信号检测与估计2课稿.doc

第2章 信号检测与估计理论的基础知识 2.1引言 2.2随机变量、随机矢量及其统计描述 2.2.1随机变量的基本概念 2.2.2随机变量的概率密度函数 2.2.3随机变量的统计平均量 1. 随机变量的均值 2. 随机变量的矩 随机变量的概率密度函数的分布曲线关于它的均值的倾斜程度用倾斜度(skewness)来表示。的倾斜度与它的三阶中心距有关，如式（2.2.19）所示。随机变量的概率密度函数的分布曲线在其均值的高峰程度用峰度(kurtosis)来表示。的峰度与它的四阶中心距有关，如式（2.2.20）所示。 3. 随机变量的中值 设随机变量的概率密度函数为，则将一分为二，各占1/2面积的分界点，称为随机变量的中值，又称为的中位数，记为 4. 随机变量的众数 设随机变量的概率密度函数为，则的峰值对应的值，称为随机变量的众数，记为 2.2.4一些常用的随机变量 均匀分布随机变量 图2.1均匀分布随机变量的PDF曲线 2. 高斯分布随机变量 图2.2高斯分布随机变量的PDF曲线（） 图2.3标准高斯分布随机变量的PDF曲线 3. 三角对称分布随机变量 图2.4三角对称分布随机变量的PDF曲线 图2.5三角对称分布随机变量的PDF曲线（0＜b＜a） 4. 单边、双边指数分布随机变量 图2.6单边指数分布随机变量的PDF曲线（β＞0） 图2.7双边指数分布随机变量的PDF曲线（β＞0） 5. 瑞利（Rayleigh）分布随机变量 图2.8瑞利分布随机变量的PDF曲线（） 6. 广义瑞利分布随机变量（p(u)函数是归一化的广义瑞利分布概率密度函数） 图2.9广义瑞利分布随机变量的PDF曲线（） 2.2.5随机矢量及其统计描述 1. 随机矢量的概念 2. 随机矢量的概率密度函数 3. 均值矢量和协方差矩阵 4. 统计独立性 5. 联合高斯随机矢量 （如果各随机变量互不相关，则2.2.44变为2.2.45，表明各随机变量同时是相互统计独立的，进而如果各随机变量是独立同分布的，则2.2.45变为2.2.46） 2.2.6随机变量的函数 1. 一维随机变量的情况 2. N维随机矢量的情况 2.2.7随机变量的特征函数 1. 随机变量特征函数的定义 2. 特征函数的主要性质 3. N个相互统计独立高斯随机变量之和的概率密度函数 （2.2.67是假设各高斯随机变量是独立同分布的，各随机变量均值是，方差是） （2.2.69是各随机变量均值的特征函数，假设各高斯随机变量是独立同分布的，各随机变量均值是，方差是就得到公式2.2.70） 4. 随机变量的特征函数与原点矩之间的关系 （2.2.76的来由：若将的展开成泰勒级数，并利用2.2.75式的关系，则容易得到的与的关系式为2.2.76式） 2.2.8随机矢量的联合特征函数 (2.2.79) (2.2.80) 2.3随机过程及其统计描述 2.3.1随机过程的概念和定义 1. 随机过程的基本概念 2. 随机过程的定义 2.3.2随机过程的统计描述 图2.10连续随机过程x（t，ζ），t∈T，ζ∈Ω的M个样本函数图形 2.3.3随机过程的统计平均量 1. 随机过程的均值 2. 随机过程的均方值 3. 随机过程的方差 4. 随机过程的自相关函数 5. 随机过程的自协方差函数 6. 随机过程的互相关函数 7. 随机过程的互协方差函数 2.3.4随机过程的平稳性（***） 1. 随机过程平稳性分类 2. 严格平稳与广义平稳随机过程的关系 3. 平稳随机过程的统计平均量（方差，自相关，自协方差，表示均方值) 4. 联合平稳随机过程及其统计特性 2.3.5随机过程的遍历性 1. 时间平均量 2. 各态遍历的随机过程 3. 随机过程的平稳性和遍历性的关系 如果随机过程具有均值和自相关函数的遍历性，则其时间平均值为常数，时间自相关与时间间隔有关，所以遍历过程一定是平稳过程，但并非所有的平稳过程都是遍历的。这是从理论上讲的。实际上，几乎所有的平稳过程都是各态历经的。 2.3.6随机过程的正交性、不相关性和统计独立性 1. 定义 2. 关系（两个随机过程正交，不相关和独立关系） 2.3.7平稳随机过程的功率谱密度 1. 功率谱密度的概念 2. 功率谱密度的主要性质 3. 互功率谱密度 2.4复随机过程及其统计描述 2.4.1复随机过程的概率密度函数 2.4.2复随机过程的二阶统计平均量 2.5线性系统对随机过程的响应 图2.11 线性