第一次翻到《通信原理》第三章的时候我盯着随机过程这四个字看了很久——第二章讲确定信号好歹波形能画出来第三章直接告诉你通信系统里绝大多数信号和噪声你根本画不出确定的波形因为它们本身就是随机的。更难受的是这一章的公式密度比前两章加起来还高自相关函数、功率谱密度、维纳-辛钦定理、窄带高斯噪声、瑞利分布一路砸下来很容易产生每个字都认识连起来不知道在说什么的挫败感。随机过程这一章在整本教材里的地位其实非常特殊它既是后续调幅调频抗噪性能分析的数学地基也是考研和期末卷面上拉分最狠的一章出题人特别爱在这里设置看起来会做但一算就错的陷阱。我后来把这一章的复习逻辑重新捋了一遍核心其实就三件事怎么描述一个随机过程数字特征、怎么判断它好不好算平稳性与各态历经性、怎么在频域和时域之间来回换算自相关函数与功率谱密度。把这三件事吃透再往高斯过程和窄带噪声上延伸整章就串成了一条线而不是一堆散落的公式。下面这份笔记是我自己复习时反复整理出来的版本偏应试但更偏理解为什么这么算适合正在啃第三章、或者被包络分布和单双边谱搞到头大的同学。1. 从随机变量到随机过程这一章到底在研究什么1.1 随机过程的本质是一族随机变量随机过程最标准的定义是依赖于时间参数 t 的一族随机变量记作 {X(t), t∈T}。这句话听起来很干但它其实包含两层完全不同的视角考试里几乎所有题目都是在其中某一层上做文章。第一种视角是固定时间 t此时 X(t) 就是一个普通的随机变量有它自己的分布函数、概率密度、均值和方差你可以用第二章之后学的所有随机变量工具去处理它。第二种视角是固定一次试验结果也就是固定样本点 ω此时 X(t,ω) 退化成一个确定的时间函数这个函数叫样本函数也叫一个实现。举个通信里的例子接收机前端的热噪声就是一个随机过程。你在某个瞬间去测量它的电压得到的是一个随机变量服从某种分布而你如果拿示波器连续记录十分钟得到的那条弯弯曲曲的波形就是一个样本函数。考试里问某过程的均值是多少是在第一种视角下算期望问某过程是否各态历经就是在比较这两种视角下算出来的平均值是不是一回事。理解了这个双层结构后面所有的统计平均和时间平均就不会混淆了。我在复习时习惯在草稿纸边上画两列左边写对谁平均右边写沿什么平均。统计平均是对所有样本函数在同一个时刻取平均时间平均是对同一条样本函数沿时间轴取平均。这两列写清楚各态历经那一节基本就不会出错。1.2 四类随机过程的划分方式按时间和状态是否连续随机过程分成四类这个分类在选择题和判断题里出现频率很高尤其是让你判断某个具体过程属于哪一类。判断的关键是分别看两个维度时间参数 t 是连续还是离散状态取值也就是随机变量能取的值是连续还是离散。类别时间状态通信中的典型例子连续型随机过程连续连续电阻热噪声电压、接收机输入噪声离散型随机过程连续离散二进制数字信号波形取值只有两个电平连续随机序列离散连续对连续信号采样后得到的序列含噪声离散随机序列离散离散数字通信中的比特流、PCM 编码输出这张表看着简单但陷阱在于波形看起来是跳变的和状态离散是两件事。比如一个随机相位方波时间连续、取值只有两个电平它是离散型随机过程而一个被限带的随机噪声虽然采样点上看是离散的但如果讨论的是连续时间上的噪声本身它仍然是连续型随机过程。判断依据永远是你讨论的那个过程本身而不是你用什么工具去观测它。1.3 五个数字特征各自承担什么角色随机过程的数字特征里最常用的是五个均值、方差、自相关函数、自协方差函数、互相关函数。