相关分析及其原理 全.docxVIP

相关分析及其原理 全 相关分析及其原理lpar;全rpar; 一、两个随机变量的相关系数 通常，两个变量之间若存在一一对应的确定关系，则称两者存在着函数关系。当两个随机变量之间具有某种关系时，随着某一变量数值的确定，另一却可能取许多不同的值，但取值有一定的概率统计规律，这时称两个随机变量存在着相关关系。 下图表示由两个随机变量x和y组成的数据点的分布情况。 左图中个点分布很散，可以说变量x和变量y之间是无关的。 右图中x和y虽无确定关系，但从统计结果、从总体看，大体上具有某种程度上的线性关系，因此说他们之间有着相关关系。 变量x和y之间的相关程度常用相关系数ρxy表示 ρxy=E[(x?μx)(y?μy)] ?x?y式中 E-------数学期望； μx-------随机变量x的均值，μx=E[x]； μy-------随机变量y的均值，μx=E[y]； ?x?y-------随机变量x、y的标准差 ?x2=E[(x?μx)2] ?y2=E[(y?μy)2] 利用柯西-许瓦兹不定式 故知｜ρxy｜≤1。当数据点分布愈接近于一条直线时，ρxy的绝对值愈接近1，x,y的线性关系度愈好，ρxy的正负号则是表示一变量随另一变量的增加而增或减。当ρxy接近于零，则可认为x,y两变量之间完全无关，但仍可能存在着某种非线性的相关关系甚至函数关系。 E[(x?μx)( y?μy)]2≤E[(x?μx)2] E[(y?μy)2] 二、信号的自相关函数 假如x（t）是某各态历经随机过程的一个样本记录，x（t+τ）是x（t）时移τ后的样本，在任何t=ti时刻，从两个样本上分别得到两个值x(ti)和x(ti+τ)，而且x（t）和x（t+τ）具有相同的均值和标准差。例如把ρx（t）x（t+τ）简写成ρx(τ),那么有， 将分子展开并注意到 limT→∞ x t ?μx [x t+τ ?μx]dtlimT→∞ 0?x1T T x t dt=μx T011T limT→∞ x t+τ dt=μx T0 ρx(τ)=limT→∞ x t x t+τ dt?μx20?x1T1T 对各态历经随机信号及功率信号可定义自相关函数RX(τ)为 RX(τ)= limT→∞ ?xRX τ ?μx2?x2 x t x t+τ dt T0显然ρx(τ)和RX(τ)均随τ而变化，而两者成线性关系。如果该随机过程的均值μx=0，则 ρx(τ)= 可得RX(τ)= ρx(τ) ?x2+μx2 自相关函数具有下列性质： 1）由ρx(τ)=RX τ ?μx2 ?x 又因为｜ρxy｜≤1，所以μx2??x2≤RX τ ≤μx2+?x2 2）自相关函数在τ=0时为最大值，并等于该随机信号的均方值φx2 RX(0)= limT→∞2 xtxtdt=φ xT01T 证明：任何正函数的数学期望恒为非负值，即 E{[X t ±X t+τ ]2}≥0 E{X2 t ±2X t X t+τ +X2 t+τ }≥0 而E[X2 t ]= E[X2 t+τ ]= RX(0) 带入前式可得2RX(0) ±2RX(τ) ≥0 于是 RX(0) ≥｜RX(τ)｜ 因为RX(0) ≥｜RX(τ)｜，所以并不排除在其他τ≠0的地方RX(τ)也有可能出现同样的最大值。 例如：随机相位正弦函数x（t）=x0sin(ω0t+φ)的自相关函数 ω0x022cosω0τ x022,n=0,±1, ±2,??时，均出现最大值。 取随机相位正弦波为x（t）=4sin(t+θ) 2π其中θ是在(0,2π)上均匀分布的的随机变量。 求自相关函数： RX(t1t2)=E[X t1 X t2 ]=E[4sin(2t1+θ)?4sin(2t2+θ)] =16E[sin(2t1+θ)?sin(2t2+θ)] =16 0sin(2t1+θ)sin(2t2+θ)2πdθ = [cos2(t1?t2)?cos(2(t1+t2)+2θ)] π042π2πππππππ1ππ=8 cos2(t1?t2) syms t1 t2 k y1=4*sin((pi/2)*t1+k); y2=4*sin((pi/2)*t2+k); y=y1*y2; R=1/(2*pi)*int(y,k,0,2*pi); ezmeshc(R) 3）当τ足够大或τ→∞ 时，随机变量x（t）和x t+τ 之间不存在内在联系，彼此无关，故