第2章随机信号及其统计描述.pptVIP

1 第2章 随机信号及其统计描述 2.1随机过程 2.1.1 随机过程的概念 随机实验：符合下面三个条件的实验 在相同条件下可以重复进行。 所有出现的结果，事先是已知的。 实验之前出现的结果未知 随机变量：将随机实验的结果用一个变量来表示，如果变量的取值是不确定的（以某个概率取某个值），则这种变量称为随机变量。 举例：随机过程 以N台性能完全相同，而且工作条件也完全一致的接收机输出端的噪声电压波形为例，随机过程表示为 随机过程的定义 随机过程是实验可能结果的函数。 定义一：随机过程是所有随机样本函数的集合，其中样本函数称为随机过程的一次实现。 随机过程是时间的函数。 定义二：随机过程是随机变量在时间轴上的扩展。由此可见，随机过程可以看作是不同时刻的多维随机变量。 2.1.2 随机过程的统计描述 随机过程中的某个时刻的随机变量（随机信号）是无法定量的描述的（波形或公式），但是却具有共同的统计特性。 用统计特性描述随机过程的方法分为两类： 多维概率密度函数和分布函数 随机过程的数字特征 随机过程的一维概率分布函数、一维概率密度函数 随机过程X(t)在任意一个时刻t1的取值是随机变量X(t1），则随机变量小于或等于某一数值x1的概率 一维概率分布函数和一维概率密度函数给出了随机过程最简单的概率分布特性，只能描述随机过程在任一孤立时刻取值的统计特性，而不能反映出随机过程各个时刻的内在联系。 N维概率分布函数和n维概率密度函数比一维包含了更多的信息，可以描述随机过程在任意的n个时刻之间的关联。 从理论上讲，n值越大，随机过程的n维概率分布函数和n维概率密度函数描述随机过程的统计特性就越完善，但随着n值的增大，分析处理也会变得越来越复杂。 若考虑两个随机变量X(t),Y(t)，定义二维随机变量 (X,Y)的联合概率分布函数为 Fx,y(x,y)，即X小于或等于x同时Y小于或等于y的联合概率。 （2）互相关函数：设有两个随机过程X(t)和Y(t)，它们在任意两个不同时刻t1,t2的取值分别为X(t1)和Y(t1)，其定义为： 设有两个随机过程X(t)和Y(t)，它们在任意两个不同时刻t1,t2的取值分别为X(t1)和Y(t1)，其互协方差函数定义为： 2.1.3 随机过程的平稳性与各态历经性 性质： 该式表明，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。可以简单的写为fx(x) 数字特征： （2）自相关函数只与时间间隔?有关。 （2）宽平稳随机过程 定义：若随机过程X(t)是二阶矩过程，其数字特征满足 （1）其数学期望值与t 无关的常量 ； （2）自相关函数只与时间间隔? 有关； 则随机过程X(t)是广义平稳随机过程。 显然，严平稳随机过程必定是广义平稳的，反之不一定成立。 （3）广义平稳相依随机过程 当同时考虑到两个广义平稳随机过程X(t)和Y(t)时，若它们的互相关函数仅是时间间隔? 的函数 （4）广义平稳随机过程自相关函数的性质 性质1：自相关函数Rx(? ）是偶函数 Rx(?) = Rx(-?) 证明： 性质2：自相关函数Rx(? ）在? =0时有最大值 Rx (0)≥Rx(? ） 证明：由于任何正函数的数学期望为非负数 性质4：若随机过程X(t)为非周期随机过程，则 性质5： 性质6： 平稳过程的自相关函数 平稳过程自相关函数的性质 — X(t)的平均功率 — ?的偶函数 — R(?)的上界, 即自相关函数 R(?)在? = 0有最大值。 — X(t)的直流功率 表示平稳过程X(t)的交流功率。当均值为0时，有 R(0) = ?2 。 2 随机过程的各态历经性 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