int_{-\frac{T}{2}}^{\frac{T}{2}}x(t)e^{-j2\pi ft}dt, XT(f)=∫−∞∞xT(t)e−j2πftdt=∫−2T2Tx(t)e−j2πftdt,xT(t)x_T(t)xT(t)为随机过程X(t)X(t)X(t)在[−T2,T2][-\frac{T}{2},\frac{T}{2}][−2T,2T]上的截断函数。
4.2 Wiener-Khintchine 定理
如果X(t)X(t)X(t)为广义平稳随机过程,则其功率谱密度函数为自相关函数的傅立叶变换,即
RX(τ)↔F.T.PX(f).R_X(\tau)\xleftrightarrow{\ \mathcal{F.T.}\ } P_X(f). RX(τ) F.T. PX(f).
4.3 随机过程功率谱密度函数性质
随机过程X(t)X(t)X(t)的功率谱密度函数PX(t)P_X(t)PX(t)具有如下性质
- PX(f)P_X(f)PX(f)总为实数;
- PX(f)≥0P_X(f)\ge 0PX(f)≥0;
- 如果X(t)X(t)X(t)为实随机过程,则PX(f)=PX(−f)P_X(f)=P_X(-f)PX(f)=PX(−f);
- 随机信号X(t)X(t)X(t)的平均功率P=∫−∞∞PX(f)dfP=\int_{-\infty}^{\infty}P_X(f)dfP=∫−∞∞PX(f)df,如果X(t)X(t)X(t)为W.S.S.,则P=∫−∞∞PX(f)df=RX(0)=E[X2(t)]P=\int_{-\infty}^{\infty}P_X(f)df=R_X(0)={\rm E}[X^2(t)]P=∫−∞∞PX(f)df=RX(0)=E[X2(t)];
【证明】根据Wiener-Khintchine 定理,有
RX(τ)=∫−∞∞PX(f)ej2πfτdf,R_X(\tau)=\int_{-\infty}^{\infty}P_X(f)e^{j2\pi f\tau}df, RX(τ)=∫−∞∞PX(f)ej2πfτdf,若τ=0\tau=0τ=0,有
RX(0)=∫−∞∞PX(f)df=P.R_X(0)=\int_{-\infty}^{\infty}P_X(f)df=P. RX(0)=∫−∞∞PX(f)df=P.
- PX(0)=∫−∞∞RX(τ)dτP_X(0)=\int_{-\infty}^{\infty}R_X(\tau)d\tauPX(0)=∫−∞∞RX(τ)dτ.
5、遍历随机信号的物理参数
若随机信号X(t)X(t)X(t)为遍历的,显然样本函数的时间平均与其统计平均是等效的。因此,《现代通信原理2.2:信号时间平均算子与信号物理参数》中对确定信号物理参数的定义,就可以推广到随机信号。用ξ(t)\xi(t)ξ(t)表示X(t)X(t)X(t)的样本函数,则有
- 直流
XDC=ξ(t)‾=E[X(t)]=mXX_{\rm DC}=\overline{\xi(t)}={\rm E}[X(t)]=m_XXDC=ξ(t)=E[X(t)]=mX - 归一化平均功率
P=△ξ2(t)‾=E[X2(t)]=RX(0)=Rξ(0)P\overset{\triangle}{=}\overline{\xi^2 (t)}={\rm E}[X^2(t)]=R_X(0)=R_{\xi}(0) P=△ξ2(t)=E[X2(t)]=RX(0)=Rξ(0)这里的RX(τ)R_X(\tau)RX(τ)为随机过程X(t)X(t)X(t)的自相关函数,Rξ(τ)R_{\xi}(\tau)Rξ(τ)为样本函数ξ(t)\xi (t)ξ(t)的自相关函数。 - 归一化直流功率
PDC=△ξ2(t)‾={E[X(t)]}2=mX2P_{\rm DC}\overset{\triangle}{=}\overline{\xi^2 (t)}=\{{\rm E}[X(t)]\}^2=m_X^2 PDC=△ξ2(t)={E[X(t)]}2=mX2 - 归一化交流功率
PAC=△[ξ(t)−XDC]2‾=E[X(t)−mX]2=P−PDC=σX2P_{\rm AC}\overset{\triangle}{=}\overline{[\xi (t)-X_{\rm DC}]^2}={\rm E}[X(t)-m_X]^2=P-P_{\rm DC}=\sigma_X^2 PAC=△[ξ(t)−XDC]2=E[X(t)−mX]2=P−PDC=σX2 - 均方根值(RMS)
Xrms=△ξ2(t)‾=E[X2(t)]=RX(0)=∫−∞∞PX(f)dfX_{\rm rms}\overset{\triangle}{=}\sqrt{\overline{\xi^2 (t)}}=\sqrt{{\rm E}[X^2(t)]}=\sqrt{R_X(0)}=\sqrt{\int_{-\infty}^{\infty}P_X(f)df} Xrms=△ξ2(t)=E[X2(t)]=RX(0)=∫−∞∞PX(f)df
现代通信原理4.2:随机过程相关推荐
- 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 ...
