随机信号处理初步.ppt

随机信号处理初步.ppt

ID:60983672

大小:430.50 KB

页数:51页

时间:2021-01-17

随机信号处理初步.ppt_第1页
随机信号处理初步.ppt_第2页
随机信号处理初步.ppt_第3页
随机信号处理初步.ppt_第4页
随机信号处理初步.ppt_第5页
资源描述:

《随机信号处理初步.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、第十二章随机信号处理初步本章介绍随机信号处理的一些基本概念,并且借助Matlab,给出了一些谱估计的方法。在许多信号处理的场合,信号是确定性的,例如电力系统里面的正弦波,而在更多的场合,系统并不知道要处理的信号的确定信息,比如我们在收听新闻广播的时候,并不知道播音员下一分钟将说些什么,因此用确定性函数来描述这样一个信息是不合适的。如果信号的值是确定值,那么信号称为确定性信号;如果信号的值是随机变量,那么信号称为随机信号。随机信号的处理涉及很多的理论和方法,本章只对随机信号进行一些基本的分析和讨论。为了分析方便起见,只讨论离散时间随机信号。12.1随

2、机过程我们用随机过程(RandomProcess)来描述随机信号。对于一个随机信号,对于某一个固定的是一个随机变量。变化形成的随机变量的集合就是一个随机过程。一方面随机过程既可以看成另一方面随机过程也可以看成所有实例的集合,实例或者说样本是一个确定性的信号。随机变量的集合;变化形成的我们用各种概率函数来描述随机变量,以及随机变量之间的概率的随机变量概率分布函数(probabilitydestributionfunction)来描述其分布情况。对于某一个确定,我们用概率分布的情况:概率分布函数固定值自变量概率密度函数固定值自变量如果随机变量的取值被量

3、化了,也就是说,的取值离散地分布在有限个数值等级上,例如:我们在计算机里面用一个字节(unsignedchar)来存储一个数值,则在256个数值等级上取值。概率质量函数固定值自变量我们用联合概率分布函数来描述多个随机变量之间的相互依从关系,联合概率分布函数固定值自变量联合概率密度函数固定值自变量如果随机变量的取值被量化了,我们用联合概率质量函数,联合概率质量函数固定值自变量两个随机变量统计独立:如果一个随机过程的所有概率函数与时间原点的选择无关,则称之为严平稳随机过程或者狭义平稳随机过程,这种随机过程的概率函数有以下特征:12.2随机过程的统计特征

4、在很多情况下,单用概率函数来描述随机变量和随机过程并不合适。用随机变量和随机过程的一些统计特征来描述或者刻画它们,可能会更加合适。随机变量的均值(mean)定义为:随机变量的函数仍然是随机变量,其均值为:两个随机变量、的函数仍然是一个随机变量,它的均值定义为:容易证明均值的下列性质:如果两个随机变量和是统计独立的,容易证明:统计独立只是上式的充分条件,不是必要条件,我们把满足上的两个随机变量和称为是线性独立(linearlyindependent)的。统计独立的随机变量一定线性独立,线性独立的随机变量不一定统计独立。随机变量的均方值(Mean-Sq

5、uareValue)定义为:随机变量的方差(variance)定义为:容易证明:方差的平方根或者标准差(standarddeviation)。被称为均方差(meansquaredeviation)对于一个随机过程随机过程,它在不同时刻所对应的随机变量之间的统计特征主要用自相关序列和自协方差序列来表征。自相关序列(AutocorrelationSequence)定义为:自协方差序列(autocovariancesequence)定义为:容易证明:对于随机过程和随机过程它们的相互依赖关系可以用互相关序列和互协方差序列来表征。互相关序列(Crosscor

6、relationSequence)定义为:互协方差序列(crosscovariancesequence)定义为:容易证明:一般而言,随机过程的统计特征是随时间变化而变化的,但是对于狭义平稳随机过程来说,由于其概率函数与时间起始点无关,容易得出:也就是说,均值和方差是与时间无关的常数。狭义平稳充分条件充分条件必要条件必要条件狭义平稳随机过程的自相关序列有:也就是说,自相关序列仅仅是时间差是一个一维序列。的函数,在很多情况下,并不需要分析随机过程的概率函数,而只要了解它的统计特征就够了,因此我们引入广义平稳过程的概念。如果一个随机过程满足(12.29)

7、和(12.31)式,且均方值有界,则称为广义平稳随机过程(generalizedstationaryrandomprocess)或者宽平稳随机过程。因为有了“均方值有界”这么个条件,严平稳随机过程不一定是宽平稳随机过程。一个随机信号可以看成是一个样本信号集这个样本集中的每一个元素是一个确定性信号。在实际操作过程中,我们并不能够得到所有的样本信号。大部分情况下,只能够得到样本集中的一个确定性信号,而我们的问题是利用这个确定性信号来计算随机信号的统计特征。中的任意一个确定性信号我们定义如下:对于样本信号集如果对于所有的样本信号都有:我们称该随机过程是各

8、态遍历(ergodic)的。有了这个各态遍历假设,我们就可以根据一个确定性的样本信号来计算随机信号的统计特征。在实际中,我

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。