第2章随机过程习题及答案.doc

第二章 随机过程分析 1.1 学习指导 1.1.1 要点 随机过程分析的要点主要包括随机过程的概念、分布函数、概率密度函数、数字特征、通信系统中常见的几种重要随机过程的统计特性。 1. 随机过程的概念 随机过程是一类随时间作随机变化的过程，它不能用确切的时间函数描述。可从两种不同角度理解：对应不同随机试验结果的时间过程的集合，随机过程是随机变量概念的延伸。 2. 随机过程的分布函数和概率密度函数 如果ξ(t)是一个随机过程，则其在时刻t1取值ξ(t1)是一个随机变量。ξ(t1)小于或等于某一数值x1的概率为P[ ξ(t1) ≤ x1 ]，随机过程ξ(t)的一维分布函数为 F1(x1, t1) = P[ξ(t1) ≤ x1] (2-1) 如果F1(x1, t1)的偏导数存在，则ξ(t)的一维概率密度函数为 SKIPIF 1 0 对于任意时刻t1和t2，把ξ(t1) ≤ x1和ξ(t2) ≤ x2同时成立的概率 SKIPIF 1 0 称为随机过程x (t)的二维分布函数。如果 SKIPIF 1 0 存在，则称f2(x1, x2; t1, t2)为随机过程x (t)的二维概率密度函数。 对于任意时刻t1，t2，…，tn，把 SKIPIF 1 0 称为随机过程x (t)的n维分布函数。如果 SKIPIF 1 0 存在，则称fn(x1, x2, …, xn; t1, t2, …, tn)为随机过程x (t)的n维概率密度函数。 3. 随机过程的数字特征 随机过程的数字特征主要包括均值、方差、自相关函数、协方差函数和互相关函数。 随机过程x (t)在任意给定时刻t的取值x (t)是一个随机变量，其均值为 SKIPIF 1 0 其中，f 1(x, t)为x (t)的概率密度函数。随机过程x (t)的均值是时间的确定函数，记作a(t)，它表示随机过程x (t)的n个样本函数曲线的摆动中心。 随机过程x (t)的方差的定义如下： SKIPIF 1 0 随机过程x (t)的方差常记作σ2(t)。随机过程x (t)的方差的另一个常用的公式为 SKIPIF 1 0 也就是说，方差等于均方值与均值平方之差，它表示随机过程在时刻t，对于均值a(t)的偏离程度。 随机过程x (t)的相关函数的定义如下： SKIPIF 1 0 式中， x (t1)和x (t2)分别是在t1和t2时刻观测得到的随机变量。R(t1, t2)是两个变量t1和t2的确定函数。随机过程x (t)的相关函数表示在任意两个时刻上获得的随机变量之间的关联程度。 随机过程x (t)的协方差函数的定义如下： SKIPIF 1 0 式中，a(t1)、a(t2)分别是在t1和t2时刻得到的x (t)的均值；f2 (x1, x2; t1, t2)是x (t)的二维概率密度函数。 B(t1, t2) 与R(t1, t2)之间有如下关系式： SKIPIF 1 0 若a(t1) = a(t2)=0，则B(t1, t2) = R(t1, t2)。 随机过程x (t)和η(t)的互相关函数的定义如下： SKIPIF 1 0 4. 平稳过程及其性质 平稳过程包括严平稳过程（强平稳过程或狭义平稳过程）和广义平稳过程。如果随机过程x(t)的任意有限维分布函数与时间起点无关，也就是说，对于任意的正整数n和所有实数D，有 SKIPIF 1 0 则称该随机过程是严格意义下的平稳随机过程，简称严平稳随机过程。 严平稳随机过程的一维分布函数和均值都与时间无关，二维分布函数和自相关函数都只与时间间隔有关。 把对严平稳随机过程的要求降低到仅仅均值与时间无关和自相关函数只与时间间隔有关的随机过程定义为广义平稳随机过程。严平稳随机过程必定是广义平稳的，反之不一定成立。 平稳随机过程具有各态历经性(遍历性)。因此，在求解各种统计平均时，无需无限多次的样本，只要获得一次考察，用一次实现的“时间平均”值代替平稳随机过程的“统计平均”值即可，从而使测量和计算大为简化。 平稳过程x(t)的功率谱密度与其自相关函数是一付立叶变换对。据此，可以得到两条结论：平稳过程 QUOTE ξ(t) x(t)的功率等于其自相关函数在零点的取值R(0)；各态历