随机信号分析第四章

4-4设有限时间积分器的单位冲激响应h(t)=U(t)－U(t －0.5) 它的输入是功率谱密度为 210V Hz 的白噪声，试求系统输出的总平均功率、交流平均功率和输入输出互相关函数()()()()()22221:()2[()][()]0Y Y Y Y XY X P E Y t G d D Y t E Y t m E Y R R R h ωωπτττ∞-∞⎡⎤==⎣⎦⎡⎤=-==⎣⎦=*⎰思路()()()10()()10()10[()(0.5)]()()10[()(0.5)]XY X YX XY R R h h h U U R R U U τττδτττττττττ=*=*==--=-=----解：输入输出互相关函数()Y R τ00020.025()0()10()10()0()()()()10(()00[()(0.)()10()()()10()()10101100.55[()5)]](0)X X X Y X Y X Y Y X t m G R m m h d R U R h h h h h h d R h h d d d E Y t R U ωτττττττττλτλδτλλλλλλλμ∞∞∞∞==⇔====**-=*-=+=+=-=-=⋅=⨯==⎰⎰⎰⎰⎰时域法平均功是白噪声，，，率面积法：225[()][()]5Y Y D Y t E Y t m ==-=P 交流：平均功率()()()2141224222Y2(P1313711()2415()()()102424115112522242j j j Y X Y U t U t Sa e H e Sa G G H e Sa Sa G d Sa S d a d ωτωωωτττωωωωωωωωωωωππωωπ---∞∞∞-∞∞--∞⎛⎫--⎡⎤ ⎪⎣⎦⎝⎭-⎛⎫⇒= ⎪⎝⎭⎛⎫⎛⎫=== ⎪ ⎪⎝⎭⎝⎭⎛⎫===⎛⎫= ⎪ ⎭⎪⎭⎝⎝⎰⎰⎰P 矩形脉冲A 的频谱等于A 信号与线性系统书式域法）频()()2220000[()][()][()]5Y X Y Y m m H H D Y t E Y t m E Y t =⋅=⋅⇒=-===P 交直流分量为平均功率：流4-5 已知系统的单位冲激响应()(1)[()(1)]h t t U t U t =---，其输入平稳信号的自相关函数为()2()9X R τδτ=+，求系统输出的直流功率和输出信号的自相关函数？分析：直流功率＝直流分量的平方解: 输入平稳输出的直流分量 输出的直流功率()2300X X m R σ==±==()()()10332Y X m m h t h t ττ=*=*=⎰=31-d ()()()()()()()()()()()()()()()2'''222'[()(1()(1)(1)F )]12122222j j j j Y h t t t d F j d d F j jd H A A U t U t A Sa ej A Sa e Sa e Sa eG U t U t t j ωωωωωωωωωωωωωωωωωω----⋅↔⇒⋅↔-⇒=-⎛⎫--⇒=⎡⎤ ⎪⎣⎦⎝⎭⎡⎤⎛⎫⎛⎫⎛⎫⎛⎫⇒==+⋅-⎢⎥ ⎪ ⎪ ⎪ ⎪⎝⎭⎝⎭⎝⎭⎝=-=-⎭⎣-=-⎦变换 频域的微分特性 -jt f t t f t =A t A t 矩形脉冲A 谱t 的频()()()()()()()()()()()2''21920222410001lim 022239024X X Y Y X G H G H H Sa Sa R j H A A j Sa m m H j ωωωωωωωωπδτω*→=⋅⋅⎡⎤⎛⎫⎛⎫=-+⇒ ⎪ ⎪⎢⎥⎝⎭⎝⎭⎣⎦⎛⎫⎛⎫---== ⎪ ⎪⎝⎭⎝⎭=⋅=⇒＝＝直流功率294Y m =()Y X m m h t =*4-7 已知如图4.21 所示的线性系统，系统输入信号是物理谱密度为0N 的白噪声，求：①系统的传递函数()H ω？②输出()Z t 的均方值？其中2222[sin()][()]2ax dx a ax dx axSa π∞∞==⎰⎰()()()()()()()112122121212()()()()()()()()()()()F ()(1)()()11()()()()()()()(()j T Y t X t X t T h t t t T t h t d U t Y X H Y H X H H H H H H e H j H h H t h t H ωωωωωωωωωωωωωωωπδωωωωδδωλδλω-∞-∆∆=--=--⇒=⋅==⇒⇒=-=+=⋅=⋅⋅=⎡⎤⎣⎦⎰Z Z 可以分别求冲激响应，输入为冲激函数：输入为冲激函数、，冲激响应＝1(1)()1)[()](1)()j Tj T j T e e e j j ωωωπδωπδωωω----=-+=-＋()2222222220022022102(2)(1)(1)2()(1cos )2sin sin 2sin ((0)()()()21sin 21sin (0)2)()()()[()]j T j T Z X j Z Z Z Z Z Z e e H T j j T TN T G G H H N T N e d T R G R R F G R N ωωωτωωωωωωωωωωωωωωωωωπωωπωωττω+∞-∞----=⋅=-⋅=⇒⋅=⋅⋅=⋅-⋅⇒⋅==⋅⎰＝＝＝求输出Z t 的均方值即，所以有2200000sin 2222j e d N TN N T d T τωωπωπωπ∞-∞∞=⋅⋅=⋅⋅=⎰⎰4-11 已知系统的输入为单位谱密度的白噪声，输出的功率谱密度为2424()109Y G ωωωω+=++求此稳定系统的单位冲激响应()h t ？解：()()()()()()()()()()()()()()()()()()()()()()242223211242()41092243311()()12231311112()0231921Y t Y X X t G s s s s s s G H G H s H s H s s j H s H s s j j h t F H F e e U t j j s s j s H G s ωωωωωωωωωωωωωωωωω----⋅==⇒=-=++=⇒=++++⎛⎫ ⎪+=++-+-+====+ ⎪++ ⎪⎝⎭-+-+-+==系统稳定，则零头、极点都＋在左半平面带入4-12 已知系统输入信号的功率谱密度为223()8X G ωωω+=+ 设计一稳定的线性系统()H ω，使得系统的输出为单位谱密度的白噪声？解：()()()()()221()11()Y X X G G H s s H s G s H s H ωωωω=⇒⋅=⇒==⇒==即4-14 功率谱密度为02N 的白噪声作用于(0)2H =的低通网络上，等效噪声带宽为XH MHz 。

