数字随机信号功率谱密度分析-基带1数字随机信号功率谱密度分析-基带1数字随机信号功率谱密度(PSD )分析-基带1、形如∑a n g (t -nT 0)的基带数字信号的PSD设有随机数字信号x (t )=∑a g (t -nT )= ∑a n δ(t -nT 0)⎪*g (t )⎪n =-∞⎪其中g(t)为基带成型脉冲,其持续时间为t ∈(0,T0) 。
a n 为取值离散的平稳随机随机序列,可以为复值。
(1-1)式可以表示一般的基带随机过程。
至于(窄带)带通过程,则可用等效基带法表示为:s (t )=Re x (t )e j ωc t之后使用窄带随机过程理论来分析。
容易知道,(1-1)式所表示的随机过程是以T 0为周期的周期平稳随机过程。
要求其功率谱密度,一种方法是先求得其周期的自相关函数,然后在一个码元周期内求其平均自相关函数,再对后者求傅里叶变换。
我们这里不使用这种方法,而是直接由功率谱密度的定义来求。
下面使用定义来分析(1-1)式表示的随机信号的功率谱密度。
理论上,随机过程都是功率信号,故其功率谱密度的一般定义为:E ⎪X T (f )⎪⎪ P x (f )=lim ⎪其中X T (f)是对过程截断之后取其傅里叶变换。
E[·]表示取集平均。
按照傅里叶变换的定义:X T (f )=⎪x T (t )e -j 2πft dtx T (t)是对应的截断时间信号。
取T =(2N+1)T0,则(1-3)式变为P x (f )=limE ⎪X (2N +1) T 0(f )⎪ ⎪⎪N →+∞2N +1T ⎪⎪0因为(1-3)表示的极限存在,所以T 无论怎么趋向+∞,得到的极限都应该相等。
这里取特殊的按照T 0的倍数增长的方式, 即x T (t)的时间跨度限制为[-NT0,(N+1)T0],当N →∞时,x T (t)就是x (t)。
于是(1-5)式可以进一步写成P x (f )=limE ⎪X (2N +1) T 0(f )⎪⎪⎪N →+∞2N +1T ⎪⎪0N →+∞2N +1T ⎪0x T (t 1)e -j 2πft 1dt 1x T (t 2)e -j 2πft 2dt 2⎪2⎪⎪E X (2N +1) T 0(f )⎪=E ⎪x T (t )= ∑a n δ(t -nT 0)⎪*g (t )⎪n =-N ⎪x T (t 1)e-j 2πft 1x T (t 2)e -j 2πft 2dt 2⎪∑a g (tT 0+nT 0nT 0T 0-nT 0)ej 2πft 1∑a g (t-mT 0)e -j 2πft 2dt 2]g (t 2-mT 0)e -j 2πft 2dt 2]=E [∑a *n =-N Ng (t 1-nT 0)e j 2πft 1dt 1j 2πf (t 1+nT 0)T 0+mT 0=E [∑a n ⎪g (t 1)ea m ⎪g (t 2)e -j 2πf (t 2+mT 0) dt 2]把求和跟积分分离开,得E ⎪X (2N +1) T 0(f )⎪⎪N N T 0T 0⎪-j 2π(m -n ) fT 0⎪-j 2πf (t 2-t 1) *⎪=E a a e g t g t e dt 1dt 2 (1-8) ()()∑∑n m 12⎪⎪⎪0⎪0⎪⎪⎪m =-N n =-N ⎪在上式后项的积分中令变量替换t 2=t1+τ,得⎪⎪g (t )g (t )e-j 2πf (t 2-t 1)dt 1dt 2=⎪g (t 1)g (t 1+τ)dt 1e -j 2πf τd τR g (τ)e -j 2πf τd τ=ψg (f )正是g(t)的自相关函数的傅里叶变换。