平稳随机过程演示幻灯.pptVIP

解： 所以X(t)是关于均值遍历的。 Exercise 3.16 3.2 平稳随机过程的各态历经性 各态历经性 3.2 平稳随机过程的各态历经性 3.1 平稳随机过程 Exercise 3.9 3.1 平稳随机过程 Exercise 3.9 * 3.1 平稳随机过程-联合平稳 Definition3.4 (Joint Wide-sense Stationary Stochastic?Process) 3.1 平稳随机过程 Exercise 3.10 3.1 平稳随机过程 Exercise 3.10 * 3.1 平稳随机过程 3.2 平稳随机过程的各态历经性 3.3 平稳随机过程的相关函数 第三章 平稳随机过程 3.4 高斯平稳随机过程 * 两个平稳过程的典型例子（相同的均值与方差） 3.2 平稳随机过程的各态历经性 各态历经性 维纳：预测平滑和滤波 预测问题：设有零均值实平稳过程 ，现在的问题是要利用已知值 预测未来值 ，为常量，也即 选择 使得： 3.2 平稳随机过程的各态历经性 各态历经性 均值、自相关函数 怎样获得？ 在这个例子中，只能获得飞机过去一段时间的飞行轨迹，也就是说能否用一个样本来获得平稳随机过程的均值和自相关函数？ 这就需要证明每个样本的时间均值等于该随机过程的均值！ 3.2 平稳随机过程的各态历经性 各态历经性 * 3.2 平稳随机过程的各态历经性 各态历经性 问题的提出：我们知道，随机过程的数字特征（均值、相关函数）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，这样，我们自然会提出这样一个问题：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有趣而又非常有用的特性，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（均为统计平均）完全可由随机过程中的任一实现的时间平均值来代替。 如何根据实验记录确定平稳过程的均值和自相关函数呢？ 用统计实验方法，均值和自相关函数近似地为： 按照数学期望和自相关函数的定义，需要时一个平稳过程重复进行大量观察，获得一族样本函数 各态历经性 3.2 平稳随机过程的各态历经性 平稳过程的统计特性不随时间的推移而变化，根据这一特点，能否通过在一个很长时间内观察得到的一个样本曲线来估计平稳过程的数字特征呢？ 本节给出的各态历经定理证实，只要满足某些条件，那么均值和自相关函数实际上可以用一个样本函数在整个时间轴上的平均值来代替。 各态历经性 3.2 平稳随机过程的各态历经性 各态历经过程 非各态历经过程 随机过程的各个样本函数都同样地经历了随机过程的各种可能状态，因此从随机过程的任何一个样本函数就能得到随机过程的全部统计信息，任何一个样本函数的特性都能充分地代表整个随机过程的特性。 各态历经性 3.2 平稳随机过程的各态历经性 各态历经性 3.2 平稳随机过程的各态历经性 所谓各态历经性是指它的 “各种时间平均以概率1收敛于相应的统计平均”。并称这个过程为各态历经过程。 由于所采用的极限(收敛)的标准不同得到的遍历性定理也不同，关于平稳过程的遍历性主要有两类： (1)对强平稳过程在几乎处处收敛的意义下的遍历性定理； (2)对弱平稳过程在均方收敛的意义下的遍历性定理； 各态历经性 3.2 平稳随机过程的各态历经性 我们最关心的是随机过程X(t)沿整个时间轴的如下两种时间平均。 设 是平稳过程，若下面均方极限存在， 则分别称它们为X(t)的时间均值和时间相关函数。 Definition3.5 (Ergodic?Stochastic?Process) 3.2 平稳随机过程的各态历经性 Definition3.5 (Ergodic?Stochastic?Process) 3.2 平稳随机过程的各态历经性 * Exercise 3.11 3.2 平稳随机过程的各态历经性 Exercise 3.11 3.2 平稳随机过程的各态历经性 * Exercise 3.11 3.2 平稳随机过程的各态历经性 Exercise 3.12 3.2 平稳随机过程的各态历经性 Exercise 3.13 3.2 平稳随机过程的各态历经性 * Exercise 3.13 3.2 平稳随机过程的各态历经性 * Exercise 3.14 3.2 平稳随机过程的各态历经性 Exercise 3.14 3.2 平稳随机过程的各态历经性 * Exercise 3.14 3.2 平稳随机过程的各态历经性 * Exercise 3.15