概率论与随机过程().pptVIP

第二章 随机信号概论 随机过程的基本概念及分类 随机过程的统计特性 数字特征 ： 均值函数 mx(t) 方差函数 Dx(t) 协方差函数 Cxy(t1, t2) 相关函 数 Rxy(t1, t2) 特征函数 Fx(u) = E{ exp( jux(t) ) } §2-1. 随机过程的概念 随机事件A----事件之间的关系，事件的概率pA 及其关系。 随机变量 X---- f(x), F(x）,f(x,y), fX (x), fY (y), 随机变量函数的概率密度/ E[X], D[X], Cov[X,Y] →随机过程（随机信号）。 随机函数------ 随非随机（确定性）参数变化的随机变量。 例如，X (u,v). e.g. 时间, 空间等 随机过程----随时间参数 t 变化的随机变量。 记为，X(t) 。 1. 非随机参数对应的函数值是随机变量; 2. 随机过程是随机函数的特例。 具体的波形不能事先预知 但必为可能波形之一 所有可能波形 x 1 (t), x 2(t),….. x n(t)……. 的集合构成了随机过程 随机过程的两种表达式 ： xi(t) 是随机试验第i次的实验结果，称为随机过程的样本函数； 所有xi(t) 的集合 {xj(t) } 构成随机过程, 记为 X(t)~ { xj(t) } 在 ti 时刻的各种可能结果的取值X(ti)，称为随机过程 X(t) 在ti 时刻的随机变量。所有随机变量X(ti) 集合 { X(ti) } 构成随机过程的另一表达式。 即： X(t)~ { X(ti ) } 随机过程的分类 按时间和状态分类 类别 状态 时间 连续随机过程 连续 连续 离散随机过程 离散 连续 连续随机序列 连续 离散 离散随机序列 离散 离散 按样本函数形式分类 类别 过去观测值与未来值的关系 不确定随机过程 结果不可预测（不能描述成t的函数） 确定随机过程 可预测（可描述成t的函数） 按统计特性、分布函数、概率密度函数等分类： 平稳随机过程; 高斯过程; 白噪声; 独立随机过程 马可夫链 泊松过程….. 随机过程的一维分布函数和密度函数 §2. 随机过程的研究方法 随机过程的特征： 随机过程的研究方法： 1. 概率描述法： 利用多维联合概率密度与分布函数的描述； 2. 统计平均描述法：利用数字特征：均值 ，方差 ，相关 函数，高阶矩等描述。 概率描述法（微观描述）： 概率描述是从随机过程X(t)在某一个时刻ti 的随机变量 的概率密度开始描述，逐步延伸到某二个时刻ti，tj的随机变量 X(ti) , X(tj) 的联合概率密度 ,直至随机过程X(t)在n个时刻n维随机变量的描述。 统计平均描述法： 统计平均描述法所关心的是: 随机过程在某时刻或不同时刻的平均特征—均值； 偏离均值的程度—方差， 不同时刻随机变量之间的相关程度—相关函数，等数字特征。 总之，统计平均描述法是从统计平均的意义上研究随机过程的宏观特性。 随机过程的数字特征： 1. 均值 对于任意时刻 t ，随机过程 X(t) 为一随机变量。故, 物理意义： 表示在单位电阻上消耗的直流功率。 2. 均方值与方差