返回课程主线
第 13 条主线 · 5 个考点

随机过程与噪声(拓展)

从随机变量和统计平均开始,推导平稳过程的功率谱、LTI 输出统计量与窄带噪声包络。对应视频附录标注“复旦用”,作为拓展内容,是否列入复习范围需依据目标院校考纲。

完成后应当能做到

  • 区分样本函数、随机变量、均值、相关与协方差
  • 用定义判断广义平稳,并区分平稳与遍历
  • 由输入功率谱和频响求输出相关、均值与方差
  • 区分白噪声与高斯条件,说明瑞利包络的成立前提

从第12讲的相关走向随机过程:先确定在对谁求平均

第12讲的确定信号相关,是把一条已知波形平移后作内积:能量信号用积分,功率信号用长时间平均。噪声题通常给不出每一次测量的波形,只能描述重复试验的统计规律。这时“相关”的乘积仍表示两个时刻是否一同变化,但平均改成跨试验的期望,不能未经遍历性条件就用一条长记录代替。

可以想象同时做一千次接收机测量:固定某个时刻,把一千个读数求平均,估计 mX(t)m_X(t);在每次试验中取两个时刻的读数相乘,再对一千次试验平均,估计 RX(t1,t2)R_X(t_1,t_2)。这样先建立统计对象,再写公式,才能看出共轭、两个时刻和均值扣除各有什么作用。

入口算例。 令 X(t)=2+AX(t)=2+A,每次试验先等概率抽取 A=±1A=\pm1,随后整条记录不变。读数只有 1 或 3,所以

mX=1+32=2,RX(t1,t2)=12+322=5,CX=5−22=1.m_X=\frac{1+3}{2}=2,\quad R_X(t_1,t_2)=\frac{1^2+3^2}{2}=5,\quad C_X=5-2^2=1.

均方值 5 包含直流基线贡献 4,波动方差仅为 1。固定某次试验观察再久,时间平均仍是 1 或 3;这也提前说明为什么下节必须专门讲遍历性。下面保留原有分布、随机幅度余弦和“不相关但不独立”推导,请依次确认随机源、期望对象及判断条件。

来源说明:本节沿用原有原创拓展,非 S015 材料,课程标注“复旦用”;不据此认定为清华 830 必考内容。

随机过程:一组随时间变化的随机变量

本节为原创补充讲义。播放器中的随机过程课程标注“复旦用”,这里作为拓展学习内容,不据此认定它属于清华 830 的必考范围。

先区分三个对象。固定一次试验结果,观察所有时刻,得到一条样本函数,例如某次测到的接收机噪声波形。固定时刻 t0t_0,比较许多次试验结果,得到一个随机变量 X(t0)X(t_0)。把每个时刻的随机变量放在一起,才是随机过程 X(t)X(t)。一条波形不是随机过程的全部统计规律。

概率分布回答“这个时刻落在哪个范围”。 实值过程在时刻 tt 的分布函数为

FX(x;t)=P{X(t)≤x}.F_X(x;t)=P\{X(t)\le x\}.

若存在密度,则 fX(x;t)=∂FX(x;t)/∂xf_X(x;t)=\partial F_X(x;t)/\partial x,区间概率由密度积分得到。两个时刻还需要联合分布 FX(x1,x2;t1,t2)F_X(x_1,x_2;t_1,t_2)。即使每个时刻都服从同一种分布,也不能据此判断不同时刻独立。

一阶和二阶统计量回答平均位置与波动关系。 假设相应期望有限,定义

mX(t)=E[X(t)],RX(t1,t2)=E[X(t1)X∗(t2)].m_X(t)=\mathbb E[X(t)],\qquad R_X(t_1,t_2)=\mathbb E[X(t_1)X^*(t_2)]. CX(t1,t2)=E[(X(t1)−mX(t1))(X(t2)−mX(t2))∗]=RX(t1,t2)−mX(t1)mX∗(t2).C_X(t_1,t_2)=\mathbb E[(X(t_1)-m_X(t_1))(X(t_2)-m_X(t_2))^*]=R_X(t_1,t_2)-m_X(t_1)m_X^*(t_2).

其中星号表示共轭,实值过程可以去掉。令两个时刻相同,有

E∣X(t)∣2=RX(t,t),Var⁡X(t)=CX(t,t)=RX(t,t)−∣mX(t)∣2.\mathbb E|X(t)|^2=R_X(t,t),\qquad \operatorname{Var}X(t)=C_X(t,t)=R_X(t,t)-|m_X(t)|^2.

