通信原理的主要内容？
文章目录
第三章：随机过程
什么是随机过程？随机过程为什么要用随机变量的数字特征？又有那些数字特征？分别代表了那些含义？
随机过程是指任一时刻观察的值是一个随机变量。同一时刻的观察的可能是随机的。
因为其随机性，所以其概率密度分布难以确定，故而使用随机变量的数字特征来部分的描述其统计特性。
数字特征：1）数学期望：又称统计平均值，是有近无数次实验结果后的一个平均值。
2）方差：描述一个随机变量偏离其数学期望的程度。
3）自相关函数：描述两个时刻对同一个随机过程的随机值的相关程度。
严格平稳随机过程、广义随机过程和各态历经性的定义？
严格平稳随机过程：随机过程的所有统计特性与时间t无关。
广义平稳随机过程：随机过程的数学期望、方差、自相关函数三个统计特性与时间t无关。
各态历经性：随机过程的任一次实现都经历了该随机过程的所有可能状态。一个个各态历经性的随机过程可以有“时间平均”代替“统计平均”。即其时间相关函数、时间均值（有公式）同统计平均值、自相关函数（有统计上的求解公式）相等。
各态历经性——>严格平稳随机过程——>广义平稳随机过程；但是，反过来不行。
平稳随机过程自相关函数和功率谱密度的关系？
一个平稳随机过程的自相关函数和功率谱密度是一对傅里叶变换的关系。一般来讲，通信系统中，随机信号和噪声都是广义平稳的，因此，对于许多难以求功率谱密度的随机信号来说，可以通过该关系间接的求解功率谱密度。
P X ( f ) = ∫ − ∞ + ∞ R ( τ ) e − j w τ d τ R ( τ ) = ∫ − ∞ + ∞ P X ( f ) e j w τ d f P_{X}(f)=\int_{-\infty}^{+\infty} R(\tau)e^{-jw\tau}d\tau \\R(\tau)= \int_{-\infty}^{+\infty}P_{X}(f)e^{jw\tau}df PX(f)=∫−∞+∞R(τ)e−jwτdτR(τ)=∫−∞+∞PX(f)ejwτdf
什么是高斯过程？什么是窄带随机过程？
高斯过程：又称正态随机过程，其一维概率密度分布服从正态分布。
窄带随机过程：由于信号和噪声通过系统（band pass filter）后，其频谱被限制在一个很窄的范围内，若满足△f<<f，则称该随机过程为窄带随机过程。