很多同学背公式的时候是孤立地背结果做题时不知道该用哪一个。我的理解方式是按信息量排序均值 a(t)E[X(t)] 告诉你过程的直流分量在哪里方差 σ²(t)E{[X(t)-a(t)]²} 告诉你过程围绕均值抖动的剧烈程度也就是交流功率自相关函数 R(t₁,t₂)E[X(t₁)X(t₂)] 描述同一个过程在相隔一段时间后还有多少相似性它是整章的灵魂因为平稳性和功率谱都挂在它身上自协方差 C(t₁,t₂)R(t₁,t₂)-a(t₁)a(t₂) 是把均值那部分扣掉之后的纯起伏相关性互相关函数 R_XY(t₁,t₂)E[X(t₁)Y(t₂)] 描述两个过程之间的关联。有一个关系必须刻在脑子里均值为零时自协方差等于自相关。这个结论在算高斯白噪声通过线性系统时用得极多因为白噪声通常假设零均值可以直接把 C 换成 R省掉一大串推导。另一个常用的是归一化自相关函数 ρ(τ)R(τ)/R(0)它把自相关压到 [-1,1] 区间内反映的是相关程度而不是绝对功率大小画图和比较不同过程时特别方便。还要区分三个概念独立、不相关、正交。独立最强要求联合分布等于边缘分布之积不相关是指自协方差互协方差为零正交是指自相关互相关为零。三者关系是独立可以推出不相关不相关推不出独立正交和不相关在均值为零时等价。唯一的例外是高斯过程——对高斯随机变量来说不相关和独立是等价的这条性质在高斯过程那一节还会再出现是判断题的高频考点。2. 平稳性判定严平稳、宽平稳与各态历经的三层门槛2.1 严平稳的定义为什么几乎无法直接验证严平稳狭义平稳的定义是随机过程的任意 n 维概率分布函数都不随时间起点平移而改变也就是 f(x₁,…,xₙ; t₁,…,tₙ) f(x₁,…,xₙ; t₁Δ,…,tₙΔ)。这个定义的直观含义是过程的统计规律只跟时间差有关跟从什么时候开始看无关。问题在于这个定义要求对任意维数都成立实际计算根本没法验证。所以教材引入严平稳的目的不是让你去算而是让你理解它的含义然后用它去和宽平稳做对比。做题时只要记住一点严平稳是针对全部统计特性的是最严格的平稳。2.2 宽平稳的两个条件与隐藏的第三个条件宽平稳广义平稳只需要满足两个条件第一均值为常数 a(t)a第二自相关函数只与时间差有关即 R(t₁,t₂)R(t₁-t₂)R(τ)。很多教材还会补上第三条隐含条件——均方值有限因为只有二阶矩存在讨论自相关才有意义。两者的关系必须记清楚严平稳加上二阶矩存在可以推出宽平稳宽平稳一般推不出严平稳因为高阶统计特性可能仍然随时间变化。但当过程是高斯过程时这条鸿沟消失了因为高斯过程的全部统计特性都由一阶和二阶矩决定所以高斯过程宽平稳与严平稳等价这是简答题的标准答案。判定宽平稳时我最开始老犯一个错只检查了均值是不是常数忘了 R 必须只与 τ 有关。看到 R(t₁,t₂) 里面同时出现 t₁ 和 t₂ 的乘积项就一定要警觉。比如 R(t₁,t₂)σ²cos(ω₀t₁)σ²cos(ω₀t₂)虽然形式上很对称但它跟 t₁、t₂ 的绝对位置都有关不满足只与 τ 有关的条件所以不是宽平稳。正确的做法是令 t₁t、t₂tτ把表达式写成只含 τ 的形式如果还残留 t直接判非平稳。2.3 各态历经性时间平均能否替代统计平均各态历经性遍历性说的是过程的时间平均以概率 1 等于它的统计平均。它的价值在于理论上算自相关函数需要对无穷多个样本函数求期望现实中你只有一条样本函数如果能用一条曲线的长时间平均替代集合平均实际测量就变得可操作了。