第1章
随机信号及其描述
1.1 随机过程与随机信号的概念
信号有确定性信号(determinate signal)与随机信号(stochastic signal)之分。前者可以用确定的函数或曲线来描述,如正弦信号、单位阶跃信号、指数信号等;而后者是随机的,不能用确定的函数来表达,只能用统计规律来描述。自然界中随机信号是大量客观存在的,如马路上的噪声、电网电压的波动、电阻上的噪声电压等。
一般来说,噪声是有害的,图1.1(a)和(b)所示分别为正弦信号和混有噪声的正弦信号。噪声的存在,使得正弦信号被严重污染,导致测量误差增大。如果信号很弱,噪声又很强,这时信号被噪声完全淹没,肉眼根本看不出有正弦信号的存在,更谈不上对信号的精确测量。
图1.1 正弦信号和混有噪声的正弦信号
图像是二维信号,噪声的存在会使得图像模糊不清,辨识困难。例如,车牌号码被污物污染,就如同信号混入了噪声,容易导致车牌辨识错误。
噪声是随机信号,为了准确地理解随机信号这个概念,首先结合一个具体例子来介绍什么是“随机过程”。
例1.1 由于电子的热运动,电阻两端存在热噪声电压,其大小随时间而变化,没有确定的变化规律。设有n个同样的电阻,同时记录它们的热噪声电压波形x(i, t)如图1.2所示,其中i表示第i个电阻,t表示时刻。在t1时刻,电阻上的热噪声电压是一个随机变量,记为x(t1),也就是说,t1时刻,任一电阻ri上的噪声电压x(i, t1)是随机变化的。当n足够大时,可以推算出随机变量x(t1)的概率密度与概率分布。这里n表示电阻的热噪声电压的集合,是这个随机试验的样本空间。
图1.2 电阻上的热噪声电压
对于第i个电阻,其热噪声电压是时间的函数x(i, t),称为样本函数(sample function);对于所有的电阻,其热噪声电压就是一族时间函数,记为x(t),它包括所有的电阻和所有的过程,即包括整个样本空间和参数的整个取值范围,这族时间函数就是“随机过程”(stochastic process)。特定时刻t1随机试验的结果x(t1)称为t1时刻随机过程的状态(state)。
参数t既可以是连续量,也可以是离散量。例如,噪声电压x(i, t)是时间的连续函数,但其抽样信号就是离散信号,只在离散时间点取值。同样,随机过程某一时刻的状态既可以是连续量,也可以是离散量。因此有如图1.3所示的四类随机过程。
图1.3 四类随机过程
随机信号是指参数为时间的随机过程。如图1.4所示,正弦信号为连续时间信号,为确定信号;高斯白噪声(white Gaussian noise)信号和混有高斯白噪声的正弦信号均为连续时间随机信号。
此外,还有相位随时间变化的随机相位正弦信号,幅度随时间变化的随机幅度正弦信号,频率随时间变化的随机频率正弦信号,以及相位、幅度、频率均随时间变化的随机相位、幅度、频率正弦信号,如图1.5所示。
图1.4 正弦信号、高斯白噪声信号、混有高斯白噪声的正弦信号
图1.5 随机相位、幅度、频率正弦信号
1.2 随机信号的统计特性
随机信号不能用确定的函数来描述,但可以用概率统计方法来描述。
1.2.1 随机信号的概率密度函数
1.连续随机信号
对于随机信号x(t),在特定时刻ti的取值x(ti)为连续随机变量(continuous random variable),其分布函数(distribution function)为
(1.1)
其概率密度函数(probability density function)为
(1.2)
2.离散随机信号
设离散随机变量有若干个离散取值,其概率密度用矩阵表示为
(1.3)
其中:
为随机变量的概率。显然有
离散型随机变量的概率分布函数为
(1.4)
离散型随机变量的概率密度函数与概率分布函数如图1.6所示。
图1.6 离散型随机变量概率密度函数与概率分布函数
3.联合概率密度与概率分布
以上所描述的是随机过程各个孤立时刻的统计特性,没有反映不同时刻随机过程的状态之间的联系。而联合概率分布(joint probability distribution)与联合概率密度(joint probability density)可以描述随机过程中不同时刻的状态之间的统计联系。联合概率分布函数为
(1.5)
联合概率密度函数为
(1.6)
显然,n愈大,即维数愈高,则愈能精确地描述随机过程。但要得到一个随机过程高维数联合概率密度函数和概率分布函数常常是困难的。对于工程实际问题来说,知道一维和二维的就够用了。
4.两个随机过程之间的统计联系
类似地,如果x(t)与y(t)是两个不同的随机过程,也可以用它们的联合概率分布函数和联合概率密度函数来描述它们之间的统计联系。联合概率分布函数表示为
(1.7)
联合概率密度函数表示为
(1.8)
若x(t1)与y(t1)相互统计独立,则有
(1.9)
其中:为边缘概率密度(marginal probability density); 为联合概率密度。
1.2.2 平稳随机过程的概率密度函数
随机过程分为平稳随机过程(stationary random process)和非平稳随机过程(non-stationary random process)。平稳随机过程又分为各态遍历随机过程(ergodic random process)和非各态遍历随机过程(non-ergodic random process),分类如图1.7所示。
展开