随机过程.pptVIP

第3章 随机过程 随机过程 平稳随机过程 高斯随机过程 平稳随机过程通过线性系统 窄带随机过程 高斯白噪声和带限白噪声 §3.1 随机过程的基本概念 随机信号 信号的某个或某几个参数不能预知或不能完全被预知，这种具有随机性的信号称为随机信号。 随机噪声 不能预测的噪声统称为随机噪声。 从统计学的观点看，随机信号和噪声统称为随机过程。 随机过程定义 随机过程是依赖于时间参量t变化的随机变量的总体或集合；也可以叫做样本函数的总体或集合。 习惯用ξ(t)表示随机过程。 基本特征： 观察区间内是一个时间函数（称为实现） 任一时刻上观察到的值不确定，是一个随机变量 与随机变量的比较： 两者在定义方法上相似 样本空间不同： ①随机变量的样本空间是一个实数集合 ②随机过程的样本空间是一个时间函数的集合 结论：随机过程具有随机变量和时间函数的特点 一般描述 分布函数： 概率密度函数：分布函数对x的偏导数 部分描述——数字特征 数学期望 定义： 意义： 表示随机过程各个时刻的数学期望随时间的变化情况 本质就是随机过程所有样本函数的统计平均函数 方差 定义： 意义： 表示随机过程在时刻t对于均值的偏离程度 数学期望和方差描述了随机过程各个孤立时刻的特征，无法反映随机过程在不同时刻的联系。 协方差函数 定义 相关函数 定义 两者关系 协方差函数和相关函数用来衡量随机过程在任意两个时刻上获得的随机变量的统计相关特性。 §3.2 平稳随机过程 重要性 在实际应用特别在通信中所遇到的大多属于或接近于平稳随机过程。 平稳随机过程可用一维、二维数字特征很好地描述。 平稳随机过程（严平稳或狭义平稳） 定义： n维分布函数或概率密度函数不随时间的平移而变化的随机过程。 或者：随机过程 n维分布函数或概率密度与时间的起点无关，则该随机过程称为平稳随机过程。 概率密度函数： 特点： 数学期望和方差与时间t无关，均为常数 E[X(t)]= E[X(0)] 自相关函数与时间起点无关，只与时间间隔有关 RX(t, t+τ)＝E[X(t) X(t+τ)]＝RX(τ) 即：X(t)的自相关函数仅是时间差t2－t1＝τ的单变量函数 广义平稳或宽平稳随机过程 定义：数学期望及方差与时间无关，而自相关函数仅与时间间隔有关的随机过程。 特点：只涉及一维、二维数字特征。 与狭义平稳的关系：狭义平稳只要数字特征存在，则必定是广义平稳；但反之，则不一定成立。 注：不特别说明，均指广义平稳随机过程 各态历经性 各态历经性：随机过程的各个实现如果都同样经历了随机过程的各种许可状态，该特性称为各态历经性。 遍历平稳随机过程：具有各态历经性的平稳随机过程。 特点：遍历平稳随机过程的数字特征完全可由该过程的任一实现的数字特征来决定，即可用时间平均值来代替统计平均值。 公式成立（条件） 平稳随机过程自相关函数 重要性 其统计特性可通过自相关函数来描述 自相关函数与平稳随机过程的谱特性有着内在的联系 性质 R(0)为平稳随机过程的平均功率 即 自相关函数在时间间隔τ=0处有最大值 R(∞)为平稳随机过程的直流功率 R(0)－R(∞)=方差，为平稳随机过程的交流功率。 物理意义：平稳随机过程的平均功率与直流功率之差等于其交流功率。 平稳随机过程 的功率谱密度 信号的时域与频域间的关系为傅里叶变换关系 对平稳随机过程而言，其自相关函数 和功率谱密度 为一对傅里叶变换关系 平稳随机过程的功率谱密度 的性质： 为 的偶函数 随机过程的平均功率等于功率谱密度在频域上的积分 为非负函数 两个概念： 双边功率谱密度 单边功率谱密度：根据 的偶函数性质，把负频率范围的谱密度折算到正频率范围内，定义为单边功率谱密度。 §3.3 高斯随机过程 特点： 又称正态随机过程，普遍存在并十分重要。 在通信信道中的噪声通常是一种高斯过程。 定义： 随机过程 ，若其任意n维分布服从正态分布(n=1，2，……），则称其为高斯过程。其n维正态概率密度函数表示。 性质： 对随机过程 在t1、 t2、…… tn时刻观察得到一组随机变量x1、 x2、…… xn。若随机过程 是高斯过程，则随机变量x1、 x2、…… xn的n维联合概率密度函数仅由各随机变量的数学期望、方差和两两之间的归一化协方差函数决定。 高斯过程若广义平稳，则狭