数据通信原理(5)
第三节 *稳随机过程
1、*稳随机过程：指N维分布函数或概率密度函数不随时间的*移而变化，或者说不随时间原点的选取而变化。
2、*稳随机过程的重要性：A、在实际应用中，特别在通信中所遇到的过程大多属于或很接**稳随机过程；B、*稳随机过程可以用它的一维、二维统计特征很好的描述。
3、*稳随机过程的重要特性：*隐随机过程在满足一定条件下有一个非常重要的特性，称为各态历经性。这种*稳随机过程，它的数字特征完全可由随机过程中的任一实现的数字特征，即数学期望、方差和自相关函数（均为统计*均值）来决定，这样就可以用时间*均来代替统计*均。
4、*稳随机过程的自相关函数是特别重要的函数：A、*稳随机过程的统计特性，如数字特征等，可通过自相关函数来描述；B、自相关函数与*稳随机过程的谱特性有着内在联系。
5、*稳随机过程的自相关函数R（τ）与功率谱密度P（w）是一对傅里叶变换。
6、自相关函数有着一些重要的性质，通过它可以确定*稳随机过程的*均功率、直流功率和交流功率，即R（τ）= R（-τ）为τ的偶函数，R（0）为*稳过程的*均功率； R（∞）为它的直流功率；R（0）- R（∞）=σ2为其交流功率；R（0）≥R（-τ）在τ=0时有最大值，为它的上界。功率谱密度P（w）表示角频率w处的单位频率内的功率，它也有着一些重要性质：P（w）=P（-w）为w的偶函数：P（w）在频域上的面积等于*稳随机过程的*均功率；P（w）为一非负的实函数。
第四节 高斯过程
1、高斯过程：随机过程的任意N维分布服从正态分布（N=1，2——）时，称它为高斯随机过程，简称高斯过程。
2、高斯过程一种普遍存在和十分重要的随机过程：A、高斯过程的许多性质都能得到解析结果；B、用高斯模型表示物理现象所产生的一些随机过程时，常常是适宜的。
3、如果将一个高斯过程加到一个线性网络上，其输出端的随机赛程也是高斯的。
第五节 噪声
1、噪声：是指物理系统中对信号的传输与处理起扰乱作用，又不能完全控制的一种不需要的波形。
2、散粒噪声：是由电子器件中电流的离散性质所引起的。
3、热噪声：是指导体中电子的随机运动所产生的一种电噪声。
4、散粒噪声和热噪声的均值都为零，且幅度的概率密度函数均为高斯分布。
5、高斯噪声：当噪声的任意N维分布都服从高斯分布时称为高斯噪声。散粒噪声和热噪声都属于高斯噪声。
6、白噪声：为了便于分析，建立一个理想化噪声模型，它是指其功率谱密度Pn(w)在（-∞，+∞）的整个频率范围内都是均匀分布的一种噪声。
7、高斯白噪声：如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。
8、热噪声和散粒噪声是高斯白噪声。
1、*稳随机过程：指N维分布函数或概率密度函数不随时间的*移而变化，或者说不随时间原点的选取而变化。
2、*稳随机过程的重要性：A、在实际应用中，特别在通信中所遇到的过程大多属于或很接**稳随机过程；B、*稳随机过程可以用它的一维、二维统计特征很好的描述。
3、*稳随机过程的重要特性：*隐随机过程在满足一定条件下有一个非常重要的特性，称为各态历经性。这种*稳随机过程，它的数字特征完全可由随机过程中的任一实现的数字特征，即数学期望、方差和自相关函数（均为统计*均值）来决定，这样就可以用时间*均来代替统计*均。
4、*稳随机过程的自相关函数是特别重要的函数：A、*稳随机过程的统计特性，如数字特征等，可通过自相关函数来描述；B、自相关函数与*稳随机过程的谱特性有着内在联系。
5、*稳随机过程的自相关函数R（τ）与功率谱密度P（w）是一对傅里叶变换。
6、自相关函数有着一些重要的性质，通过它可以确定*稳随机过程的*均功率、直流功率和交流功率，即R（τ）= R（-τ）为τ的偶函数，R（0）为*稳过程的*均功率； R（∞）为它的直流功率；R（0）- R（∞）=σ2为其交流功率；R（0）≥R（-τ）在τ=0时有最大值，为它的上界。功率谱密度P（w）表示角频率w处的单位频率内的功率，它也有着一些重要性质：P（w）=P（-w）为w的偶函数：P（w）在频域上的面积等于*稳随机过程的*均功率；P（w）为一非负的实函数。
第四节 高斯过程
1、高斯过程：随机过程的任意N维分布服从正态分布（N=1，2——）时，称它为高斯随机过程，简称高斯过程。
2、高斯过程一种普遍存在和十分重要的随机过程：A、高斯过程的许多性质都能得到解析结果；B、用高斯模型表示物理现象所产生的一些随机过程时，常常是适宜的。
3、如果将一个高斯过程加到一个线性网络上，其输出端的随机赛程也是高斯的。
第五节 噪声
1、噪声：是指物理系统中对信号的传输与处理起扰乱作用，又不能完全控制的一种不需要的波形。
2、散粒噪声：是由电子器件中电流的离散性质所引起的。
3、热噪声：是指导体中电子的随机运动所产生的一种电噪声。
4、散粒噪声和热噪声的均值都为零，且幅度的概率密度函数均为高斯分布。
5、高斯噪声：当噪声的任意N维分布都服从高斯分布时称为高斯噪声。散粒噪声和热噪声都属于高斯噪声。
6、白噪声：为了便于分析，建立一个理想化噪声模型，它是指其功率谱密度Pn(w)在（-∞，+∞）的整个频率范围内都是均匀分布的一种噪声。
7、高斯白噪声：如果一个噪声，它的幅度分布服从高斯分布，而它的功率谱密度又是均匀分布的，则称它为高斯白噪声。
8、热噪声和散粒噪声是高斯白噪声。
