功率谱估计经典方法.pptVIP

功率谱估计的经典方法 版权所有 吉林大学通信工程学院信息科学实验室  离散随机过程 为了描述随机变量,引入了概率分布函薮、概率密度函数以及随机变 量的数字特征。这些函数或参数都是针对一维随机变量定义的。统称 维统计特征。 但对于离散随机过程,因为它是由无限多个随机变量构成的时间序列 {xn-∞n+,因此为完整地描述它,仅知道随机变量的特征是不 够的,还必须知道随机过程中不同时刻随机变量的相互关系 重要定义 (1)联合概率分布函数 设x和xm是离散随机过程{xn}-∞n+∞中两个不同时刻n和m上 的随机变量,则二维联合概率分布函数为 P(Xn,n,Xn,m)=[xn≤Xnxn≤Xn]的概率 吉林大学通信工程学院信息科学实验室  离散随机过程 (2)二维联合概率密度函数 P(Xn, n, Xm, m) (Xn, n, Xm, m) 类似地,可以定义两个以上随机变量的高阶联合概率分布函数和高阶联 合概率密度函数。 (3)统计独立如果一个随机过程在不同时刻的随机变量互不影响。其 概率分布函数为 P(Xn,n, Xm, m)=P (Xn, n)P (Xm, m) (4)狭义平稳随机过程当随机过程满足 P,(Xn, n)=p,(Xm, m)=P(X) 吉林大学通信工程学院信息科学实验室  离散随机过程 F P.(X, n,Xm, m)=p.(Xn+k, n+k, Xmtk, m+k) (5)随机过程的数字特征 均值Ex]=m=」。2(x,n)d 均方值 xp(r, n)d 方差 p(x, n)d 般来说,它们都和时间有关。但狭义平稳随机过程的这些数字特征与 时间无关。E]称为集合平均算子 它们仅是简单的平均量,提供少量的有关随机过程的信息。 吉林大学通信工程学院信息科学实验室  离散随机过程 6)随机过程的自相关序列 R,(m=Ex∫x2(X,n1Xm,m 描述随机过程在不同时刻对应的随机变量间的相关程度。 (7)随机过程的互相关序列 R(n,m)=ELr, ym x,pry(Xn, n, Ym, m)dx, dy (8)随机过程的自协方差序列和互协方差序列 C(n, m)=EG, -m, Xr-m. I C (n, m)=ElLx-m lym -m J=Rr(n, m)-m, my 吉林大学通信工程学院信息科学实验室  离散随机过程 (9)狭义平稳随机过程的另外表示方式 由于狭义平稳随机过程的自相关序列、自协方差序列和互协方差序列 都只是时间差的函数而与时间起点无关,所以可将其表示成 R,(m)=R、(n+m)=E C.(m)=C,1(,n+m)= E R (m)=R (n, n+m) C,(m)=C(n, n +m)=E, -m,X An+m-m (10)广义平稳随机过程(平稳随机过程) 当随机过程的均值是常数,自相关序列只与时间差有关而与时间起点 无关,PDF和pdf是随时间变化的,则称其为广义平稳随机过程 吉林大学通信工程学院信息科学实验室  时间平均 (11)一个平稳随机过程的一个取样序列的时间平均等于它的集合平 均,则称它是遍历性随机过程。时间平均记为(x(n),则取样序列的算术 平均值和时间取样自相关序列定义为 x(n))=lim run) N→2N+1 x(n)x(n+m))= lim N- 2N+1=M ∑xn)r(m+m) c(n))=lim N→∞2N+ ∑(m)=x]=m x(n)x(n+m))=lim I x(n)x(n+m=Elr,+m=Re(m) N→2N+1 吉林大学通信工程学院信息科学实验室  时间平均 在实际信号处理问题中不可能取极限,因此取一段数据来进行计算 即引出了随机过程的平均和自相关序列的估计。 x(n)M N2r(n),(x(n)x(n+m)N 2N-I n==N+ ∑x)(m+m) (12)自相关序列和自协方差序列的性质 0 (b) 吉林大学通信工程学院信息科学实验室  功率谱 在硏究和分析确定性信号时,经常在频域进行。条件是信号要满足如 绝对可和或绝对可积条件等。由于随机信号或过程不满足这些条件,直 接采用频域分析是不行的。 因此用随机信号的自协方差序列和自相关序列来进行其频域分析。自 协方差序列的z变换 S (z) C (m)z 称为平稳随机过程的功率谱。在今后的讨论中总假设随机信号的均值为 零,所以有 Sn(x)=∑R(m)z-m 由于R(m)=R(-m),则有S(x)=S(z)。 吉林大学通信工程学院信息科学实验室  功率谱 自相关序列的傅立叶变换(维纳-辛钦定理) Sn