第3章 随机过程.pptVIP

回顾 随机过程的基本概念 角度1：对应不同随机试验结果的时间过程的集合. ?(t) ={?1 (t), ?2 (t), …, ?n (t)}是全部样本函数的集合。 角度2：随机过程是随机变量概念的延伸。 随机过程是在时间进程中处于不同时刻的随机变量的集合。 随机过程在任意 时刻的值是一个 随机变量。 回顾 随机过程的数字特征 均值（数学期望） 表示随机过程的n个样本函数曲线的摆动中心。 积分是对x进行的，表示t 时刻各个样本的均值，不同时刻t的均值构成摆动中心。 方差 表示随机过程在t时刻对于均值a(t)的偏离程度。等于均方值与均值平方之差。 第3章 随机过程 相关函数和协方差函数 反映随机过程在任意两个时刻上获得的随机变量之间的关联程度。 自相关函数和自协方差函数之间的关系 互相关函数：将相关函数的概念引伸到两个随机过程 回顾 严（狭义）平稳随机过程 性质 回顾 平稳过程的自相关函数 典型例题 1.随机过程?(t)的功率谱密度如图 试求：⑴自相关函数R(τ)； ⑵直流功率； ⑶交流功率。 典型例题 2.设s(t)是一个平稳随机脉冲序列，其功率谱密度为Ps(f),求已调信号e(t)= s(t) cosωct 的功率谱密度Pe(f)。 第3章 随机过程 3.3 高斯随机过程（正态随机过程） 第3章 随机过程 |B| － 归一化协方差矩阵的行列式，即 |B|jk －行列式|B|中元素bjk的代数余因子 bjk － 为归一化协方差函数，即 第3章 随机过程 3.3.2 重要性质 对于高斯过程，只需要研究它的数字特征。 由高斯过程的定义式可以看出，高斯过程的n维分布只依赖各个随机变量的均值、方差和归一化协方差。 广义平稳的高斯过程也是严平稳的。 因为，若高斯过程是广义平稳的，即其均值与时间无关，协方差函数只与时间间隔有关，而与时间起点无关，则它的n维分布也与时间起点无关，故它也是严平稳的。所以，高斯过程若是广义平稳的，则也严平稳。 第3章 随机过程 如果高斯过程在不同时刻的取值是不相关的，那么它们也是统计独立的。 如果高斯过程在不同时刻的取值是不相关的，即对所有j ? k，有bjk =0，则其概率密度可以简化为 高斯过程经过线性变换后的过程仍是高斯过程。即若线性系统的输入为高斯过程，则系统输出也是高斯过程。 若干个高斯过程的代数和的过程仍是高斯型。 第3章 随机过程 3.3.3 高斯随机变量 定义： 高斯过程在任一时刻上的取值是一个正态分布的随机变量，也称高斯随机变量，其一维概率密度函数为 第3章 随机过程 性质 ⑴f (x)对称于直线 x = a，即 ⑵ ⑶a表示分布中心，? 称为标准偏差，表示集中程度，图形将随着? 的减小而变高和变窄。 若a = 0,? = 1，称为标准化正态分布： 第3章 随机过程 正态分布函数（正态分布的概率密度f (x)的积分） 这个积分的值无法用闭合形式计算，通常利用其他特殊函数，用查表的方法求出： 用误差函数erf (x)表示： －误差函数，可以查表求出其值。 令 则有 及 第3章 随机过程 误差函数是自变量的递增函数，且有 erf(0)=0，erf(∞)=1，erf(-x)=-erf(x) 用互补误差函数erfc(x)表示： 式中 互补误差函数是自变量的递减函数，且有erfc(0)=1，erfc(∞)=0，erfc(-x)=2-erfc(x)。 当x 2时， 第3章 随机过程 用Q函数表示： Q函数定义： Q函数和erfc函数的关系： Q函数和正态分布函数F(x)的关系： Q(-x)=1- Q(x)，x≥0；Q(0)=1/2， Q(∞)=0。 第3章 随机过程 3.4 平稳随机过程通过线性系统 确知信号通过线性系统（复习） ： 线性时不变系统可由其单位冲激响应h(t)或其频率响应H(f)表征。输入与输出关系可以表示成卷积 式中 vi － 输入信号， vo － 输出信号 对应的傅里叶变换关系： 第3章 随机过程 随机信号通过线性系统：