Bài giảng Lý thuyết tín hiệu - Chương 3, Phần 1: Tín hiệu ngẫu nhiên - Võ Thị Thu Sương
TÍN HIỆU NGẪU NHIÊN
Định nghĩa
Tín hiệu không đóan được trước khi nó xuất
hiện
Không thể mô tả bởi biểu thức tóan học
Được mô tả bằng lý thuyết xác xuất
Được gọi là “quá trình ngẫu nhiên”
Quá trình ngẫu nhiên gồm một số hữu hạn các biến
ngẫu nhiên
Ví dụ: x t( )5 c o s( 2f tc ), w h e r e is r a n d o m 1.5 Random Signals
1.5.1 Biến ngẫu nhiên X(A)
Biến ngẫu nhiên là một đại lượng thực mà trị của nó phụ
thuộc vào biến cố ngẫu nhiên. (để biến cố NN có thể được
mô tả một cách định lượng)
Ví du độ lệch của viên đạn so với mục tiêu là một đại lượng
phụ thuộc vào kết qủa của lần bắn.
Sự phụ thuộc này được được biểu diễn bởi quy luật xác
suất gọi chung là phân bố
Sự phân bố của biến NN được mô tả bởi hàm mật độ xác
suất PX(x).
Trang 1
Trang 2
Trang 3
Trang 4
Trang 5
Trang 6
Trang 7
Trang 8
Trang 9
Trang 10
Tải về để xem bản đầy đủ
Tóm tắt nội dung tài liệu: Bài giảng Lý thuyết tín hiệu - Chương 3, Phần 1: Tín hiệu ngẫu nhiên - Võ Thị Thu Sương
TÍN HIỆU NGẪU NHIÊN Định nghĩa Tín hiệu không đóan được trước khi nó xuất hiện Không thể mô tả bởi biểu thức tóan học Được mô tả bằng lý thuyết xác xuất Được gọi là “quá trình ngẫu nhiên” Quá trình ngẫu nhiên gồm một số hữu hạn các biến ngẫu nhiên Ví dụ: ( ) 5 c o s ( 2 ) , w h e re i s ra n d o mcx t f t 1.5 Random Signals 1.5.1 Biến ngẫu nhiên X(A) Biến ngẫu nhiên là một đại lượng thực mà trị của nó phụ thuộc vào biến cố ngẫu nhiên. (để biến cố NN có thể được mô tả một cách định lượng) Ví du độ lệch của viên đạn so với mục tiêu là một đại lượng phụ thuộc vào kết qủa của lần bắn. Sự phụ thuộc này được được biểu diễn bởi quy luật xác suất gọi chung là phân bố Sự phân bố của biến NN được mô tả bởi hàm mật độ xác suất PX(x). 2 1 - 1 2 . n o n -n e g a t iv e : ( ) 0 . n o rm a liz e d : ( ) 1 . e v e n t p ro b a b i li ty : ( )= ( 2 ) 1 3 X X x X x p x p x d x P x X x p x d x Discrete pdf has the same properties (change integration to summation) Two important random variables and their pdf ( ) i p X x 0 1 ( . U n i fo rm ra n d o m v a r ia b le 1 c o n t in u o u s ( ) , f o r 1 d i s c re te : ( ) , f o r { , , } . G a u s s ia n (n o rm a l) r a n d o m 1 2 v a r ia b le 1 ( ) 2 X i M x m X X p x a x b b a p X x X x x M p x e 2 2 ) 2 X X Các thông số Example: Data bits are modeled as uniform random variable with two values Symbols are modeled as uniform random variable with M values Noise is modeled as Gaussian random variable with zero mean and non-zero variance 2 2 2 2 . m e a n : { } ( ) . v a r ia n c e : { ( ) } { } (v a r ia n c e = m e a n s q 1 2 u a re v a lu e - m e a n v a lu e s q u a re ) X X X X X m E X x p x d x E X m E X m 1.5 Random Signals 1.5.2 Random process: X(A,t) Là một hàm hai biến A, t time-domain signal waveform with some random event Usually written as X(t) by embedding A Stationary random process Average parameters do not depend on time We consider stationary random process (signal) only Can usually be described conveniently only by average parameters event time S ta t io n a ry . m e a n : ( ) { ( )} c o n s ta n t . a u to c o rre la t io n ( s ta t io n a ry c a s e ) : 1 2 ( ) { ( ) ( )} X X X m t E X t m R E X t X t Example (Note: expectation/integration is conducted with random variable, not t) 2 0 F in d th e m e a n a n d a u to c o r re la t io n o f th e r a n d o m p ro c e s s ( ) 5 c o s ( 2 ) , w h e re [ 0 , 2 ) i s u n i fo rm ra n d o m . : 1 { ( )} ( ) ( ) 5 c o s ( 2 ) 0 2 ( ) { ( ) ( )} S o lu t io n c X c X x t f t m E x t x t f d f t d R E x t x t 2 0 = ( ) ( ) ( ) 1 = 5 c o s ( 2 )5 c o s ( 2 2 ) 2 2 5 = c o s ( 2 ) 2 c c c c x t x t f d f t f t f d f 1.5.2.3 Autocorrelation Defined by matching of a signal with a delayed version of itself Measure how closely a signal matches a shifted copy of itself Is a function of delay , not time t Note for figure: Random process cos(2πfct+θ) does not look like noise. 