随机过程第四章和第五章摘要.ppt

当 为实数，一般他们的频谱 是复数，所以有 ∴ 定义又可表示为： 2. 互谱密度和互相关函数之间的关系 类似研究平稳过程X(t)的自相关函数与谱密度之间的关系一样，我们可给出联合平稳过程互相关函数与互谱密度函数之间的关系表达式。 定义：若联合平稳过程X(t)、Y(t)的两个互相关函数 满足 例5.7 已知平稳过程 、 的三谱密度为 式中， 为实数，求互相关函数 。 解 3. 互谱密度的性质 下面我们简要给出互谱密度的性质如下 ① ②若 与 为实过程，则 的实部 是偶函数，虚部 是奇函数。 ③若平稳过程 和 相互正交，则 ④若 和 是两个不相关的平稳过程，分别有非零均值 ，则 ⑤ 习题五 1. 已知平稳过程 的谱密度为 ，求 的均方值 。 2. 已知平稳过程 的自相关函数为 求 。 3. 如下图的系统中，若 为平稳过程，证明 的功率谱是 4. 已知平稳过程的谱密度为 求 5. 设 和 为两个平稳过程，其中，A、B、 为常数， 上服从均匀分布的随机变量。求 。 6. 已知平稳过程 。 其中a, b， 实常数，求互相关函数 。 * * 第五章 随机过程的功率谱密度 当我们在时间域内研究某一函数的特性时，如果确定起来不方便，在数学上我们可以考虑将此函数通过某种变换将它变换到另一区域，比如说频率域内进行研究，最终目的是使问题简化。傅里叶变换提供了一种方法，就是如何将时间域的问题转换到频率域，进而使问题简化。在频率域内，频率意味着信息变化的速度。即，如果一个信号有“高”频成分，我们在频率域内就可以看到“快”的变化。这方面的应用在数字信号分析和电路理论等方面应用极广。 是不是任何一个时间函数都可以将其通过傅氏变换变到频率域去研究呢？我们说当时间函数 满足绝对可积条件时可以。 然而，随机过程的样本函数，即 一般不满足绝对条件，因此随机过程不能直接进行付氏变换。此外，很多随机过程的样本函数不规则，无法用方程描述。这样，若想直接对随机过程进行谱分解，显然也不行。但是，对随机过程进行某种处理后，同样可对随机过程施行傅里叶变换。 §5.1 功率谱密度 为了研究随机信号的傅氏变换，我们首先简单复习一下确定信号 的频谱、能谱密度及能量概念，然后再引入随机过程的功率谱密度概念。 定理5.1 设S(t)是一个确定信号，且在 上，则S(t)的傅氏变换存在，或者说具有频谱 记为 一般频谱 是一个复数，且有 ，*表示共轭。我们知道，对于复数有 ∴ 对于定理的物理解释是，或 代表电流或电压，则定理条件要求 ，即是要求 的总能量必须有限。 由积分变换的巴塞伐能量公式有 下面我们来解释一下公式的物理含义 等式左边表示 在 上的总能量，而右边积分中被积函数 相应地称为能谱密度。巴塞伐公式理解为时间域上的总能量可用频率域上的频谱能量表示。 然而，工程技术上有许多重要的时间函数总能量是无限的，不能满足傅氏变换绝对可积条件，如正弦 就是。我们要研究的随机过程，由于持续时间是无限的，所以其总能量也是无限的，即 所以随机过程的频谱不存在。 那么该如何应用傅氏变换工具来对随机过程进