数字信号处理8.2.pptVIP

8.2 随 机信号 8.2.1 基本概念 随机信号就是不能用明确的数学关系描述、无法精确预测未来值的信号。 随机现象可能产生的全部样本函数称之为随机过程，可能产生的全部样本称为样本空间。 当时间固定在某一时刻时，各样本取值是定义在样本空间上的随机变量. 如果t的取值是离散的，则称为随机序列。 随机序列具有以下两条基本性质： (1)随机序列在任何一点的取值都不是先验确定的。 (2)随机序列可以用它的统计平均特性来表征。 8.2.2分布函数 概率分布函数和概率分布密度是从幅度域描述随机变量或随机序列的有关统计特性的。 随机变量 随机过程(或信号)的分布函数和概率密度函数除了是 的函数外，还是时间 的函数，即 如果要描述一个随机过程两个不同时刻随机变量之间的关系，可引入二维联合分布函数。 8.2.3 数字特征 1 数学期望 随机序列的数学期望定义为 2 均方误差 随机序列的均方误差定义为 3 方差 方差是用来说明随机信号各可能值对其平均值的偏离程度，是信号起伏特征的一种度量，定义为观察值偏离其平均值平方的数学期望 方差与数学期望关系如下 4 自相关函数 描述随机过程在任意两个不同时刻取值之间的相关程度。 自相关函数具有如下性质： (1)自相关函数是一个偶函数，即 (3)方差 8.2.4随机过程的分类 按随机过程的特性可将随机过程分类如下： 平稳随机过程的统计特性与时间无关。工程上常用的判断标准是其数学期望及其自相关函数与时间无关。 非平稳随机过程的数学期望和自相关函数随时间而变化。 所谓各态历经过程，就是平稳随机过程的一个样本函数在无限长时间内的平均值，从概率意义上趋于所有样本函数的统计平均值。 因此随机过程的任何一个样本函数都可以用来描述随机过程的全部统计信息。 定义在某一样本上的均值和自相关函数 对于各态历经过程集平均等于任一样本上的平均；集相关函数等于任一样本上的相关函数，即 8.2.5 维纳-欣钦定理 当 时，自相关函数与功率谱密度是一对傅里叶变换对，它揭示了从时间角度描述随机信号统计规律和从频率角度描述随机信号统计规律之间的联系。 当 是实平稳序列时，自相关函数是实偶函数，故功率谱密度也是实偶函数 功率谱密度是非负的，并且不含有相位信息。 * * 两个随机过程的相关性，可以用互相关函数描述 (2)自相关函数与数学期望、方差的关系为 =集平均 =集相关函数 各态历经随机过程必定是平稳的，而平稳随机过程不一定都具有各态历经性。