第三讲 连续时间随机过程的微分和积分.pptVIP

《随机信号分析》教学组 《随机信号分析》教学组 1.2 连续时间随机过程的微分和积分 实际中，经常涉及到随机过程的微分和积分问题。 对于通常函数而言：这些运算即是极限运算。 对于随机过程而言：这涉及到随机变量序列的极限和收敛 问题，这些极限都是在均方意义下定义的。 为了讨论随机过程的微分和积分，首先讨论随机过程的连续性。 * * 一 随机过程的连续性 1 确定函数连续性定义： 对于确定性函数 ， 若 则 在 处连续。 * 2 随机过程 连续性定义 如果随机过程 满足 则称 在均方收敛意义下在t点连续。 简称随机过程 在t点均方连续。 * 3 随机过程 的相关函数连续，则 连续。 因此，如果对 时刻，函数 在 点上连续，则随机过程 必在 t点上连续。如果 沿着 处处 连续，则随机过程 对于每个t都是连续。 * 4 随机过程 均方连续，则其数学期望连续。 证 由均方连续的定义可知，当 ，则不等 式左端趋于0，那么不等式的右端也必趋于0。 （均值的平方不可能小于0） 设 * 即： 注意 为确定性函数，由前面知识可知连续。 可将此结果写成 表明：求极限和数学期望的次序可以交换。 * 二 随机过程的导数 预备知识： 对于一般确定性函数，高等数学给出的可导定义如下： 一阶可导： 如果 存在，则 在 t 处可导，记为 。 * 二阶可导： 存在，则 二阶可导，记为 。 如果 * 1 随机过程可导的定义 随机过程 的导数定义为一个极限： 如果这个极限对于过程 的所有样本函数都存在，那么 具有导数通常的意义。 如果这个极限在均方意义下存在，称 具有均方意义下的导数。 * 如果随机过程 满足 则称 在t时刻具有均方倒数。 * 2 判别方法 判断一个随机过程是否均方可微的方法是采用柯西准则，即 而 * 若 时，存在二阶混合偏导 则 随机过程在均方意义下可微(可导)的充分条件： 相关函数在它的自变量相等时，存在二阶混合偏导数且连续，即存在 随机过程存在导数，首先该过程必须是连续的，但随机过程的 连续性不能保证过程有导数。 * 3 数字特征 (数学期望和相关函数) 随机过程导数的数学期望等于其数学期望的导数，即 证明： 随机过程 连续性 随机过程的导数运算与数学期望的运算次序可以交换。 * 随机过程导数的相关函数，等于可微（可导）随机过程的相关函数的混合偏导数 证明： * 例 数学期望 、相关函数 随机信号 。 求随机信号 的均值和相关函数。 解 * 三 随机过程的积分 1 预备知识 对于确定性函数 ， 其中 * 给定实随机过程 ，若在确定区间 上每个样本函数下列积分存在 则称Y为随机过程 的积分。 由于对每个试验结果 ，积分都可以得到一个数 ；但对不同的 ，积分值是不同的，于是对于所有的实验结果，Y是一个随机变量。而对于每个样本函数，此积分是通常意义下的积分。 在更一般的情况下， 的积分并不对每一个 都存在，此时需要换一种方式来定义。 * 2 随机过程积分的定义 随机过程 在确定区间 上的积分Y是一个随机变量，即 若有 则称 为随机过程 在 上的均方积分。 * 3 数字特征(数学期望、均方值、方差、相关