4.平稳随机过程.pptVIP

平稳随机过程的一维分布函数特点 平稳随机过程的二维分布函数特点 * 所谓平稳随机过程，是指它的统计特性不随时间的推移而变化。 3.2 平稳随机过程 3.2.1定义 设随机过程{ξ(t)，t∈T}, 若对于任意n和任意选定t1＜t2＜…＜tn, tk∈T， k=1, 2, …, n， 以及h(t1、t2的间隔)为任意值，且x1, x2, …, xn∈R，有 fn(x1, x2, …, xn; t1, t2, …, tn)=fn(x1, x2, …, xn; t1+h, t2+h, …, tn+h)(3.2 - 1) 则称ξ(t)是平稳随机过程。 平稳随机过程的概率密度函数特点 f1(x1, t1)=f1(x1,0) (3.2 - 2) 和 f2(x1, x2; t1, t2) = f2(x1, x2; 0,t2-t1) =f2(x1, x2; τ) (3.2 - 3) fn(x1, x2, …, xn; t1, t2, …, tn)=fn(x1, x2, …, xn; t1+h, t2+h, …, tn+h)(3.2 - 1) 该定义说明，当取样点在时间轴上作任意平移时，随机过程的所有有限维分布函数是不变的，具体到它的一维分布, 则与时间t无关，而二维分布只与时间间隔τ有关，即有 两式可由式（3.2 - 1）分别令n=1和n=2, 并取h=-t1得证。 在任意给定的时刻t1∈T， 其取值ξ(t1)是一个一维随机变量，每个时刻的分布用一个分布函数说明。对于平稳随机过程，它们一定相同。 t1 t2 t3 F1(x1,t1) F1(x2,t2) F1(x3,t3) t1 t2 f2(x1,t1，x2,t2) ξ(t1) ξ(t2) f2(x3,t4，x3,t4) ξ(t3) ξ(t4) 二维分布只与时间间隔τ有关 τ τ τ R(t1, t2)=E［ξ(t1)ξ(t1+τ)］=  仅是时间间隔τ=t2-t1的函数，而不再是t1和t2的二维函数。 平稳随机过程ξ(t)的自相关函数 结论:平稳随机过程ξ(t)具有“平稳”的数字特征：它的均值与时间无关；它的自相关函数只与时间间隔τ有关，即 R(t1, t1+τ)=R(τ) 表示平稳随机过程的各样本函数围绕着一水平线起伏。同样，可以证明平稳随机过程的方差σ2(t)=σ2=常数，表示它的起伏偏离数学期望的程度也是常数。 平稳随机过程ξ(t)的均值 为一常数 随机过程的这种平稳特性，有时可直接用来判断随机过程是否平稳：如果一个随机过程的数学期望、方差与时间无关，而且其相关函数仅与时间间隔有关，则称此随机过程是平稳随机过程。  均值 σ2(t)=σ2=常数 自相关函数 R(t1, t1+τ)=R(τ) 方差 平稳随机过程ξ(t) 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。以后讨论的随机过程除特殊说明外，均假定是平稳的， 且均指广义平稳随机过程， 简称平稳过程。   平稳随机过程在满足一定条件下有一个有趣而又非常有用的特性， 称为“各态历经性”。 3.2.2 各态历经性 这种平稳随机过程，它的数字特征（均为统计平均）完全可由随机过程中的任一实现的数字特征（均为时间平均）来替代。 假设x(t)是平稳随机过程ξ(t)的任意一个实现，它的时间均值和时间相关函数分别为 如果平稳随机过程 依概率1使下式成立： 则称该平稳随机过程具有各态历经性。 随机过程中的任一实现都经历了随机过程的所有可能状态。因此， 我们无需（实际中也不可能）获得大量用来计算统计平均的样本函数，而只需从任意一个随机过程的样本函数中就可获得它的所有的数字特征， 从而使“统计平均”化为“时间平均”，使实际测量和计算的问题大为简化。  “各态历经”的含义： 注意： 具有各态历经性的随机过程必定是平稳随机过程， 但平稳随机过程不一定是各态历经的。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。 实现1 实现2 实现n 对于平稳随机过程而言， 它的自相关函数是特别重要的一个函数。其一，平稳随机过程的统计特性，如数字特征等， 可通过自相关函数来描述；其二，自相关函数与平稳随机过程的谱特性有着内在的联系。 这里利用了当τ→∞时， ξ(t)与ξ(t+τ)没有依赖关系， 即统计独立， 且认为ξ(t)中不含周期分量。 3.2.3 平稳随机过程自相关函数的性质 设ξ(t)为实平稳随机过程， 则它的自相关函数  R(τ)=E［(ξ(t)ξ(t+τ)］