1、第第 2 章随机过程章随机过程 通信的目的在于传输信号,信号和系统总是联系在一起的。通信系统中的信号或噪声一般都是随机的,因此在以后的讨论中我们必然会遇到这样的问题:随机过程通过系统(或网络)后,输出过程将是什么样的过程?这里,我们只考虑平稳过程通过线性时不变系统的情况。随机信号通过线性系统的分析,完全是建立在确知信号通过线性系统的分析原理的基础之上的。我们知道,线性系统的响应vo(t)等于输入信号vi(t)与系统的单位冲激响应h(t)的卷积,即2.4 随机过程通过线性系统随机过程通过线性系统d)()()()()(0thvthtvtvii(2.4-1)第第 2 章随机过程章随机过程或若 )()
2、(00Vtv,)()(iiVtv,)()(Hth,则有)()()(0iVHV(2.4-2)若线性系统是物理可实现的,则 d)()()(0thvtvti00d)()()(tvhtvi(2.4-3)(2.4-4)第第 2 章随机过程章随机过程 如果把vi(t)看作是输入随机过程的一个样本,则v0(t)可看作是输出随机过程的一个样本。显然,输入过程i(t)的每个样本与输出过程0(t)的相应样本之间都满足式(2.4-4)的关系。这样,就整个过程而言,便有00)d()()(thti(2.4-5)假定输入i(t)是平稳随机过程,现在来分析系统的输出过程0(t)的统计特性。我们先确定输出过程的数学期望、自相
3、关函数及功率谱密度,然后讨论输出过程的概率分布问题。第第 2 章随机过程章随机过程1.输出过程输出过程o(t)的数学期望的数学期望 对式(2.4-5)两边取统计平均,有 式中利用了平稳性假设Ei(t-)=Ei(t)=a(常数)。又因为0000)()()()()()(dhadtEhdthEtEii0tjde)()(tthH第第 2 章随机过程章随机过程求得所以 由此可见,输出过程的数学期望等于输入过程的数学期望与直流传递函数H(0)的乘积,且Eo(t)与t无关。0d)()0(tthH)0()(0HatE(2.4-6)第第 2 章随机过程章随机过程根据平稳性 2.输出过程输出过程o(t)的自相关函
4、数的自相关函数 ddttEhhdthdthEttEttRiiii)()()()()()()()()()(),(110010101010110)()()(11iiiRttE有)()()()(),(000110RddRhhttRi(2.4-7)第第 2 章随机过程章随机过程 可见,的自相关函数只依赖时间间隔 ,而与时间起点t0 无关。由以上输出过程的数学期望和自相关函数证明:若线性系统的输入过程是平稳的,那么输出过程若线性系统的输入过程是平稳的,那么输出过程也是平稳的。也是平稳的。ot ot ot第第 2 章随机过程章随机过程 3.输出过程输出过程0(t)的功率谱密度的功率谱密度 对式(2.4-7
5、)进行傅里叶变换,有令则有即 0 000)()()()()(deddRhhdeRPjij000)()()()(deRdehdehPjijj)()()()()()(20iiPHPHHP(2.4-8)第第 2 章随机过程章随机过程 可见,系统输出功率谱密度是输入功率谱密度Pi()与系统功率传输函数|H()|2的乘积。这是十分有用的一个重要公式。当我们想得到输出过程的自相关函数Ro()时,比较简单的方法是先计算出功率谱密度Po(),然后求其反变换,这比直接计算Ro()要简便得多。第第 2 章随机过程章随机过程 【例例2-2】带限白噪声带限白噪声。试求功率谱密度为n0/2的白噪声通过理想矩形的低通滤波
6、器后的功率谱密度、自相关函数和噪声平均功率。理想低通的传输特性为其他0)(0HtjeKH第第 2 章随机过程章随机过程解解由上式得|H()|2=K20,|H。输出功率谱密度为 HinKPHP2)()()(02020可见,输出噪声的功率谱密度在|H内是均匀的,在此范围外则为零,如图2-5(a)所示,通常把这样的噪声称为带限白噪声。其自相关函数为 0022001()()22HHjfjffRPednKedf 200sinHHHK n f 第第 2 章随机过程章随机过程图2-5 带限白噪声的功率谱和自相关函数第第 2 章随机过程章随机过程 式中,H=2fH。由此可见,带限白噪声只有在=k/2fH(k=
7、1,2,3,)上得到的随机变量才不相关。它告诉我们,如果对带限白噪声按抽样定理抽样的话,则各抽样值是互不相关的随机变量。这是一个很重要的概念。如图 2-5(b)所示,带限白噪声的自相关函数Ro()在=0 处有最大值,这就是带限白噪声的平均功率:HfnKR0200)0(第第 2 章随机过程章随机过程d)()(00thi 总可以确定输出过程的分布。其中一个十分有用的情形是:如果线性系统的输入过程是高斯型的,则系统的输出过程也是如果线性系统的输入过程是高斯型的,则系统的输出过程也是高斯型的。高斯型的。因为从积分原理来看,上式可表示为一个和式的极限,即kkkkrhttk)()(lim)(0100 4.输出过程输出过程0(t)的概率分布的概率分布 从原理上看,在已知输入过程分布的情况下,通过式(2.4-5),即第第 2 章随机过程章随机过程 由于i(t)已假设是高斯型的,所以,在任一时刻的每项i(t-k)h(k)k都是一个高斯随机变量。因此,输出过程在任一时刻得到的每一随机变量,都是无限多个高斯随机变量之和。由概率论得知,这个“和”的随机变量也是高斯随机变量。这就证明,高斯过程经过线性系统后其输出过程 仍为高斯过程。更一般地说,高斯过程经线性变换后的过程仍为高斯过程。但要注意,由于线性系统的介入,与输入高斯过程相比,输出过程的数字特征已经改变了。