第3章随机过程解说.ppt

通信原理;为什么研究随机过程？ 在通信系统的研究中，输入信号、干扰、噪声等都不是确知信号，而是随机信号。 这些随机信号具有一定的统计规律性。 随机过程是随机信号的数学模型，研究它的理论就是研究随机信号的数学工具。 ;3.1 随机过程的基本概念 随机过程是一类随时间作随机变化的过程，它不能用确切的时间函数描述。 样本函数?i (t)：随机过程的一次实现，对应一个随机试验结果，是一个时间过程。 随机过程? (t) ：所有样本函数的集合。 ? (t) ={?1 (t), ?2 (t), …, ?n (t)} ;随机过程与随机变量 随机过程在任意时刻的值是一个随机变量。 在任一给定时刻t1上，每一个样本函数?i (t)都是一个确定的数值?i (t1)，但是每个?i (t1)都是不可预知的。这些不同样本的取值{?i (t1), i = 1, 2, …, n}构成一个随机变量，记为? (t1)。 随机过程可被看作是在时间进程中处于不同时刻的随机变量的集合。;3.1.1随机过程的分布函数 设? (t)表示一个随机过程，则它在任意时刻t1的值? (t1)是一个随机变量，其统计特性可以用分布函数或概率密度函数来描述。 随机过程? (t)的一维分布： 分布函数 概率密度函数： ;随机过程? (t) 的二维分布 分布函数 概率密度函数： 随机过程? (t) 的n维分布 分布函数 概率密度函数;3.1.2 随机过程的数字特征-均值、方差与相关函数 均值（数学期望）： 随机变量的均值：在任意给定时刻t1的取值? (t1)是一个随机变量，其均值 f (x1, t1) － ? (t1)的概率密度函数 随机过程的均值： ? (t)的均值是时间的确定函数，常记作a(t)，它表示随机过程的n个样本函数曲线的摆动中心 : ; ;方差 方差常记为? 2( t )，它表示随机过程在时刻 t 对于均值a( t )的偏离程度。 因为 所以，方差等于均方值与均值平方之差。;协方差函数 式中 a(t1) 、a(t2) － 在t1和t2时刻得到的? (t)的均值 f2 (x1, x2; t1, t2) － ? (t)的二维概率密度函数。 ;自相关函数 式中， ? (t1)和? (t2)分别是在t1和t2时刻观测得到的随机变量。 自相关函数和协方差函数之间的关系 若a(t1) = a(t2)=0，则B(t1, t2) = R(t1, t2) 互相关函数 式中?(t)和?(t)分别表示两个随机过程。;3.2 平稳随机过程 3.2.1 平稳随机过程的定义 定义： 若一个随机过程?(t)的任意有限维概率密度函数与时间起点无关，即对于任意正整数n和所有实数?，有 则称该随机过程是在严格意义下的平稳随机过程，简称严平稳随机过程。 ;一维与二维概率密度函数性质： 严平稳随机过程的定义表明，严平稳随机过程的统计特性不随时间的推移而改变。 一维概率密度函数与时间t无关： 二维概率密度函数只与时间间隔? = t2 – t1有关： ;均值与自相关函数的数字特征： 可见，（1）均值与时间t 无关，为常数a ； （2）自相关函数只与时间间隔? 有关。 把同时满足（1）和（2）的过程定义为广义平稳随机过程。 严平稳随机过程必定是广义平稳的，反之不一定成立。 ;研究广义平稳的意义 在通信系统中所遇到的信号及噪声，大多数可视为广义平稳的随机过程。因此，研究广义平稳随机过程有着很大的实际意义，后面讨论随机过程均假定平稳且是广义平稳的。 ;3.2.2 各态历经性 “各态历经”的含义 随机过程中的任一次实现都经历了随机过程的所有可能状态。因此，在求解各种统计平均（均值或自相关函数等）时，无需作无限多次的观察，只要获得一次观察，用一次实现的“时间平均”值代替整个随机过程的“统计平均”值即可，从而使测量和计算的问题大为简化。 设：x(t)是平稳过程?(t)的任意一个样本，则其时间均值和时间自相关函数分别定义为： ; 如果平稳过程使下式成立 则称该平稳过程具有各态历经性。 各态历经与平稳的关系 具有各态历经的随机过程一定是平稳过程，反之不一定成立。 研究各态历经的意义 在通信系统中所遇到的随机信号和噪声，一般均能满足各态历经条件。;3.2.3 平稳过程的自相关函数 平稳过程自相关函数的定义： 平稳过程自相关函数的性质 — ?的偶函数 — R(?)的上界 — ?(t)的平均功率