因此均方值不一定等于方差;只有均值为零时,两者才相同。相关 RR 包含均值产生的共同分量,协方差 CC 衡量去掉均值后的波动关联。

完整算例:随机幅度乘一个确定波形。 设 X(t)=Acos⁡(ω0t)X(t)=A\cos(\omega_0t),AA 以相同概率取 +2+2 和 −2-2,且 ω0>0\omega_0>0。因为 EA=0\mathbb E A=0、EA2=4\mathbb E A^2=4,

mX(t)=0,RX(t1,t2)=4cos⁡(ω0t1)cos⁡(ω0t2).m_X(t)=0,\qquad R_X(t_1,t_2)=4\cos(\omega_0t_1)\cos(\omega_0t_2).

方差为 4cos⁡2(ω0t)4\cos^2(\omega_0t),随时间变化。在 t=0t=0,过程取值为 ±2\pm2;在 t=π/(2ω0)t=\pi/(2\omega_0),每次试验都得到零。这个过程的均值虽然恒为零,统计特性仍然不是平稳的。样本函数只有两条,但跨时刻依赖很强,因为整条曲线使用同一个随机幅度 AA。

相关和独立的边界。 有限二阶矩时,独立能推出去均值后的协方差为零;反方向一般不成立。例如 UU 在 [−1,1][-1,1] 均匀分布,V=U2V=U^2,有 EU=0\mathbb E U=0、E[UV]=EU3=0\mathbb E[UV]=\mathbb E U^3=0,所以 U,VU,V 不相关,但 VV 完全由 UU 决定,显然不独立。联合高斯随机变量才可由零互协方差进一步推出独立。

遇到统计特性题,先圈出随机量和确定量,再把确定函数移出期望;随后分别算均值、相关与方差。不要只因为题干出现“噪声”就默认均值为零、服从高斯或彼此独立。

原讲义融合整理。

平稳是在移动观察窗口后统计规律不变

第12讲讨论功率信号时,长时间平均把“看哪一小段”的影响消除。随机过程的广义平稳则要求:把观察时刻整体平移,均值和两时刻相关都不变。这不要求样本曲线是常数,也不要求相邻样本独立;一条一直上下起伏的噪声曲线仍可来自平稳过程。

入口算例。 对 X(t)=2+AX(t)=2+A、A=±1A=\pm1 等概率,均值为 2,相关恒为 5,所以它广义平稳;按本讲角频率约定,SX(ω)=10πδ(ω)S_X(\omega)=10\pi\delta(\omega),积分再除以 2π2\pi 得功率 5。其中均值贡献 8πδ(ω)8\pi\delta(\omega),随机常量偏移贡献其余 2πδ(ω)2\pi\delta(\omega)。可见直流谱线不一定全部来自非零均值,也可能包含不随时间改变的随机分量。

这条过程仍不均值遍历:单次记录的时间平均是 1 或 3,不能收敛到 2。因此做题应先证明平稳,再决定能否用单条记录的时间平均替代统计平均,最后通过相关求谱。它与第12讲“相关与功率谱互为变换”相连,但统计平均和时间平均的依据必须分别交代。

来源说明:下列原文完整保留,属于原有原创拓展,非 S015 材料,不据此认定为清华 830 必考内容。

广义平稳、功率谱与遍历性的区别

本节为原创补充讲义,采用 RX(τ)=E[X(t+τ)X∗(t)]R_X(\tau)=\mathbb E[X(t+\tau)X^*(t)] 的延时约定。不同教材的互相关下标和延时方向可能不同,解题时应先写定义。

广义平稳需要同时满足两个条件。 过程具有有限二阶矩、均值与时间无关,且自相关只依赖两个时刻的差:

mX(t)=mX,RX(t1,t2)=RX(t1−t2).m_X(t)=m_X,\qquad R_X(t_1,t_2)=R_X(t_1-t_2).

只验证均值恒定不够;只发现每个时刻的分布相同也不够。严格平稳要求任意有限组随机变量的联合分布在共同平移时间后不变,条件更强。严格平稳且二阶矩存在可推出广义平稳。对实高斯过程,有限维联合分布由均值和协方差决定,因而广义平稳也能推出严格平稳;一般非高斯过程没有这一反向结论。

平稳过程的平均功率可以用自相关表示。 统计平均功率为 PX=RX(0)=E∣X(t)∣2P_X=R_X(0)=\mathbb E|X(t)|^2。相关函数满足

RX(−τ)=RX∗(τ),∣RX(τ)∣≤RX(0).R_X(-\tau)=R_X^*(\tau),\qquad |R_X(\tau)|\le R_X(0).