1.5.4 Power Spectral Density (PSD) PSD is FT{autocorrelation} The only way for frequency-domain description of random signal (since FT{x(t)} does not exist) ( ) ( ) IF T x x F T G f R 2 5 E x a m p le : F o r ( ) c o s ( 2 ) , th e P S D is 2 2 5 ( ) { ( )} [ ( ) ( ) ] 4 x c x x c c R f G f F T R f f f f PSD of random process 5cos(2πfct+θ) 1.5.3 Parameters and their physical meaning Mean & variance of random variable Mean, autocorrelation, PSD of random process - 2 2 2 1 . : d c le v e l o f th e s ig n a l 2 . { ( )} , ( 0 ) , ( ) : a v e ra g e s ig n a l p o w e r 3 . : a v e ra g 4 . F o r s ig n a ls w i th o u t d c z e ro -m e a n e p o w e r o f A C c o m p o n e n t s ig n a ls i ) 0 . i i ) { X X X X X X m E X t R G E f m f d 2 ( t ) } e q u a ls a v e ra g e s ig n a l p o w e rX 1.5.5 Noise in communication systems AWGN: additive white Gaussian noise Additive: Noise is added (not multiplied) to the signal White: has constant PSD (equal power for all frequency) Gaussian: in every time-instant (sampling instant), the noise is Gaussian random variable Noise is usually assumed zero- mean AWGN x(t) n(t) y(t) 2 2 0 0 2 S ig n a l m o d e l: ( ) ( ) ( ) P S D : ( ) w a t t s /H z 2 A u to c o r re la t io n : z e ro -m e a n A W G N ( ) p ro p e r t ie s ( ) ( ) 2 1 p d f : ( ) : i ) i i ) i i i ) 2 n n n y t x t n t N G f N R t p n n e AWGN is a useful abstract noise model, although it is not practical due to infinite power In sampled process (discrete process), since δ(0)=1, we still have Discrete zero-mean AWGN: power & variance are both N0/2 AWGN PSD & Auto- correlation 2 2 0 { } 2 N E X 1.6 Signal transmission through linear systems 1.6.1 Deterministic signals x(t) h(t) y(t) X(f) Y(f)H(f) )()()( )()()(*)()( fHfXfY dthxthtxty 1.6.2 Random signals No Y(f), X(f) exist! But can use PSD. 2 ( ) ( ) * ( ) ( ) ( ) ( ) ( ) ( )y x y t h t x t x h t d G f G f H f 1.6.3 Distortionless transmission & ideal filter Distortionless transmission Time-domain: only constant magnitude change & a delay Frequency domain: constant magnitude response and linear phase response Ideal filter: distortionless in passband )( )()( fj efHfH where 0 p a s s b a n d ( ) 0 s to p b a n d ( ) 2 K H f f f t Example. Input: AWGN with PSD . System: ideal lowpass filter with unit magnitude response in passband fu.. Then the output PSD is 0 ( ) / 2 n G f N 0 2 0 ( ) ( ) , ( ) ( ) j f t y t K x t t Y f K e X f 0 / 2 , fo r ( ) 0 , O th e rw is e u u y N f f f G f Review: Analog Communications Amplitude modulation 4 main types, share similar modulator/demodulator x(t) tf c 2cos B.P.F y(t) modulator AM: amplitude modulation DSB: double-sideband modulation SSB: single-sideband modulation VSB: vestigial sideband modulation y(t) tf c 2cos L.P x(t) demodulator Frequency modulation (FM,PM) 1.7.1 DSB (Page 45-47, Page 1022) D S B s ig n a l: ( ) ( ) c o s ( 2 ) D S B s p e c t ru m : 1 ( ) [ ( ) ( ) ] 2 ( ) , ( ) : m e s s a g e s ig n a l a n d s p e c t ru m D S B s ig n a l b a n d w i th = 2 * m e s s a g e b a n d w id t h c c c c c x t x t f t X f X f f X f f x t X f ( ) 2 D S B x t W W DSB demodulation DSB is a main digital passband modulation technique y(t) tf c 2cos L.P x(t) demodulator lo w p a s s lo w p a s s lo w p a s s ( ) ( ) : r e c e iv e d s ig n a l D e m o d u la t io n o u tp u t i s : ˆ ( ) ( ) c o s ( 2 ) = ( ) c o s ( 2 ) c o s ( 2 ) 1 = ( ) [1 c o s ( 4 ) ] 2 ( ) = 2 c c c c c y t x t x t y t f t x t f t f t x t f t x t Tín hiệu dừng (t) là tín hiệu dừng chặt nếu: )(),...(),()(),...(),( 2121 nn tttfEtttfE (t) là tín hiệu dừng rộng nếu: consttE 2121 ;, ttRttR (t) là tín hiệu Egodic nếu: (t) là TH dừng rộng và T T T dtttR * 2 1 lim
File đính kèm:
- bai_giang_ly_thuyet_tin_hieu_chuong_3_tin_hieu_ngau_nhien_vo.pdf