首页电子与通信技术通信技术Proakis通信系统工程 05 第05章 概率论和随机过程.pptx

05 第05章 概率论和随机过程.pptx

页数:70页文件大小:736.6 KB来源: Proakis通信系统工程ppt课件

本课件先回顾概率论基础,包括样本空间、事件概率、随机变量及其分布与密度函数、多维随机变量与数字特征;随后引入随机过程概念,讨论统计平均、宽平稳过程、复随机过程、随机过程通过线性系统以及高斯过程与白过程。

概率论和随机过程课件封面,标示本章主题与内容要点
5.1概率与随机变量回顾,第5章概率论和随机过程概述部分的课件内容页
样本空间用Ω表示,其中的样本用ω表示,事件是样本空间的子集/输出结果的集合 离散样本空间非离散样本空间
查看本课件的文字版(共 70 页,供检索与复制)

第1页:第5章概率论和随机过程

第5章概率论和随机过程

第2页:5.1概率与随机变量回顾

5.1概率与随机变量回顾

第3页:样本空间用Ω表示,其中的样本用ω表示

5.1.1样本空间、事件和概率随机试验:是指任何其试验结果不可能完全预测(确定)的试验。其所有可能的输出(结果)的集合称为样本空间。样本空间用Ω表示,其中的样本用ω表示。事件是样本空间的子集/输出结果的集合。离散样本空间非离散样本空间

第4页:5.1.1样本空间、事件和概率

5.1.1样本空间、事件和概率定义概率P作为一个集合函数,该集合函数把所有事件E与非负数值建立对应关系,并满足以下条件:1.对任一事件,有0≤P(E) ≤1。2.P(Ω)=1。3.若事件E1,E2,E3,…互不相容(即对所有i≠j,Ei∩Ej为空集),则有

第5页:5.1.1样本空间

5.1.1样本空间、事件和概率关于概率的几条重要性质

第6页:定义为:E1、E2独立:

5.1.2条件概率在事件E2已经发生的情况下观察到的E1发生的概率称为条件概率。定义为:E1、E2独立:

第7页:均已知全概公式贝叶斯公式

全概公式与贝叶斯公式如果不相容事件的并集构成整个样本空间,则它们实现了对样本空间的一个划分。均已知全概公式贝叶斯公式

第8页:例5.1.220%50%

例5.1.220%50%30%坐地铁人迟到率为3%乘公交车人的迟到率为5%开车人的迟到率为10%(1)求一个人上班迟到的概率(2)若一个人上班迟到,他是开车上班的概率?

第9页:例5.1.3发0:0.3发1:0.7收0

例5.1.3发0:0.3发1:0.7收0:?收1:?0.010.100.990.90(1)求收到1的概率是多少?(2)收到1的条件下,发1的概率是多少?XY

第10页:随机变量随机变量取值有连续和离散之分

5.1.3随机变量随机变量是样本空间Ω到实数集的映射。也即是用实数值来表示试验结果。随机变量随机变量取值有连续和离散之分。

第11页:累积概率密度函数(CDF)CDF的性质:

累积概率密度函数(CDF)CDF的性质:

第12页:随机变量及其分布与数字特征

概率密度函数(PDF)概率密度函数定义为对应CDF的导数①⑤④③②

第13页:随机变量及其分布与数字特征

对离散随机变量,定义其概率分布率PMF为{pi},其中pi=P(X=xi)对于所有的i,有离散随机变量的概率分布率

第14页:用来建模信道传输错误

常用随机变量贝努利(Bernoulli)随机变量只有两个结果,取值为0或1。用来建模信道传输错误。P{=1}=p,P{=0}=1-p,p≥0也称为0-1分布

第15页:例5.1.5

常用随机变量二项计数随机变量n次独立贝努利随机试验中1出现的次数。其PMF为:用于建模在比特差错概率为p的信道上传送n比特时,错误接收到的比特数为k的概率。例5.1.5

第16页:均匀随机变量正弦载波的随机相位

常用随机变量在区间[a,b]上的等间隔上等概率取值的连续随机变量。均匀随机变量正弦载波的随机相位:[0,2π]均匀分布。

第17页:随机变量及其分布与数字特征

常用随机变量正态(高斯)随机变量定义若连续型随机变量X的概率密度为其中μ和为常数,且>0,则称X服从参数为μ和2的正态分布,记为X~N(μ,2).

