文章目录
Rayleigh分布
定义
- F(x)自己积一下很快
期望和方差
- 这里对于期望的处理狠有意思
高斯分布的仿真
均匀分布可以仿真任意
均匀分布仿真瑞利分布
这里特地把U转换成1-U是为了上面的ln(1-y)里面的1-y抵消掉,比较好看
均匀+瑞利 仿真高斯分布
-
瑞丽+均匀 + 换元 导出 两个独立的高斯分布
-
这里怎么证X与Y是独立的
- 一种方法是直接看出来这是两个的乘积
- 严谨一点的就是分别求x和y的边缘分布然后相乘得到的就是f(x,y) --> f(x,y) =f(x) f(y) 所以是独立的
- 另一种就是我自己的方法,这里可以看出联合分布的B是对角阵且特征值均为1 --》 协方差为对角阵即不相关 --》 高斯的不相关就是相互独立
-
反过来也是可以的 (高斯推瑞利和均匀)
窄带高斯
上半部分是之前的知识点
-
之前证明了线性时不变系统中,若输入( X (t) )是0均值的平稳,则输出(X^ (t) )也是0均值平稳的,且二者联合平稳( 在分别平稳的基础上,互相关函数与时间无关得证 )
-
?? 怎么就保证输入是高斯,输出也是高斯了呢? 是线性时不变系统的特性还是??
-
怎么联合高斯就推出联合高斯了呢?? 联合高斯的意义??
-
似乎是个结论: 若输入是高斯,则输出也是高斯,且输入和输出是联合高斯,然后由于Xs和Xc是输入和输出的线性变换,所以也是联合高斯
进一步
一般来说 ,联合高斯不是这个形式的,但是由于相互独立,所以就是这样
一维包络和一维相位分布
我们目前作的工作的出发点和思路
- 肖喜总结:若能知道Xs和Xc是独立的高斯分布,就可以返回去知道包络是瑞丽分布,θ是均匀分布。所以我们要求输入X(t)是高斯,这样输出也是高斯且二者联合高斯,从此可以推出Xs和Xc也是联合高斯。现在就差证明二者相互独立,我们就能回推包络和相位【然后上面的上面的那张ppt刚刚证明了】(作为联合高斯,只要不相关就是相互独立辣hhh)
qqq
- 联合高斯的意义??
- 联合高斯的分量什么情况下相互独立来着??
二维包络和二维相位分布
补充贝塞尔函数的性质
高斯过程通过非线性系统
背景 和 补充定理
背景
非线性系统有很多,这里我们就研究一下两个:
注意,输入时0均值的平稳高斯过程
补充定理
相当于一维的雅克比行列式了
平方器
数字特征
这里的
就是四阶矩,利用之前两两配对的性质
密度函数
- 这里之所以能变成2F( )-1是因为 对于高斯过程来说 P(X<0) =0.5