第二条由柯西不等式得到:∣E[X(t+τ)X∗(t)]∣2≤E∣X(t+τ)∣2E∣X(t)∣2=RX2(0)|\mathbb E[X(t+\tau)X^*(t)]|^2\le\mathbb E|X(t+\tau)|^2\mathbb E|X(t)|^2=R_X^2(0)。对实值过程,自相关是实偶函数;对复值过程,只保证共轭对称。

功率谱密度是自相关的傅里叶变换。 采用角频率单位 rad/s 时,

SX(ω)=∫−∞∞RX(τ)e−jωτ dτ,RX(τ)=12π∫−∞∞SX(ω)ejωτ dω.S_X(\omega)=\int_{-\infty}^{\infty}R_X(\tau)e^{-j\omega\tau}\,d\tau,\qquad R_X(\tau)=\frac1{2\pi}\int_{-\infty}^{\infty}S_X(\omega)e^{j\omega\tau}\,d\omega. PX=RX(0)=12π∫−∞∞SX(ω) dω.P_X=R_X(0)=\frac1{2\pi}\int_{-\infty}^{\infty}S_X(\omega)\,d\omega.

若相关不可积,功率谱可能包含冲激,应按广义函数或谱测度理解,不能把持续正弦的冲激谱直接平方。非零均值贡献一条直流谱线 2π∣mX∣2δ(ω)2\pi|m_X|^2\delta(\omega);剩余部分是协方差的傅里叶变换。

完整算例:随机相位正弦。 令 X(t)=Acos⁡(ω0t+Θ)X(t)=A\cos(\omega_0t+\Theta),AA 为常数、ω0>0\omega_0>0,Θ\Theta 在 [0,2π)[0,2\pi) 均匀分布。对相位积分可得 mX=0m_X=0。再用积化和差:

RX(t1,t2)=A22E[cos⁡(ω0(t1−t2))+cos⁡(ω0(t1+t2)+2Θ)]=A22cos⁡(ω0(t1−t2)).R_X(t_1,t_2)=\frac{A^2}{2}\mathbb E[\cos(\omega_0(t_1-t_2))+\cos(\omega_0(t_1+t_2)+2\Theta)]=\frac{A^2}{2}\cos(\omega_0(t_1-t_2)).

第二项对均匀相位平均为零,所以过程广义平稳。它的功率为 A2/2A^2/2,功率谱为

SX(ω)=πA22[δ(ω−ω0)+δ(ω+ω0)].S_X(\omega)=\frac{\pi A^2}{2}[\delta(\omega-\omega_0)+\delta(\omega+\omega_0)].

把两条谱线积分后再除以 2π2\pi,正好恢复 A2/2A^2/2。这里随机的是相位,与上一节“随机幅度乘固定相位余弦”是不同过程,不能套用同一平稳性结论。

平稳不等于可以用一条记录代替统计平均。 这种替代需要对应统计量的遍历性。反例是 X(t)=AX(t)=A,其中 AA 以相同概率取 ±1\pm1:均值为零、自相关恒为 1,它甚至严格平稳;但任意单条样本的时间平均恒等于其取到的 AA,不会趋于统计均值零。因此它不是均值遍历的。

判断题先分别写“平稳性条件”和“时间平均是否等于统计平均”;功率谱题则先固定 Hz 或 rad/s 的变换约定,检查积分前是否需要 1/(2π)1/(2\pi)。

原讲义融合整理。

从确定信号的频响到随机输出的功率

第12讲的相关定理告诉我们:先将信号通过系统,再把输出与自身作相关,会让系统出现两次,一次正常、一次共轭反转。因此随机输入虽然没有可预先写出的单次波形,其稳态功率谱仍会被 ∣H∣2|H|^2 加权。某一频带噪声被放大还是压低,取决于该频带的幅度增益平方。

入口算例:低通不自动等于功率减小。 下文原例 Y[n]=aY[n−1]+X[n]Y[n]=aY[n-1]+X[n] 在 a=1/2a=1/2、白噪声输入方差 3 时,输出方差为 3/(1−1/4)=43/(1-1/4)=4;虽然高频相对低频被压低,直流增益 2 使总功率增加。若改成单位直流增益的平均器

Y[n]=aY[n−1]+(1−a)X[n],0<a<1,Y[n]=aY[n-1]+(1-a)X[n],\quad 0<a<1,

其每个冲激响应系数多了 1−a1-a,于是

Var⁡Y=(1−a)2σ21−a2=σ21−a1+a.\operatorname{Var}Y=(1-a)^2\frac{\sigma^2}{1-a^2}=\sigma^2\frac{1-a}{1+a}.

