美文网首页工作生活
基于自相关推导数字基带信号的功率谱密度

基于自相关推导数字基带信号的功率谱密度

作者: 艳阳天_cc44 | 来源:发表于2019-07-01 15:05 被阅读0次

循环平稳过程

如果随机过程x(t)的均值和自相关函数是以T为周期的周期函数,则称其为循环平稳过程。对于循环平稳过程,平均自相关函数定义为一个周期上的平均:
\overline{R_x(\tau)}=\frac{1}{T}\int_0^TR_x(t+\tau,t)dt

循环平稳过程的平均功率谱密度定义为平均自相关函数的傅里叶变换。
\mathcal{S}_x(f)=\mathcal{F}\left[\overline{R_x(\tau)}\right]

数字基带信号的PSD

\mathcal{S}_x(f)=\mathcal{F}\left[\overline{R_x(\tau)}\right] \\ aaa = bbb

假设信号x(t)=\sum_n a_n g(t-nT_s),则其为循环随机平稳过程。假定随机序列a_n是平稳过程。则有

\begin{aligned} R_X(t+\tau,t)&=\mathbb{E}\left\{\sum_{n=-\infty}^{+\infty}\sum_{m=-\infty}^{+\infty}a_na_m^*g(t+\tau-nT_s)g^*(t-mT_s) \right\} \\ &=\sum_{n=-\infty}^{+\infty}\sum_{m=-\infty}^{+\infty}\mathbb{E}[a_na_m^*]g(t+\tau-nT_s)g^*(t-mT_s) \\ &=\sum_{n=-\infty}^{+\infty}\sum_{m=-\infty}^{+\infty}R_a(n-m)g(t+\tau-nT_s)g^*(t-mT_s) \\ &=\sum_{n=-\infty}^{+\infty}\sum_{m=-\infty}^{+\infty}R_a(n-m)g(t+\tau-(n-m)T_s-mT_s)g^*(t-mT_s) \\ &=\sum_{k=-\infty}^{+\infty}\sum_{m=-\infty}^{+\infty}R_a(k)g(t+\tau-kT_s-mT_s)g^*(t-mT_s) \end{aligned}

最后一个公式使用了变量代换k=n-m,从而其平均自相关函数为:

$$

\begin{align}

\overline{R_X(\tau)}&=\frac{1}{T_s}\int_0^{T_s}R_X(t+\tau,t)dt \

&=\frac{1}{T_s}\int_0^{T_s} \sum_{k=-\infty}{+\infty}\sum_{m=-\infty}{+\infty}R_a(k)g(t+\tau-kT_s-mT_s)g^*(t-mT_s) dt \

&=\frac{1}{T_s}\sum_{k=-\infty}{+\infty}\sum_{m=-\infty}{+\infty}\int_0{T_s}R_a(k)g(t+\tau-kT_s-mT_s)g*(t-mT_s) dt \

&=\frac{1}{T_s}\sum_{k=-\infty}{+\infty}\sum_{m=-\infty}{+\infty}\int_{-mT_s}{-(m-1)T_s}R_a(k)g(u+\tau-kT_s)g*(u) du\

&=\frac{1}{T_s}\sum_{k=-\infty}{+\infty}\int_{-\infty}{+\infty}R_a(k)g(u+\tau-kT_s)g^*(u) du \

&=\frac{1}{T_s}\sum_{k=-\infty}^{+\infty} g_k(\tau-kT_s)

\end{align}

$$

g_k(\tau)=\int_{-\infty}^{+\infty}R_a(k)g(u+\tau)g^*(u)du,则上式的傅里叶变换为:

$$

\frac{1}{T_s}\sum_{n=-\infty}{+\infty}G_n(f)e{-j2\pi nfT_s}

$$

则上式的傅里叶变换为:

$$

\begin{align}

G'(f)&=\int_{-\infty}{+\infty}\overline{R_X(\tau)}e{-j2\pi f\tau}d\tau \

&=\frac{1}{T_s}\sum_{k=-\infty}{+\infty}R_a(k)\int_{-\infty}{+\infty}\int_{-\infty}{+\infty}g(u+\tau-kT_s)g*(u)e^{-j2\pi f\tau}du d\tau \

&=\frac{1}{T_s}\sum_{k=-\infty}{+\infty}R_a(k)\int_{-\infty}{+\infty}\int_{-\infty}{+\infty}g(u+\tau-kT_s)g*(u)e^{j2\pi fu} e^{-j2\pi f(u+\tau-kT_s)} e^{-j2\pi fkT_s} du d\tau \

&=\frac{1}{T_s}\sum_{k=-\infty}{+\infty}R_a(k)e{-j2\pi fkT_s}\int_{-\infty}{+\infty}\int_{-\infty}{+\infty}g(u+\tau-kT_s)g*(u)e{j2\pi fu} e^{-j2\pi f(u+\tau-kT_s)}du d\tau \

&=\frac{1}{T_s}\sum_{k=-\infty}{+\infty}R_a(k)e{-j2\pi fkT_s}|G(f)|^2 \

&=\frac{1}{T_s}\sum_{k=-\infty}{+\infty}[R_a(k)-R_a(0)]e{-j2\pi fkT_s}|G(f)|^2 + \frac{R_a(0)}{T_s}|G(f)|2\sum_{k=-\infty}{+\infty}e^{-j2\pi fkT_s} \

