第二章随机过程(函数).pptVIP

西安电子科技大学 理学院 解：以Xn表示时刻n时Q的位置，不同的位置就是Xn的不同状态；而且当Xn=i为已知时，Xn+1所处的状态的概率分布只与Xn=i有关，而与Q在时刻n以前如何到达i完全无关，所以{Xn,n=0,1,2 …}是一马氏链，且是齐次的。它的一步转移概率矩阵为： （6）时变谱 如果R采用对称相关函数 查阅马尔可夫过程及其应用！ 2.2 典型随机过程 按分布特性（Xt之间的依赖关系）分类，依照过程在不同时 刻状态的统计依赖关分类。例如：独立增量过程，马尔可夫过 程，平稳过程,更新过程，点过程（点过程的特例：Possion过 程），鞅，高斯随机过程等。 1、鞅过程 鞅论发端于赌博, 是用来刻画赌博(或投机) 规则是否公平的数学模型. 鞅论成为随机分析理论的核心内容, 不仅是沟通概率论与纯数学(如泛函分析、(偏、常) 微分方程、几何分析等) 的重要桥梁，也发展成为数学物理和诸多应用学科(特别是保险、金融等领域) 的主要研究工具之一。实际上属于随机分析的范畴。 样本空间 事件集 概率度量 2、（平稳）独立增量过程 3、更新过程 8 各态历经特性（遍历特性）（3）遍历和平稳的关系 遍历过程必须是平稳的，而平稳过程不一定是遍历的。（遍历必定平稳由遍历定义即可知） 9 随机过程谱表示(频域研究) 前面我们研究了随机过程的统计特性, 包括分布函数、概率密度、均值、方差和相关函数等，这些统计特性都是从时域的角度进行分析的。我们知道，对于确知信号，如果在时域分析较复杂，我们可以利用傅立叶变换转到频域进行分析。同样，对于随机过程，我们也可以利用傅立叶变换来分析随机过程的频谱结构。不过，随机过程的样本函数一般不满足傅立叶变换的绝对可积条件，而且，随机过程的样本函数往往并不具有确定的形状，因此不能直接对随机过程进行谱分解。但随机过程的平均功率一般总是有限的，因此我们可以分析它的功率谱。 称为非周期性时间函数的帕塞瓦(Parseval)等式。 对于随机过程而言，一般不满足严格的傅立叶变换条件，所以其频谱密度和能谱密度均不存在。但在实际中，随机过程的各个样本函数，其平均功率总是有限的，即 （1）功率谱的定义 （1）功率谱的定义 的功率谱密度 的功率谱密度 的功率谱密度 的功率谱密度 syms w t; Fw=(w^2+4)/(w^4+10*w^2+9); ft=ifourier(Fw,w,t); pretty(ft); att_max=30; x1=0.1; yz1=1.5; randn(state,sum(100*clock)) a1=randn(1,1); a2=randn(1,1); a3=randn(1,1); a4=randn(1,1); a5=randn(1,1); a6=randn(1,1); att_jz(1,1)=yz1; time_jz(1,1)=1; att_jz_index=2; time_jz_index=2; time=2; while 5==5 a=randn(1,1); x=a+0.2703*a1+0.1063*a2+0.0475*a3-0.0028*a4-0.0188*a5-0.0012*a6-0.1080*x1; att=yz1+x; yz1=att; x1=x; a6=a5; a5=a4; a4=a3; a3=a2; a2=a1; a1=a; figure(1) plot( time_jz,att_jz) hold on [pxx,f]=psd(att_jz,1024,0.1,hamming(512),128); figure(2) plot(f,10*log10(pxx/(1024/2))); xlabel(频率 Hz); ylabel(psd dB^2/Hz) if att1.5 attatt_max att_jz(1,att_jz_index)=att; time_jz(1,time_jz_index)=time*10; att_jz_index=att_jz_index+1; time_jz_index=time_jz_index+1; time=time+1; end if att_jz_index==1000 break end end 大作业：计算机傅立叶变换的通用程序，计算解求解功率谱密度的例子。 （2）平稳过程功率谱密度的性质 （3）随机序列的功率谱 （4）互功率谱 （5）非平稳信号的功率谱 任意随机过程均成立，但是几乎不能用此方法计算。 基本规律： 随机过程导数的相关函数等于可微随机过程的相关函数的混合偏导数 学习这些用在那儿？ 导数的物理意义… 6 随机过程的连续、微分、积分