概率论与随机过程第2章(免费阅读).pptVIP

第二章 随机信号概论 §1. 随机过程的概念 随机试验→随机事件→随机变量→随机变量的 函数→随机函数→随机过程。 随非随机参数变化的随机变量，称为随机函数。 例如，X (u,v). 随时间参数 t 变化的随机变量，称为随机过程。 例如，X(t) 。 1. 非随机参数对应的函数值是随机变量; 2. 随机过程是随机函数的特例。 其中， 是随机试验第i次的实验结果 ，即随机过程的第i 次实现，也称为随机过程的样本(函数)； 所有 的集合 { } 构成随机过程。随机过程既是时间t，又是可能试验结果 的函数，记为 ; 2. 表示随机过程 在t1时刻的各可能结果的取值，称为随机过程 在t1时刻的随机变量。 随机过程的严格定义： 设随机试验E，其样本空间为 。若 ，总有一个确定的时间函数 ， 与之对应，则对于所有的 所对应的一族时间t 的函数，称为随机过程。族中的每一个函数称为这个随机过程的样本函数。 因此，有： 1） 为一时间函数族，记为 ； 2） 为一随机变量，记为 ； 3） 为一确定的时间函数，记为 ； 4） 为一确定值，记为 。 随机过程的分类 第一种：按时间和状态分类 类别 状态 时间 连续随机过程 连续 连续 离散随机过程 离散 连续 连续随机序列 连续 离散 离散随机序列 离散 离散 第二种：按样本函数形式分类 类别 过去观测值与未来值的关系 不确定随机过程 不可预测 确定随机过程 可预测 第三种：按统计特性、分布函数、概率密度函数等分类： 平稳随机过程、高斯过程、白噪声、独立随机过程等。 §2. 随机过程的研究方法 随机过程的特征： 随机过程的研究方法： 1. 概率描述法： 利用多维概率密度与分布函数的描述； 2. 统计平均描述法：利用数字特征：均值 ，方差 ，相关 函数，高阶矩等描述。 概率描述法： 概率描述是从随机过程X(t)在某一个时刻ti 的随机变量 的概率密度 （其关心的是ti时刻， 发生的概率）开始描述，逐步延伸到某二个时刻ti，tj的随机变量 , 的联合概率密度 ，直至随机过程X(t)在n个时刻n维随机变量的描述。即利用多维随机变量的概率密度和分布函数对随机过程细部特征的一种描述方法。因此，可称这种描述可称为一种微观描述。 显然，随着维数n 的增加对随机过程的描述将渐逐地清晰。理论上当n→∞，则描述完备。 然而，随着描述的深入，其复杂度将越来越高。 统计平均描述法： 统计平均描述法所关心的是随机过程在某时刻或不同时刻的平均特征—均值；偏离均值的程度—方差，不同时刻随机变量之间的相关程度—相关函数，等数字特征。总之，统计平均描述法是从统计平均的意义上研究随机过程的宏观特性。 随机过程的数字特征： 1. 均值 对于任意时刻 ，随机过程 为一随机变量。故, 由于 的任意性，所以对于随机过程 ，其均值为时间 的函数，故有 。 物理意义： 表示在单位电阻上消耗