同样取 a=1/2,σ2=3a=1/2,\sigma^2=3,输出方差变为 1。实际算题先确认系统增益、是否稳态和输入均值,再求谱及其积分;不要只看“平滑器”三个字就猜结论。下面原文给出期望、双重相关积分和离散求和三条完整验证路径。

来源说明:本节保留原有原创拓展,非 S015 材料,不据此认定为清华 830 必考内容。

广义平稳随机过程通过 LTI 系统

本节为原创补充讲义。以下讨论稳态输出:输入在整条时间轴上定义,输出由卷积给出。若系统在 t=0t=0 才接通并指定初始状态,开始阶段通常含暂态,不能直接宣称输出从第一时刻就平稳。

设输入 X(t)X(t) 广义平稳,均值为 mXm_X,系统冲激响应为 h(t)h(t)。绝对可积的 hh 是保证有限功率输入可作均方卷积的一种常用充分条件;更一般情况应检查相关积分以及输出谱积分是否存在。输出为

Y(t)=∫−∞∞h(u)X(t−u) du.Y(t)=\int_{-\infty}^{\infty}h(u)X(t-u)\,du.

第一步,求均值。 在允许交换积分和期望的条件下,

mY=E[Y(t)]=∫h(u)mX du=mXH(0).m_Y=\mathbb E[Y(t)]=\int h(u)m_X\,du=m_XH(0).

这里 H(0)H(0) 是零频率增益,即 H(jω)H(j\omega) 在 ω=0\omega=0 的值。高通若满足 H(0)=0H(0)=0,会消除恒定均值;这与整个输出功率变成零不是一回事。

第二步,由定义推输出自相关。 按 RX(τ)=E[X(t+τ)X∗(t)]R_X(\tau)=\mathbb E[X(t+\tau)X^*(t)],

RY(τ)=∫ ⁣ ⁣∫h(u)h∗(v)RX(τ−u+v) du dv.R_Y(\tau)=\int\!\!\int h(u)h^*(v)R_X(\tau-u+v)\,du\,dv.

右侧只依赖 τ\tau,加上常数输出均值,说明稳态输出仍广义平稳。若定义 h~(t)=h∗(−t)\widetilde h(t)=h^*(-t),上式也可写为

RY=h∗h~∗RX.R_Y=h*\widetilde h*R_X.

对延时作傅里叶变换,每次卷积对应一次乘法,所以

SY(ω)=H(jω)H∗(jω)SX(ω)=∣H(jω)∣2SX(ω).S_Y(\omega)=H(j\omega)H^*(j\omega)S_X(\omega)=|H(j\omega)|^2S_X(\omega).

为什么是模平方? 输出的自相关含一个 YY 和一个 Y∗Y^*,分别带入 HH 与 H∗H^*;不能只乘 HH,也不能对一般复频响写 H2H^2。互相关则需要区分次序:若 RYX(τ)=E[Y(t+τ)X∗(t)]R_{YX}(\tau)=\mathbb E[Y(t+\tau)X^*(t)],就有 RYX=h∗RXR_{YX}=h*R_X、SYX=HSXS_{YX}=HS_X。

完整算例:离散白噪声经过一阶平滑器。 设零均值输入满足 RX[m]=σ2δ[m]R_X[m]=\sigma^2\delta[m],系统

Y[n]=aY[n−1]+X[n],∣a∣<1,Y[n]=aY[n-1]+X[n],\qquad |a|<1,

其中 aa 为实数。稳态冲激响应是 h[k]=aku[k]h[k]=a^ku[k],数字频率响应为 H(ejΩ)=1/(1−ae−jΩ)H(e^{j\Omega})=1/(1-ae^{-j\Omega})。于是

SY(Ω)=σ21+a2−2acos⁡Ω.S_Y(\Omega)=\frac{\sigma^2}{1+a^2-2a\cos\Omega}.

