随机信号第1章绪论要点分析.ppt

另外，信息在传输的过程中，不仅 传输的信号多数本身具有随机性，同 时它们还要受到传输系统（随机）噪 声的影响，使结果具有更加复杂的 随机性。如果使用经典的、确定信号 的理论与方法，必然是“张冠李带” 无法得到正确的处理结果。 第一类现象称之为必然现象或确定性现象：这类现象在一定的条件下进行多次重复试验，必然产生同一结果。 在相同条件下，对同一随机现象进行大量的重复试验，就会呈现出确定的规律性－－统计规律性。概率论就是研究和揭示随机现象统计规律性的数学学科。 随机试验 为了掌握随机现象的统计规律，就必须对随机现象进行大量观测或试验。 这些试验均具有以下三个特点： （1）试验可以在相同条件下重复进行 （2）试验有多种可能结果，并且事先明确知道该试验的所有可能的结果 （3）每次试验出现哪个结果，是不能准确预言的 将具有以上三个特点的试验称为随机试验，简称试验，常用E来表示。 随机事件 在随机试验的结果中，可能发生也可能不发生，但在大量重复试验中，却具有某种规律性的事件，叫做随机事件，简称为事件。 一、 事件的运算 （事件的关系） 由于概率是频率的稳定值，因而对任何随机事件A，有 随机变量的概念 定义 设随机试验的样本空间为S＝{ei}，如果对样本空间的每一个元素ei，都有一实数X(ei)与之对应，对所有的元素 ，就得到一个定义在空间S上的实单值函数X(e)，称X(e)为随机变量，简写为X。 数学期望的物理意义 如果把概率密度看成是具有一定密度的曲线，那么数学期望就是曲线的重心（形象的比喻可以用一根大小不一的线）。 一、矩 （1）n阶原点矩定义为 （2）n阶中心矩定义为： （3）二维随机变量的矩函数 当n=1，k=1时， 二阶联合原点矩为相关矩 §1.5 随机变量的数字特征 1.5.1 随机变量及其函数的数学期望 一、一维随机变量的数学期望 二、一维随机变量函数的数学期望 由已知随机变量X的分布 ，求其函数Y＝g(X) 的数学期望。 由于 1、当g(·)是单值变换时 因为 所以 2、当g(·)是多值变换时 其中 无论g(·)是单值还是多值变换，函数g(X)的期望为： 例1.22 随机变量X在区间(a,b)上均匀分布，求 的数学期望。 解：由于X 服从均匀分布，概率密度为 函数的期望 三、二维随机变量及其函数的数学期望 1、二维随机变量的数学期望 设二维随机变量(X,Y)的联合概率密度 已知，其二维概率质量分布的“重心坐标”应该为 2、二维随机变量函数 的数学期望 当(X,Y)是离散随机变量时，函数 的期望为 例1.23 设 n 维随机变量 X1, …,Xn 的函数 其中权重 ai 是常数。求函数的期望 ？ 即，随机变量和的期望＝随机变量期望的和 例1.24 设 n 维随机变量X1, …,Xn的函数 其中n个变量独立。求函数的期望 ？ 即，独立随机变量积的期望＝独立随机变量期望的积 六、数学期望的基本性质 (1) 若a ≤ X≤b, (a,b为常数),则a ≤E[X] ≤b (2) 常数C的期望 E[C]=C (3) (ai，b 为任意常数) (4) 若X1,X2,…Xn相互独立，则 1.5.2 条件数学期望 设(X,Y)是定义在同一概率空间上的二维连续型随机变量。 若已知Y关于X的条件概率密度 ，则由期望的定义可得Y关于X的条件期望。 (5) 若X与Y互不相关，则 一、随机变量关于某给定值的条件期望 同理有： 二、一个随机变量关于另一个随机变量的条件期望 例1.25 已知随机变量X服从(0,1)的均匀分布，随机变量Y服从 (X, 1)上的均匀分布。求：条件期望 ① ，② 解：①根据已知条件，在给定条件 下，随机变量Y的条件概率密度 条件期望 ②用随机变量X 替换给定值 ，则条件期望