1-9 已知随机变量X 的分布函数为20,0(),011,1X x F x kx x x <⎧⎪=≤≤⎨⎪>⎩求：①系数k ； ②X 落在区间(0.3,0.7)内的概率； ③随机变量X 的概率密度。

解：第①问 利用()X F x 右连续的性质 k ＝1第②问{}{}{}()()0.30.70.30.70.70.30.7P X P X F P X F =<<=<≤-=-第③问 201()()0X X xx d F x f x elsedx ≤<⎧==⎨⎩1-10已知随机变量X 的概率密度为()()xX f x kex -=-∞<<+∞（拉普拉斯分布），求：①系数k ②X 落在区间(0,1)内的概率 ③随机变量X 的分布函数 解：第①问 ()112f x dx k ∞-∞==⎰ 第②问 {}()()()211221x x P x X x F x F x f x dx <≤=-=⎰随机变量X 落在区间12(,]x x 的概率12{}P x X x <≤就是曲线()y f x =下的曲边梯形的面积。

{}{}()()1010101112P X P X f x dxe -<<=<≤==-⎰第③问()102102xx e x f x e x -⎧≤⎪⎪=⎨⎪>⎪⎩()00()110022111010222xx xxx x x x F x f x dxe dx x ex e dx e dxx e x -∞-∞---∞=⎧⎧≤≤⎪⎪⎪⎪==⎨⎨⎪⎪+>->⎪⎪⎩⎩⎰⎰⎰⎰1-11 某繁忙的汽车站，每天有大量的汽车进出。