第18页:正态随机变量的几何特征

正态随机变量的几何特征

第19页:

第20页:

第21页:随机变量及其分布与数字特征

正态随机变量标准正态随机变量X~N(0,1),定义Q函数为P(X>x),即:Q函数★它描述了标准正态变量的拖尾区域,在通信中经常使用。

第22页:正态随机变量Q(x)

正态随机变量Q(x)

第23页:可用X的CDF定义得到Y的CDF:

随机变量的函数随机变量的函数Y=g(X)也是一个随机变量。可用X的CDF定义得到Y的CDF:

第24页:随机变量及其分布与数字特征

随机变量的函数如果对于所有的y,g(x)=y有可数的多个解{xi),并且对于所有这些解,g'(xi)存在且为非零值,则Y=g(X)的PDF为:当i=1时:重要公式例5.1.7例5.1.8

第25页:时,如:解得:

随机变量的函数当i>1时,如:解得:

第26页:随机变量及其分布与数字特征

随机变量的函数若X~N(0,1)称Y为一个自由度的中心化的χ2分布(γ分布)fY(y)

第27页:统计平均值(数字特征

统计平均值(数字特征)期望n阶原点矩离散随机变量

第28页:统计平均值(数字特征

统计平均值(数字特征)方差
表征随机变量偏离中心值的分散情况期望的性质方差的性质

第29页:统计平均值(数字特征

统计平均值(数字特征)贝努利分布二项分布均匀分布高斯分布

第30页:多维随机变量与随机变量之和

5.1.5复随机变量两个随机变量的联合分布:CDFPDF复随机变量就是取值为复数的随机变量X+iY

第31页:5.1.5复随机变量联合及边缘CDF以及

5.1.5复随机变量联合及边缘CDF以及PDF的基本性质

第32页:定义为:若X、Y统计独立

5.1.5复随机变量给定随机变量X的值为x的条件下,随机变量Y的条件PDF用fY|X(y|x)表示。定义为:若X、Y统计独立,则例5.1.9

第33页:多维随机变量与随机变量之和

5.1.5复随机变量相关矩(互相关)协方差X、Y独立不相关E[XY]=E[X]E[Y]或COV(X,Y)=0

第34页:ρ=1对应正a,ρ=-1对应负a

5.1.5复随机变量相关系数ρX,Y定义为协方差的归一化函数1)-1≤ρX,Y≤12)当ρX,Y=±1时,表明X,Y成一阶线性关系,即Y=aX+b。ρ=1对应正a,ρ=-1对应负a。(线性相关)

第35页:多维随机变量与随机变量之和

5.1.5复随机变量复随机变量的数学期望及方差的性质:上式若当i≠j时Xi、Xj不相关,则P156例5.1.10

第36页:多维随机变量与随机变量之和

5.1.5复随机变量复随机变量的复函数:有可数的多个解{(xi,yi)},且雅可比行列式在这些点上是非零的,则雅可比行列式

第37页:重点例题

5.1.5复随机变量P157例5.1.11X和Y为独立同分布(i.i.d)的高斯随机变量,均值为零,方差为σ2。如果(X,Y)表示平面内一点的坐标,求极坐标系中对应点的幅度R及相位Θ的PDF。重点例题∵(r,θ)和(x,y)是一一对应关系解:

第38页:高斯随机变量:不相关独立

5.1.5复随机变量联合高斯随机变量高斯随机变量的线性组合是联合高斯的;联合高斯的随机变量的任意子集也联合高斯;可以用均值和协方差完全描述高斯随机变量;高斯随机变量:不相关独立

