随机信号分析第三章new.pptVIP

严平稳随机过程 设有随机过程{ X(t) , t ∈T}，若对于任意n和任意t1t2…tn，（ti ∈T）时刻的n个状态的n维概率密度，不随时间平移?t而变化。(?t为任意值) 严平稳随机过程性质 说明 要按上述严平稳过程的定义来判断一个过程是否平稳?是很困难的 一般在实用中，只要产生随机过程的主要物理条件，在时间进程中不变化。则此过程就可以认为是平稳的。 另一方面，对有些非平稳过程，可以根据需要，如果它在所观测的时间段内是平稳的，就可以视作这一时间段上的平稳过程来处理。即在观测的有限时间段内，认为是平稳过程。 一般在工程中，通常只在相关理论的范围内讨论过程的平稳问题。即：讨论与过程的一、二阶矩有关的问题 宽平稳随机过程 结论 例题 For a process that is known to be ergodic,the autocorrelation function can be estimated by taking a sufficiently long time average of the autocorrelation function of a single realization.we demonstrate this via MATLAB for a process that consists of a sum of sinusoids of fixed frequencies and random phases. For an arbitrary signal x(t),we note the similarity between the time averaged autocorrelation function and convolution of x(t) and x(-t). MATLAB code Results 举例 平稳相依过程互相关函数性质 平稳随机序列的自相关矩阵 Toelitz矩阵 自相关矩阵的正则形式 偏移量 若 ，称 为无偏估计 ，称 为有偏估计 无偏估计表示估计量仅在它的真值附近摆动。 渐近无偏估计 最大似然估计 假设已知观测样本数据 N 为观测次数 当 时， 方差的估计 假设待估计的随机序列为独立高斯随机序列，可以证明，方差的最大似然估计为 其中， 渐近无偏估计 ①非参数估计 对每一个延迟值都估计一个 ②参数估计 先假设自相关函数有一定解析形式[如 ]，把对 的估计转化为 和a的估计，其中前一个方法是后一种方法的前提，这里只讨论非参数估计。 ① 公式 xcorr Cross-correlation Syntax c = xcorr(x,y) c = xcorr(x) c = xcorr(x,y,option) c = xcorr(x,option) c = xcorr(x,y,maxlags) c = xcorr(x,maxlags) c = xcorr(x,y,maxlags,option) c = xcorr(x,maxlags,option) [c,lags] = xcorr(...) 参考Sophocles J.Orfanidis资料 /* corr.c - sample cross correlation */ void corr(N, y, x, M, R) double y[], x[], R[]; int N, M; { int k, i; for (k=0; k=M; k++) for (R[k]=0, i=0; iN-k; i++) R[k] += y[i+k] * x[i] / N; } 作业 3.7 3.12 3.14 3.16 3.20 (2)—复随机变量Z的方差： (3)—两个复随机变量Z1=X1+jY1 与 Z2=X2+jY2的协方差： (4)—两个复随机变量Z1=X1+jY1 与 Z2=X2+jY2相互独立的条件 (5)—两个复随机变量Z1,Z2的互不相关 (6)—两个复随机变量Z1,Z2的正交 复随机过程 1、定义复随机过程为： Z(t) = X(t) + jY(t)