数理统计及随机过程ch12 平稳随机过程.ppt

第十二章 平稳随机过程 §12.1 平稳随机过程的概念 在实际中, 有相当多的随机过程, 不仅它现在的状态, 而且它过去的状态, 都对未来状态的发生有着很强的影响. 有这样一类随机过程, 即所谓平稳过程, 它的特点是: 过程的统计特征不随时间的推移而变化.严格地说,有下面的定义. 平稳随机过程的定义 定义1 设{X(t), t ?T }是随机过程，如果对任意常数 h 和正整数 n， t1, t2,?, tn?T, t1+h, t2 +h,?,tn+h ?T， 若(X(t1), X(t2),?, X(tn))与 (X(t1+h), X(t2 +h),?, X(tn+h)) (1.1) 有相同的分布函数，则称{X(t)，t ?T }为平稳随机过程，或简称平稳过程. 在实际问题中, 确定过程的分布函数, 并用它来判定其平稳性,一般是很难办到的. 但是, 对于一个被研究的随机过程, 如果前后的环境和主要条件不随时间的推移而变化, 则一般就可以认为是平稳的. 恒温条件下的热噪声电压过程; 强震阶段的地震波幅; 船舶的颠簸过程; 照明电网中电压的波动过程; 各种噪声和干扰等等. 平稳过程数字特征的特点. 设平稳过程X(t)的均值函数E[X(t)]存在. 对n=1, 在(1.1)式中, 令h= - t1 , 由平稳性定义, X(t1)和X(0) 同分布. 于是 E[X(t)] = E[X(0)], 记为 同样, X(t)的均方值函数和方差函数亦为常数, 分别记为 和 依照图10-4的意义, 可以知道,平稳过程的所有样本曲线都在水平直线 上下波动, 平均偏离度为 又若平稳过程X(t)的自相关函数 RX(t1, t2 ) = E[X(t1) X(t2)] 存在. 对n = 2, 在(1.1)式中, 令h= - t1 , 由平稳性定义, (X(t1), X(t2))与(X(0), X(t2 - t1)) 同分布. 于是 RX(t1, t2 ) = E[X(t1)X(t2)] = E[X(0)X(t2 - t1)]. 记为 RX(t1, t2 ) = RX(t2 - t1) 或 RX(t, t + ? ) = E[X(t)X(t +?)] = RX(? ) . 这表明:平稳过程的自相关函数是时间差t2 - t1 = ? 的单变量函数. 由第十章(2.7)式, 协方差函数: CX(t1, t2 ) = E{[X(t1) - μX(t1)][X(t2) - μX(t2)]} = RX(t1, t2 ) - μX(t1)μX(t2). 那么, 协方差函数可以表示为: CX(?) = E{[X(t) - μX][X(t +?) - μX]} = RX(?) - μX 2 特别地, 令? =0,由上式,有 定义2 给定二阶矩过程{X(t), t ?T }, 如果 对任意 t, t +? ?T E[X(t)] = μX (常数), E[X(t) X(t +?)] = RX(? ), 则称{X(t), t ?T }为宽平稳过程, 也称广义平稳过程. 简称平稳过程. ? 相对地, 前述按分布函数定义的平稳过程称为 严平稳过程或狭义平稳过程. ? 一个严平稳过程只要二阶矩存在, 则它必定也是宽平稳过程. 但反过来, 一般是不成立的. ? 特例: 一个宽平稳的正态过程必定也是严平稳. ? 泊松过程和维纳过程是非平稳过程. 若T为离散集, 称平稳过程{X(t), t ?T }为平稳序列. 广义平稳过程 严平稳过程 严平稳过程 广义平稳过程 严平稳过程 广义平稳过程 例1 设{Xk , k = 1,2,…}是互不相关的随机变量序列, E[Xk ] = 0, E[Xk 2 ] = σ2, 则有 即相关函数只与k-l有关, 所以它是宽平稳的随机序列. 如果X1 , X2 ,…, Xk ,…又是独立同分布的, 则易证序列也是严平稳的. 例2 设s(t)是一周期为T的函数, Θ是在(0,T)上服从均匀分布的随机变量, 称X(t) = s(