这也是为什么工程上所有频谱仪、噪声分析仪测自相关和功率谱时都默认噪声是各态历经的。均值遍历的严格条件是lim(T→∞) (1/T)∫{-T}^{T} [1-|τ|/(2T)] [R(τ)-a²] dτ 0看着复杂其实只要记住那个好用的充分条件当 τ 趋于无穷时如果 R(τ) 趋于 a²均值的平方则均值是遍历的。直观理解是相隔很久的两个时刻相关性已经完全衰减掉了只剩下直流部分这时候长时间平均会收敛到统计平均。自相关函数的遍历条件类似把 R(τ) 换成 R(τ) 的自协方差即可。做题时通常只要求你判断均值遍历因为自相关遍历的判定和它形式一样多写一步就行。2.4 两类经典反例必须记住有两个例子几乎每年都会以某种形式出现我当时反复看它们才真正理解了遍历性的边界。第一个反例X(t)Y其中 Y 是一个随机变量在整个时间轴上保持不变。这个过程的均值 E[X(t)]E[Y] 是常数自相关 R(τ)E[Y²] 只与 τ 无关是常数所以它是宽平稳的。但它绝不是各态历经的因为每一条样本函数都是一条水平直线时间平均等于那条直线的高度 Y 本身而统计平均是 E[Y]两者一般不相等。这个例子的启发是宽平稳不等于各态历经随机变量的随机性如果全部藏在初始值里、不随时间演化那它就没有遍历性。第二个反例X(t)A cos(ω₀tΘ)其中 A、ω₀ 是常数Θ 在 [0,2π) 上均匀分布。这个过程的均值为零自相关函数 R(τ)(A²/2)cos(ω₀τ)只与 τ 有关是宽平稳的。关键在于它的时间平均也是遍历的对任意固定的 θ长时间平均后 cos 项积分为零正好等于统计均值零自相关的时间平均也能算出来是 (A²/2)cos(ω₀τ)与统计自相关完全一致。注意这里有个坑。按前面那个τ→∞时 R(τ)→a²的充分条件这个过程的 R(τ) 是余弦函数τ 趋于无穷时不收敛到 0所以充分条件不成立但它仍然是遍历的。这说明那个条件只是充分条件不是必要条件。真正的原因是余弦项的时间平均恰好被积掉了收敛速度虽然不快但积分平均后趋于零。我在考场上遇到过判断题要求判断R(τ) 含周期分量就不是各态历经过程这种说法是错的就看这个反例。遇到这类题老老实实动手算时间平均别只凭充分条件下结论。3. 自相关函数与功率谱密度维纳-辛钦定理的正确用法3.1 定理本身不难难在前提和系数维纳-辛钦定理是这一章最核心的桥梁内容很简洁平稳随机过程的自相关函数 R(τ) 和功率谱密度 P(ω) 构成一对傅里叶变换P(ω) ∫{-∞}^{∞} R(τ) e^{-jωτ} dτR(τ) (1/2π) ∫{-∞}^{∞} P(ω) e^{jωτ} dω用起来就是时频互换但前提条件常被忽略过程必须是平稳的R(τ) 必须绝对可积含冲激时要按广义函数处理且过程要均方可微意义下的连续性。如果过程本身不平稳压根不存在一个稳定的功率谱密度因为功率谱的定义就依赖于时间平均功率的收敛性。系数的坑主要在 1/2π 和 1/(2π) 的分配上。我的经验是不要试图背哪个公式带 1/2π而是记住一条物理关系R(0) 是过程的总平均功率等于功率谱在全频域上的积分再除以 2π。也就是 R(0) (1/2π)∫P(ω)dω ∫P(f)df。每次算完功率谱用它反推一下 R(0) 对不对系数错了立刻就能发现。3.2 自相关函数的四条性质自相关函数有四个性质选择和判断里反复考而且它们是验证结果对不对的快捷工具R(0) 是最大值R(0)E[X²(t)] 就是平均功率并且对任意 τ 都有 |R(τ)|≤R(0)。