离散随机信号统计分析基础.docVIP

第 PAGE 16页 / DATE \@ yy-M-d 00-9-21 第一章 离散随机信号统计分析基础 本章的目的是对随机信号做一个简短的回顾，并且介绍一些在以后各章中我们将要用的概念。 §1.1 随机信号 1.1.1 随机变量 由概率论可知，我们可以用一个随机变量X来描述自然界中的随机事件，若X的取值是连续的，则X为连续型随机变量（注：本章随机变量和随机信号用大写外文符号表示，如X，Y等，随机信号的一次实现仍用小写外文符号表示，如xi(t),x(n,i)等）。若X的取值是离散的，则X为离散型随机变量，如服从二项式分布、泊松分布的随机变量。对随机变量X，我们一般用它的分布函数、概率密度及数字特征来描述： 概率分布函数 (1.1.1） 概率密度 (1.1.2) 均值 (1.1.3) 均方值 (1.1.4) 方差 (1.1.5) 式中E[ ]表示求均值运算。两个随机变量X、Y，其联合概率密度为p(x,y)，其协方差函数 (1.1.6) 例如，一个均匀分布的随机变量X的取值范围若是[b,a]，则其概率密度 (1.17) 若X服从高斯分布，则其概率密度 (1.1.8) N个实随机变量X=[x1, x2,… xN]T的联合高斯分布的概率密度 (1.1.19) 式中 (1.1.10a) (1.1.10b) 分别是X的均值向量和协方差矩阵。若x1, x2,… xN之间是相互独立的，则上述的方差阵将变成对角阵。 随机变量X的均值称为X的一阶矩，方差称为二阶中心矩，均方值称为二阶原点矩。若X1,X2，X3及X4都是零均值高斯随机变量，可以证明，其四阶矩： (1.1.11) 我们在后面将用到这一关系。 以上有关随机变量的描速方法可推广到随机信号。 1.1.2随机信号 现在让我们观察一个晶体管直流放大器的输出。当输入对地短路时，其输出应为零。但是由于组成放大器各元件中的热噪声致使输出并不等于零，产生了“温漂”。该温漂电压就是一个随机信号。也即，当我们在相同条件下独立地进行多次观察时，各次观察到的结果彼此互不相同。既然如此，为了全面地了解输出噪音的特征，从概念上讲，我们应该在相同的条件下，独立地做尽可能多次的观察，这如同在同一时刻，对尽可能多的同样的放大器各做一次观察一样。这样，我们每一次观察可以得到一个记录1,2,…,N, N→∞。如图1.1.1所示。 图1.1.1 晶体管直流放大器的温漂电压 如果我们把对温漂电压的观察看作为一个随机试验，那么，每一次的记录，就是随机试验的一次实现，相应的结果就是一个样本函数。所有样本函数的集合1,2,…,N, N→∞，就构成了温漂电压可能经历的整个过程，该集合就是一个随机过程，也即随机信号，记之为X(t)。概括这个概念：一个随机信号（或序列）是一个随机过程，在它的每个时间点上的取值都是随机的，可用一个随机变量表示，或者说，一个随机过程是一个随机试验所产生的随机变量依时序组合得到的序列。 对一个特定的时刻，例如，显然，是一个随机变量，它相当于在某一固定的时刻同时测量无限多个相同放大器的输出值。当，时，也是一个随机变量。因此，一个随机信号X(t)是依赖时间t的随机变量。这样，我们可以用描速随机变量的方法来描述随机信号。 当t在时间轴上取值时，我们可得到m个随机变量，显然，描述这m个随机变量最全面的方法是利用其m维的概率分布函数（或概率密度）： (1.1.12) 当m趋近无穷时，(1.1.12)式完善地描述了随机信号X(t)。但是，在工程实际中，要想得到某一随机信号的高维分布函数（或概率密度）是相当困难的，且计算也十分繁琐。因此在实际工作中，对随机信号的描述，除了采用较低维的分布函数（如一维和二维）外，主要是使用其一阶和二阶的数字特征。 对图1.1.1中的随机信号X(t)离散化，得离散随机信号X(nTs)(以下简记为X(n))。对X(n)的每一次实现，记x(n,i), i=1,2,…,N, 显然，对某一固定时刻，如时，构成一个随机变量。若随i的变化仍连续取值，那么是连续型随机变量，否则，为离散型随机变量。 显然，X(n)的均值、方差、均方值等一、二阶数字特征均应是时间n的函数，即： （1）均值（数学期望） （1.1.13） （2）方差 (1.1.14) （3）均方值 (1.1.15) （4）自相关函数 (1.1.16) （5）自协方差函数 (1.1.