信息论第四讲平稳随机序列信源.pptVIP

（2）各态历经定理 ①各态历经定理： 若对一个有限(I为有限正数)齐次马氏链，存在一个正整数n01 ，对于一切i，j=1,2,…,r 都有pij(n0)0 （矩阵[P(n0)]中的所有元素大于0）。 则对于每个 j=1,2,…..,r都存在不依赖i的极限pj（每个状态都以一定的概率出现，而无论其原始状态为何）。 则称这个马氏链是各态历经的。 其中的极限概率pj={p1,p2,…pr}是方程组 ? 满足条件 的唯一解。 ②各态历经定理的含义： 如果一个有限的、齐次的马尔柯夫链满足各态历经定理，则说明经过一定时间后这个马尔柯夫链所有状态均有一个稳定的出现概率。而且这个概率的值与其起始状态无关。 各态历经就是各个状态相通，不会有一个或几个状态到一定步骤后总也不出现。 定理一方面说明了极限概率的存在性，无限步转移概率就等于极限概率。 另一方面给出了极限概率的求法，已知一步转移概率就可以求出极限概率，条件是必须满足定理，并利用边界条件。 ③状态极限概率的求法： 根据各态历经定理，满足这个定理的马尔柯夫链的极限概率就是各状态的稳态概率，注意它不是转移概率，不是条件概率，在信源中它相当于先验概率。pj=p{X(t)=j}=P{X=j}。 由各态历经定理给出的方法，如果用矩阵表示极限概率和一步转移概率： 状态极限概率：[P]=[Pi]=[Pj]=[p1,p2,p3,……pr] 一步