&=\frac{1}{T_s}\sum_{k=-\infty}{+\infty}[R_a(k)-R_a(0)]e{-j2\pi fkT_s}|G(f)|^2 + \frac{R_a(0)}{T_s}|G(f)|2\sum_{k=-\infty}{+\infty}\delta(f+\frac{k}{T_s})

\end{align}

$$

其中

$$

\begin{align}

\overline{R_X(\tau)}&=\frac{1}{T_s}\int_0^{T_s}R_X(t+\tau,t)dt \

&=\frac{1}{T_s}\int_0^{T_s} \sum_{m=-\infty}{+\infty}\sum_{n=-\infty}{+\infty}R_a(n-m)g(t+\tau-nT_s)g^*(t-mT_s) dt \

&=\frac{1}{T_s}\sum_{m=-\infty}{+\infty}\sum_{n=-\infty}{+\infty}R_a(n-m)\int_0{T_s}g(t+\tau-nT_s)g*(t-mT_s) dt \

&=\

&=\frac{\sigma_a2}{T_s}\sum_{m=-\infty}{+\infty}\int_0{T_s}g(t+\tau-mT_s)g(t-mT_s) dt+\frac{m_a^2}{T_s}\sum_{m \neq n}\int_0{T_s}g(t+\tau-nT_s)g(t-mT_s) dt

\end{align}

$$

上式可以拆成两部分,一部分为n=m的情况,另一部分不等。相等部分可推得如下结果:

$$

$$

OQPSK的PSD

假设信号如下:

$$

X(t)=I_n(t)\cos \omega_ct-Q_n(t)\sin\omega_ct

$$

其中I_n(t)=\sum_n a_n g(t-nT_s),Q_n(t)=\sum_n b_n g(t-nT_s)则其自相关函数如下:

$$

\begin{align}

R_X(t+\tau,t)&=\mathbb{E}\left{[I_n(t+\tau)\cos \omega_c(t+\tau)-Q_n(t+\tau)\sin\omega_c(t+\tau)][I_n(t)\cos \omega_ct-Q_n(t)\sin\omega_ct]\right} \

&=\mathbb{E}\left{I_n(t+\tau)I_n(t)\cos\omega_c(t+\tau)\cos\omega_ct\right}-\mathbb{E}\left{I_n(t+\tau)Q_n(t)\cos\omega_c(t+\tau)\sin\omega_ct\right}\

&-\mathbb{E}\left{Q_n(t+\tau)I_n(t)\sin\omega_c(t+\tau)\cos\omega_ct\right}+

\mathbb{E}\left{Q_n(t+\tau)Q_n(t)\sin\omega_c(t+\tau)\sin\omega_ct\right}\

&=R_{II}(\tau)

\end{align}

$$

一个有用的结论

相关文章

  • 基于自相关推导数字基带信号的功率谱密度

    循环平稳过程 如果随机过程的均值和自相关函数是以为周期的周期函数,则称其为循环平稳过程。对于循环平稳过程,平均自相...

  • 数字基带信号的功率谱

    # 循环平稳过程 如果随机过程$X(t)$的均值和自相关函数是以$T$为周期的周期函数,则称其为**循环平稳过程*...

  • 2019-04-20

    PAM信号的功率谱密度 默认假设是广义平稳序列,已知其自相关函数为,均值为,方差为 注:可以是复数,此时PAM信号...

  • 现代通信原理第九章——数字信号的基带传输

    数字基带信号:未经调制的数字信号所占据的频带是从零频或低频开始,称为数字基带信号。 基带传输和调制传输:基带传输是...

  • 2019-05-07

    调制:用基带信号去控制载波的某一参量,使其随变化 调制信号模拟信号:是模拟基带信号,如音频信号数字信号:是数字基带...

  • 9种白噪声工具推荐-帮助你集中注意力

    白噪声,是一种功率谱密度为常数的随机信号或随机过程,即此信号在各个频段上的功率是一样的。白噪声的信号特点,使得大脑...

  • 自从有了它们,世界的喧嚣仿佛与我无关

    白噪声,是一种功率谱密度为常数的随机信号或随机过程。即,此信号在各个频段上的功率是一样的。由于白光是由各种频率(颜...

  • 2019-06-06

    偏移四相移相键控0QPSK 基带采用矩形脉冲的QPSK的恒定包络,但功率谱密度是形状,旁瓣较大 采用升余弦滚降的Q...

  • 功率谱密度

    在频谱分析中幅度和功率是由紧密联系的两个不同的物理量:能量能表述为幅值的平方和,也能表述为功率在时间上的积分; 功...

  • 2019-03-04

    互相关函数 自相关函数 对称性 上界 能量谱密度互能量谱密度 自能量谱密度 面积是能量 与相关函数是傅里叶变换的关...

网友评论

    本文标题:基于自相关推导数字基带信号的功率谱密度

    本文链接:https://www.haomeiwen.com/subject/onvgcctx.html