第39页:大数定理中心极限定理

5.1.6随机变量的和对独立同分布的一系列随机变量(X1,X2,…Xn),各自具有均值m和方差σ2,有以概率1收敛于Xi的数学期望其PDF收敛于N(m, σ2)。大数定理中心极限定理较每个X有较小的随机性

第40页:5.2随机过程及其统计特征

5.2随机过程:基本概念随机过程适合于描述信号传输中的某些现象随机过程适合于描述信源的特征随机过程可视为波形可能实现的集合:依概率决定例5.2.1 5.2.2 5.2.3

第41页:该信号称为样本函数或随机过程的一个实现

5.2随机过程:基本概念①对应于概率空间Ω中的每一个结果ωi,都存在一个确定的时间信号x(t; ωi)跟它相对应。该信号称为样本函数或随机过程的一个实现。( .13)②在任意的固定时刻t0,x(t0; ωi)对所有的ωi构成一个随机变量X(t0)。随机变量在任意时刻的值构成一个随机变量。P161例5.2.4, 5.2.5 5.2.6

第42页:均值mX(t):例5.2.7

5.2.1统计平均值在任一时刻,随机过程定义一个随机变量;在任意给定的时间集,随机过程定义一个随机矢量。在不同时刻的随机变量X(t0),X(t1),其分布律一般不同。均值mX(t):例5.2.7

第43页:例5.2.9求X(t)=X的自相关函数

5.2.1统计平均值自相关函数RX(t1,t2)☆例5.2.8求X(t)=Acos(2πf0t+Θ)的自相关函数,其中Θ在[0, 2π]上均匀分布。例5.2.9求X(t)=X的自相关函数。其中X在[-1,1]上均匀分布。

第44页:随机过程的平稳性

5.2.2宽平稳过程在一个特定时刻的随机过程只是一个随机变量一般来说该随机变量的统计特征跟观察时刻有关。但某些时候,也会出现某些性质跟观察时刻无关的情况。随机过程的平稳性

第45页:例5.2.10

5.2.2宽平稳过程若随机过程的均值和自相关函数不依赖于初始时间的选择,则此平稳过程为宽平稳随机过程(广义平稳WSS随机过程,)。例5.2.10,5.2.11平稳随机过程的自相关函数是偶函数。

第46页:5.2.3复随机过程

5.2.3复随机过程其中X(t)和Y(t)是定义在同一概率空间上的两个不同的随机过程。对于随机过程X(t)和Y(t),若对于所有的t1和t2,有X(t1)和Y(t2)相互独立(不相关),则X(t)和Y(t)相互独立(不相关)。

第47页:5.2随机过程及其统计特征

5.2.3复随机过程两个随机过程的互相关函数联合宽平稳(联合平稳)平稳过程X(t)和Y(t)的互相关函数只与τ=t1-t2有关例5.2.12

第48页:5.2随机过程及其统计特征

5.2.4随机过程与线性系统★h(t)X(t)Y(t)平稳随机过程通过LTI系统的输出也平稳,而且输入输出联合平稳①②③例5.2.13 5.2.14

第49页:它作为频率的函数代表了功率

5.2.5平稳过程的功率谱密度随机过程的功率谱密度决定了随机过程在不同频率的功率分布情况。它作为频率的函数代表了功率的强度,单位为W/Hz。维纳-辛钦定理平稳随机过程X(t)的功率谱密度是自相关函数的傅里叶变换。例5.2.15 5.2.16