- 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 ...
- 【现代通信原理笔记】4 数字基带传输
[现代通信原理]4 数字基带传输 重点: 什么是数字基带信号 三个关键问题:差错.利用率.补偿 脉冲码型:单极性多级性 NRZ.单极性多级性 RZ.差分.归零 一元多元 PAM, 表达式.原理.框图, ...
- (万字超详细的复习资料丨没有之一)通信原理考试复习资料,按需收藏加关注。
通信原理考试复习资料 目录 通信原理考试复习资料 1 绪论 1.1 模拟通信系统模型 1.2 数字通信系统模型 1.3数字通信的优缺点 1.3.1 优点 1.3.2 缺点 1.4 通信系统的分类 1. ...
- 通信原理包络是什么意思_2021年通信原理考研题库
原标题:2021年通信原理考研题库 考研真题精选 一.选择题 1十六进制数字信号的传码率是1200B,则传信率为( ):如果传信率不变,则八进制传码率为( ).[南京邮电大学2010.2009研] A ...
- 信息与通信工程学科面试准备——通信原理
面试准备-通信原理 1.模拟通信系统的性能指标 ①有效性:用所传信号的有效传输带宽来表征,越小越有效. ②可靠性:输出信噪比(仅考虑加性干扰):接收端输出的信号平均功率与噪声平均功率之比 2.数字通信 ...
- 《通信原理》复习笔记9----第九章数字信号的最佳接收及第九章相关例题
系列文章链接目录 一.<通信原理>复习笔记1----第一章绪论 二.<通信原理>复习笔记1----第一章绪论相关例题 三.<通信原理>复习笔记3----第三章随机过 ...
- 通信原理_QA_2023
通信原理 0.通信原理简介 1.WiFi调制技术?带宽?遵循的协议?连接的方式? Wi-Fi调制技术是一种用于实现无线局域网络(WLAN)的调制技术,主要用于在无线信道中传输数据.Wi-Fi调制技术采 ...
- 通信原理知识点汇总1
1.写出香农信道容量公式及所能得出的结论,和在实际生活中的体现? ①香农信道容量公式: ②结论: a.时,且时: b.时,且时: c.时,但时:(存在极限) ③实际应用中的体现: a.; 例:实时通信 ...
- 《通信原理》复习笔记1----第一章绪论
系列文章链接目录 一.<通信原理>复习笔记1----第一章绪论 二.<通信原理>复习笔记1----第一章绪论相关例题 三.<通信原理>复习笔记3----第三章随机过 ...
最新文章
- 简单的Socket实现web功能
- svn 不支持http 客户端_Xversion for mac(SVN客户端)
- UML和模式应用学习笔记-1(面向对象分析和设计)
- 如果你也想做实时数仓…
- ansible获取linux信息,ansible 获取系统信息的一些范例,ansible系统信息
- arch mysql日志位置_MySQL 日志文件与相关参数
- 凸优化第三章凸函数 作业题
- .Net面试葵花宝典
- 关于移动硬盘的$recycle.bin病毒的处理方法
- srvany.exe和instsrv.exe打包exe为windows服务趟的坑
- 软件工程(1)软件开发方法
- D - 魔咒词典 HDU—1880(双Hash值和map||Hash+二分)
- 如何在ps中添加图片上的塑料布效果
- 总结整理Echarts双y轴曲线图(全)
- 面经-软件测试面试常见面试题全套合集系列4-2
- 如何绘制合格的泳道图(跨职能流程图)?
- 小程序-demo:知乎日报
- 03-Java核心类库_XML与JSON
- 【FPGA实例】基于FPGA的DDS信号发生器设计
- IBM Thinkpad的感动,十五岁的生日
热门文章
- 中国的网站能活几天?
- 利用iptables实现SNAT及DNAT
- win7设置固定IP重启后无法上网,ipconfig显示为自动配置IPV4 169.254的地址
- JAVA字符编码系列一:Unicode,GBK,GB2312,UTF-8概念基础
- asp cms管理系统
- 网上摘的数据缓存资料
- jdbcTemplate注入过程
- gif 动态加载_用 python 实现切割视频,加入水印,压缩并转成 gif !
- 伙伴算法的核心思想是回收时进行相邻块的合并_Linux内存管理之伙伴算法
- oracle存储过程备份,Oracle存储过程(二)