随机信号表示法.ppt

3.2.4 平稳各态遍历随机过程的样本数字特征 各态遍历随机信号：所有样本函数在某给定时刻的统计特性与单一样本函数在长时间内的统计特性一致的平稳随机信号。 这就是说，单一样本函数随时间变化的过程可以包括该信号所有样本函数的取值经历。 随机信号的各态遍历特性，使我们能由单一样本函数的时间平均来代替集总平均。 本课程分析的医学信号的前提是平稳且各态遍历的 对于一个平稳各态遍历随机过程，如果我们测得该过程的一个样本值，就可以计算出以下的一些样本数字特征，可以用它们来估计统计特征量： 　 样本平均值 　 　　　　　 　 样本均方值 　 样本方差 　 　　　　　　　　 样本协方差 　 　　　　　　　　 　　　　 是另外一个平稳随机过程的样本，　是它的样本平均值，当 　　　 与 　　　　相同时，上式求到的就是样本自协方差。 　 样本相关函数 　　　　　　　　　　　　　 【例3-1】下图所示是随机产生的符合高斯分布的100点样本序列，并且均值为零，方差为1。讨论该信号的样本特征量。 x=randn(1,100); mx=mean(x); varx=var(x); stdx=std(x); mx=0.0479 varx=0.7543 stdx=0.8685 r=xcorr(x), plot(r) 高斯过程： 描述过程特性的所有概率密度函数都是高斯型的，它的均值为 高斯过程的特性 只要知道信号的均值矢量和协方差矩阵，则任意阶的概率密度函数都可以解析表达出。 只要均值和方差是常数，协方差只与时间差有关，（即1，2阶平稳），则必然是高阶平稳。 如果各随机变量互不相关，也必然互相独立。 高斯过程经过线性运算（加减微分积分）后还是高斯型的。 理想白噪过程： 功率谱是常数的随机过程，用w(n)表示白噪过程，该功率谱为 只有当m=0时,自相关才有值。即不同时刻白噪的取值总不相关。 限带白噪过程： 实际的线性系统总是有限的带宽,理想白噪通过线性系统后也会变成有限带宽。 用w(n)表示限带白噪过程，该功率谱为 例 3-5、3-6 研究确定性信号常用的方法：傅立叶变换 H(ejw) H(ejw) 当输入信号x是随机信号时我们无法求它的傅立叶变换。如何分析输出y呢？ 1.分析y的概率密度函数是最直接、最全面的方法。 2.分析y的自相关函数或功率谱密度，反映二阶特征 。 3.分析y的均值、方差，反映一阶特征。 注意输入必须平稳的，系统是稳定线性时不变的 y(n) Py (ejw) X(n) Px (ejw) H(ejw) 详细证明见书 例3-7、3-8、3-9 用Matlab程序计算例3-1, 调试结果 作业: 随机信号表示法. 谢谢 首先,我们回顾下概率论中所学过在知识. * 一个随机过程中得两个时间点n1,n2与随机变量xn1,xn2之间得关系 今后遇到的信号,比如三阶,四阶等等, 我们只需要考虑一阶和二阶即可. 接下来,我们再回顾下在概论论中学到的统计特征量 那么各态遍历信号是一种特殊的平稳随机信号. 各态遍历一定是平稳随机信号, 但平稳随机信号不一定是各态遍历的. 几种随机过程仅供了解 先给大家几分钟的时间,先看再讲 王 静 初等概率论 高等数学（对简单函数的微积分） 信号分析 第1节、随机信号 第2节、随机信号的统计特征描述 第3节、几种典型的随机过程 第4节、随机信号通过线性系统 确定性信号，就是其每个时间点上的值可以用某个数学表达式或图表唯一地确定的信号。 随机信号只能用统计的方法进行描述，只能在一定的准确性（accuracy）或可信性（confidence）范围内进行预测。 本节重点：平稳且各态遍历 ECG EEG 随机信号 随机信号的性质： 1.随机信号中的任何一个点上的取值都是不能先验确定的随机变量。(硬币实验） 2.随机信号可以用它的统计平均特征来表征。 用柱状图表示摩根的 四个样本 出现正面 次数 出现反面 次数 1061 1048 1017 1039 987 1000 1031 1009 统计结果是 否准确？ P=0.04 物理信号 确定性 随机性 周期性 非周期性 平稳 非平稳 各态遍历 非各态遍历 如果随机信号的统计特性与开始进行统计 分析的时刻无关，则为平稳随机过程，否 则为非平稳随机过程。 如果所有样本在固定时刻的统计特征与单 一样本在全时间上的统计特征一致，