平稳随机过程.ppt

系统辨识篇目录(1/1) 系统辨识篇 第01讲 系统辨识概论 第02讲 理论知识准备 第03讲 最小二乘法 第04讲 递推最小二乘法 第05讲 处理有色噪声扰动的最小二乘类方法 第06讲 随机逼近法 第07讲 多输入多输出系统辨识 第08讲 辨识算法比较 第09讲 系统辨识研究的发展与问题 第二讲 知识准备(1/1) 第二讲 理论知识准备 本节介绍在参数估计和自适应控制中所需要的关于 随机过程、 控制理论与 Matlab软件概述 方面的理论知识 1. 随机过程知识准备(1/2) 1. 随机过程知识准备 正如在第一讲系统辨识概论中指出的,系统辨识主要是考虑在有噪声污染或随机因素干扰的情况下,通过观测到的系统输入输出数据来辨识建模. 因此,概率论与随机过程理论在 系统的模型描述 信号的采集与预处理 辨识算法的设计与推导 等领域中为至关重要的理论基础. 1. 随机过程知识准备(2/2) 下面就分别简介 随机过程 随机过程的统计特性 随机过程的数字特征 平稳随机过程 随机过程通过线性系统 白噪声与有色噪声 离散时间随机过程 控制系统辨识常用的输入激励信号 1.1 随机过程(1/7) 1.1 随机过程 自然界中事物的变化过程可以大致分成为两类. 一类是其变化过程具有确定的形式,或者说具有必然的变化规律,用数学语言来说,其变化过程可以用一个或几个时间t的确定函数来描述,这类过程称为确定性过程. 例如,电容器通过电阻放电时,电容两端的电位差随时间的变化就是一个确定性函数. 而另一类过程没有确定的变化形式,也就是说,每次对它的测量结果没有一个确定的变化规律,用数学语言来说,这类事物变化的过程不可能用一个或几个时间t的确定函数来描述,这类过程称为随机过程. 1.1 随机过程(2/7) 下面我们给出一个例子: 设有n台性能完全相同的接收机,并在相同的工作环境和测试条件下记录各台接收机的输出噪声波形. 这也可以理解为对一台接收机在一段时间内持续地进行n次观测. 测试结果将表明,尽管设备和测试条件相同,记录的n条曲线中找不到两个完全相同的波形. 这就是说,接收机输出的噪声电压随时间的变化是不可预知的,因而它是一个随机过程. 1.1 随机过程(3/7) 由此我们给随机过程下一个更为严格的定义: 定义 设Sk(k=1,2,…)是随机试验. 每一次试验都有一条时间波形(称为样本函数或实现),记作xi(t),所有可能出现的结果的总体{x1(t), x2(t), …,xn(t),…}就构成一随机过程,记作?(t). 简言之,无穷多个样本函数的总体叫做随机过程. 随机过程如图1所示. 1.1 随机过程(4/7) 1.1 随机过程(5/7) 显然,上例中接收机的输出噪声波形也可用图1表示. 我们把对接收机输出噪声波形的观测可看作是进行一次随机试验. 每次试验之后,?(t)取图1所示的样本空间中的某一样本函数,至于是空间中哪一个样本,在进行观测前是无法预知的,这正是随机过程随机性的具体表现. 其基本特征体现在两个方面: 其一,它是一个时间函数,因此随机过程有时亦称为随机函数; 其二,在固定的某一观察时刻t1,全体样本在t1时刻的取值?(t1)是一个不含t变化的随机变量. 1.1 随机过程(6/7) 因此,我们又可以把随机过程看成依赖时间参数的一族随机变量. 可见,随机过程具有随机变量和时间函数的特点. 下面将会看到,在研究随机过程时正是利用了这两个特点. 1.1 随机过程(7/7) 随机过程按照时间形态分,可分为 连续时间随机过程 其样本空间在时间轴上是连续的,习惯上记为x(t). 在控制领域,对应的存在于随机连续时间系统中. 离散时间随机过程(有时亦称为随机序列) 其样本空间在时间轴上是离散的,如采样系统中所研究的随机因素,习惯上记为x(k). 在控制领域中,对应的存在于采样系统、随机离散时间系统中. 1.2 随机过程的统计特性(1/5) 1.2 随机过程的统计特性 随机过程的两重性使我们可以用与描述随机变量相似的方法,来描述它的统计特性. 下面分别介绍描述随机变量统计特性的 分布函数和 概率密度函数. 1.2 随机过程的统计特性(2/5) 定义 设x(t)表示一个随机过程,在任意给定的时刻t1?T,其取值x(t1)是一个一维随机变量. 而随机变量的统计特性可以用分布函数或概率密度函数来描述. 我们把随机变量x(t1)小于或等于某一数值x1的概率P{x(t1)?x1}简记为F1(x1,t1),即 F1(x1,t1)=P{x(t1)?x1} (A1) 式(A1)称为随机过程x(t)的一维分布函数. 如果F1(x1,t1)对x1的偏导数存在,即有 1.2 随机过程的统计特性(3/5) 类似地,可以定义 Fn(x1