高斯随机过程.pdfVIP

高斯随机过程 高斯随机过程 高斯分布 高斯分布 • 中心极限定理证明：在满足一定条件下， 大量随机变量和的极限分布是高斯分布。 • 特殊地位：无线电技术理论中最重要的概 率分布。 • 噪声理论、信号检测理论、信息理论 • 高斯过程-统计特性最简单 • 高斯过程-统计特性最简单 一、高斯随机过程 若随机过程X(t) 的任意n维概率分布都是高斯分布的，则称它 高斯分布 为高斯过程或正态过程。 高斯过程或正态过程 高斯过程X(t) 的n维概率密度有： 高斯过程X(t) 的n维概率密度有： 1 ⎡ (X −M X )T C−1(X −M X )⎤ f x x t t exp − X ( 1,..., n ; 1... n ) n / 2 1/ 2 ⎢ ⎥ (2π) | C | ⎣ 2 ⎦ ⎡E [X (t )]⎤ ⎡m (t )⎤ ⎡C C ... C ⎤ 1 X 1 11 12 1n ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ M : : C C ... C X ⎢ ⎥ ⎢ ⎥ C ⎢ 21 22 2n ⎥ ⎢E [X (t )] ⎥ ⎢m (t ) ⎥ ⎢ : : ... : ⎥ ⎣ n ⎦ ⎣ X n ⎦n×1 ⎢ ⎥ C C ... C ⎣ n1 n 2 nn ⎦n×n 从式中可以看出，高斯随机过程的n维概率分布完全由均值矢量 高斯随机过程的n维概率分布完全由均值矢量 M 与协方差矩阵C所确定 X 与协方差矩阵C所确定 二、高斯随机过程的性质 1、宽平稳↔严平稳 证明： T −1 ⎡ − ′ ′ − ′ ⎤ 1 (X M X ) C (X M X ) f X (x1,...,xn ;t1 +ε,...,tn +ε) (2π)n / 2 C′1/ 2 exp⎢⎣− 2 ⎦⎥ 1 ⎡ (X −M X )T C−1(X −M X )⎤ f X (x1,...,xn ;t1,...,tn ) (2π)n / 2 C 1/ 2 exp⎢⎣− 2 ⎦⎥