【通信原理笔记】【二】随机信号分析——2.5 高斯随机过程

文章目录

  • 前言
  • 一、高斯分布
  • 二、高斯过程
  • 三、高斯白噪声
  • 四、窄带高斯白噪声的复包络
  • 总结


前言

这篇我们来学习通信原理中非常重要的高斯(正态)随机过程,在之后的内容中会反复使用这个模型


一、高斯分布

首先回顾一下概率论中学过的高斯分布的形式定义,一个随机变量 X X X若服从高斯分布,可记作 X ∼ N ( μ , σ 2 ) X\sim N(\mu,\sigma^2) XN(μ,σ2),其中 μ , σ 2 \mu,\sigma^2 μ,σ2分别为均值和方差(特别的, N ( 0 , 1 ) N(0,1) N(0,1)称为标准高斯分布),其概率密度函数(pdf)如下:

p X ( x ) = 1 2 π σ 2 e − ( x − μ ) 2 2 σ 2 p_X(x)=\frac{1}{\sqrt{2\pi\sigma^2}}e^{-\frac{(x-\mu)^2}{2\sigma^2}} pX(x)=2πσ2 1e2σ2(xμ)2

该概率密度函数关于均值 μ \mu μ对称,在 x = μ x=\mu x=μ时取最大值。

二、高斯过程

首先给出针对一组随机变量服从联合高斯分布的定义:对于一组随机变量 X 1 , X 2 , … , X k X_1,X_2,\ldots,X_k X1,X2,,Xk,若他们均由一组独立的标准高斯分布变量 Z 1 , Z 2 , … , Z n Z_1,Z_2,\ldots,Z_n Z1,Z2,,Zn的线性组合与常数之和组成,则称这组随机变量服从联合高斯分布。

X = A [ Z 1 , Z 2 , … , Z n ] T + B X=A[Z_1,Z_2,\dots,Z_n]^T+B X=A[Z1,Z2,,Zn]T+B

由这个定义容易推导出,对这组随机变量做任意的线性组合,得到的一组新的随机变量仍然是服从联合高斯的。(其实就是再乘上一个矩阵而已。)

现在,我们给出高斯过程的定义:一个随机过程 X ( t ) X(t) X(t)是高斯过程当且仅当取任取一些时刻的一组随机变量,这组随机变量都满足联合高斯。

通过这个定义可以得到高斯过程的一条性质,即对高斯过程乘上任意确定信号 m ( t ) m(t) m(t),结果仍然是高斯过程。因为任取的一组随机变量 X 1 , X 2 , … , X k X_1,X_2,\ldots,X_k X1,X2,,Xk,乘上该时刻确定信号的值得到一组新的随机变量 m 1 X 1 , m 2 X 2 , … , m k X k m_1X_1,m_2X_2,\ldots,m_kX_k m1X1,m2X2,,mkXk,是原随机变量组的线性组合。类似的结论还有高斯过程与任意信号做卷积、内积、相关…等操作得到的结果也仍然是高斯过程,证明思路同样是转化成线性组合即可。

三、高斯白噪声

通信中最广泛最常见的噪声模型,就是高斯白噪声 n w ( t ) n_w(t) nw(t),它存在于信道中,叠加在传输信号之上。它是一个零均值平稳高斯过程(把目前第二章学过的buff叠满了),它的功率谱密度是一个贯穿整个频域(“白”的由来)的常数,一般用 N 0 / 2 N_0/2 N0/2来表示(双边功率谱,如果是单边谱就是 N 0 , f > 0 N_0,f>0 N0,f>0),那么它的自相关函数就是一个冲激 N 0 δ ( τ ) / 2 N_0\delta(\tau)/2 N0δ(τ)/2

高斯白噪声通过一个滤波器 h ( t ) h(t) h(t),得到输出

n ( t ) = ∫ n w ( u ) h ( t − u ) d u n(t)=\int n_w(u)h(t-u)du n(t)=nw(u)h(tu)du

根据平稳过程通过滤波器输出仍然是平稳过程,高斯过程通过滤波器(即与冲激响应做卷积)结果仍然是高斯过程,所以仍然是平稳高斯过程,其功率谱密度为:

P n ( f ) = N 0 ∣ H ( f ) ∣ 2 / 2 P_n(f)=N_0|H(f)|^2/2 Pn(f)=N0H(f)2/2

功率为对功率谱密度求积分:

