前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >【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 )

【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 )

作者头像
韩曙亮
发布2023-03-30 12:00:55
1.4K0
发布2023-03-30 12:00:55
举报
文章被收录于专栏:韩曙亮的移动开发专栏

文章目录

一、高斯白噪声 的 自相关函数 分析


高斯白噪声

N(n)

其自相关函数为

r_N(m)

该白噪声 方差为

1

,

r_N(0) = 白噪声方差

, 其余的

r_N(m)

随着绝对值增加 , 都趋于

0

;

由于 高斯白噪声是随机的 ,

噪声信号 是 功率信号 , 在

m = 0

时 , 是完全相关的 , 相关函数值就是功率值 ,

但是只要

m

不为

0

, 噪声信号错开了一点 , 那就是完全不相关了 ,

自相关函数 与 功率谱密度 是一对 傅里叶变换对 , 如果自相关函数具备该特点 ,

m = 0

时 , 相当于

\delta(n)

信号 ,

\delta(n)

信号的傅里叶变换为

1

, 其在所有的频率上其 功率密度函数 都是

1

, 在所有的频率上都是有功率分布的 ;

下图是 " 高斯白噪声 " 与 " 自相关函数 " 的图 :

在这里插入图片描述
在这里插入图片描述

m = 0

时 , 高斯白噪声 的 " 自相关函数 "

r_N(0)

是该噪声的 功率 , 此时相关性最大 ;

一旦 高斯白噪声 错开一点 , 即

m \not= 0

, 那么其相关性就很小 会趋于

0

;

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2022-03-03,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 文章目录
  • 一、高斯白噪声 的 自相关函数 分析
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档