湖南城市学院–随机过程讲稿.pptVIP

高斯随机过程的性质 * 4.1 白噪声 4.2 高斯随机过程 4.3 高斯随机过程的线性变换 4.4 常用时间序列模型 第四章 白噪声与高斯随机过程 4.2.2平稳高斯过程的分布特性 平稳高斯随机过程X(t)的一维概率密度函数和特征函数表示为： [定义4.4] 设X(t)是高斯随机过程，如果它的均值为常数，相关函数为时间差的函数，即 则称X(t)为平稳高斯随机过程。 对于任意两个时刻t1和t2，随机变量X(t1)和X(t2)的协方差矩阵为： 而r为相关系数矩阵： 于是可以得到平稳高斯过程的二维概率密度为： 同理可以得到平稳高斯过程的二维特征函数为： 类似于二维分布，可得X(t)的n维概率密度表示为： 其中： 同理可以得到平稳高斯过程的n维特征函数： 注意：从上述n维概率密度函数和特性函数表达式可以看出：高斯过程的统计特性只取决于它的一、二阶矩（均值和方差），如果它满足广义平稳，即它的均值为常数，而相关函数只与时间差有关，那么它的n为概率密度也只与时间差有关，而与时间的起始点无关，即满足狭义平稳的条件。因此，对于高斯过程而言，广义平稳与狭义平稳的概念是等价的。 [定义4.5] 若平稳高斯随机过程具有均匀的功率谱密度，则称此过程为平稳高斯白噪声，也叫 相关高斯态过程。 在实际应用中经常遇到平稳高斯白噪声N(t)与有用信号S(t)之和的随机过程X(t)，即 设N(t)的均值为0，方差为 ，则X(t)的一维概率密度表示式要从随机过程N(t)的角度来写，即 从上式可以看出，X(t)任为高斯过程，但此时的一维概率密度依赖于时间t。因此，一般平稳高斯噪声与信号之和是非平稳的高斯过程。 * 例题1：设平稳高斯随机过程X(t)的均值为0，自相关函数为 。求t1=0，t2=1/2，t3=1时的三维概率密度。 解：略。 例题2： 值 4.3.1 高斯过程通过线性系统 设随机过程X(t)通过冲激响应h(t)的线性系统，输出过程为Y(t), 那么有： 由此可见Y(t)在任意时刻是由许多随机变量线性组合而成的。对 于任意n个时刻t1,t2,…,tn，设Yk=Y(tk)，Xk=X(τk)，则上述方程可 以用多元线性方程组来表示： 用矩阵表示为： 那么X也可以用Y来表示： 那么随机变矢量Y的概率密度为： 该式就是高斯随机过程通过线性变换后概率密度的一般表示式。 式中的J为雅克比行列式 高斯随机过程通过线性系统之后，其输出任然为高斯随机过程 。输入过程与输出过程为联合高斯分布对于高斯随机过程， 我们只要确定其均值和相关函数就能够确定其分布。 设X(t)为均值是零的高斯随机过程，则有： 带通系统与低通系统的分析相似 带通系统与低通系统的分析相似 带通系统与低通系统的分析相似