设每辆汽车在一天内出事故的概率为0.0001，若每天有1000辆汽车进出汽车站，问汽车站出事故的次数不小于2的概率是多少？,(01)p q λ→∞→→∞→−−−−−−−−→−−−−−−−−→−−−−−−−−→n=1n ,p 0,np=n 成立，0不成立-分布二项分布泊松分布高斯分布汽车站出事故的次数不小于2的概率()()P(2)101k P k P k ≥=-=-= 答案0.1P(2)1 1.1k e -≥=-100.1n p ≥≤实际计算中，只需满足，二项分布就趋近于泊松分布()np!k e P X k k λλλ-=＝＝1-12 已知随机变量(,)X Y 的概率密度为(34)0,0(,)0x y XY kex y f x y -+⎧>>⎪=⎨⎪⎩,,其它求：①系数k ？②(,)X Y 的分布函数？③{01,02}P X X <≤<≤？第③问 方法一：联合分布函数(,)XY F x y 性质：若任意四个实数1212,,,a a b b ，满足1212,a a b b ≤≤，则121222111221{,}(,)(,)(,)(,)XY XY XY XY P a X a b Y b F a b F a b F a b F a b <≤<≤=+--{01,02}(1,2)(0,0)(1,0)(0,2)XY XY XY XY P X Y F F F F ⇒<≤<≤=+--方法二：利用(){(,)},XY DP x y D f u v dudv∈∈⎰⎰)(210{01,02},XY P X Y f x y dxdy <≤<≤=⎰⎰1-13 已知随机变量(,)X Y 的概率密度为101,(,)0x y xf x y ⎧<<<=⎨⎩,,其它 ①求条件概率密度(|)X f x y 和(|)Y f y x ？②判断X 和Y 是否独立？给出理由。

《随机信号分析与处理》教学⼤纲《随机信号分析与处理》教学⼤纲（执笔⼈：罗鹏飞教授学院：电⼦科学与⼯程学院）课程编号：070504209英⽂名称：Random Signal Analysis and Processing预修课程：概率论与数理统计、信号与系统、数字信号处理学时安排：60学时，其中讲授54学时，实践6学时学分：3⼀、课程概述（⼀）课程性质地位本课程是电⼦⼯程、通信⼯程专业的⼀门学科基础课程。

该课程系统地介绍随机信号的基本概念、随机信号的统计特性分析⽅法以及随机信号通过系统的分析⽅法；介绍信号检测、估计、滤波等信号处理理论的基本原理和信息提取⽅法。

其⽬的是使学⽣通过本课程的学习，掌握随机信号分析与处理的基本概念、基本原理和基本⽅法，培养学⽣运⽤随机信号分析与处理的理论解决⼯程实际问题的能⼒，提⾼综合素质，为后续课程的学习打下必要的理论基础。

本课程是电⼦信息技术核⼼理论基础。

电⼦信息系统中的关键技术是信息获取、信息传输、信息处理，这些技术的理论基础就是随机信号的分析、检测、估计、滤波等理论，这正是本课程的主要内容。

因此，本课程内容是电⼦信息类应⽤型⼈才知识结构中不可或缺的必备知识。

⼆、课程⽬标（⼀）知识与技能通过本课程的学习，掌握随机信号分析与处理基本概念和基本分析⽅法。

内容包括：1.理解和掌握随机过程基本概念和统计描述；2.掌握随机过程通过线性和⾮线性系统分析⽅法3.理解和掌握典型随机过程的特点及分析⽅法；4.掌握参数估计的概念、规则和性能分析⽅法；5.掌握信号检测的概念、规则和性能分析⽅法；6.掌握⾼斯⽩噪声中最佳检测器的结构和性能分析。