原因是同一时刻自己跟自己的相关性必然最强。偶函数实平稳过程的 R(-τ)R(τ)。这条性质在做傅里叶变换时能省一半计算量因为偶函数的变换结果是实函数。直流分量体现在无穷远处如果过程含有均值 a那么当 τ 趋于无穷时 R(τ) 趋于 a²。反过来如果你算出 R(τ)a²f(τ)其中 f(τ) 在无穷处趋于零那 a² 就是直流功率对应功率谱上的冲激 2πa²δ(ω)。交流功率是 R(0) 减去直流功率方差 σ²R(0)-a²对应功率谱里去掉冲激之后剩下的部分在频域上的积分。归一化自相关系数 ρ(τ)R(τ)/R(0) 满足 ρ(0)1 且 |ρ(τ)|≤1它衡量的是相关性衰减的快慢。工程上还定义相关时间 τ₀∫|ρ(τ)|dτ用来粗略描述噪声的相关性强弱采样、判决里的独立采样假设就和这个概念有关。相关时间越短说明过程变化越快、带宽越宽这两个量在数值上大致成倒数关系这也是为什么宽带噪声的相邻采样点可以近似看成独立的。3.3 含冲激和直流分量的谱怎么处理这是我觉得最容易丢分的地方。当 R(τ) 里含有常数项或者 δ 函数时傅里叶变换要用广义函数来处理两个常用结果必须背下来第一对常数 a² 的变换是 2πa²δ(ω)。所以只要 R(τ) 里有常数项功率谱里就一定有冲激冲激强度是 2π 乘以这个常数。有些教材用频率 f 作变量对应就是 a²δ(f)差别就在 2π 因子。第二对R(τ)(n₀/2)δ(τ) 的变换是常数 n₀/2。这就是理想白噪声的双边功率谱密度代表功率在所有频率上均匀分布也就是自相关函数只在零时差处不为零任何两个不同时刻的采样都不相关。白噪声的平均功率是无穷大这在物理上不可能实现所以实际的白噪声都是带限的只是在系统带宽内有平坦的谱。再补一个常用的变换对R(τ)σ²e^{-a|τ|} 对应 P(ω)2aσ²/(a²ω²)形状是洛伦兹型常用于描述一阶低通滤波后的噪声。这个变换对在很多题的中间步骤里会用到记住了能省不少时间。3.4 单边谱与双边谱的换算功率谱密度有双边和单边两套表示教材、习题、考试混着用是典型的会算但会错的点。双边谱 P(f) 定义在 -∞ 到 ∞ 上因为实过程的自相关是偶函数所以 P(f) 关于原点对称单边谱 G(f) 只在正频率上有定义物理意义更直观——负频率没有物理对应是把负频率部分折叠到正频率上得到的。换算关系就一句G(f)2P(f)f≥0。这是针对实过程幂函数对称的情况下成立的前提是可实现系统的功率谱关于零频偶对称。推导思路也简单总功率不变∫{-∞}^{∞}P(f)df∫{0}^{∞}G(f)df而左边等于 2∫{0}^{∞}P(f)df所以 G2P。最容易出错的是白噪声的换算。理想白噪声的双边谱是 n₀/2单边谱是 n₀这两个数在后续抗噪声性能分析里高频出现一旦记混整道大题的数值全错。我自己的记忆方式是理想白噪声的双边谱是 n₀/2单边谱翻倍就是 n₀做题时先确认题目给的是哪一种再决定公式里用哪个。另外如果题目给的谱不是关于零频偶对称比如窄带噪声的谱中心在载频附近那单双边换算的简单关系中要小心通常要在载频附近做等效低通处理再算。4. 高斯过程与窄带高斯噪声整章最硬的一块4.1 高斯过程的三个核心性质高斯过程的定义是对任意 n 个时刻采样得到的 n 个随机变量服从联合高斯分布。它之所以在通信里到处都是是因为热噪声在大量独立微小扰动叠加下被中心极限定理推向高斯分布而接收机里的滤波、放大都是线性运算线性运算不会破坏高斯性。