【数字信号处理】相关函数应用 ( 高斯白噪声 的 自相关函数 分析 )
生活随笔
收集整理的這篇文章主要介紹了
【数字信号处理】相关函数应用 ( 高斯白噪声 的 自相关函数 分析 )
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
文章目錄
- 一、高斯白噪聲 的 自相關函數 分析
一、高斯白噪聲 的 自相關函數 分析
高斯白噪聲
N(n)N(n)N(n)
其自相關函數為
rN(m)r_N(m)rN?(m)
該白噪聲 方差為 111 , rN(0)=白噪聲方差r_N(0) = 白噪聲方差rN?(0)=白噪聲方差 , 其余的 rN(m)r_N(m)rN?(m) 隨著絕對值增加 , 都趨于 000 ;
由于 高斯白噪聲是隨機的 ,
噪聲信號 是 功率信號 , 在 m=0m = 0m=0 時 , 是完全相關的 , 相關函數值就是功率值 ,
但是只要 mmm 不為 000 , 噪聲信號錯開了一點 , 那就是完全不相關了 ,
自相關函數 與 功率譜密度 是一對 傅里葉變換對 , 如果自相關函數具備該特點 ,
在 m=0m = 0m=0 時 , 相當于 δ(n)\delta(n)δ(n) 信號 , δ(n)\delta(n)δ(n) 信號的傅里葉變換為 111 , 其在所有的頻率上其 功率密度函數 都是 111 , 在所有的頻率上都是有功率分布的 ;
下圖是 " 高斯白噪聲 " 與 " 自相關函數 " 的圖 :
在 m=0m = 0m=0 時 , 高斯白噪聲 的 " 自相關函數 " rN(0)r_N(0)rN?(0) 是該噪聲的 功率 , 此時相關性最大 ;
一旦 高斯白噪聲 錯開一點 , 即 m=?0m \not= 0m?=0 , 那么其相關性就很小 會趨于 000 ;
總結
以上是生活随笔為你收集整理的【数字信号处理】相关函数应用 ( 高斯白噪声 的 自相关函数 分析 )的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 【数字信号处理】相关函数应用 ( 使用
- 下一篇: 【数字信号处理】相关函数应用 ( 正弦信