各态历经过程.pdf

各态历经过程 各态历经过程 统计分析在实际应用中遇到的问题 在随机过程的概率分布未知情况下，如要得到 在随机过程的概率分布未知情况下 随机过程的数字特征如：E[X(t)] 、D[X(t)] 、 Rx(t1 ，t2 )… ，只有通过做大量重复的观察试验 做大量重复的观察试验 找到“所有样本函数{x(t)}”，找到各个样本函数 找到“所有样本函数{x(t)}” x(t)发生的概率，再对过程的“所有样本函数 {x(t)}”求统计平均才可能得到。 求统计平均 这在实际应用中不易实现。 这在实际应用中不易实现 问题的提出 问题的提出 能否从一个样本函数x(t) 中提取 能否从一个样本函数x(t) 中提取 到整个过程统计特征的信息？ 到整个过程统计特征的信息？ 解决方法 • 19世纪俄国的数学家－辛钦，从理论上证 明：存在一种平稳过程，在具备了一定的 存在一种平稳过程 补充条件下，对它的任何一个样本函数x (t) 任何一个样本函数x (t) 所做的时间平均，在概率意义上趋近于它 所做的时间平均，在概率意义上趋近于它 的统计平均，对于具有这样特性的随机过 的统计平均， 程，称之为“各态历经过程” 。 各态历经过程 各态历经概念的理解 • “各态历经过程” 的任一个样本函数x(t)都经历了 任一个样本函数x(t)都经历了 过程的各种可能状态，从它的一个样本函数χ(t) 过程的各种可能状态 中可以提取到整个过程统计特征的信息。 • 可用它的任一个样本函数x (t) 的“时间平均” 时间平均 来代替它的“统计平均”。←实用性的体现 代替 “统计平均” 实用性的体现 举例：在较长时间T 内，观察一个已工作在稳定状态下的噪声 二极管的输出电压。一条样本函数。其时间平均： 其时间平均 1 T χ (t ) χ (t ) dt ζ T ∫0 ζ χ (t) x x x M ζ 1 2 k M M L L M M 0 t t t T t 1 2 k 若对χζ(t)采样，将T分成k等份，则时间平均近似于k个采样值 χ1，…χk进行的算术平均： 算术平均 χ +L+χ ˆ 1 K t χζ ( )