《随机信号分析》课件

UniversityEngineeringCourse随机信号分析PPT课件(2)·高校工科教学系列高校工科教学课件TeachingSeriesCONTENTS课程目录STOCHASTICSIGNALS01概率论基础回顾随机变量、概率分布、数字特征等前置知识的系统梳理05线性系统响应线性时不变系统对随机信号的输入输出关系02随机过程基本概念随机过程的严格定义、有限维分布族、均值与协方差函数06典型噪声模型白噪声、色噪声、高斯噪声的数学表征03平稳性与各态历经性严平稳与宽平稳的判定条件、各态历经定理07工程应用与总结随机信号分析在通信、雷达等领域的典型案例04功率谱密度自相关函数与功率谱密度的维纳-辛钦关系7CHAPTERSCHAPTER01概率论基础回顾从随机变量到数字特征：构建随机分析的数学语言S概率论与随机过程PROBABILITYConcepts随机变量与概率分布随机变量是连接随机现象与数学分析的桥梁，概率分布完整刻画了其取值规律。离散型与连续型离散型随机变量以概率质量函数表征各取值概率，连续型则以概率密度函数描述落入某区间的概率密度。正态分布正态分布由均值和方差两个参数完全确定，其对称钟形曲线在自然界与工程系统中广泛出现。瑞利分布与指数分布瑞利分布常用于描述窄带随机信号的包络幅度，指数分布则刻画信号功率或等待时间等正随机量。标准正态分布N(0,1)概率密度函数曲线P概率论与数理统计NUMERICALCHARACTERISTICSDIGITALFEATURES数字特征：均值、方差与矩数字特征以有限参数浓缩随机变量的统计信息。均值与数学期望均值是随机变量所有可能取值的加权平均，物理上代表信号的直流分量或长期平均水平。对于连续型随机变量，均值等于概率密度函数与自变量乘积的全空间积分。E(X)数学期望算子方差与标准差方差定义为随机变量偏离均值的平方的期望值，量化了信号幅度的波动强度。标准差是方差的算术平方根，与原随机变量具有相同量纲。σ²方差·波动度量高阶矩与分布形态三阶中心矩归一化后得到偏度，反映分布的不对称性。四阶中心矩归一化后得到峰度，用于检验信号是否近似正态。Skew·Kurt偏度与峰度H教学课件PROBABILITYDistribution联合分布与相关性分析联合分布完整描述多变量间的统计依赖关系。01联合概率密度函数描述了多个随机变量同时落入各自指定区间的概率密度。02协方差等于两变量乘积的期望减去各自期望之积，正值表示同向变动。03相关系数是协方差除以两变量标准差之积，取值范围严格限定在负一到正一之间。04独立性条件若两随机变量相互独立，则联合分布等于边缘分布之积、协方差为零。SRANDOMPROCESSChapter02随机过程基本概念从随机变量到随机函数族：描述动态随机现象的数学框架H随机过程DEFINITIONSTOCHASTICPROCESS随机过程的定义与样本函数随机过程是参数化的一族随机变量，每条样本函数是一次具体实现。族定义：随机过程X(t)是定义在概率空间上、以时间t为参数的一族随机变量。样本函数：样本函数是随机过程在一次完整实验中记录到的时间波形。分类体系：按状态空间与参数集的离散或连续性质，随机过程分为四种基本类型。4基本类型X(t)参数化族Ω概率空间图：同一随机过程的多条样本函数波形示意STOCHASTICPROCESSTHEORY有限维分布族与存在性定理有限维分布族是随机过程概率特征的完整描述。n维分布函数：随机过程的n维分布函数定义为该过程在任意n个时刻取值的联合累积分布函数。相容性条件：有限维分布族必须满足对称性和相容性两个条件，才能保证概率描述的一致性。Kolmogorov存在性定理：任何满足对称性与相容性条件的分布族，都对应某个概率空间上的随机过程。工程近似：在实际工程中，获取完整的有限维分布族往往不可能，因此使用均值、方差、协方差等数字特征来近似刻画。FINITE-DIMENSIONALDISTRIBUTIONS09STOCHASTICPROCESSES均值函数与协方差函数均值函数定位随机过程的时变中心趋势，协方差函数量化不同时刻信号值间的线性依赖强度。01均值与方差函数均值函数m(t)是随机过程在每个时刻的数学期望。方差函数D(t)衡量每个时刻信号偏离均值的波动强度。