通过本课程的学习，要达到的能⼒⽬标是：1.具有正确地理解、阐述、解释⽣活中的随机现象的能⼒，即培养统计思维能⼒；2.运⽤概率、统计的数学⽅法和计算机⽅法分析和处理随机信号的能⼒；3.初步具备雷达、通信、导航等技术领域的信号处理系统的分析、设计、仿真的科学研究能⼒；4.培养⾃主学习能⼒；5.培养技术交流能⼒（包括论⽂写作和⼝头表达）；6.培养协作学习的能⼒；（⼆）过程与⽅法依托“理论、实践、第⼆课堂”三个基本教学平台，通过课堂教学、概念测试、课堂研讨、案例研究、作业、实验、课程论⽂、⽹络教学等多种教学形式，采⽤研究型、案例式、互动研讨、基于团队学习、基于MATLAB的教学以及基于多媒体的教学等多种教学⽅法和⼿段，使学⽣加深对随机信号分析与处理的基本概念、基本原理以及应⽤的理解，并使学⽣通过⾃主学习、⼩组作业、案例研究、实验、课题论⽂等主动学习形式，培养⾃学能⼒和协同学习的能⼒，使学⽣不仅获得知识、综合素质得到提⾼。

随机信号分析与处理（第2版）概述本文档介绍了随机信号分析与处理（第2版）的主要内容。

随机信号是一种在时间上或空间上具有随机性质的信号，在诸多领域中都有广泛的应用，如通信、图像处理、控制系统等。

随机信号的分析和处理对于了解其性质、提取有用信息以及设计有效的处理算法都是必不可少的。

主要内容第一章：随机信号的基本概念本章介绍了随机信号的基本概念和特性，包括随机信号的定义、概率密度函数、均值、方差等。

通过对随机信号的特性分析，可以为后续的分析和处理提供基础。

第二章：随机过程本章讨论了随机过程的定义和性质。

随机过程是一类具有随机性质的信号集合，其在时间上的取值不确定，但具有统计规律性。

通过对随机过程的分析，可以了解其演化规律和统计性质。

本章介绍了随机信号的表示与分解方法。

随机信号可以通过不同的数学模型进行表示，如傅里叶级数、傅里叶变换、小波变换等。

通过将随机信号进行分解，可以提取出其中的有用信息。

第四章：随机信号的功率谱密度本章研究了随机信号的功率谱密度。

功率谱密度描述了随机信号在频率域上的分布，通过分析功率谱密度可以获得随机信号的频率特性和频谱信息。

第五章：随机信号的相关与协方差本章讨论了随机信号的相关与协方差。

相关是用来描述随机信号之间的依赖关系，协方差是用来描述随机信号之间的线性关系。

通过分析随机信号的相关与协方差，可以研究信号之间的相关性和相关结构。

本章介绍了随机信号的滤波和平均处理方法。

滤波是用来抑制或增强随机信号中的某些频率分量，平均则是通过对多次采样的随机信号进行求平均来减小随机性。

第七章：随机信号的参数估计本章研究了随机信号的参数估计方法。

参数估计是通过对随机信号进行采样和分析，通过估计参数来了解信号的统计性质和特征。

第八章：随机信号的检测和估计本章讨论了随机信号的检测和估计方法。

检测是用来判断随机信号的存在或不存在，估计是通过对随机信号的采样和分析来估计信号的参数。

第九章：随机信号的最优滤波本章研究了随机信号的最优滤波方法，最优滤波是通过优化设计滤波器来最小化系统误差或最大化输出信噪比。

4-1习 题4.1 随机信号()1Y t 与()2Y t 的实测样本函数如下题图4.1(a)与(b)所示，试说明它们是否均值各态历经。

（a ） （b ）题图4.1解：由均值各态历经信号的物理意义：只要观测的时间足够长，每个样本函数都将经历信号的各个状态，结合题图可见：（a ）不可能是均值各态历经信号；（b ）很可能是均值各态历经信号4.2 随机二元传输信号如例3.16所述，试分析它的均值各态历经性。

