随机过程教学幻灯片讲义.pptVIP

第3章 随机过程;3.0 引言;2. 通信系统中传输的信号、噪声均为随机信号. 随机信号的不可预测性为所携带的信息，它是有用的，而噪声的不可预测性是对信号的干扰，是有害的。两者都不可预测，但均服从一定统计规律，需用概率论方法进行分析。二者统计特性不同，可从噪声中提取信号。 3.通信系统中的噪声为随机噪声，简称噪声。 ;3.1随机过程的基本概念;随机变量 的概率分布函数 是 的取值小于或等于 的概率，即;概率密度函数和概率分布函数之间的关系可表述为： X 位于区间 内的概率是概率密度函数 在该区间上的积分，即 : ;类似于单个（一维）随机变量，可定义二维随机变量的联合概率密度函数为;随机变量的主要数字特征包括数学期望（均值） 和方差 等。 ;随机过程 (random process);什么是随机过程？;14;随机过程基本特征： 随机过程兼有随机变量和和时间函数的特点： 就某一瞬间来看，它是一个随机变量；就它的一个样本来看，则是一个时间函数。随机过程的样本空间是一个时间函数集，随机变量的样本空间是一个实数集。;3.1.1 随机过程的分布函数;如果存在 称 为随机过程 的一维概率密度函数;3.1.2 随机过程的数字特征;随机过程的数学期望 设随机过程ξ(t)在任意给定时刻t1的取值ξ(t1)是一个随机变量，其概率密度函数为f1(x1, t1)，则ξ(t1)的数学期望为;随机过程的数学期望 反映了随机过程各个时刻的数学期望（均值）随时间的变化情况； 本质是随机过程所有样本函数的统计平均函数； 它由随机过程的一维概率分布决定； 表征了随机信号的直流分量；;随机过程的方差 (variance)：;相关函数(correlation function)： 描述随机过程在任意两个时刻上获得的随机变量之间的相关程度。;协方差函数(covariance function);互相关函数 式中?(t)和?(t)分别表示两个随机过程。 因此，R(t1, t2)又称为自相关函数。 ;1. 和的平均等于平均的和 E(X＋Y）＝E(X)＋E(Y) 2. 若X、Y相互统计独立，则积的平均等与平均的积 E(XY)＝E(X)E(Y) 3. 随机变量X的函数g(X)的平均 式中 是随机变量X的概率密度???数。 4. 确知函数可视为常数 若 是确知函数，则 ;3.2平稳随机过程;定义：平稳随机过程的统计特性将不随时间的推移而发生变化，即其任何n维分布函数或概率密度函数与时间起点无关，亦即对于任意的正整数n和任意的实数 ，平稳随机过程 的n维概率密度函数满足： 称该随机过程是在严格意义下的平稳随机过程，简称严平稳随机过程（狭义平稳随机过程）。;性质： 该定义表明，平稳随机过程的统计特性不随时间的推移而改变，即它的一维分布函数与时间t无关： 二维分布函数只与时间间隔? = t2 – t1有关： 数字特征： ;数字特征： （1）其均值与t 无关，为常数a ； （2）自相关函数只与时间间隔? 有关。 把同时满足(1)和(2)的过程定义为广义平稳随机过程。显然，严平稳随机过程必定是广义平稳的，反之不一定成立。 在通信系统中所遇到的信号及噪声，大多数可视为平稳的随机过程。除特别声明，课程所讨论的均为广义平稳随机过程。;问题的提出：随机过程的数字特征是对随机过程的所有样本函数的统计平均，但在实际中常常很难测得大量的样本，能否从一次试验而得到的一个样本函数x(t)来决定平稳过程的数字特征呢? 回答是肯定的。平稳过程在满足一定的条件下具有一个特性，称为“各态历经性” (又称“遍历性”)。具有各态历经性的过程，其数字特征（统计平均）可由随机过程中的任一实现的时间平均值来代替。 ;各态历经性条件 设：x(t)是平稳过程?(t)的任意一次实现(样本)，则其时间均值和时间相关函数分别定义为： 如果平稳过程使下式成立 则称该平稳过程具有各态历经性。;“各态历经”的含义：随机过程中的任一次实现都经历了随机过程的所有可能状态。因此，在求解各种统计平均（均值或自相关函数等）时，无需作无限多次的考察，只要获得一次考察，用一次实现的“时间平均”值代替过程的“统计平均”值即可，从而使测量和计算的问题大为简化。 具有各态历经的随机过程一定是平稳过程，反之不一定成立。在通信系统中所遇到的随机信号和噪声，一般均能满足各态历经条件。; [例3-1] 设一个随机