第2章 信分析基础.ppt

平稳随机过程： 过程的统计特性不随时间的平移而变化、或者说不随时间原点的选取而变化的过程。严格地说便是：如果对于时间t的任意n个数值t1,t2, …,tn和任意实数ε，随机过程{x(t)}的n维分布函数满足关系式 对于一个平稳随机过程，若它的任一单个样本函数的时间平均统计特征等于该过程的集平均统计特征，则该过程称为各态历经过程。 工程中遇到的许多过程都可认为是平稳的；其中的许多都具有各态历经性。 (2.124) （二）随机过程的主要特征参数 1、均值、均方值和方差 对于一个各态历经过程x(t)，其均值μx定义为 E[x]——变量x的数学期望值； x(t) ——样本函数 ； T——观测的时间。 均值μx表示信号的常值分量。 随机信号的均方值ψx2定义为 E[x2]——变量x2的数学期望值。 均方值描述信号的能量或强度。Ψx2的平方根称均方根值xrms。 (2.125) 随机信号的方差σx2定义为 方差σx2表示随机信号的波动分量，方差的平方根σx称为标准偏差。 μx、σx2、ψx2之间的关系为 随机过程的均值、方差和均方值的估计公式为： (2.127) (2.128) (2.129) (2.130) (2.131) 概率密度函数 概率密度函数是指一个随机信号的瞬时值落在指定区间(x,x+Δx)内的概率对Δx比值的极限值。 概率密度函数p(x)则定义为： 2. 概率密度函数和概率分布函数 (2.135) 概率分布函数 概率分布函数P(x)表示随机信号的瞬时值低于某一给定值x的概率，即 式中Tx’为x(t)值小于或等于x的总时间。 概率密度函数与概率分布函数间的关系 (2.137) (2.138) (2.139) 利用概率密度函数还可来识别不同的随机过程 图2.51 典型随机信号的概率密度函数图 (d) 宽带随机信号 正弦信号 （初始相角为随机量） (c) 窄带随机信号 (b) 正弦加随机噪声 (三)相关分析 相关概念 自相关函数和互相关函数 相关分析的应用 1、相关概念 相关：描述一个随机过程自身在不同时刻的状态间，或者两个随机过程在某个时刻状态间线性依从关系的数字特征。 图2.52 变量x和y的相关性 (a) 精确相关 (b) 中等程度相关 (c) 不相关 评价变量x和y间线性相关程度的经典方法： 协方差σxy： 式中，E表示数学期望值； μx=E[x]为随机变量x的均值； μy=E[y]为随机变量y的均值； 相关函数ρxy： 式中 、 分别为x、y的标准偏差，而x和y的方差 和 则分别为 （2.142） （2.143） （2.144） （2.145） 利用柯西—许瓦兹不等式 可知|ρxy|≤1。 当ρxy=1时，所有数据点均落在y-μy=m(x-μx)的直线上，因此x和y两变量是理想的线性相关。ρxy=-1时，也是理想的线形相关，但直线斜率为负； 当ρxy=0时，(xi-μx)与(yi-μy)的正积之和等于其负积之和，因而其平均积σxy为0，表示x,y之间完全不相关。 (2.146) 2.　互相关函数与自相关函数 对于各态历经过程，可定义时间变量x(t)与y(t)的互协方差函数为 式中 称x(t)与y(t)的互相关函数，自变量τ称为时移。 (2.147) (2.148) 当y(t) ≡x(t)时，得自协方差函数 其中 称为x(t)的自相关函数。 (2.149) (2.150) 自相关函数Rx(?)和互相关函数Rxy(?)的性质： (1) 自相关函数是 ? 的偶函数，Rx(?)= Rx(-?)； 而互相关函数通常不是自变量?的偶函数或奇函数，且 　 Rxy(?)≠Ryx(?)，但Rxy(-?)＝Ryx(?) (2) 当 ?=0 时，自相关函数具有极大值，且等于信号的均方　　值。 　 而互相关函数的极大值一般不在?＝0处。 (2.153) (3) 在整个时移域(-∞? ∞)内， Rx(?)的取值范围为： Rxy(?)的取值范围则为： (4) 自相关函数Rx(?)和互相关函数Rxy(?)的性质： (2.154) (2.154) (2.155) 自相关函数Rx(?)和互相关函数Rxy(?)的性质： (5) 互相关不等式： 由式(2.143)定义的相关系数可扩展为相关系数函数： (6) 周期函数的自相关函数仍为周期函数，且两者的频率相同，但丢掉了相角信息．如果两信号x(t)和y(t)具有同频的周期成分，则它们的互相关函数中即使τ→∞也会出现该频率的周期成分，不收敛。同