随机信号分析第二章new594.pptVIP

第二章 随机信号概论 物理与电子工程学院 基本概念 随机过程必定是两个参变量的函数X(t，?)， t∈T，?∈?。对于某个时刻t=ti， X(ti，?) －通常称为随机过程X(t，?)在t=ti时刻的“状态”。它仅是参变量?的函数，对所有实验结果?∈?而言，它随机地取{X(ti ，?1) ， X(ti ，?k)，… ， X(ti，?m)} 中的任一个“值” 随机过程X(t，?)在t=ti时刻的“状态” －X(ti，?) 是定义在?上的一个“随机变量”Xi。 而随机过程X(t，?)在t=tj时刻的“状态” － X(tj，?)是定义在?上的另一个“随机变量”Xj 。随着t的变化，得到一个个不同的“状态” ——X(t1，?) ,…,X(ti，?), …, X(tn，?)是一个个不同的随机变量X1,X2, …, Xn。所以又可以将随机过程X(t，?)看成一个“随时间变化的随机变量X(t) ”。 X(t)的理解 ?固定， t变化 ….. 一个确定的时间函数 t 固定， ?变化.....一个随机变量（状态）。 t固定， ? 固定.....一个确定的值 t变化， ?变化 .....随机过程(一族时间函数的总体或随时间变化的随机变量) 基本概念 随机过程既是时间t的函数，又是随机实验可能结果 的函数，可记为 也可把随机过程看成是依赖于时间t的一族随机变量 为了简便，在书写时省去符号 ，而将随机过程简记为 。 随机过程的分类 随机过程的统计特性 对随机信号必须用概率统计，即统计特性的描述方法。统计特性的描述方法分为两大类 一是多维概率密度函数或分布函数的描述方法 另一种就是只关心其平均特性，即仅用几个数字特征的宏观、概括的描述方法 随机过程的概率密度和分布函数 多个随机信号的分布函数及概率密度函数 随机过程的数字特征 随机过程的数字特征 解（续） 统计独立、不相关 相互正交 随机序列及其统计特性 均值向量、自相关矩阵 随机序列自相关性质 作 业 P36页 2.7、2.9、2.10、2.11 Simulation example（一） Simulation example（二） 随机序列及其统计特性 随机过程的概念及分类 随机过程的统计特性 1 2 3 Contents 随机过程的基本概念 连续型随机过程 时间连续——过程的样本函数 在时间上是连续的。 状态连续——过程在任一时刻的状态Xi取值连续，是连续型随机变量 离散型随机过程 时间连续，状态离散 过程在任一时刻的状态Yj取离散值，是离散型随机变量 连续随机序列 时间离散——离散时间用序号n代替t 。过程的样本函数在时间上是离散的，构成样本序列 状态连续——过程的状态Xj仍取连续值，是连续型随机变量 离散随机序列 时间离散——过程在时间上离散的，构成随机序列 状态离散——过程的状态Wi取离散值，是离散型随机变量 mx(t) 描述了X(t)所有样本函数在各个时刻摆动的中心 即X(t)在各个时刻的状态(随机变量)的数学期望。 两个随机过程 X(t)， Y(t) 它们的期望和方差都相同 mx(t)=my(t)，?x(t)= ?y(t)。 从样本函数看有明显不同。X(t)随时间变化慢，不同时刻的两个状态X(t1),X(t2)之间的依赖性强（相关性强）。y(t)随时间变化快，不同时刻的两个状态Y(t1),Y(t2)之间的依赖性弱（相关性弱）。 期望和方差不能反应过程内部变化快慢、相关性强弱 的状况。 随机过程的自相关函数 图示 若一随机过程由下图所示的四条样本函数组成，而且每条样本函数出现的概率相等，求RX (t1, t2) 解：由题意可知，随机过程X(t)在 t1, t2 两个时刻为两个离散随机变量。所以可列出联合分布率如下： 例题2.1 1/4 1 3 ?4 1/4 2 6 ?3 1/4 4 2 ?2 1/4 5 1 ?1 P?i X(t2) X(t1) 求解 求解 例2.2、设随机过程X(t)=U·t，U在(0,1)上均匀分布，求E[X(t)]，D[X(t)]，Rx(t1,t2)，Cx (t1,t2)。 解： 例：求在[0,1)区间均匀分布的独立随机序列的均值向量，子相关矩阵与协方差矩阵，设N=3。