欢迎来到天天文库
浏览记录
ID:38924549
大小:1.24 MB
页数:63页
时间:2019-06-21
《通信原理第2章 预备知识》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、第2章预备知识●内容提要◆信号与系统的分类◆确定信号的付氏级数,付氏变换,功率谱,能量谱,自相关与互相关◆随机信号的概率分布函数,概率密度函数,数学期望,方差,协方差,相关函数,◆平稳、高斯、窄带随机过程,自相关函数、各态历经性、时间平均值、功率谱密度◆信道与噪声2.1信号和系统的分类l信号的分类能量信号:能量有限的信号,只存在有限时间间隔内。能量:平均功率:当时,若是大于零的有限值,则为功率信号。l系统的分类2.2确定信号的分析l周期信号一个周期为的周期信号,可以展开为:1.傅里叶级数2.三角级数3.指数形式其中l信号的傅里叶变换一个非周期信号可以看成一
2、个周期信号,但,即傅里叶变换对**常用信号的傅里叶变换表()l信号的能量谱与功率谱归一化能量:信号在电阻上所消耗的能量平均功率:若为能量信号,则若为周期性功率信号,则**结论:时域内能量信号的总能量等于频域内各个频域分量能量的连续和。周期信号的总的平均功率等于各个频域分量功率的总和。若则称为能量谱密度函数,为功率谱密度函数。**结论:功率谱只与功率信号频谱的模值有关,而与其相位无关。l波形的互相关和自相关1.互相关函数设和是两个能量有限的能量信号,则它们的互相关函数为:若和是两个功率信号,则:2.自相关函数对于两个完全相同的信号,有下述关系:对于能量信号,
3、有:对于功率信号,有:互相关函数的三个重要特性(1)R12(t)=0时,两信号互不相关;(2)t≠0,R12(t)=R21(-t);(3)t=0时,R12(0)表示f1(t)与f2(t)无时差时的相关性归一化相关系数。(1)ρ12=0;(2)ρ12=1;(3)ρ12=-1自相关函数的三个重要特性。(1)R(t)=R(-t);(2)R(0)≥
4、R(t)
5、;(3)R(0)表示能量或功率。对于能量信号,有:对于自相关函数,有:所以,有:对于功率信号,同样有:维纳-辛钦关系3.信号带宽(1)根据占总能量或总功率的百分比确定带宽,设带宽为B,根据下列等式求带宽或(2
6、)根据能量谱或功率谱从最大值到下降3dB处所对应的频率间隔定义带宽(3)满足等式或2.3随机信号的分析2.3.1概率及随机变量1.概率:联合概率:条件概率:2.随机变量一、随机变量的概念某随机实验可能有许多个结果,我们可以引入一变量X,它将随机地取某些数值,用这些数值来表示各个可能的结果,这一变量X就称之为随机变量。当随机变量X的取值个数是有限的或可数无穷个时,则称它为离散随机变量;否则,就称它为连续随机变量,即可能的取值充满某一有限或无限区间。如果一个随机实验需要用多个随机变量(X1,X2,…,Xn)表示,则多个随机变量(X1,X2,…,Xn)的总体称之
7、为n维随机变量。二、随机变量的概率分布函数和概率密度函数用P(X≤x)表示X的取值不大于x的概率,则定义函数为随机变量X的概率分布函数。这里,X可以是离散随机变量,也可以是连续随机变量。若X是连续随机变量,对于一非负函数pX(x)有下式成立则pX(x)称之为X的概率密度函数(简称概率密度)。也可表示为对二维随机变量(X,Y),我们把两个事件(X≤x)和(Y≤y)同时出现的概率定义为二维随机变量的二维分布函数同样,称之为二维概率密度。16概率分布函数的特性概率分布函数单调递增。概率密度函数特性:概率密度函数非负性,总面积为1。3.随机变量的数字特征(1)数学
8、期望:反映了随机变量取值的集中位置(均值)设pX(xi)(i=1,2,…,K)是离散随机变量X的取值xi的概率,则其数学期望为对于连续随机变量X,设pX(x)为其概率密度函数,则则其数学期望为(2)方差:反映了随机变量的集中程度;方差定义为:式中aX=E[X]。而方差的平方根又称为均方差或标准偏差。(3)两个随机变量的相关系数:反映了它们之间的线性相关程度。对两个随机变量X,Y定义为X,Y的相关矩或协方差。[例2-1]试求下列均匀概率密度函数的数学期望和方差:而X,Y的归一化相关矩,称之为X,Y的相关系数,定义为2.3.2随机过程及其统计特性1.随机过程的
9、概念定义:设随机实验E的可能结果为X(t),实验的样本空间S为{x1(t),x2(t),…,xi(t)},i为正整数,xi(t)为第i个样本函数(又称之为实现),每次实验之后,X(t)取空间S中的某一样本函数,于是称此X(t)为随机函数。当t代表时间量时,则称此X(t)为随机过程。如对同一台通信机作了n次观测,得到的结果是不相同的,如图2-1所示。因为通信机的输出噪声电压随时间的变化是不可预知的,所以,在同一时刻ti这n次观测的记录结果,可以由随机变量X(ti)进行表示,而在不同的时刻得到的观测结果的集合X(t)={X(t1),X(t2),…,X(ti)}
10、,则构成了通信机输出噪声的随机过程。可以这样理解,随机过程是依赖于
此文档下载收益归作者所有