第3章节 平稳随机过程.pptVIP

自相关函数的估计 自相关函数估计的评价 随机事件 随机变量 随机信号 平稳随机信号 非平稳随机信号 各态遍历 平稳随机信号 非各态遍历 平稳随机信号 1.计算一长度N = 100000的正态分布高斯随机信号的均值、均方值、均方根值、方差、标准差 3.已知两个周期信号 x(t) = sin(2*pi*f*t),y(t) = 0.5*sin(2*pi*f*t+90)其中,f = 10Hz,求互相关函数 2.求受白噪声干扰的正弦信号以及白噪声信号的自相关函数并进行比较 4.两个sinc信号有0.2s的时移，用互相关函数计算时移大小 6.随机信号统计特性的实验研究 借助于统计实验的分析方法，估计出随机信号的统计特性是研究随机信号的一种十分重要且必不可少的手段。 统计实验分析的理论基础是随机过程的各态历经假设，即通过一个具体的实现来求出总体（整个随机过程）的有关统计量。 随机信号的采样定理 当参数是未知的时候，从总体抽出一个样本，用某种方法对这个未知参数进行估计就是参数估计. 例如，X ~N (? ,? 2), 点估计 区间估计 若?, ? 2未知，通过构造样本的函数, 给出它 们的估计值或取值范围就是参数估计的内容. 点估计 —— 估计未知参数的值 区间估计—— 估计未知参数的取值范围，使得这个范围包含未知参数真值的概率为给定的值. 点估计的思想方法 设总体X 的分布函数的形式已知，但它含有一个或多个未知参数：?1,?2, ?,?k 设 X1, X2,…, Xn为总体的一个样本 构造 k 个统计量： 随机变量 7-5 当测得一组样本值(x1, x2,…, xn)时，代入上述统计量，即可得到 k 个数： 数值 称数 为未知参数 的估计值 问题 如何构造统计量？ 如何评价估计量的好坏？ 对应的统计量 为未知参数 的估计量 7-6 寻求估计量的方法 1. 矩估计法 2. 极大似然法 3. 最小二乘法 4. 贝叶斯方法 极大似然法 是在总体类型已知条件下使用的一种参数估计方法. 它首先是由德国数学家高斯在1821年提出的 , Gauss Fisher 费歇在1922年重新发现了这一方法，并首先研究了这种方法的一些性质 . 则称这样得到的 为参数 ? 的极大似然估计值 称统计量 为参数 ? 的极大似然估计量 7-22 选择适当的? = ,使 取最大值，即 L( ) 当给定一组样本值时， 就是参数? 的函数, 极大似然估计法的思想就是： L( ) 简记 若随机变量X 连续, 取 f (xi,? )为Xi 的密度函数 似然函数为 7-23 注1 注2 未知参数个数可以不止一个, 如?1, ?2,…, ?k 设X 的密度函数(或概率分布)为 则定义似然函数为 若 关于?1, ?2,…, ?k 可微， 为似然方程组 若对于某组给定的样本值x1, x2,…, xn， 参数 使得似然函数取得最大值，即 则称 为?1, ?2,…, ?k 的极大似然估计值 则称 7-24 显然， 称统计量 为?1, ?2,…, ?k 的极大似然估计量 7-25 求未知参数的极大似然估计值(量)的方法 1） 写出似然函数L 2）求出 , 使得 7-28 设总体 X ~ N (?,? 2), x1, x2,…, xn 是 X 的 一组样本值，求 ?, ? 2 的极大似然估计. 解 7-26 ?, ? 2 的极大似然估计量分别为 似然 方程 组为 7-27 随机信号估计的准则 评价估计性能好坏的标准 偏移性 估计量的方差：有效性 一致性——均方误差 随机信号时域特征的估计 均值的估计 均值估计的评价 方差的估计 方差估计的评价 第3章 平稳随机过程 1平稳随机过程的概念 所谓平稳随机过程，是指其统计特性不随时间推移而变化的随机过程 例如：测量电阻热噪声的统计特性，在任何时间进行测试都能得到相同的结果 严平稳随机过程 的n维概率密度函数满足 平稳随机过程的统计特性 平稳过程，则它的一维概率密度与时间无关，均值，均方值和方差也应是常数 平稳过程，则它的二维概率密度之与t1,t2的时间间隔有关，而与时间起点无关 在实际问题中，往往并不需要随机过程在所有时间都平稳，只要在观测的时间内过程平稳就行 宽平稳随机过程 若随机过程满足 是否为宽平稳随机过程 严平稳随机过程 宽平稳随机过程 2.平稳过程自相关函数的性质 3.平稳随机过程的自相关系数和自相关时间 自相关系数 自相关时间 4.两个随机过程的联合平稳 联合平稳过程互相关函数的性质 互相关系数 5.各态遍历随机过程 辛钦证明：在具备一定的补充条件下由平稳随机过程的任一个样本函