三条性质必须记牢第一高斯过程的全部统计特性由均值和自协方差函数确定。也就是说只要知道一阶矩和二阶矩概率密度就完全确定了高阶矩全部可以由它们推出。这也是为什么只要算出均值和自相关高斯过程的题基本就做完了。第二高斯过程经过线性系统输出仍是高斯过程。这条性质是后面所有抗噪声性能分析的基石正因为输出还是高斯才能用简单的高斯积分算出误码率。第三高斯过程宽平稳与严平稳等价不相关与独立等价。前一条前面讲过后一条在判断两个分量是否独立时是决定性依据——非高斯过程你就得老老实实算联合分布。4.2 窄带过程的同相正交分解窄带随机过程的特征是中心频率远大于带宽即 f_c Δf。这种过程在时域上表现为一个包络缓慢变化、相位缓慢变化的近似正弦波写成X(t) X_c(t)cos(ω_c t) - X_s(t)sin(ω_c t)其中 X_c(t) 叫同相分量X_s(t) 叫正交分量两者都是低频相对于载频的慢变化过程。也可以写成包络相位形式 X(t)A(t)cos[ω_c tφ(t)]其中 A(t)√(X_c²X_s²) 是包络φ(t)arctan(X_s/X_c) 是相位。这个分解的动机是窄带过程在频域上挤在载频附近的一小段直接研究它对解题没帮助而把它搬到基带相当于频谱左移就变成一个低通过程数学上好处理得多。这也是等效基带思想的最早一次出现后面学数字调制解调时会大量复用。关于同相和正交分量有几个结论要记如果窄带过程是均值为零的平稳高斯过程那么 X_c 和 X_s 都是均值为零的平稳高斯过程且它们的方差相同当窄带过程的功率谱关于载频 ω_c 偶对称时同一时刻的 X_c 和 X_s 互不相关由于是高斯所以互相独立。这个对称性前提是很多推导的关键题目里如果只说窄带高斯噪声而没提对称性那这个独立结论在严格意义上不能直接套用不过多数教科书默认功率谱关于载频对称。4.3 包络瑞利分布与相位均匀分布的推导路线这部分是难点中的难点但推导只有三步理解一次就能自己复现。第一步写出 X_c 和 X_s 的联合概率密度。由于二者是零均值、方差均为 σ² 的独立高斯变量联合密度是f(x_c, x_s) 1/(2πσ²) · exp[-(x_c² x_s²)/(2σ²)]第二步做变量代换。令 x_c A cosφx_s A sinφ则 x_c²x_s² A²雅可比行列式 |J| A。这里雅可比是 A 而不是常数是包络分布里那个 A 因子的来源也是很多人推导时漏掉的一步。第三步代入求边缘分布。对相位积分得到包络的瑞利分布f(A) (A/σ²)·exp[-A²/(2σ²)], A≥0对包络积分得到相位在 [0,2π) 上均匀分布且包络与相位相互独立。理解这三个结论的物理意义比背公式更重要包络服从瑞利分布说明窄带高斯噪声的幅度大部分时候比较小偶尔出现较大值所以瑞利分布右侧有一条长尾相位均匀分布说明载波的相位在窄带噪声下被完全随机化这就是为什么相干解调必须从接收信号里恢复载波相位否则相位偏差会导致信号畸变。再补几个瑞利分布的常用数字均值 E[A]σ√(π/2)≈1.253σ方差 D[A](2-π/2)σ²≈0.429σ²。这些数值在算信噪比、判决门限时会用到。另外要注意 σ² 在这里是窄带噪声的功率也就是方差不是包络的方差很多同学在代入数值时把两者搞混。