P n = ∫ N 0 ∣ H ( f ) ∣ 2 / 2 d f = N 0 E h / 2 P_n=\int N_0|H(f)|^2/2df=N_0E_h/2 Pn=N0H(f)2/2df=N0Eh/2

该滤波器可以取各种变换,如希尔伯特变换,得到的输出仍然是平稳高斯过程。

四、窄带高斯白噪声的复包络

当高斯白噪声通过一个带通滤波器后,输出的就是一个仅在有限的频带上的一个平稳高斯过程 n ( t ) n(t) n(t),称为窄带高斯白噪声,其功率谱密度是一个矩形脉冲。既然是带通的随机过程,那自然又可以使用解析过程、复包络等工具进行基带等效:

Z ( t ) = n ( t ) + j n ^ ( t ) Z(t)=n(t)+j\hat{n}(t) Z(t)=n(t)+jn^(t)
n L ( t ) = Z ( t ) e − 2 π f c t n_L(t)=Z(t)e^{-2\pi f_ct} nL(t)=Z(t)e2πfct

根据平稳高斯过程的性质, Z ( t ) , n L ( t ) Z(t),n_L(t) Z(t)nL(t)为复平稳高斯过程,平稳过程的解析过程与复包络拥有的性质在这都成立。


总结

在这篇中介绍了高斯过程与高斯白噪声,将在之后的内容中得到应用。最重要的性质就是高斯白噪声通过各种系统得到的仍然是平稳高斯过程。

下一篇将是第二章的最后一节内容匹配滤波器。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/758568.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

达源电机超高速数码马达震撼来袭

新质生产力是什么? 12万转高速电吹风机马达引领行业技术革新 随着科技的不断进步,电吹风机行业正迎来一场深刻新质生产力技术革新。在这场革新中,达源电机以其独特绕线技术与自适应平衡磁场的马达技术,成功打破了国外高速马达电机悬臂梁专利…

uniapp——第3篇:自定义组件、组件间传数据

前提,建议先学会前端几大基础:HTML、CSS、JS、Ajax,还有一定要会Vue!(Vue2\Vue3)都要会!!!不然不好懂 一、组件是啥玩意? 我之前讲vue2的文章讲过 Vue全家桶:vue2vue3全…

位图与布隆过滤器

目录 一、位图 1、问题用位图来解决: 二、 布隆过滤器 1、将哈希与位图结合,即布隆过滤器 2.布隆过滤器的查找 3.布隆过滤器的删除 4.布隆过滤器优点 5、布隆过滤器缺陷 三、海量数据处理问题: 一、位图 问题1:给40亿个不…

netron:本地查看服务器端打开的onnx文件

我们开发一般都在服务器中开发,假如我们在服务器端导出了一个onnx文件,不将onnx文件传到本地,如何进行本地查看呢? netron --port 8082 --host 10.75.29.201 model_data/deeplab_0131.onnx--host : 指定服务器的ip, 注意不是本地…

2024/03/19(网络编程·day5)

一、思维导图 二、selec函数实现TCP并发服务器 #include<myhead.h>#define SER_PORT 8888 //服务器端口号 #define SER_IP "192.168.117.116" //服务器IP int main(int argc, const char *argv[]) {//1、创建一个套接字int sfd -1;sfd socket(AF_INET,SOC…

软件设计师:03 - 数据库系统

一、数据模型的分类 1.1、概念数据模型 1.2、结构数据模型 1.3 真题 二、三级模式 概念模式对应的是基本表&#xff0c;概念模式也称为模式 外模式对应的是视图&#xff0c;也称用户模式或者子模式 内模式对应的是数据库里面的存储文件&#xff0c;也称存储模式 真题 三、两级…

VO、RVO、ORCA(动态避障)算法

碰撞锥&#xff08;碰撞区域&#xff09; 上上图中假设B物体处于静止状态&#xff0c;A物体沿着向量v1和v2移动&#xff0c;刚好能和B擦肩而过&#xff0c;不会发生碰撞&#xff1b;若V1和V2的夹角再小一点的话就一定会发生碰撞。此时会产生碰撞区域&#xff1a; 红线画出来…

蓝桥杯练习04学生成绩统计

学生成绩统计 介绍 随着大数据的发展&#xff0c;数据统计在很多应用中显得不可或缺&#xff0c;echarts作为一款基于JavaScript的数据可视化图表库&#xff0c;也成为了前端开发的必备技能&#xff0c;下面我们一起来用echarts开发一个学生数据统计的柱形图。 准备 开始答…

