八.平稳随机过程.ppt

3）可以由高维联合分布求出它们的低维联合概率分布。 4）若两个随机过程的联合概率分布不随时间平移而变化，即与时间的起点无关，则称此二过程为联合严平稳或严平稳相依。 2）若两个过程的n+m维联合概率分布给定，则它们的全部统计特性也确定了。 两个随机过程 和 ，如果： 和 分别宽平稳 互相关函数仅为时间差 的函数，与时间t 无关 即 则称 和 为联合宽平稳或宽平稳相依。 1. 定义 联合宽平稳 2. 互协方差与互相关系数 当两个随机过程联合平稳时，它们的互协方差 互相关系数 又称作归一化互相关函数或标准互协方差函数。 注： 。当 时，随机变量 和 互不相关。 3. 联合宽平稳随机过程互相关函数的性质 (1) 证明：按定义即可证明，说明互相关函数既不是偶函数， 也不是奇函数。 互相关函数的影像关系 (2) 证明： 由于 ， 为任意实数 展开得： 这是关于 的二阶方程。注意, 要使上式恒成立，即方程无解或只有同根， 则方程的系数应该满足 ,则有 所以， 同理， (3) 证明： 由性质(2)，得 注意到 因此， （任何正数的几何平均小于算术平均） 两个随机过程 和 ，如果： 和 联合宽平稳 定义它们的时间互相关函数为： 若 依概率1收敛于互相关函数 则称 和 具有联合宽遍历性。 即 联合宽遍历 平稳随机过程 X(t)和Y(t)的互相关函数为： 故这两个随机过程是平稳相依的。 设两个平稳随机过程 试问：X(t)和Y(t)是否平稳相依？是否正交、不相关、统计独立？ 例1 故CXY(τ)仅在 时等于零，所以X(t1)和Y(t2)是相关的，因而它们不是统计独立的。 解： 必须首先判断随机过程 X(t)和Y(t)的平稳性以及它们的联合平稳性。 解： 设两个随机过程 其中a、b、w为常数， 例2 在(0, 2π)之间均匀分布， 讨论X(t)和Y(t)是否联合遍历？ 因此X(t)是平稳的。 因此Y(t)是平稳的。 因此X(t)和Y(t)是联合平稳的。 因此X(t)和Y(t)是联合遍历的。 5.4 随机序列 将连续随机过程X(t)以ts为间隔进行等间隔抽样，即得到随机序列，表示为： 对于固定的j，Xj为一随机变量。N点随机序列可以看成一个N维的随机向量，即 若随机序列X(n)的N个随机变量相互独立 如果对任意的i，上式中的 都相同，则 称X(n)是独立同分布的，记为i.i.d。 均值向量 自相关矩阵 矩阵元素为 协方差矩阵 易证 若随机序列均值为零，则协方差阵与自相 关阵相同 平稳序列 平稳序列的定义类似平稳过程，也分严平稳和宽平稳。对于宽平稳随机序列X(n)，统计均值和方差与时间无关 自相关序列和协方差序列与时间起点无关，只与时间差有关 平稳序列 平稳序列的自相关阵和协方差阵是Toeplitz 矩阵，即矩阵的每一条对角线上的元素是相同 的，即 各态历经序列 将平稳过程的各态历经性用于平稳序列。时间均值定义和时间自相关序列分别为 若X(n)平稳且满足各态历经性，则 * * ε epsilon ep`silon * * * * 平稳随机过程与各态历经过程 平稳随机过程的概念 平稳随机过程的主要特征：过程的统计特性不随时间改变。 * 平稳随机过程分析方法简单，对于平稳随机过程已建立起 了一套完整、有效、成熟的理论分析和实验研究方法。 * 实际应用中的许多非平稳随机过程大都可以在一定条件下 被近似看作平稳过程，或分段看作短时平稳过程。 * 非平稳随机过程的理论分析相对复杂、相对不成熟。 实际问题多为非平稳过程，为何单独要研究平稳过程？ (1) 定义 如果对于任意的n和 ，随机过程 X(t)的 n 维概率密度满足： 则称X(t) 为严平稳（或狭义）随机过程 。 t 严平稳随机过程的统计特性与时间起点无关 。 5.1 平稳随机过程 5.1.1 严平稳 (2) 一、二维概率密度及数学特征 严平稳随机过程的一维概率密度与时间无关 t 严平稳随机过程的二维概率密度只与 t1, t2的时间间隔