平稳随机过程及其遍历性（整理）.ppt

* 1 通常把相关系数的绝对值小于0.05的时间间隔 ，记做相关时间, 即: 时的时间间隔 为相关时间。 2 有时我们用矩形（高为 ,底为 的矩形）面积等于 积分的一半来定义相关时间即 相关时间示意图 ;.; * 物理意义： 相关时间 越小，就意味着相关系数 随 增加而降落的越快，这表明随机过程随时间变化越剧烈。反之， 越大，则表时随机过程随时间变化越慢。 相关时间越长，反映随机过程前后取值之间的依赖性越强，变化越缓慢，相关时间越小，反映随机过程前后取值之间的依赖性越弱，变化越缓慢。 两个不同相关时间随机过程的样本函数 0 50 100 -4 -2 0 2 4 0 50 100 -10 -5 0 5 10 ;.; * 例：已知平稳随机过程X(t)的自相关函数为 RX(t)=100e-10|t|+100cos10t+100 求X(t)的均值、均方值和方差。 ;.; * RX(t) =(100cos10t)+(100e-10|t|+100)= RX1(t)+ RX2(t) RX1(t)=100cos10t是X(t)中周期分量的自相关函数，此分量的均值mx1=0 RX2(t)=100e-10|t|+100是X(t)的非周期分量的自相关函数，由性质6可知， 所以有 解： ;.; * 例：已知平稳随机过程X(t)的自相关函数为 求X(t)的均值和方差。 ;.; * 解：由性质6可知 由性质7可知 ;.; * 例： 已知随机过程X(t)与Y(t)的协方差函数 比较两个过程的起伏速度 ;.; * 解: 由随机过程的协方差函数，得出X(t)、Y(t)的方差 由于 ，故过程X(t)比Y(t)起伏速度快。 由定义得出X(t)、Y(t)的相关系数 X(t)、Y(t)的相关时间 ;.; * 三 遍历(Ergodic)随机过程（各态历经性） 每当提及随机过程时，意味着要涉及大量的样本函数的集合。要得到随机过程的统计特性，需要观察大量的样本函数。数学期望、方差、相关函数等都是对大量样本函数在特定时刻的取值利用统计方法求平均而得到的数字特征。这种平均称为统计平均或集合平均。显然，取统计平均所需要的试验工作量很大，处理方法也很复杂。这就使人们自然想到，根据平稳随机过程统计特性与记时起点无关这个特点，能否找到更加简单的方法代替上述的方法。 辛钦证明：在具备一定的条件下有平稳随机过程的任意一个样本函数取时间平均（观察时间足够长），从概率意义上趋近于该过程的统计平均值。这样的随机过程，称具备各态历经性或遍历性。 ;.; * 随机过程各态历经性可以理解为：随机过程的各样本函数都同样的经历了随机过程的各种可能状态。因此从随机过程的任何一个样本函数都可以得到随机过程的全部统计信息，任何一个样本函数的特性都可以充分地代表整个随机过程的特性。 问题：随机过程 的各数字特征（集合平均），能 否用任一条样本函数的特征（时间平均）来代替。 ;.; 1.3 平稳随机过程及其遍历性 平稳性：若一个函数 ，当 ， 的特性不变，就称 关于 函数是平稳的。 对确定函数来说：特性不变指函数值不变。 对随机过程来说：特性不变指统计特性不变， 且仅仅对时间变量t而言。 分类 严格平稳 宽平稳（广义平稳） * ;.; * 随机过程可分为平稳和非平稳两大类, 严格地说, 所有信号都是非平稳的, 但是, 平稳信号的分析要容易得多, 而且在电子系统中, 如果产生一个随机过程的主要物理条件在时间的进程中不改变, 或变化极小, 可以忽略, 则此信号可以认为是平稳的. 如接收机的噪声电压信号, 刚开机时由于元器件上温度的变化, 使得噪声电压在开始时有一段暂态过程, 经过一段时间后, 温度变化趋于稳定, 这时的噪声电压信号可以认为是平稳的。 ;.; * 一 平稳随机过程 1 严平稳随机过程(Strictly Stationary Process) (1) 定义 如果随机过程的任意n维分布不随时间起点变化，即当时间平移时，其任意的n维概率密度不变，则称是严（格）平稳的随机过程 或称为狭义平稳随机过程。 实际应用中，通过上式来判定过程的平稳性是很不容易的，因此在实际中往往不需要所有时间都平稳，只要观测的有限时间平稳就行了。 ;.; *