对 m≥0m\ge0,把输出自相关写成求和,白噪声只有下标相同的项保留:

RY[m]=σ2∑k=0∞akak+m=σ2am1−a2.R_Y[m]=\sigma^2\sum_{k=0}^{\infty}a^ka^{k+m}=\frac{\sigma^2a^m}{1-a^2}.

利用实偶对称性,RY[m]=σ2a∣m∣/(1−a2)R_Y[m]=\sigma^2a^{|m|}/(1-a^2)。取 a=1/2a=1/2、σ2=3\sigma^2=3,输出均值为零、方差为 4、滞后 1 的相关为 2。输入不同样本不相关,经过含记忆的系统后,输出相邻样本已有相关。

最后检查功率与方差。 总均方值为 RY(0)R_Y(0);方差需减去 ∣mY∣2|m_Y|^2。连续时间用 (1/2π)∫−∞∞SYdω(1/2\pi)\int_{-\infty}^{\infty}S_Yd\omega,离散时间用 (1/2π)∫−ππSYdΩ(1/2\pi)\int_{-\pi}^{\pi}S_Yd\Omega。若积分发散,就不能报一个有限输出噪声功率。

原讲义融合整理。

用接收机带宽理解白噪声的滤波功率

白噪声模型表示各频段具有相同的功率密度;测量设备只让有限带宽进入读数,因此实际读数可以有有限方差。第12讲的相关与谱提供计算桥梁,而匹配滤波器的噪声方差正是这里“输入谱乘 ∣H∣2|H|^2 后积分”的应用。高斯条件解决概率分布问题,不负责决定频谱是否平坦,两者要分开检查。

入口算例。 采用本讲双边角频率谱 SW(ω)=N0/2S_W(\omega)=N_0/2,设理想低通的增益为 1,通带为 ∣ω∣≤B|\omega|\le B。滤波后

σY2=12π∫−BBN02 dω=N0B2π.\sigma_Y^2=\frac1{2\pi}\int_{-B}^{B}\frac{N_0}{2}\,d\omega=\frac{N_0B}{2\pi}.

带宽 BB 加倍时,噪声功率加倍。若用 Hz 写通带 ∣f∣≤F|f|\le F,其中 B=2πFB=2\pi F,同一答案是 N0FN_0F。这里理想低通用于说明带宽和功率的关系,计算依靠有限的输出谱积分,不把理想滤波器误当成有限长的实际电路。

从这个矩形通带出发,再读下面一阶低通的非矩形频响,就能理解为什么要积分整个 ∣H∣2|H|^2,不能直接把截止频率当成全部噪声带宽。对匹配滤波题,也应由实际冲激响应的能量计算噪声增益。

来源说明:下列推导为原有原创拓展,完整保留;非 S015 材料,不据此认定为清华 830 必考内容。

白噪声与高斯噪声:频谱条件和分布条件

本节为原创补充讲义。“白”描述二阶相关和功率谱,“高斯”描述任意有限组样本的联合概率分布。白噪声可以不是高斯噪声;高斯噪声也可以有色。只有额外说明高斯时,去均值后的零互协方差才足以推出样本独立。

离散时间白噪声是最直观的起点。 设均值为零且

RW[m]=σ2δ[m].R_W[m]=\sigma^2\delta[m].

在 m=0m=0 时自相关等于单个样本的方差;在非零延时自相关为零。对它作 DTFT:

SW(Ω)=∑m=−∞∞σ2δ[m]e−jΩm=σ2.S_W(\Omega)=\sum_{m=-\infty}^{\infty}\sigma^2\delta[m]e^{-j\Omega m}=\sigma^2.

功率谱在一个完整数字频率周期 [−π,π][-\pi,\pi] 上恒定,平均功率是 σ2\sigma^2。例如独立地以相同概率取 +1+1、−1-1 的序列是白噪声,但它的分布只有两个取值,显然不是高斯分布。

连续时间理想白噪声有一个必须保留的边界。 本讲使用双边角频率功率谱 SW(ω)=N0/2S_W(\omega)=N_0/2,对应

RW(τ)=N02δ(τ).R_W(\tau)=\frac{N_0}{2}\delta(\tau).