02协方差与相关函数协方差函数C(s,t)等于E[X(s)X(t)]减去m(s)m(t)。相关函数R(s,t)直接定义为E[X(s)X(t)]，包含均值贡献。STOCHASTICPROCESSGAUSSIANPROCESS高斯过程及其核心性质高斯过程以均值和协方差完全确定所有有限维分布。有限维正态性高斯过程的任意有限个时刻的联合分布均为多元正态分布。线性系统封闭性高斯过程通过线性时不变系统后的输出仍是高斯过程。中心极限定理支撑依据中心极限定理，大量独立同分布随机变量的叠加趋近正态分布。高斯过程的样本函数示意CHAPTER03平稳性与各态历经性从集合平均到时间平均：工程测量的理论基石STATIONARITY严平稳与宽平稳的区分严平稳要求所有有限维分布时移不变；宽平稳仅约束一阶矩和二阶矩的时移不变性。01严平稳的定义与局限严平稳要求对任意时刻组和时间偏移量，联合累积分布函数保持不变。该定义涉及无穷多阶联合分布，实际中几乎无法从有限数据验证。02宽平稳的工程实用性宽平稳仅需满足三个条件：均值为常数、二阶矩有限、自相关函数仅依赖时间差。对于高斯过程，宽平稳与严平稳完全等价。Properties自相关函数的核心性质STOCHASTICPROCESSES自相关函数以偶对称、原点最大、远端衰减、频谱非负四大性质完整刻画了宽平稳信号的时域关联结构。01偶对称性自相关函数R(τ)是偶函数，即R(τ)=R(−τ)，关于纵轴对称。02原点最大值R(τ)在τ=0处取得全局最大值R(0)，其物理意义为信号的平均功率。03远端衰减当τ→∞时，若信号不含周期分量且均值为零，则R(τ)趋于零。04频谱非负自相关函数的傅里叶变换即功率谱密度，恒为非负实函数。H随机过程ERGODICITYSTOCHASTICPROCESS各态历经性：时间平均等于集合平均各态历经性使单条样本的时间平均以概率1收敛于集合统计量。01均值各态历经性均值各态历经性指时间平均极限以概率1等于集合均值。02相关各态历经性相关各态历经性要求时间自相关函数的极限等于集合自相关函数。03平稳性与各态历经性各态历经过程一定是平稳过程，但平稳过程未必各态历经。时间平均值逐渐逼近集合均值的收敛过程ERGODICITYENGINEERINGPRACTICE各态历经性的工程实践要点工程中将遍历性假设与有限长样本结合，使单次测量即可可靠估计统计量。有限长样本的统计估计实际中只能获取有限长样本，遍历时用时间平均公式计算均值与自相关的估计值。估计精度取决于记录长度与自相关时间的比值。非平稳信号的预处理策略含趋势或周期性分量的信号需先通过差分、去趋势等手段提取平稳残差。短时平稳假设允许在非平稳信号的局部窗口内近似使用遍历性。遍历性假设的合理性检验可通过比较不同时间段子样本的时间平均是否一致来粗略检验遍历性。增强迪基-福勒检验等统计方法可形式化检验单位根与非平稳性。CHAPTER04功率谱密度与维纳-辛钦定理从自相关到频谱：随机信号的频域能量分布描述SECTIONDIVIDERSIGNALANALYSIS功率谱密度的物理动机与定义随机信号因能量无限而不存在普通傅里叶变换，通过截取-平方-归一化-取极限四步操作定义的功率谱密度是频域分析的合法工具。1能量发散与不可积随机信号的样本函数持续时间无限且能量发散，不满足绝对可积条件。2有限长截取截取函数将无限长样本截为有限长片段使其可积。3极限取功率谱密度令截取长度趋向无穷大，上述平均功率谱估计的极限即为功率谱密度。随机信号经矩形窗截取为有限长片段THEOREM维纳-辛钦定理：时频域的桥梁维纳-辛钦定理建立了自相关函数与功率谱密度之间的傅里叶变换对关系。定理内容与双向变换宽平稳过程的功率谱密度等于自相关函数的傅里叶变换。该定理要求自相关函数绝对可积或至少广义可积。Sx(f)=∫Rx(τ)e−j2πfτdτ推导思路与物理直觉推导从截取信号频谱模平方的期望出发，经变量替换得到傅里叶变换形式。物理上，自相关衰减快意味着信号记忆短、频带宽，对应平坦功率谱。自相关衰减快频带宽·平坦谱PROPERTIES功率谱密度的性质与物理诠释功率谱密度以非负、偶对称、积分等于总功率三大性质严格约束了频域能量分布的合法性。01非负性功率谱密度恒为非负实函数，即对任意频率ω，S(ω)≥0始终成立，保证了能量分布的物理意义。02偶对称性对于实值随机过程，功率谱密度是频率的偶函数，满足S(ω)=S(−ω)，频谱关于原点对称。