三.平稳说逆机过程.pptVIP

? ?互相关函数 ?互协方差函数 注：ⅰ）若 ，则Z1(t)，Z2(t)不相关。 ⅱ）若 ，则Z1(t)，Z2(t)正交。 (5) 两个复随机过程的联合平稳性 若两个平稳的复过程X(t)和Y(t)满足 ,则称X(t)和Y(t) 联合宽平稳。 例3. 设U和V是不相关的随机变量，并且均值都为0， 方差都为1，问复随机过程Z(t)=Ucost+jVsint的平稳性。 解： Z(t)是宽平稳的 解： Z(t)是宽平稳的 例4. 设复随机过程 为非随机变量，求Z(t)的均值、相关函数和协方差 函数。 其中An(n=1,2,…,N)是相互 独立的正态随机变量，其均值为0，方差为 。 5.5 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 5.6 随机过程的试验研究方法 统计实验分析的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整个随机过程的有关统计参量 将随机过程X(t)某个实现转化成时间序列，经过抽样和量化，得到基本代表该过程的随机序列 均值估计 设 是统计独立的高斯随机变量，均值未知，则其多维概率密度函数为 求 的极值可得最大似然估值 该估计量为无偏一致估计量 均值估计 由于估计量依赖于观测结果，或说是观测结果的函数，取另外一组观测值时，估计量就会改变，因而估计量本身也是随机变量，也有均值和方差。 若估计量的均值等于真值，称为无偏估计量，反之称为有偏估计量。 若样本数 时，估计量的方差趋近零，称该估计量为一致估计量。 方差估计 仍假设待估计序列为独立高斯随机序列，方差的最大似然估值为 其均值为： 该估计量为渐进无偏一致估计量 （1）当估计量 为有偏估计量时，偏差为 。显然无偏估计偏差为零，一般当偏差和方差 两者均小的估计量更好。为方便起见，定义均方误差 来判断估计量好坏。 （2）以上估计量假设为独立高斯序列，对于一般情况，均值估计量仍为无偏一致估计，而方差估计量也仍为渐进无偏一致估计量。 自相关函数的估计 考虑零均值平稳序列，自相关函数为 很多实际问题中，仅能得到它的一个样本函数，且仅有有限数据，对于方差有 推广至非零滞后自相关函数可得 该估计量为渐进无偏一致估计量 * * ε epsilon ep`silon * * * * 数学期望 均方值 方差 协方差 例3：已知平稳随机过程 X(t)的自相关函数为 RX(τ)=100e-10| τ |+100cos10 τ +100 求X(t)的均值、均方值和方差。 RX(τ)=（100cos10 τ ）+（100e-10| τ |+100） = RX1(τ)+ RX2(τ) 式中，RX1(τ)=100cos10 τ是X(t)中周期分量的自相关函数，此分量的均值mx1=0; RX2(τ)=100e-10| τ |+100是X(t)的非周期分量的自相关， 由性质4，可得 所以有 解： 严平稳随机过程