4.4 正弦波加窄带高斯噪声从瑞利到莱斯实际接收场景里信号不可能是纯噪声而是确定的正弦波叠加窄带高斯噪声即r(t) A cos(ω_c t) n(t)结论是合成包络服从广义瑞利分布也叫莱斯分布它的密度里含有一个零阶修正贝塞尔函数。这个分布的行为由信噪比决定当信噪比很小噪声占主导时莱斯分布退化为瑞利分布当信噪比很大信号占主导时莱斯分布退化为高斯分布包络集中在 A 附近。这个两端退化的结论非常有用因为它把三种分布串起来瑞利分布描述纯噪声的包络莱斯分布描述信号加噪声的包络高斯分布描述强信号下的包络。做题时如果题目给出信噪比很小的条件直接用瑞利结论替代莱斯结论是很常见的简化手段但一定要在解答里说明这个简化的依据否则会被扣步骤分。5. 随机过程通过线性系统解题套路与三个输出量5.1 三个量的关系式这部分是第三章里最有章可循的一节几乎所有题都是同一个套路已知输入过程的自相关函数或功率谱求输出的均值、自相关函数、功率谱再求输出功率。前提是输入平稳、系统线性时不变且稳定。三个核心关系输出均值E[Y(t)] E[X(t)]·H(0) a·∫h(t)dt。注意是乘 H(0)也就是系统在直流处的频率响应不是某个频率上的值。直观理解是直流分量经过系统只被直流增益缩放。输出自相关R_Y(τ) R_X(τ) * h(τ) * h(-τ)两次卷积。这个式子计算麻烦所以一般不用它直接算。输出功率谱P_Y(ω) P_X(ω)·|H(ω)|²。这个式子最好用先求谱再反变换回自相关是标准流程。另外输出总功率是 R_Y(0) (1/2π)∫P_X(ω)|H(ω)|²dω也就是输入功率谱经过系统幅频特性平方的加权积分。看到求输出噪声功率这类问题直接写这个积分式就行。还有一个常被问到的结论如果输入是高斯的输出还是高斯的如果输入是白噪声输出就不是白噪声了而是有色噪声其功率谱形状完全由 |H(ω)|² 决定因此输出的相关时间由系统带宽决定带宽越窄输出的自相关函数衰减越慢相关性越强。5.2 两个必须会算的典型题类型一白噪声通过 RC 低通滤波器。设输入双边功率谱为 n₀/2系统的频率响应 H(ω)1/(1jωRC)幅频平方 |H(ω)|²1/[1(ωRC)²]。输出功率谱就是 P_Y(ω)(n₀/2)/[1(ωRC)²]也就是前面提到的洛伦兹型。反变换回去输出自相关函数是R_Y(τ) n₀/(4RC) · e^{-|τ|/RC}输出功率取 τ0得到 R_Y(0)n₀/(4RC)。这个结果里没有出现频率变量只跟 RC 时间常数有关物理意义很清楚时间常数越大带宽越窄通过的总噪声功率越小。验算方法是把 P_Y(ω) 全频域积分再除以 2π我每次算完都会这样验一遍因为反变换时的 1/2π 和 1/(2a) 这两个系数特别容易漏。类型二白噪声通过理想低通滤波器。理想低通在 |ω|≤ω_c 内幅频为 1其余为零输出功率谱就是带内的常量 n₀/2。反变换得到R_Y(τ) n₀f_c · sin(2πf_c τ)/(2πf_c τ) n₀f_c · sinc(2f_c τ)输出功率 R_Y(0)n₀f_c。这个结果要记住两点一是自相关函数是 sinc 形状在 τ1/(2f_c) 处第一次过零说明以这个间隔采样的样本近似不相关这直接对应了奈奎斯特采样定理的结论二是当带宽趋于无穷时自相关退化成冲激回到白噪声的情形。5.3 算这类题时我踩过的坑第一个坑是把 |H(ω)| 和 |H(ω)|² 搞混。功率谱要乘的是幅频特性的平方因为功率跟幅度平方成正比这个物理关系一定要清楚不要因为看到公式里有个平方就随手乱加。