第50页:由功率谱密度积分来求

5.2.5平稳过程的功率谱密度上式当τ=0时,有例5.2.17求功率的方法:由自相关函数求;由功率谱密度积分来求。

第51页:5.2随机过程及其统计特征

5.2.5平稳过程的功率谱密度平稳随机过程通过LTI系统的功率谱分析:∵

第52页:5.2随机过程及其统计特征

5.2.5平稳过程的功率谱密度H*(f)H(f)|H(f)|2总结:P169 5.2.185.2.19

第53页:5.2随机过程及其统计特征

5.2.6求和过程的功率谱密度和过程Z(t)=X(t)+Y(t)自相关函数RZ(τ)功率谱密度SZ(f)不相关且有一个均值为0时无此项平稳过程例5.2.20

第54页:5.3高斯过程及白过程

5.3高斯过程及白过程电子设备中的热噪声可以建模为高斯过程高斯过程也能很好的描述一些信源重要过程

第55页:例5.3.1

5.3.1高斯过程定义5.3.1如果对所有的n以及所有的(t1,t2,…,tn),随机变量{X(ti),i=1,…n}具有联合高斯密度函数,则随机过程X(t)是高斯过程。定义5.3.2如果对所有的n,m以及所有的(t1,t2,…,tn)和(τ1,τ2,…,τm),随机矢量{X(t1), X(t1),… X(tn), Y(τ1),Y(τ2),…Y(τm)}服从n+m维联合高斯分布,则随机过程X(t)和Y(t)是联合高斯过程。例5.3.1

第56页:例5.3.1

5.3.1高斯过程1、高斯过程通过LTI系统,输出也是高斯的,且输入输出联合高斯。2、对于联合高斯过程,不相关和独立是等价的。例5.3.1

第57页:热噪声可以近似建模成一个很宽频率

5.3.2白过程白过程是指过程总所有的频率成分以相同的概率出现(即具有常数的功率谱密度函数)。热噪声可以近似建模成一个很宽频率范围内的白过程。○许多过程可以描述为白过程通过LTI系统的输出。○

第58页:5.3高斯过程及白过程

5.3.2白过程白过程并不是一个物理可实现的过程。而只是一个理想的模型。

第59页:5.3.2白过程热噪声的功率谱密度为

5.3.2白过程热噪声的功率谱密度为

第60页:热噪声是零均值过程

5.3.2白过程热噪声的性质:热噪声是平稳过程;热噪声是零均值过程;热噪声是高斯过程;热噪声是PSD为Sn(f)=kT/2的白过程;

第61页:窄带随机过程

5.3.3滤波噪声过程(窄带随机过程)系统某一级产生的白噪声在经过下一级时要被滤波滤波后的噪声过程通常是一个带通过程,其PSD远离零频,其功率集中在中心频率fc附近的一个窄带。滤波过程的带宽远小于系统的中心频率fc。窄带随机过程

第62页:5.3高斯过程及白过程

5.3.3滤波噪声过程(窄带随机过程)H(f)n(t)X(t)

第63页:5.3高斯过程及白过程

5.3.3滤波噪声过程(窄带随机过程)输出过程X(t)的功率谱密度分别为

第64页:5.3高斯过程及白过程

5.3.3滤波噪声过程(窄带随机过程)输出的窄带随机过程X(t)可以表示成:同相分量正交分量

第65页:5.3高斯过程及白过程

5.3.3滤波噪声过程(窄带随机过程)窄带噪声过程的同相过程和正交过程的性质:1、Xc(t)和Xs(t)是零均值、低通联合平稳、联合高斯随机过程2、X(t)和Xc(t)、Xs(t)具有相同的功率PX

第66页:对应H1(f)的输出对应H2(f)的输出

5.3.3滤波噪声过程(窄带随机过程)3、Xc(t)、Xs(t)具有相同的功率谱密度。对应H1(f)的输出对应H2(f)的输出

第67页:例5.3.3

5.3.3滤波噪声过程(窄带随机过程)4、若+fc和-fc分别是H(f)频谱图中正频率和负频率的对称轴(如H1(f))。那么,Xc(t)和Xs(t)是相互独立的过程。P176例5.3.3

第68页:5.3高斯过程及白过程

5.3.3滤波噪声过程(窄带随机过程)等效噪声带宽Bneq白噪声经过滤波器后的输出过程功率定义:

第69页:5.3高斯过程及白过程

5.3.3滤波噪声过程(窄带随机过程)等效噪声带宽Bneq白噪声经过滤波器后的输出过程功率例5.3.4

第70页:本章结束Thanks

本章结束Thanks!

顶部目录