第4章-离散随机信号的特征描述及其估计.pptVIP

4.1 引言 随机信号是一种非确定性的信号，如热噪声信号发生器 输出的电信号，飞行器起飞时的结构振动，以及起伏海面的 波动高度等。它们的共同特点是无法预测其未来瞬间的精确 值。处理的目的是便于从中提取有用的信息，削弱信号中的 多余信息量，便于估计信号的特征参数，或变换成易于分析 和识别的形式等。 随机信号处理的主要理论基础是信号检测理论、估计理 论和随机过程理论。根据理论分析，随机信号的不同样本函 数在同一时刻的值往往是不确定的，因而只能用样本函数集 的统计平均来描述，如用均值、均方值、方差、概率密度函 数、相关函数和功率谱密度函数来描述随机过程的特性。随 机信号处理就是利用信号的这些统计特征或信号本身导出一 套最佳的估计算法，然后利用软件或者硬件予以实现。下一 章所讲的维纳滤波器和卡尔曼滤波器就是根据最佳原理实现 的。 离散随机信号或序列，是指由随机变量按一定顺序排列 而成的时间序列，随机序列中的任何一个时间点上的取值都 是不能先验确定的随机变量。即离散随机信号可表示为 （4-1） 式中 为随机变量，它可以是有限维的 也可以是无限维的。产生这些随机变量的过程称为随机过 程，简记为 。 例如抛硬币就是一个随机过程，抛硬币的结果就是一个离 散随机序列。这个结果有两种状态，一种是正面朝上， 用 表示，另一种是反面朝上，用 表示。 连续抛掷，可以得到一个由+1和-1组成的序列如图4-1所 示。这个序列就是离散随机信号或序列。要注意的是如果重 新将抛掷硬币的过程进行一次，我们得到序列可能看起来与 图4-1所示的序列完全不同，所以我们每次得到的序列是这 个离散随机信号的一个样本序列。 4.2 离散随机信号的特征描述 4.2.1平稳随机过程和各态历经性 实际中的很多随机过程是属于平稳随机过程。设 是一 个平稳随机过程，则其随机序列在各点上的概率特性不随时 间平移而变化，而且是无始无终的。即随机变量 的概率 特性对于任何时刻 都是相同的， 对于一个无始无终的平稳随机信号，它的傅立叶变换是 不存在的，也就是说它的频谱是不存在的，我们只能求它的 功率谱。一个平稳随机信号的功率谱就是这个信号的自相关 函数的傅立叶变换。因此，我们就可用信号的功率谱来表征 它的谱特性。在本课程中我们所要讨论的随机序列都为平稳 随机序列。 4.2.2 各态历经性 随机过程的各个样本序列在某一时刻的各种平均特性， 称为集合平均。当样本数趋于无穷时，集合平均就趋于统计 平均；随即过程的某个样本序列在不同时刻的各种平均特 性，称为时间平均。 已知 时刻随机变量 的 个取值的集合平均为 （4-2） 已知随机信号的一个样本序列 ，则其时间平均为 （4-3） 如果一个随机信号的时间平均等于过程的集合平均，则称随 机过程是各态历经的或各态遍历的。具体地说，如果有 则称 为均值各态历经随机过程。 可见，对各态历经随机过程，可以用一个样本 序列的时间平均计算随机过程的集合平均。实际 上，对一个样本过程进行长时间统计比对许多样本 进行统计要容易实现。实际处理信号时，对已获得 的一个物理信号，先假设它是平稳的，再假设它是 各态历经的。对信号按此假设处理后，再用处理结 果来检验假设的正确性。各态历经的随机过程一定 是平稳随机过程，实际中常用的高斯白噪声，就是 平稳各态历经的。 4.2.3 离散随机信号的数字特征 一个离散随机序列在任何时间点上的取值（随机变量） 是不能先验确定的，但它一定具有一定的统计规律，可用其 统计平均特性来描述。例如抛硬币的所得到的离散序列，每 个时间点上的取值虽然不能预知，但我们知道取值出现+1 和-1的概率都为1/2。实际中要得知一个随机变量的概率分布 函数是比较困难的，我们往往只要知道概率分布的某些数字 特征就足够了。这些数字特征就是随机过程的矩，包括各阶 原点矩和各阶中心矩。对于实随机过程，各阶原点矩是指原 点差值各次方的均值，各阶中心矩是指与均值差值各次方的