若对全部频率积分,得到无限功率。因此理想连续白噪声是广义随机过程模型,不能把 δ(0)\delta(0) 当普通数来报告“某时刻有限方差”,也不能要求一条普通连续曲线具有这个精确频谱。真实测量总有有限带宽,滤波后的过程才可具有有限方差。

白噪声通过滤波器后,噪声功率如何计算? 零均值连续白噪声通过能量有限的冲激响应 hh,输出功率为

σY2=12π∫−∞∞N02∣H(jω)∣2 dω=N02∫−∞∞∣h(t)∣2 dt.\sigma_Y^2=\frac1{2\pi}\int_{-\infty}^{\infty}\frac{N_0}{2}|H(j\omega)|^2\,d\omega=\frac{N_0}{2}\int_{-\infty}^{\infty}|h(t)|^2\,dt.

第二个等号使用 Parseval 关系。它说明对白噪声,滤波器的能量直接决定噪声增益,匹配滤波器信噪比推导也用到这一关系。

完整算例:连续一阶低通。 取 h(t)=e−atu(t)h(t)=e^{-at}u(t)、a>0a>0,则 H(jω)=1/(a+jω)H(j\omega)=1/(a+j\omega)。输出为

SY(ω)=N0/2a2+ω2,σY2=N02∫0∞e−2atdt=N04a.S_Y(\omega)=\frac{N_0/2}{a^2+\omega^2},\qquad \sigma_Y^2=\frac{N_0}{2}\int_0^{\infty}e^{-2at}dt=\frac{N_0}{4a}.

由变换对 e−a∣τ∣↔2a/(a2+ω2)e^{-a|\tau|}\leftrightarrow2a/(a^2+\omega^2),得

RY(τ)=N04ae−a∣τ∣.R_Y(\tau)=\frac{N_0}{4a}e^{-a|\tau|}.

输出不再是白噪声,因为非零延时仍有相关;若输入还满足高斯条件,确定性线性滤波后的输出仍是高斯过程,因此这是有色高斯噪声的例子。若低通采用单位直流增益 h(t)=ae−atu(t)h(t)=ae^{-at}u(t),上述方差需乘 a2a^2,结果为 N0a/4N_0a/4;应按题目实际增益计算。

常见量纲陷阱。 改用 Hz 时,应使用配套公式 P=∫S(f)dfP=\int S(f)df;单边谱则仅积分非负频率,并按相应约定把正频率权重加倍。不能一边用单边 N0N_0,一边又积分正负两侧,否则功率会多一倍。

原讲义融合整理。

I/Q 是随载波旋转的坐标,包络是坐标长度

第8讲把乘余弦理解成频谱搬移,第12讲进一步讨论同步解调和相位误差。窄带噪声沿用相同操作:用相差 90∘90^\circ 的两路本振把载频附近的波动搬到基带,得到缓慢变化的 I、Q 分量;在这组坐标中,包络和相位分别对应平面向量的长度与方向。

入口算例。 在某个瞬间若 nI=3,nQ=4n_I=3,n_Q=4,则包络为 5,相位为 atan2⁡(4,3)\operatorname{atan2}(4,3),信号局部写成 5cos⁡(ωct+ϕ)5\cos(\omega_ct+\phi)。这个几何等式不要求高斯。但要从几何走到瑞利概率密度,就必须补充该时刻两分量零均值、联合高斯、独立且同方差等统计条件;“窄带”本身并不提供这些条件。

这里还要衔接第12讲的互相关:同一时刻的 E[nI(t)nQ(t)]=0\mathbb E[n_I(t)n_Q(t)]=0 只检查延时零点;若要断言两整个高斯过程独立,需要所有时刻对的互协方差都为零。下面原文采用正频带关于载频对称的模型,给出这一较强结论,随后才推导包络密度。求带通功率时,先区分一个分量的方差、包络均方和真实带通信号的均方,避免遗漏二分之一。

来源说明:下列内容沿用原有原创拓展,非 S015 材料,不据此认定为清华 830 必考内容。

窄带噪声的同相、正交分量与包络

本节为原创补充讲义。设实值零均值平稳噪声的频谱主要集中在 ±ωc\pm\omega_c 附近,每个带的宽度远小于载频,两个带互不重叠。“窄带”是频率位置与带宽的条件,本身不意味着高斯分布或瑞利包络。

把快振荡与慢变化分开。 窄带信号可以用复包络表示:

n(t)=nI(t)cos⁡ωct−nQ(t)sin⁡ωct=Re⁡{[nI(t)+jnQ(t)]ejωct}.n(t)=n_I(t)\cos\omega_ct-n_Q(t)\sin\omega_ct=\operatorname{Re}\{[n_I(t)+jn_Q(t)]e^{j\omega_ct}\}.

