随机信号分析教案.ppt

南京航空航天大学 另外，信息在传输的过程中，不仅 传输的信号多数本身具有随机性，同 时它们还要受到传输系统（随机）噪 声的影响，使结果具有更加复杂的 随机性。如果使用经典的、确定信号 的理论与方法，必然是“张冠李带” 无法得到正确的处理结果。 －课程的特点与研究方法－ 学会用统计的观点来看研究对象－随机信号 由于随机信号是随机变化和不确定的，只有它的统计规律才是确定的，因此对随机信号而言，从描述方式、推演方式到分析方法都是在统计意义上讨论与定义的。所以必须学会用统计的观点来看所有随机的问题。 学习时必须注重物理概念的理解 该课程是电子信息类和相关专业的一门专业基础课程，不是一门数学课程，课程中用到的许多数学理论是处理随机信号问题的数学工具。因此，学习时除了注意处理随机信号的方法外，更重要的是深入理解数学推演结果、结论的物理意义。对一些复杂的数学推演的中间步骤不必死记硬背，更不必深究其数学上的严密性，重在弄清楚来龙去脉，掌握分析的思路与方法。 一、 事件的运算 （事件的关系） 例1.19 设二维随机变量(X1,X2)的函数 (X1,X2)的联合概率密度： 求：① 新二维随机变量(Y1, Y2)的联合概率密度 ②边缘概率密度 ，并说明Y1, Y2是否相互独立？ 解： 据( X1,X2)与( Y1,Y2)的函数关系， 找出唯一反函数： 则其雅柯比值为 可以根据( X1,X2)与( Y1,Y2)的函数关系，将(X1,X2)的值域映射到 平面，找出(Y1Y2)的值域。 可得： 将(X1,X2)的值域(x10, x20)映射到 平面，找出( Y1, Y2)的值域。 ( Y1, Y2 )的值域 （Y10, |y2|y1 ) 或 0|y2|y1 因此 由边缘公式： 习题：1－12，1－13，1－14，1－15，1－16 2、多值变换 n 维随机变量函数变换 设函数 存在 唯一反函数 Jacobian 例1.20 设已知n维随机变量的概率密度 求n维随机变量和 的概率密度 ？ 解： §1.5 随机变量的数字特征 1.5.1 随机变量及其函数的数学期望 一、一维随机变量的数学期望 二、一维随机变量函数的数学期望 由已知随机变量X的分布 ，求其函数Y＝g(X) 的数学期望。 由于 1、当g(·)是单值变换时 因为 所以 2、当g(·)是多值变换时 其中 无论g(·)是单值还是多值变换，函数g(X)的期望为： 例1.22 随机变量X在区间(a,b)上均匀分布，求 的数学期望。 解：由于X 服从均匀分布，概率密度为 函数的期望 三、二维随机变量及其函数的数学期望 1、二维随机变量的数学期望 设二维随机变量(X,Y)的联合概率密度 已知，其二维概率质量分布的“重心坐标”应该为 2、二维随机变量函数 的数学期望 当(X,Y)是离散随机变量时，函数 的期望为 例1.23 设 n 维随机变量 X1, …,Xn 的函数 其中权重 ai 是常数。求函数的期望 ？ 即，随机变量和的期望＝随机变量期望的和 例1.24 设 n 维随机变量X1, …,Xn的函数 其中n个变量独立。求函数的期望 ？ 即，独立随机变量积的期望＝独立随机变量期望的积 六、数学期望的基本性质 (1) 若a ≤ X≤b, (a,b为常数),则a ≤E[X] ≤b (2) 常数C的期望 E[C]=C (3) (ai，b 为任意常数) (4) 若X1,X2,…Xn相互独立，则 1.5.2 条件数学期望 设(X,Y)是定义在同一概率空间上的二维连续型随机变量。 若已知Y关于X的条件概率密度 ，则由期望