随机信号第2章随机信号的时域摘要.ppt

(2)—复随机变量Z的方差： (3)—两个复随机变量Z1=X1+jY1 与 Z2=X2+jY2的协方差： (4)—两个复随机变量Z1=X1+jY1 与 Z2=X2+jY2相互独立的条件 (5)—两个复随机变量Z1,Z2的互不相关 (6)—两个复随机变量Z1,Z2的正交 复随机过程 1、定义复随机过程为： Z(t) = X(t) + jY(t) 式中X(t)和Y(t)都是实随机过程。 2、复随机过程Z(t)统计特性可以由X(t)和Y(t)的2n维联合概率分布 完整的描述，其概率密度为 3、复随机过程Z(t)的数字特征 ⑴—Z(t)的数学期望： ⑵—Z(t)的方差： ⑶—Z(t)的自相关函数： ⑷—Z(t)的自协方差函数： 4、复随机过程Z(t)平稳的条件：(X(t)和Y(t)各自都是平稳过程) 5、两个复随机过程Z1(t)， Z2(t) Z1(t) =X1(t)+jY1(t)， Z2(t)=X2(t)+jY2(t) ⑴—Z1(t)与Z2(t)的互相关函数： (2)—Z1(t)与Z2(t)的互协方差函数： (3)—两个复随机过程Z1(t)， Z2(t)联合平稳的条件： Z1(t)， Z2(t)各自平稳，且： 例:设复随机过程 (4) —两个复随机过程Z1(t)和 Z2(t)互不相关 (5) —两个复随机过程Z1(t)和 Z2(t)正交 ① ② 习题： 2-14 2.5.1 随机序列的收敛 “数列收敛”的概念： 若有数列S1,S2,…,Sn,…对任意小的正实数ε0，总能找到一个正整数N，使得当nN时，存在∣Sn-a∣ ε，对任意nN ，则称数列S1,S2,…,Sn,…收敛于常数 a 。用 表示。 或用S1,S2,…,Sn ， 即称：数列{Sn}的极限为a. 一、随机序列收敛的几种定义 1、随机变量序列“处处收敛” 若随机序列样本空间?={ζ1, ζ2, ζ3}中的“所有” 的样本序列(普通数列)均收敛， §2. 5 随机过程的微分和积分 则称：随机序列{X(n)} “处处收敛”于随机变量X。 记作： 简写： 在上述“处处收敛”的定义中，?中只要有“一个”ζi对应的样本序列 不收敛，则随机序列{X(n)}就不是“处处收敛”的。这个条件一般的随机序列都不容易满足。 下面介绍几种常用的“宽松的” 收敛定义。 2、以概率1收敛（“几乎处处收敛”）almost every where 若随机序列{X(n)}相对试验E的所有可能结果ζ ∈? 满足： 则称：随机序列{X(n)} “以概率1收敛”于随机变量X。 简记： 3、依概率收敛(Probability) 若随机序列{X(n)} 对于任意给定小正数 ， 有： 则称：随机序列{X(n)}“依概率收敛”于随机变量X。 记： 4、依分布收敛(distribution) 设：Fn(x)，n=1,2,…是随机序列{X(n)}的分布函数，F(x)是随机变量X的分布函数。 若存在： 则称：随机变量序列{X(n)}“依分布收敛”于X。 记： 5、均方收敛（平均意义下的收敛）Mean.square 设随机序列{X(n)}对所有 的n=1,2,…二阶矩存在，随机变量X的二阶矩也存在。 若{X(n)}、X满足： 则称：随机序列{X(n)} “均方收敛”于随机变量X。 记作： 或： (2) 均方收敛的充要条件（柯西准则） 若随机序列{X(n)}和随机变量X的二阶矩均存在，则{X(n)}均方收敛于X的充要条件是： 只需要对随机序列{X(n)}的一个方差 进行检验，比较方便。因此，在随机过程中运用的是均方收敛。 四种收敛模式之间的关系： 例 2.12 已知二维随机变量(X,Y)在平面区域 内服从均匀分布。而随机序列{Z(n)}定义在平面区域Gn上(见下图) 证明：(1)随机序列{Z(n)}依概率收敛于0； (2)随机序列{Z(n)}依分布收敛于0； (3)随机序列{Z(n)}均方收敛于0； 证明(1)：因为 所以随机序列{Z(n)}依概率收敛于0。 证明(2)：由题