第二个坑是把 H(0) 算成 H(∞) 或者 H(ω_c)。输出均值只跟直流增益有关RC 低通的 H(0)1所以白噪声零均值输入经过它均值还是零但如果输入有直流分量输出均值就等于输入均值乘 H(0)跟带宽参数完全无关。这一点我在第一遍做题时理解错了以为带宽窄了均值也会小其实不然。第三个坑是积分区间选错。求输出功率时双边谱要积分整个实轴如果只有单边谱积分范围是 0 到正无穷但公式里的系数要相应调整。混用双边谱和单边谱公式是这一章数值题最常见的失分原因做题前先在草稿纸顶端写一行本次使用双边谱或者本次使用单边谱强迫自己统一口径。第四个坑是忽略线性系统的适用条件。所有结论都建立在系统线性时不变的基础上如果题目里出现了非线性器件比如平方律检波器、限幅器那就不能套这些公式只能回到定义去算输出的分布。这类题的识别方法很简单看系统框图上有没有非线性符号。6. 复习策略与必背结论清单6.1 这一章必须能默写出来的结论复习到后期我发现真正需要当场推出的公式其实很少大部分题目都能靠一组核心结论快速解决。下面这张表是我自己整理的默写清单建议至少手写三遍做到不看书就能写出来结论表达式常见用途宽平稳条件均值为常数R 只与 τ 有关平稳性判断题各态历经充分条件τ→∞ 时 R(τ)→a²遍历性判断维纳-辛钦R(τ) 与 P(ω) 互为傅里叶变换时频互换平均功率R(0)(1/2π)∫P(ω)dω验算与求功率直流冲激常数 a² 对应 2πa²δ(ω)含直流项的谱白噪声R(τ)(n₀/2)δ(τ)双边谱 n₀/2噪声建模线性系统输出谱P_Y(ω)P_X(ω)·|H(ω)|²滤波计算包络瑞利分布f(A)(A/σ²)exp[-A²/(2σ²)]窄带噪声相位分布均匀分布与包络独立窄带噪声这张表覆盖了第三章百分之八十的考点剩下的莱斯分布、同相正交分量方差相等、高斯过程三性质都属于理解型内容理解了就不容易忘。6.2 时间紧张时怎么分配复习顺序如果只剩一天时间我的建议顺序是先啃自相关函数与功率谱的换算再补平稳性判定最后处理窄带噪声。原因是功率谱换算在后续所有抗噪声性能章节里都要用到是硬通货平稳性判定主要出选择判断分值低但提分快窄带噪声只在少数大题里出现而且只要记住包络分布和相位分布的结论很多题不需要完整推导。如果时间充裕窄带噪声的推导一定要自己动手写一遍雅可比那一步。我第一次推导时把雅可比写成了常数 1结果怎么算都不对翻了半天才发现问题出在变量代换上。这类错误只有亲手推过才不会在考场上犯。6.3 几个我自己总结的判断技巧看到题目里 R(τ) 是三角函数形式先别急着算傅里叶变换想想它是不是来自随机相位正弦波如果是功率谱就是两个冲激可以直接写出来省掉一堆积分。看到 R(τ) 里出现 δ(τ)基本可以确定是白噪声接着就去找它的功率谱是不是常数。看到题目问输出噪声功率条件反射写出 P_X(ω)|H(ω)|² 的积分式。看到不相关和独立同时出现在选项里先判断过程是不是高斯是高斯的就可以等价不是就必须分开处理。我个人在实际做题中的体会是第三章真正难的不是任何一个公式而是把时域的相关性和频域的功率分布这两套语言自由切换的能力。前期我习惯死记硬背变换对做题速度很慢后来改成每次算完都用 R(0) 反验一遍既检查了系数也顺手理解了物理意义正确率一下子稳住了。另外一个小技巧是准备一张纸专门记算错的题只写错因不写答案比如单双边谱混用忘了 1/2πH(0) 用错考前只看这一张纸比重新翻一遍教材有效得多。