Vmware使用ubuntu报错空间不够

Vmware使用ubuntu报错空间不够 1.vmware修改2.进入镜像进行修改2.1需要下载GParted软件 1.vmware修改 这个需要把硬盘的大小进行扩展 2.进入镜像进行修改 2.1需要下载GParted软件

C++_回文串

目录 回文子串 最长回文子串 分割回文串 IV 分割回文串 II 最长回文子序列 让字符串成为回文串的最少插入次数 回文子串 647. 回文子串 思路&#xff0c;i j表示改范围内是否为回文串&#xff0c; ②倒着遍历是为了取出dp[i 1][j - 1] ③i j 只有一对&#xff0c;不会重复…

C++模版(一)

C++模版 概念函数模版函数模版语法注意事项普通函数和函数模版区别普通函数和函数模版的调用规则模版的局限性具体化模版本质分析概念 模版也可称之为泛型,可以理解为模具,通过模具可以创建多种实现,大大提高了复用性。 实际生活中,有很多模版的例子。比如我们的入职简历,…

harmonyOS简介及背景

harmonyOS的场景模式18n: 1&#xff08;入口手机&#xff09;8&#xff08;电脑、VR、手环、iPad、智慧屏、&#xff09;–wifi—n(车载、智能家居等所有)harmonyOS不需要考虑软硬件的差异&#xff0c;是一个兼容N种的超级终端harmonyOS干了两件事&#xff1a; &#xff08;1&a…

施工升降机AI数人数识别摄像机

施工现场作为一个复杂的工作环境&#xff0c;在施工过程中通常会有大量的人员出入&#xff0c;为了确保施工安全和管理效率&#xff0c;近年来施工升降机AI数人数识别摄像机应运而生。 这种摄像机依靠先进的人工智能技术和摄像头设备&#xff0c;能够实时监测和识别施工升降机内…

AIGC——ComfyUI工作流搭建、导入与常用工作流下载

工作流 ComfyUI工作流是一个基于图形节点编辑器的工作流程&#xff0c;通过拖拽各种节点到画布上&#xff0c;连接节点之间的关系&#xff0c;构建从加载模型到生成图像的流程。每个节点代表一个与Stable Diffusion相关的模型或功能&#xff0c;节点之间通过连线传递图片信息。…

2390.从字符串中移除星号

题目&#xff1a;给你一个包含若干星号 * 的字符串 s 。 在一步操作中&#xff0c;你可以&#xff1a; 选中 s 中的一个星号。移除星号 左侧 最近的那个 非星号 字符&#xff0c;并移除该星号自身。 返回移除 所有 星号之后的字符串。 注意&#xff1a; 生成的输入保证总是…

如何对静态IP进行测试?静态IP有什么优点?

随着互联网的普及&#xff0c;越来越多的人开始使用动态IP进行上网。但是在某些情况下&#xff0c;我们可能需要使用静态IP进行测试或特定的网络设置。本文将介绍如何获取静态IP进行测试以及静态IP的优点。 一、如何获取静态IP进行测试&#xff1f; 1.联系ISP&#xff08;Int…

【JS】数组查重

码 /*** 数组查重* param {Array} arr 查重的数组* returns Array 返回不重复的数组 */ const noReArr arr > [...new Set(arr)]const a [12,12,3,4] console.log( noReArr(a) );效果图

031—pandas 读取解析实验室数据至DataFrame

前言 某个科研实验室在进行一项物理实现&#xff0c;实验仪器会输出一个 txt 文本的数据&#xff0c;研究人员需要从这个文本中将数据结构化才能进行进行统计分析。 在为个解析和分析过程中&#xff0c;他们选择了 Python 的 pandas 库来完成这些操作。我们今天来完成这这个 t…

使用AOP拦截全局请求并校验请求参数

天行健&#xff0c;君子以自强不息&#xff1b;地势坤&#xff0c;君子以厚德载物。 每个人都有惰性&#xff0c;但不断学习是好好生活的根本&#xff0c;共勉&#xff01; 文章均为学习整理笔记&#xff0c;分享记录为主&#xff0c;如有错误请指正&#xff0c;共同学习进步。…

列表(list)篇(一)

文章目录 2.1 创建列表2.2 append()函数2.3 clear()函数2.4 copy()函数2.5 count()函数2.6 del2.7 enumerate()函数2.8 extend()函数2.9 index()函数 2.1 创建列表 在Python中&#xff0c;列表&#xff08;list&#xff09;是一种基础的数据结构&#xff0c;可以包含不同类型的…