随机过程的数字特征解析.pptVIP

* 2.2-2 随机过程的数字特征 ? 均值与方差 ? 自相关函与自协方差函数 ? 计算举例 ??? dxtxxftXEtm XX ),()}({)( 2( ) {[ ( ) ( )] } [ ( )] ( )X X Xt E X t m t E X t m t? ? ? ? ? 1. 均值与方差(Mean and Variance) 定义： (1) 均值函数 ?? ?? (2) 方差函数 2 E{X (t )} ? ? (t ) ? m (t ) X X 表示消耗在 单位电阻上 的总的平均 功率。 2 2 2 平均交流 功率。 平均直流 功率。 1. 均值与方差(Mean and Variance) 均值与方差的物理意义 X(t)-----单位电阻上的电压 X2(t)/1-----消耗在单位电阻上的瞬时功率 [X(t)-mx(t)]2/1-----消耗在单位电阻上的瞬时交流功率 E{[X(t)-mx(t)]2/1}-----消耗在单位电阻上的瞬交流功率 的统计平均值 2. 自相关函数与自协方差函数 自相关函数反映了随机过程在 两个不同的时刻取值的相关性。 自相关函数(Autocorrelation Function)的定义： X (t ) X (t ) t t 相关性强,变化越缓慢 2. 自相关函数与自协方差函数 自相关函数可正可负，其绝对值越大，表示相关 性越强。一般说来，时间相隔越远，相关性越弱， 自相关函数的绝对值也越弱，当两个时刻重合时， 其相关性应是最强的，所以RX(t,t)最大。 自协方差函数(Autocovariance Function)的定义： K X (t1 , t2 ) ? E{[ X (t1 ) ? mX (t1 )][ X (t2 ) ? mX (t2 )]} ? E[ X (t1 ) X (t2 )] ? mX (t1 )mX (t2 ) K X (t1 , t2 ) ? RX (t1 , t2 ) ? mX (t1 )mX (t2 ) 2. 自相关函数与自协方差函数 K X (t1 , t 2 ) ? 0 RX (t1 , t 2 ) ? 0 X(t1), X(t2) 不相关 X(t1), X(t2) 正交 f X ( x1 , x2 , t1 , t 2 ) ? f X ( x1 , t1 ) f X ( x2 , t 2 ) X(t1), X(t2) 统计独立 2. 自相关函数与自协方差函数 常用的一些概念: 3. 计算举例 例2.2-3 随机正弦信号的数字特征 X (t ) ? A cos(2?f0t ? ?) ? ?=0，f0是常数，A是均匀分布于(-1,1)上的 随机变量，随机幅度信号 ? A、 f0是为常数, ?为均匀分布于[0, 2?]上的随机变量 随机相位信号 ? ?=0，A=1, f0 均匀分布于[-B,B]上的随机变量 随机频率信号 0 1 0 2[ ]cos 2 cos 2E A f t f t? ? ? ? ?0 1 2 0 1 2[ ] cos 2 )E A f