09第六章节正态随机过程.ppt

第五章： 正态随机过程 多维正态随机变量的定义与协方差矩阵 多维正态随机变量的性质 正态随机过程的定义 正态随机过程的性质 * * 定义： 如果对一个随机过程任意选取n个时刻,则得到n个相应的随机变量, 若此n个随机变量的联合分布都是n维正态分布，则称随机过程X(t)是正态随机过程（高斯过程）。 随机变量的特征函数 随机变量的概率密度函数和特征函数之间存在一一对应关系，因此在得知随机变量的特征函数后，就可以知道它的概率密度函数。 一、特征函数的定义 设 为随机变量，称 的数学期望为随机变量 的特征函数。记为 已知特征函数，求概率密度函数。 例题： 解： 例题： P8例题1.2 二、性质 1） 2）X的特征函数为 ，则Y=aX+b的特征函数为： 证明： 例题： 构造 其中 解： 3）矩定理 证明： 当n=1时 三、多维随机变量的特征函数 1）定义 即： 若 2）性质 1、若X1，X2 统计独立，则： 推广到n个 解： 若独立，则 2、边际特征函数 推广到n个 解： 3、已知 证明： 比较： 一维正态随机变量的概念： 一维正态随机变量X的概率密度函数可以表示为 记为 特征函数为: 二维正态随机变量的概念： 若随机变量X1,X2的联合概率密度函数可以表示为 则称X1,X2为二维正态随机变量。其中ρ为X1和X2的相关系数。对于上述二维随机变量，其边际概率密度函数可表示为 因此其边际分布为一维正态分布 ， 二维正态分布的协方差矩阵可表示为 二维正态分布的协方差矩阵具有如下性质： 实对称矩阵； 正定矩阵 其逆矩阵可表示为 二维正态随机变量的联合密度也可表示为 其中 n维正态随机变量的定义： 若n维随机变量的联合密度函数为 则称 为n维正态随机变量，其中C为n维实对称正定阵。记为 n维随机变量的性质 若 ，则存在n阶正交矩阵A，使得向量 中的分量Y1,Y2, …,Yn是独立的随机变量，且Yi为一维正态分布N(0,di)。 说明 2、 的特征函数为 证明 总存在正交矩阵A，通过变换 此时随机向量的协方差矩阵，且 由性质1可以知道： 为n维独立随机变量， 且 其中, 则 由特征函数线性变换的性质，对于 可以得到: 3、n元正态分布中任意m维子向量亦为正态分布(mn) 证明 已知: 若令 则: 4、n元正态随机变量的线性变换也为正态随机变量。 即若 为正态随机向量，则 亦为正态随机向量。 只需证明其特征函数亦为正态特征函数 即 已知 若 即 证明： 5、若 为n维正态随机变量，那么X1,X2, …,Xn相互独立的充要条件是两两互不相关。 证明 (1) 若已知两两相互独立,则不相关. (2)若已经知道两两不相关,即Cij=0(当i不等于j时)，则 实际上，若： 方法二： 正态随机过程定义： 若随机过程X(t)的任意n维分布都是n维正态分布，则称X(t)是正态随机过程（高斯过程）。 正态随机过程的性质： 若正态随机过程为宽平稳，则必为严平稳。 二阶矩过程 宽平稳特点 X(t)的期望为常数，与时间原点无关 X(t)的相关函数只是时间差t的函数 若正态过程为宽平稳过程，则mX(t)=a为常数，RX(tk,ti)= RX(tk-ti). 任取n个抽样时刻t1,t2,…tn，这n个时刻所对应的随机变量的协方差矩阵为B，其任意一元素 bki=RX(tk-ti)-a2=b(tk-ti),则该n个正态变量对应的特征函数为： 证明：