第12章系统辨识的基本概念和随机过程.ppt

* 二者关系为 如果B（t1，t2）和R（t1，t2）是衡量同一随机过程不同时刻的相关程度的，称为自协方差函数和自相关函数。 如果是两个或多个随机过程，用互协方差函数和互相关函数描述不同随机过程在不同时刻的相关程度。 引入时间间隔τ： 自相关函数定义： * 试求下列均匀概率密度函数的数学期望和方差。 [例] 自相关函数的性质： 互相关函数的性质： 如果 表示两个随机过程是不相关（正交的随机过程） * 2.3 平稳随机过程 2.3.1 定义 对于任意的正整数n和任意实数t1，t2，...，tn，τ，随机过程ξ(t)的n维概率密度函数满足 则称ξ(t)为平稳随机过程（严平稳随机过程或狭义平稳随机过程）. 一维概率密度函数 二维概率密度函数 平稳随机过程的数学期望 2.3.2 平稳随机过程的特点 * 平稳随机过程的方差 平稳随机过程的一维概率密度与时间无关； 二维概率密度只与时间间隔τ有关； 数学期望和方差均与时间无关； 它的自相关函数只与时间间隔τ有关。 推论 自相关函数 * 2.3.3 广义平稳随机过程 定义： 若随机过程ξ(t)的数学期望和方差与时间无关，自相关函数仅是τ的函数，则称它为宽平稳随机过程或广义平稳随机过程。 各态历经性 假设 是一个平稳随机过程 该随机过程统计平均（数学期望）可用时间平均代替 * 该随机过程统计自相关函数可用时间自相关函数代替 称该平稳随机过程具有各态历经性（遍历性）。 “各态历经”的含义：随机过程中的任一实现都经历了随机过程的所有可能状态。 该随机过程的统计方差可用时间方差代替 * 2.4 平稳随机过程的相关函数和功率谱密度 2.4.1 自相关函数的意义 平稳随机过程的统计特性（如数字特征等）可通过自相关 函数来描述； 自相关函数与平稳随机过程的谱特性有着内在的联系。 2.4.2 自相关函数主要性质 R(0)为ξ(t)的平均功率 R(τ)为偶函数 R(0)为R(τ)的上界 R(∞)为ξ(t)的直流功率 R(0)-R(∞)为ξ(t)的交流功率(方差) * 2.4.3 平稳随机过程的频谱特性 确定信号f(t)的自相关函数与其功率谱密度之间有确定的傅 立叶变换关系。 平稳随机过程ξ(t)的自相关函数与其功率谱密度之间也互 为傅立叶变换关系。 上式也称之为维纳-辛钦定理。 * 2.5 高斯过程 2.3.1 高斯分布概率密度函数及其特点 一维高斯分布概率密度函数 一维高斯分布概率密度函数的特点 对称于均值 a ; a表示分布中心，σ表示集中程度; ； 当a=0，σ=1时，称 f (x) 为标准正态分布的密度函数。 在(-∞，a)单调上升,(a，∞)单调下降; * 正态分布函数 概率积分函数 误差函数(互补误差函数)与概率积分函数的关系 误差函数的定义式： 互补误差函数： * 与概率积分函数的关系 x≥a (P47) x a * 2.5.1 高斯过程的定义 若随机过程ξ(t)的任意n维（n=1, 2, …）分布都是正态分布，则称它为高斯随机过程或正态过程。其n维正态概率密度函数表示如下： 其中: * 高斯过程的n维分布完全由n个随机变量的数学期望、方差和两两之间的归一化协方差函数所决定。因此对于高斯过程，只要研究它的数字特征就可以了。 如果过程是宽平稳的，即其均值与时间无关，协方差函数只与时间间隔有关，而与时间起点无关，则它的n维分布也与时间起点无关，故它也是严平稳的。 如果高斯过程在不同时刻的取值是不相关的，则即对所有j≠k，有bjk=0，于是 2.5.2 高斯过程的特点 统计独立 * 2.6 随机过程通过线性系统 2.6.1 经典系统分析的回顾 时域 确定性信号通过线性系统 频域 谱密度之间的关系 2.6.2 输入是平稳随机过程 随机过程通过线性系统 需要解决两个问题： a、输入平稳，输出平稳否? b、输入、输出功率谱密度之间的关系。 * 2.6.3 输出随机过程的统计特性 的数学期望 条件假设：ξi(t)平稳，E[ξi(t)]为已知，h(t)为已知, 根据平稳性假定： 输出过程的数学期望与t无关。 * 的自相关函数 根据平稳性假定： 输出过程是广义平稳的 平稳随机过程经线性系统传输后,输出仍然为平稳随机过程。 ★输入是各态历经的随机过程, 输出也是各态历经的随机过程。 ★★输入是高斯过程,输出也是高斯过程,只是均值和方差发生了变化。 结论 推论 * 的功率谱密度 维纳─欣辛定理：