杭电随机信号平稳随机过程.ppt

第三章 平稳随机过程 3.1 平稳随机过程及其数字特征 3.1.1 平稳随机过程的基本概念： 1、严平稳随机过程（狭义平稳随机过程）： 即任何N维分布函数或N维概率密度函数与时间起点无关的随机过程，即： 所以平稳随机过程的统计特性将不随时间的推移而改变；其一维分布函数与时间无关，二维分布函数只与时间间隔τ有关。通信系统中的信号与噪声大多数是平稳随机过程。 3、宽平稳随机过程： 若随机过程满足： 若平稳随机过程的数学期望及方差与时间t无关（分别记为a及 ），且自相关函数只与时间间隔τ有关（ ），则称其为广义平稳随机过程。 3.2 平稳过程相关函数的性质 一、平稳过程自相关函数的性质 3.2.2 平稳相依过程互相关函数的性质 3、互相关系数 3.3 平稳随机序列的自相关阵与协方差阵 3.3.1 Toeplitz阵 Toeplitz矩阵：矩阵的每一条对角线上的元素是相同的，即矩阵元素满足： 3.3.2 自相关阵的正则形式： 3.4 随机过程统计特性的实验研究方法 1、有偏估计与无偏估计 3.4.2 方差与协方差估计 1、 是有偏估计量： 2、 为一致估计量： 3.4.3 自相关函数的估计 3.4.4 密度函数估计 3.5 相关函数的计算举例 3.6 复随机过程 3.6.1 复随机变量 定义复随机过程Z为：Z=X+jY 1、复随机变量Z的数学期望mZ为： mZ=E[Z]=E[X]+jE[Y]=mX+jmY 2、方差DZ为： DZ=D[Z]=E[| |2] 3、相关矩： 两个复随机变量Z1和Z2，其中：Z1=X1+jY1； Z2=X2+jY2 ；当Z1=Z2=Z时，相关矩就是Z的方差；定义： 4、两个复随机变量的独立、不相关及正交 3.6.2 复随机过程 定义复随机过程Z为：Z(t)=X(t)+jY(t),其中， X(t)，Y(t)为实随机过程。复过程Z(t)的统计特性可由X(t)和Y(t)的2n维联合概率分布（密度）完整地描述，其概率密度为： ３.７　高斯随机过程 一、定义： 若对于任何有限时刻ti(i=1,2,?,n)，随机变量Yi=Y(ti)集合的任意n维概率分布是高斯的，那么这个随机过程称为高斯随机过程。 二、性质 性质1 高斯过程两种统计特性的描述方法是等价的。 性质2 高斯过程严平稳和宽平稳是等价的。 性质3 高斯过程不相关与统计独立是等价的。 性质4 平稳高斯过程与确定信号之和的概率密度还是平稳高斯过程。 (3.6.1) (3.6.2) (3.6.3) (3.6.4) 当Z1=Z2=Z时，相关矩： 即复随机变量的方差等于它的实部和虚部的方差之和，同时也是非负的实数。 (3.6.5) (3.6.6) (3.6.7) 若满足： 则称Z1和Z2相互统计独立。 若满足： 或： 则称Z1和Z2不相关。 若满足： 则称Z1和Z2正交。 (3.6.8) (3.6.9) (3.6.10) (3.6.11) (3.6.12) (3.6.13) (3.6.14) 高斯过程的n维概率密度函数： 其中： (3.7.1) 由多维高斯变量的联合特征函数可得到高斯过程的多维特征函数: 当抽样的时间间隔ts?0时,有: (3.7.2) (3.7.3) 高斯过程的多维概率密度和多维特征函数同样可以写成矩阵形式的表达式: 式中: (3.7.4) (3.7.5) * * (3.1.1) 2、平稳随机过程的数学特征： 若X(t)为平稳随机过程，则它的一维概率密度与时间无关。 数学期望：与时间t无关，即均值为常数。 X(t)的均方值和方差也应为常数： (3.1.2) (3.1.3) (3.1.4) (3.1.5) （2）平稳过程X(t)的二维概率密度只与t1、t2的时间间隔有关，而与时间起点t1无关。 其中，?’=t2-t1 自相关函数：只与时间间隔τ有关; 协方差： 当?=0时，有： (3.1.6) (3.1.7) (3.1.8) 则称X(t)为宽平稳过程（或广义平稳过程）。 (3.1.9) 考虑两个平稳过程X(t)和Y(t)时，若它们的互相关函数仅是单变量?的函数，即： 则称这两个随机过程是联合宽平稳。 以后除特别说明，提到“平稳过程”通常都是指宽平稳过程。 例： (3.1.10) 3.1.2 各态历经(遍历)随机过程 平稳随机