课程随机过程教案B.docVIP

概 论 §1.1 基本概念 1.1.1 随机过程 设是概率空间，T是直线上的参数集（可列或不可列的）。若对每一个，是随机变量，则称为该概率空间上的随机过程。 在固定时刻t，是一个随机变量；对应每一个随机变量，有一个概率空间，即是样本空间内的一个随机变量描述，这是一阶分布函数。 例1.1 概率分布为 ，于是概率密度函数为 1.1.2 概率密度函数（PDF: Probability Density Function） CDF：Cumulative Distribution Function） 相应地，PDF为 n维CDF表示为 随n((，可以获得对的统计特性起来越精确的描述。 1.1.4 四种重要的随机过程 时间：连续参数和离散参数；状态：连续和离散。 §1.2 举 例 例1.2 一维随机游动：一质点在X轴上随机随动，时在原点，时在X轴上正向或反向移动一个单位距离，正向移动概率p，负向移动概率q，p+q=1；在时刻n，质点位置为(，求(的概率分布。 解：(是一个随机变量n，质点移动n次，设其中正向m次，负向n-m次，则 因为， 于是， 此外，还有二维随机游动，向上、向下或向左、向右随机地移动。 例1.3 脉冲数字信号，脉宽为常数，脉冲幅度是随机变量，取四个值的概率均1/4。不同周期内的脉冲幅度相互独立，初始脉冲沿u是在内均匀分布的随机变量与间的联合PDF。 解：① 当时，肯定不处于同一个脉冲内，相互独立，所以联合PDF为 ② 时，处于不同脉冲内（记为事件C），也可以处于同一脉冲内（记为事CC），且。因此，联合PDF为 其中， 设，且(为所在脉冲的前沿，于是(是上均匀分布的随机变量为(在上出现的概率。于是 于是，的联合概率密度函数为 例1.4 设。其中，A是常数，w是常数，(是均匀分布于间的一个随机变量t时刻的PDF。 解：在时刻t，对应的随机变量与(的关系为 由 于是可得 由此可见，的PDF与t无关，是一级平稳过程。 例1.5 设同例1.4，求t1和t2间的联合PDF。 解：首先，将联合概率密度函数分解为 其中， 所以， 或 在例1.4中给出。该过程是可预测过程，在x1和t1给定条件下，t2时刻取值x2的概率为1，所以 因此， 由此可见，这是一个二阶平稳过程。 例1.6 在例1.4中的，若A也是个随机变量 并且A与(之间相互独立。求二维联合PDF。 解：由于A与(相互独立，所以 设辅助变量，原随机变量。雅可比为 于是， 其中，。所以， 由此可见，相差相位的两点间的联合PDF是联合正态分布的。做边缘积分可得 一维PDF是正态的（这与教材（陆）p.35习题4的结果一致）。下面求二维PDF，设 雅可比为 所以， 其中， 于是， 其中，，。由此可见，是二级平稳。 例1.7 如例1.3的脉冲信号，若脉冲幅度服从正态分布，且不同周期内幅度相互独立，求二维联合概率密度函数。 解：当时，两个时刻肯定处于不同的周期内，即相互统计独立。于是 当时 由此可见，一维虽然是正态的，但是二维不一定是正态的。 §1.3 随机过程的数字特征 1.3.1 均值（数学期望） 这种平均叫“集平均”。表示在t1时刻的“摆动中心”。 1.3.2 方差和标准差（均方根差） 叫方差（二阶中心矩），叫“标准差”或“均方根差”。表示在t1时刻对于均值的偏离程度。 1.3.3 自相关函数 这是“二阶混合原点矩”。 1.3.4 自协方差函数 当时， 这是“二阶混合中心矩”。 1.3.5 相关性 两个随机变量间的相关程度由相关系数r衡量，其定义为 当时， 之间存在线性关系，即。因此，的联合概率密度函数为 当r=0时，之间“不相关”，是指不存在线性关系，但可以存在其它的非线性关系，因此不一定是独立的； 当时，线性无关。（线性无关不一定是“不相关”）。 1.3.6一组随机变量间的相关性 设有一组随机变量，其相关矩阵的元素。由的非负定性（定理1.2）可知，对于任意，有 也就是。（见P.123来至P.14首证明） 若存在一组不全为零的，使则称线性相关。 若只有当时，才等于0，则称线性无关。 实际上，当线性无关时，它们的相关矩阵为正定阵，线性相关时为奇异阵，即。对于协方差阵也是这样。对于两个随机变量,，线性相关时；但是，线性无关并不一定是“不相关”，线性无关与对应。 例如，和（(为常数，( ~ U（0，2(）），则；当或(时，即线性相关；当时，，与不相关，即不存在线性关系，然而存在非线性关系。 1.3.7 正交 若，则与正交。而不相关是，即 =0。因此，若中至少有一个为零均值，则，即由“