第二章 随机过程2-1.pptVIP

第 2 章 4 随机过程X(t)均方连续，则其数学期望连续 证：设 由均方连续的定义，△t→0，则不等式左端趋于0，那么不等式的右端也必趋于0（均值的平方不可能小于0）。即 E[X(t+△t)-X(t)]= E[X(t+△t)]-E[X(t)]→0 注意：E[X(t)]为确定性函数，由预备知识其值连续。可将此结果写成 二 随机过程的导数 预备知识： 对于一般确定性函数，高等数学给出的可导定义如下： 一阶可导： 如果 存在，则 在t处可导，记为 。 二阶可导: 若 存在，则 二阶可导，记为 1 随机过程可导的定义 如果随机过程 满足 则称 在t 时刻具有均方倒数 ，表示为 2 判别方法 由于上面的X(t)是未知的，判断一个随机过程是否均方可微的方法是采用柯西准则。即下面式子成立，则随机过程均方可微。 而 若 时，存在二阶混合偏导数 则 可见，随机过程X(t)在t处均方可微的充分条件为：相关函数在它的自变量相等时，存在二阶混合偏导数且连续，即存在 3 数字特征 （1）随机过程导数的数学期望等于其数学期望的导数 证明： （2）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 证明： （由确定性函数二阶可导定义） 三 随机过程的积分 1 预备知识 对于确定性函数 ， 其中 ， 2 随机过程积分 随机过程X(t)在确定区间[a,b]上的积分为一个随机变量，即 若有 则称 为随机过程X(t) 在[a,b]上的均方积分 推广到带有“权函数”的随机过程的积分 式中“权函数”h(λ,t)是个普通函数，而Y(t)是一个新的随机过程 均方可积的充分条件 3 数字特征 （1）随机过程积分的数学期望等于随机过程数学期望的积分。 证明： 即 （2）随机过程积分的均方值和方差 随机过程积分的均方值等于随机过程自相关函数的二重积分；其方差为随机过程协方差的二重积分。 (3) 随机过程积分的相关函数：等于对随机过程的相关函数作两次变上限积分（先对t1,后对t2积分） 为随机过程 2.3 平稳随机过程和遍历性过程 在通信中，常常把稳定状态下的随机过程，当作平稳随机过程来处理，这样，对这个随机过程任何时候来测量，都会得到同样的结果，从而大大简化了数学模型。对一些非平稳的随机过程，在较短的时间内，常常把它作为平稳随机过程来处理。 然而，对于一个平稳过程，计算其一阶和二阶统计特性是很困难的，而计算其一定时间内的算术平均值相对容易。如果其统计特性与算术平均特性在概率意义下相等，我们称之为遍历性，也叫各态历经性。 一 平稳随机过程 平稳随机过程可以分为严平稳随机过程和宽平 稳随机过程两种。 1 严平稳随机过程 (1) 定义 如果对于任意的n和 ，随机过程X(t)的 n维概率密度满足： 则称X(t) 为严平稳（或狭义）随机过程 。 (2) 一、二维概率密度及数学特征 严平稳随机过程的一维概率密度与时间无关 严平稳随机过程的二维概率密度只与t1,t2的时间间隔有关，而与时间起点无关 (3)严平稳的判断 按照严平稳的定义，判断一个随机过程是否为严平稳，需要知道其n维概率密度，可是求n维概率密度是比较困难的。不过，如果有一个反例，就可以判断某随机过程不是严平稳的，具体方法有两个 (1) 若X(t)为严平稳，k为任意正整数，则 与时间t无关。 (2) 若X(t)为严平稳，则对于任一时刻t0，X(t0)具有相同的统计特性。 2 宽平稳随机过程 若随机过程 X(t)满足 则称X(t)为宽平稳或广义平稳随机过程。 严平稳与宽平稳的关系：严平稳过程的均方值有界，则此过程为宽平稳的，反之不成立。对于正态过程，严平稳与宽平稳等价。 求n维概率密度比较困难，有时只用到一、二阶矩，例如功率（均方值和方差）和功率谱密度（自相关函数），因此，平稳性的定义不需要那么严格。 二 平稳随机过程的性质 性质1 平均功率 性质2 偶对称性 性质3 极值性 证： 任何正函数的数学期望恒为非负值，即 对于平稳过程X(t)，有 代入前式，可得 于是 同理 性质4 对周期性平稳过程X(t)=X(t+T)，T为周 期，有 。 证：由自相关函数的定义和周期性条件，容易得到 性质5 若平稳过程含有一个周期分