第三章 随机过程.pptVIP

第3章 随机过程 3.3 高斯随机过程（正态随机过程） 3.3.1 定义 如果随机过程? (t)的任意n维（n =1,2,...）分布均服从正态分布，则称它为正态过程或高斯过程。 n维正态概率密度函数表示式为： 式中 第二十九页，共七十五页，2022年，8月28日 第3章 随机过程 式中 |B| － 归一化协方差矩阵的行列式，即 |B|jk －行列式|B|中元素bjk的代数余因子 bjk － 为归一化协方差函数，即 第三十页，共七十五页，2022年，8月28日 第3章 随机过程 3.3.2 重要性质 由高斯过程的定义式可以看出,高斯过程的n维分布只依赖各个随机变量的均值、方差和归一化协方差。因此，对于高斯过程，只需要研究它的数字特征就可以了。 广义平稳的高斯过程也是严平稳的。因为，若高斯过程是广义平稳的，即其均值与时间无关，协方差函数只与时间间隔有关，而与时间起点无关，则它的n维分布也与时间起点无关，故它也是严平稳的。所以，高斯过程若是广义平稳的，则也严平稳。 第三十一页，共七十五页，2022年，8月28日 第3章 随机过程 如果高斯过程在不同时刻的取值是不相关的， 即对所有j ? k，有bjk =0，则其概率密度可以简化为 这表明，如果高斯过程在不同时刻的取值是不相关的，那么它们也是统计独立的。 高斯过程经过线性变换后生成的过程仍是高斯过程。也可以说，若线性系统的输入为高斯过程，则系统输出也是高斯过程。 第三十二页，共七十五页，2022年，8月28日 第3章 随机过程 3.3.3 高斯随机变量 定义：高斯过程在任一时刻上的取值是一个正态分布的随机变量，也称高斯随机变量，其一维概率密度函数为 式中 a － 均值 ? 2 － 方差 曲线如右图： 第三十三页，共七十五页，2022年，8月28日 第3章 随机过程 性质 f (x)对称于直线 x = a，即 a表示分布中心， ? 称为标准偏差，表示集中程度，图形将随着? 的减小而变高和变窄。当a = 0和? = 1时，称为标准化的正态分布： 第三十四页，共七十五页，2022年，8月28日 第3章 随机过程 正态分布函数 这个积分的值无法用闭合形式计算，通常利用其他特殊函数，用查表的方法求出： 用误差函数表示正态分布函数：令 则有 及 式中 －误差函数，可以查表求出其值。 第三十五页，共七十五页，2022年，8月28日 第3章 随机过程 用互补误差函数erfc(x)表示正态分布函数： 式中 当x 2时， 第三十六页，共七十五页，2022年，8月28日 第3章 随机过程 用Q函数表示正态分布函数： Q函数定义： Q函数和erfc函数的关系： Q函数和分布函数F(x)的关系： Q函数值也可以从查表得到。 第三十七页，共七十五页，2022年，8月28日 第3章 随机过程 3.4 平稳随机过程通过线性系统 确知信号通过线性系统（复习） ： 式中 vi － 输入信号， vo － 输出信号 对应的傅里叶变换关系： 随机信号通过线性系统： 假设：?i(t) －是平稳的输入随机过程， a －均值， Ri(?) － 自相关函数， Pi(?) － 功率谱密度； 求输出过程?o(t)的统计特性，即它的均值、自相关函数、功率谱以及概率分布。 第三十八页，共七十五页，2022年，8月28日 第3章 随机过程 输出过程?o(t)的均值 对下式两边取统计平均： 得到 设输入过程是平稳的 ，则有 式中，H(0)是线性系统在 f = 0处的频率响应，因此输出过程的均值是一个常数。 第三十九页，共七十五页，2022年，8月28日 第3章 随机过程 输出过程?o(t)的自相关函数：根据自相关函数的定义 根据输入过程的平稳性，有 于是 上式表明,输出过程的自相关函数仅是时间间隔? 的函数。 由上两式可知，若线性系统的输入是平稳的，则输出也是平稳的。 第四十页，共七十五页，2022年，8月28日 第3章 随机过程 输出过程?o(t)的功率谱密度 对下式进行傅里叶变换： 得出 令 ?? = ? + ? - ?，代入上式，得到 即 结论：输出过程的功率谱密度是输入过程的功率谱密度乘以系统频率响应模值的平方。 应用：由Po( f )的反傅里叶变换求Ro(?) 第四十一页，共七十五页，2022年，8月28日 第3章 随机过程 输出过程?o(t)的概率分布 如果线性系统的输入过程是高斯型的，则系统的输出过程也是高斯型的。 因为从积分原理看， 可以表示为：