随机信号的性质.pptVIP

2.6 随机过程 一 随机过程的基本概念 什么是随机过程？ 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。对应不同随机试验结果的时间过程的集合。是一个事件全部可能“实现”构成的总体。 【例】n台示波器同时观测并记录这n台接收机的输出噪声波形 样本函数?i (t)：随机过程的一次实现，是确定的时间函数。 随机过程：? (t) ={?1 (t), ?2 (t), …, ?n (t)} 是全部样本函数的集合。 二 随机过程的分布函数 设X(t)表示一个随机过程，则它在任意时刻t1的值X(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X(t)的一维分布函数： 随机过程X(t)的一维概率密度函数： 若上式中的偏导存在的话。 随机过程X (t) 的二维分布函数： 随机过程? (t)的二维概率密度函数： 若上式中的偏导存在的话。 随机过程X(t) 的n维分布函数： 随机过程? (t) 的n维概率密度函数： 三 随机过程的数字特征 均值（数学期望）： 在任意给定时刻t1的取值X(t)是一个随机变量，其均值 式中 是X(t)的一维概率密度函数 X (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 )。这里也把任意时刻t1直接写成了t 。 因为 所以，方差等于均方值与均值平方之差，它表示随机过程在时刻 t 对于均值a ( t )的偏离程度。 相关函数 式中， X(t1)和X(t2)分别是在t1和t2时刻观测得到的随机变量。可以看出，R(t1, t2)是两个变量t1和t2的确定函数。 f2 (x1, x2; t1, t2) － X (t)的二维概率密度函数。 2.6.2 平稳随机过程 1 平稳随机过程的定义 定义： 若一个随机过程X(t)的任意有限维分布函数与时间起点无关，也就是说，对于任意的正整数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。 性质： 该定义表明，平稳随机过程的统计特性不随时间的推移而改变，即它的一维概率密度函数与时间t无关： 而二维概率密度函数只与时间间隔? = t2 – t1有关： 数字特征： 可见，（1）其均值与t无关，为常数a； （2）自相关函数只与时间间隔?有关。 数字特征： 可见，（1）其均值与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。显然，严平稳随机过程必定是广义平稳的，反之不一定成立。 在通信系统中所遇到的信号及噪声，大多数可视为平稳的随机过程。因此，研究平稳随机过程有着很大的实际意义。 2 各态历经性 问题的提出：我们知道，随机过程的数字特征（均值、相关函数）是对随机过程的所有样本函数的统计平均，但在实际中常常很难测得大量的样本，这样，我们自然会提出这样一个问题：能否从一次试验而得到的一个样本函数x(t)来决定平稳过程的数字特征呢? 回答是肯定的。平稳过程在满足一定的条件下具有一个有趣而又非常有用的特性，称为“各态历经性”（又称“遍历性”）。具有各态历经性的过程，其数字特征（均为统计平均）完全可由随机过程中的任一实现的时间平均值来代替。 下面，我们来讨论各态历经性的条件。 各态历经性条件 设： 是平稳过程X(t)的任意一次实现（样本）， 则其时间均值和时间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”的含义是：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，无需作无限多次的考察，只要获得一次考察，用一次实现的“时间平均”值代替过程的“统计平均”值即可，从而使测量和计算的问题大为简化。 具有各态历经的随机过程一定是严格平稳随机过程，反之不一定成立。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。 [例1] 设一个随机相位的正弦波为 其中，A和?c均为常数；?是在(0, 2π)内均匀分布的随机变量。试讨论X(t)是否具有各态历经性。 【解】(1)先求X(t)的统计平均值： 数学期望 自相关函数 令t2 – t1 = ?，得到 可见，X(t)的数学期望为常数，而自相关函数与t 无关，只与时间间隔? 有关，所以X(t)是广义平稳过程。 (2) 求X(t)的时间平均值 比较统计