十平稳随机过程-.ppt

* * * * * 定义1 设{X(t), t ?T}是均方连续的平稳过程，则时间均值: 时间相关函数: 可以沿用高等数学中的方法求积分和求极限, 其结果一般来说是随机的. 时间均值和时间相关函数 * 例1 计算随机相位正弦波X(t) = acos(ωt+Θ)的时间平均X(t)和X(t)X(t+τ). 解 * 将例1的结果与第十章§2例2算得的结果比较, 可知 μX = E[X(t)] = X(t), RX (τ) = E[X(t)X(t+τ)]= X(t)X(t+τ) . 这表明: 对于随机相位正弦波, 用时间平均和集中平均分别算的均值和自相关函数是相等的. 这一特征并不是随机相位正弦波所独有的. 下面引入一般概念. * 定义2 设{X(t), t ?T}是一平稳过程， 1°如果 X(t) = E[X(t)] = μX 以概率1成立,则称过程X(t)的均值具有各态历经性. 2°如果对任意实数τ, X(t)X(t+τ) = E[X(t)X(t+τ)]= RX (τ) 以概率1成立,则称过程X(t)的自相关函数具有各态历经性. 特别当 τ = 0 时, 称均方值具有各态历经性. 3°如果X(t)的均值和自相关函数都具有各态历经性, 则称X(t)是(宽)各态历经过程, 或者说X(t)是各态历经的. * 例2 讨论随机过程 X(t) = Y 的各态历经性, 其中Y 是方差不为零的随机变量. 解 X(t) = Y 是平稳过程, E[X(t)]=E[Y]=常数 * * 定理一 （均值各态历经定理）平稳过程 X(t) 的均值具有各态历经性的充要条件是 * 推论 在 存在的条件下, 若 则(2.1)式成立, 均值具有各态历经性; 若 则(2.1)式不成立, 均值不具有各态历经性. 注意 对例1中的随机相位正弦波而言, 不存在, 但它的均值是各态历经的. * 定理二 (自相关函数各态历经定理）平稳过程 X(t) 的自相关函数RX (τ)具有各态历经的充要条件是 其中 在(2.2)式中令 τ = 0, 就可得到均方值具有各态历经的充要条件. 如若在定理二中以X(t)Y(t+ τ)代替 X(t)X(t+ τ), RX (τ)代替RX Y(τ)来进行讨论, 那么还可以相应地得到互相关函数的各态历经定理. * 在实际应用中通常只考虑定义在0 ? t +?上的平稳过程. 此时上面的所有时间平均都以0 ? t +?上的时间平均来代替. 而相应的各态历经定理可以表示为下述的形式: 定理三 * 定理四 * 各态历经定理的重要价值在于它从理论上给出了如下保证: 一个平稳过程 X(t), 若0 t +?, 只要它满足条件(2.1)和(2.2), 便可以根据“以概率1成立”的含义, 从一次试验所得到的样本函数x(t)来确定出该过程的均值和自相关函数, 即 * 如果记录数据 x(t) 只在时间区间[0, T]上给出, 则相应于(2.3)和(2.4)式, 有以下无偏估计式: * 在实际中一般不可能给出x(t)的表达式, 因此通常通过模拟方法或数字方法来测量或计算估计式(2.5)和(2.6). 1° 模拟自相关分析仪. 这种仪器的功能是当输入样本函数x(t)时, X-Y记录仪自动描绘出自相关函数的曲线. 它的方框图如下图所示. * 2° 数字方法 如下图, 把[0, T]等分为N个长为 的小区间, 然后在时刻 对x(t)取样, 得N个函数值xk = x(tk), k = 1,2,…,N. 把积分(2.5)近似表示为基本区间Δt上的和, 就有无偏估计: * 相应于(2.6)式, 我们可以写出在τr= rΔt时, 自相关函数的无偏估计: 由这个估计式算出自相关函数的一系列近似值, 从而拟合出自相关函数的近似图形. * §12.3 相关函数的性质 设X(t)和Y(t)是平稳相关过程, RX (τ), RY (τ)和RXY (τ)分别是它们的自相关函数和互相关函数. 1° 因为 RX (τ) = E[X(t) X(t + τ)] 2° RX (-τ) = RX (τ), 即RX (-τ)是 τ 的偶函数. 而互相关函数既不是奇