随机信号的特征及其估计.pptVIP

* * 2.随机信号的特征及其估计 2.1.1随机过程及其特征描述 1.随机过程 定义1：设随机试验的样本空间 ，若对于每个元素 ，总有一个确知的时间函数 与它对应，这样，对于所有的 ，就可以得到一簇时间t的函数，称它为随机过程。簇中的每一个函数称为样本函数。 定义2：若对于每个特定的时间 ， 都是随机变量，则称 为随机过程， 称为随机过程 在 时刻的状态。 2.1 随机过程基础 的含义 1. 固定时，是t的确定函数，称为样本函数，对应于某次试验的结果 2. t 固定时，是一个随机变量 3. 与t都固定时，是一个确定数值，称为状态 4. 与t都发生变化，构成了随机过程（信号）的完整概念 2.随机过程的n维分布函数 随机过程 在任意n个时刻 的取值 构成n维随机变量 。 则定义随机过程 的n维分布函数和n维概率密度函数为 3.随机过程的数字特征 设﹛X(t)，t∈T﹜为实随机过程，其主要 数字特征有 1）均值函数（ 数学期望） 2 ）均方函数 3） 方差函数 4） 自相关函数和自协方差函数 5） 互相关函数和互协方差函数 2.1.2 平稳随机过程 1 严平稳随机过程 设﹛X(t)，t∈T﹜为随机过程，如果对于任意的τ ∈T，过程X(t+ τ)与X(t)（t∈T）有相同的分布，即 对一切有限集﹛ti﹜ ∈T和任意的τ ∈T都成立，则称X(t)为严平稳过程。 2 宽平稳随机过程——只考虑一阶矩和二阶距 若随机过程 X(t)满足 则称X(t)为宽平稳或广义平稳随机过程（简称平稳过程）。 严平稳与宽平稳的关系：严平稳过程的均方值有界，则此过程为宽平稳的，反之不成立。对于正态过程，严平稳与宽平稳等价。 3各态历经性 时间平均-指某一样本函数在不同时刻的平均。即 如果随机过程任一样本函数的时间平均等于过程的集合平均，则随机过程是各态历经的或各态遍历的。 若有 则称X(t)为均值各态历经随机过程。 若 则称X(t)为自相关各态历经随机过程。 各态历经和平稳过程的关系 各态历经的随机过程必定是平稳的随机过程，而平稳的随机过程不一定是各态历经的。对各态历经的随机过程X(t)，其均值、均方值和方差都为常数，若分别表示为 则有 其自相关函数和协方差函数满足 2.1.3 正态过程 如果随机过程X(t)的任意n维概率分布都是正态分布，则称它为正态随机过程或高斯随机过程，简称正态过程或高斯过程。 正态随机过程的性质 1.正态过程是二阶矩过程； 2.正态过程的一阶矩、二阶矩即可确定其有限维分布； 3.正态过程严平稳与宽平稳是一致的。 2.2估计的质量评价 2.2.1 估计的偏 定义 反映估计的均值与真值的偏离程度 2.2.2 估计的方差 定义 定义 2.2.3 估计的均方误差(MSE)与一致性 均方误差与偏差及方差的关系 若有 则 是 的一致估计。 2.3均值、方差、自相关函数的估计 2.3.1 均值的估计 定义 估计的均值 估计的方差 （1） 若x(n),x(m)互不相关，则 结论：当各样值互不相关时，式（1）对均值的 估计 是无偏的一致估计。 2.3.2 方差的估计 定义 ** 估计的均值 估计的方差 2.3.3 自相关函数的估计 方法1 可以证明当N→∞时，估计的方差趋于0。所以式**对 方差的估计是无偏的一致估计 根据实序列自相关函数的偶对称性，上式表示为 估计的均值 方法2 估计的均值 和 的偏差为 结论： 是 的渐近无偏估计 2.4相关函数和功率谱 2.4.1 相关函数 1 确定性能量信号的相关函数 自相关函数 互相关函数 实序列 确定性能量信号的相关函数的性质 1）若x(n)为实信号，则 为实偶函数，则 若x(n)为复信号，则 共轭偶对称，则 2）m=0时， 取得最大值，即 为信号序列的能量，即 3） 4）互相关函数 不是偶函数，即 5）相关卷积定理 实信号 实信号 * *