03总功率等价功率谱密度在全频域的积分等于自相关函数在原点的取值R(0)，即信号的总平均功率。04互谱的奇偶分解互功率谱密度的实部为偶函数、虚部为奇函数，体现了两信号间频域耦合的对称结构。SPECTRALANALYSISENGINEERINGMETHODS功率谱密度的工程估计方法周期图法直观但方差不收敛，Bartlett与Welch法通过分段平均以分辨率换方差稳定性。经典非参数谱估计周期图法直接对有限长样本FFT取模平方归一化，计算简便但估计方差大。Bartlett法将数据等分为不重叠段，各自求周期图再平均，以频率分辨率换取方差降低。P̂(ω)=(1/N)·|Σx(n)e-jωn|²改进方法与参数化估计Welch法允许分段重叠并施加数据窗，在相同数据量下获得更多平均段数，进一步改善方差性能。自回归模型谱估计假设信号由白噪声驱动AR滤波器产生，通过拟合模型参数获得高分辨率谱。P̂AR(ω)=σ²/|1+Σaₖe-jωk|²周期图法方差大·无平均Bartlett法不重叠分段·平均Welch法重叠分段·加窗AR模型法参数化·高分辨率CHAPTER05线性系统对随机信号的响应从脉冲响应到输出功率谱：系统如何塑造随机信号的统计特性DERIVATIONSIGNALS&SYSTEMS输出均值与自相关的推导线性时不变系统将输入的宽平稳性传递给输出。1输出均值输出均值等于输入均值与系统脉冲响应积分之积。2输出自相关输出自相关函数等于输入自相关与h(τ)及h(−τ)的双重卷积。3宽平稳传递当输入为宽平稳且系统BIBO稳定时，输出亦为宽平稳过程。线性时不变系统输入输出框图SPECTRALANALYSIS输出功率谱定理：Φy=Φx·|H|²THEOREM输出功率谱等于输入功率谱与系统功率传递函数的乘积。Φy=Φx·|H(f)|²1数学表述—线性时不变系统输出的功率谱密度等于输入功率谱密度乘以频率响应模的平方。2物理意义—系统对各频率分量的功率进行选择性放大或衰减。3特例—对白噪声输入，输出功率谱正比于|H(f)|²。SSIGNALANALYSISSPECTRALMETHODSCROSS-SPECTRUM互功率谱与系统频率响应估计互功率谱将输入输出在频域关联起来，通过互谱与输入自谱之比可直接估计系统频率响应。互谱与频率响应的关系输入输出的互功率谱密度等于输入自谱乘以系统频率响应H(f)。由此可得H(f)的频域估计公式为互谱除以输入自谱。Ĥ(f)=Sxy(f)/Sxx(f)相干函数与估计可信度相干函数定义为互谱模平方除以输入自谱与输出自谱之积，取值0到1。相干值接近1表明系统辨识结果可靠，接近0则提示存在未测噪声。γ²→0不可靠γ²→1可靠CHAPTER06典型噪声模型白噪声、色噪声与高斯噪声：从理想模型到物理现实SIGNALTHEORYLECTURE27白噪声：理想模型与工程近似白噪声以恒定功率谱和δ自相关定义了最大随机性的基准。功率谱密度定义白噪声的功率谱密度在全频域为常数N₀/2，自相关函数为(N₀/2)δ(τ)。平均功率发散白噪声的平均功率等于功率谱在全频域的积分，结果为无穷大。工程近似条件当实际噪声的等效带宽远大于所研究系统的通带宽度时，可用白噪声模型简化分析。物理实例：热噪声热噪声在常温下直至太赫兹频段功率谱近乎恒定，是最接近白噪声的物理实例。NOISETHEORYSIGNALPROCESSING色噪声：类型、特性与生成方法色噪声以频率依赖的功率谱刻画了自然界与工程系统中普遍存在的非均匀能量分布。01常见色噪声类型粉红噪声功率谱密度正比于1/f，每倍频程含等量功率。布朗噪声功率谱正比于1/f²，等价于白噪声的时间积分。021/fα噪声族与物理来源一般1/fα噪声族以指数α连续调节谱斜率。电子器件中的闪烁噪声源于载流子迁移率涨落与表面态陷阱。03着色滤波器生成法将白噪声输入频率响应模平方等于目标功率谱的线性滤波器。数字实现时可用高阶自回归或移动平均模型逼近目标谱形。SIGNALTHEORYNOISEMODEL高斯噪声与AWGN信道模型高斯噪声由中心极限定理获得物理正当性，AWGN信道定义了通信性能评估的基准环境。正态分布特性：高斯噪声的瞬时幅度服从正态分布，由中心极限定理保证。AWGN信道假设：噪声与发送信号独立叠加、功率谱平坦、幅度高斯分布。误码率表达：在AWGN