数字信号处理题解及电子课件电子课件清华胡广书 第10章_1.ppt

数字信号处理题解及电子课件电子课件清华胡广书 第10章_1.ppt

ID:51623299

大小:1.54 MB

页数:62页

时间:2020-03-26

数字信号处理题解及电子课件电子课件清华胡广书 第10章_1.ppt_第1页
数字信号处理题解及电子课件电子课件清华胡广书 第10章_1.ppt_第2页
数字信号处理题解及电子课件电子课件清华胡广书 第10章_1.ppt_第3页
数字信号处理题解及电子课件电子课件清华胡广书 第10章_1.ppt_第4页
数字信号处理题解及电子课件电子课件清华胡广书 第10章_1.ppt_第5页
资源描述:

《数字信号处理题解及电子课件电子课件清华胡广书 第10章_1.ppt》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、第十章平稳随机信号10.1随机信号及其特征描述10.2平稳随机信号10.3平稳随机信号通过线性系统10.4平稳随机信号的各态遍历性10.5平稳随机信号应用举例10.6参数估计及质量评价确定性信号:信号随时间变化具有规律性,可以准确预测,可以用某一明确的数学关系描述;随机信号:信号随时间变化不具有明确的规律性,不能准确预测,不能用明确的数学关系来描述。现实中的信号绝大部分是随机信号;研究方法:统计的方法,“估计”的方法。随机信号:人体生理信号(ECG,EEG,PCG,…);语音信号;噪声信号;各种经济

2、指标(作物产量,GDP,股票指数,价格指数,…);各种自然现象:(河水流量,平均温度,单位面积承受到的风载,太阳黑子数,…)等等均匀分布随机信号示意图:由以上例子可以看出:由于随机信号里某一个参数是随机的(即是随机变量),因此,对应随机变量的每一个取值(或称为每一次观察,或每一次实验),我们都可以得到一个信号(样本);无穷次观察,可得到无穷个信号。每一个信号,都是该随机信号的一次实现,即样本无穷多,每一个样本的时间无限长!所以,随机信号是功率信号!10.1随机信号及其特征描述一、随机变量离散型随机变

3、量(二项式分布,泊松分布)取值是离散的连续型随机变量(均匀分布,高斯分布)取值是连续的Note:随机变量与时间变量无关随机变量的描述:1.分布函数和概率密度:2.数字特征:(1)均值:求均值运算(2)方差:(3)均方差:3.矩(Moment)阶原点矩阶中心矩标准差:一阶统计量(均值);二阶统计量(方差,均方,相关,功率谱);高阶统计量:斜度(skewness),无量纲,用来评价分布函数相对均值的对称性。峰度,无量纲,表征分布函数在均值处的峰值特性。减3是为了保证正态分布的峰度为零。协方差函数两个随机

4、变量:常用随机变量:1.均匀分布:若是在上服从均匀分布的实随机变量,则例1若是离散型随机变量,且取的概率都相等,则为离散均匀分布的随机变量。概率密度均值方差2.高斯分布:高斯分布的pdf由其均值和方差所决定,实际上,其高阶统计量也由均值和方差所决定。高斯分布的峰度为零二、随机向量随机向量均值向量的每一个元素都是随机变量,均值:方差:矩阵协方差矩阵维高斯分布:例2对新的随机向量X,判断它属于那一类:应用:线性判别函数:两大类随机向量,可求出各自(即类内)的:类1类2上式又称为模式识别中的线性判别函数。

5、将上述应用推广,可实现多类判别。“距离”如何计算Mahalanobis距离式中或者三、随机信号随机信号的特点:1.是时间的函数;2.样本无穷多,持续时间无穷长,所以,随机信号是功率信号;3.对任一时刻的集合构成一个随机变量。随着的变化,我们会得到无穷多个随机变量。所以:随机信号是依赖于时间的随机变量。所以:可用随机变量的方法来描述随机信号。随机信号的描述:高维概率密度:这一种描述方法理论上最好,但是不实际的。找到高维的概率密度,或高维的分布函数是异常困难的。找到了,求解也非常困难。数字特征-最常用的

6、方法:1.均值:2.方差:时间的函数3.均方4.自相关函数5.自协方差函数自相关函数描述了随机信号在和时刻的关系,是描述随机信号最重要的统计量。如果:则6.互相关函数7.互协方差函数如果:X,Y不相关两个信号不相关,有:两个信号相互独立,有则为宽平稳(或广义)平稳信号10.2平稳随机信号平稳信号的均值和时间无关,为常数;自相关函数和时间的起点无关,只和两点的时间差有关。注意:由此还可导出:方差和均方也与时间无关。互协方差函数也和时间的起点无关。实际中的大部分信号都可看作是宽平稳的。处理方便。几个概念

7、:1.若则严(狭义)平稳,统计特性不随时间变化。则相互独立2.若则不相关3.若自相关函数的性质:1.证明:若X为实过程,则若X为复过程,则2.偶对称Hermitian对称3.互相关4.互相关与自相关5.令自相关矩阵则:自相关矩阵的这一性质在信号处理中有着重要的应用非负定证明:令非零向量6.功率谱密度PSD无法做傅里叶变换。那么,对随机信号,如何实现频谱分析?一般的方法,不是对信号直接进行傅立叶变换,而是对信号的自相关函数作傅立叶变换,这时得到的不再是频谱,而是功率谱(PowerSpectrumDen

8、sity,PSD)。即随机信号是功率信号功率谱的定义:的一个样本;有限长时间序列,可以做傅里叶变换:时域功率频域功率定义因为:所以:的功率谱功率谱原始定义,包含了求均值和求极限两个运算,即:既要求时间平均,又要求集总平均。功率谱定义1:维纳—辛钦定理定理成立的条件:功率谱定义2:定义1和定义2的等效的证明,见书。功率谱的性质:始终是的实函数,因此功率谱(二阶统计量)失去了相位信息;非负;实过程的功率谱是偶对称的。4.复过程的功率谱不是偶对称的。定义:为随机信号的互功率

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。