解：由例3.16，随机二元传输信号的协方差函数为， 41(),0Y pq T C T Tττττ⎧⎛⎫-≤⎪ ⎪=⎨⎝⎭>⎪⎩又根据充分条件为：()lim 0C ττ→∞=，且 ()04C pq =<∞，因此，它是均值各态历经信号。

4.34.4 随机信号()X t 与()Y t 是联合广义各态历经的，试分析信号()()()Z t aX t bY t =+的各态历经性，其中a 与b 是常数。

解：由题意，均方意义下有，[()][()][()]()()()A Z t aA X t bA Y t aEX t bEY t EZ t =+=+=2222[()()][()()][()()][()()][()()][()()][()()][()()][()()]()Z A Z t Z t a A X t X t b A Y t Y t abA X t Y t abA Y t X t a E X t X t b E Y t Y t abE X t Y t abE Y t X t R ττττττττττ+=+++++++=+++++++=因此，()Z t 是均值各态历经信号4.54.6 随机过程()sin cos X t A t B t =+，式中，A 和B 为零均值随机变量。

求证()X t 是均值各态历经的，而均方值无各态历经性。

4-2 解：由题意，首先，()sin cos 0[()][sin ][cos ]0EX t EA t EB t A X t A A t B A t =+==⨯+⨯= 而222222222()sin cos 2sin cos sin cos sin 2X t A t B t AB t t A t B t AB t =++=++ 222222222[()]sin cos sin 2sin cos E X t EA t EB t EA EB t EA t EB t =++⨯⨯=+2222222[()][sin ][cos ][sin 2]2A B A X t A A t B A t AB A t +=⨯+⨯+⨯= 显然，()[()]EX t A X t =，但22()[()]EX t A X t ≠。

欢迎共阅随机信号分析理论的应用综述（结课论文）学院：3.1均匀分布白噪声通过低通滤波器3.2语音盲分离3.3系统辨识3.4基于bartlett的周期图法估计功率谱3.5基于MATLAB_GUI的Kalman滤波程序第四章展望参考文献第一章概述1.1随机信号分析的研究背景在一般的通信系统中，所传输的信号都具有一定的不确定性，因此都属于随机信号，否则不可能传递任何信息，也就失去了通信的意义。

随机信号是一种不能用确定的数学关系式来描述的、无法预测未来时刻精准值的信号，也无法用实定的规律性，即统计规律性，它是本门学科一个最根本的概念。

随机信号分析重点研究一般化（抽象化）的系统干扰和信号，往往仅给出他们的系统函数模型和数学模型，而不是讨论具体的系统，更不会局限于一些具体的电路系统上。

概率论与数理统计随机过程理论等只是处理本命学科有关问题的一种工具因而学习本门课程除了注意处理问题的方法，更重要的是对一数学推演的结果和结论的物理意义有深入的理解。

随机信号通过线性、非线性系统统计特件的变化；在通信、雷达和其他电子系统中常见的一些典型随机信号，如白噪声、窄带随机过程、高斯随机过程、马尔可夫过程等。

第二章随机信号分析的主要内容随机信号分析与处理时研究随机信号的特点及其处理方法的专业基础课程，是目标检测、估计、滤波等信号处理的理论基础，在学习过程中，我们需要学会统的重要工具希尔伯特变换，来分析窄带随机过程的统计特性及其一些重要性质。

讨论窄带随机过程经包络检波器和平方律检波器后统计特性的变换。

随机信号通过非线性系统：当动态非线性系统可分时，分为线性系统与无记忆的非线性系统的级联，一般用多项式和伏特拉级数的方法。

马尔可夫过程：一随机过程 {X(t),t∈T}，其值域（状态）可以连续取值，也可以离散取值，如果他的条件概率满足下列关系：P[X(tn+1)<=Xn+1 X(tn)=xn,X(tn-1)=xn-1,...,X(to)=xo]=P[X(tn+1)<=xn+1 X(tn)=xn] 则X（t）为马尔可夫过程。