这里 nI,nQn_I,n_Q 是变化较慢的低通分量。若采用这一负号约定,可通过理想混频和低通恢复它们:

nI(t)=LPF⁡{2n(t)cos⁡ωct},nQ(t)=LPF⁡{−2n(t)sin⁡ωct}.n_I(t)=\operatorname{LPF}\{2n(t)\cos\omega_ct\},\qquad n_Q(t)=\operatorname{LPF}\{-2n(t)\sin\omega_ct\}.

例如把 nn 的表示式代入第一式,2cos⁡2ωct=1+cos⁡2ωct2\cos^2\omega_ct=1+\cos2\omega_ct;低通去掉两倍载频附近的项,只剩 nIn_I。前面的 2 用于恢复基带原幅度,少了它会让得到的分量减半。

包络与相位只是另一种坐标。 定义

r(t)=nI2(t)+nQ2(t),ϕ(t)=atan2⁡(nQ(t),nI(t)).r(t)=\sqrt{n_I^2(t)+n_Q^2(t)},\qquad \phi(t)=\operatorname{atan2}(n_Q(t),n_I(t)).

于是 n(t)=r(t)cos⁡[ωct+ϕ(t)]n(t)=r(t)\cos[\omega_ct+\phi(t)]。注意使用 atan2 才能区分象限;普通的 arctan⁡(nQ/nI)\arctan(n_Q/n_I) 会遗漏符号信息。包络为零时相位没有定义。

何时能说同相和正交分量独立? 对通常的理想窄带高斯模型,再假设正频带的谱关于 ωc\omega_c 对称(例如白噪声经对称理想带通),可得到零均值、等方差的联合高斯 nI,nQn_I,n_Q,且两过程的互协方差为零,从而独立。这需要高斯条件和谱对称条件;一般窄带过程不能只凭“正交”两个字断言统计独立,频带不对称时两分量还可能有跨时刻互相关。

在这个对称模型中,记 Var⁡nI=Var⁡nQ=σ2\operatorname{Var}n_I=\operatorname{Var}n_Q=\sigma^2。代入信号表示式,交叉项为零,所以

Pn=E[n2(t)]=σ2cos⁡2ωct+σ2sin⁡2ωct=σ2.P_n=\mathbb E[n^2(t)]=\sigma^2\cos^2\omega_ct+\sigma^2\sin^2\omega_ct=\sigma^2.

包络平方的均值则是 E[r2]=2σ2\mathbb E[r^2]=2\sigma^2。因此带通信号平均功率等于包络均方的一半,不能把两者混用。

瑞利包络来自二维高斯的坐标变换。 在任意固定时刻,独立同方差的高斯分量具有联合密度

fI,Q(i,q)=12πσ2exp⁡[−i2+q22σ2].f_{I,Q}(i,q)=\frac1{2\pi\sigma^2}\exp\left[-\frac{i^2+q^2}{2\sigma^2}\right].

把 i=rcos⁡ϕ,q=rsin⁡ϕi=r\cos\phi,q=r\sin\phi 代入,面积元变为 r dr dϕr\,dr\,d\phi,得到

fr,ϕ(r,ϕ)=r2πσ2e−r2/(2σ2),r≥0,0≤ϕ<2π.f_{r,\phi}(r,\phi)=\frac{r}{2\pi\sigma^2}e^{-r^2/(2\sigma^2)},\quad r\ge0,\quad 0\le\phi<2\pi.

对相位积分后,fr(r)=(r/σ2)e−r2/(2σ2)f_r(r)=(r/\sigma^2)e^{-r^2/(2\sigma^2)},即瑞利分布;相位在一周内均匀分布,并且与包络独立。

完整算例与适用边界。 若接收机输出噪声功率是 Pn=4P_n=4,对称高斯模型下两个分量的方差各为 4,包络均方为 8。包络超过 4 的概率是 P(r>4)=e−42/(2⋅4)=e−2≈0.1353P(r>4)=e^{-4^2/(2\cdot4)}=e^{-2}\approx0.1353。若同时叠加确定载波,同相或正交分量通常有非零均值,包络一般转为莱斯分布,不能继续套用零均值瑞利公式。

原讲义融合整理。