随机过程及其应用 .pdf

实用标准文案 §4.5随机过程的功率谱密度 当我们在时间域内研究某一函数的特性时，如果确定起来不方便，在数学上我们可以考 虑将此函数通过某种变换将它变换到另一区域，比如说频率域内进行研究，最终目的是使问 题简化。傅里叶变换提供了一种方法，就是如何将时间域的问题转换到频率域，进而使问题 简化。在频率域内，频率意味着信息变化的速度。即，如果一个信号有“高”频成分，我们 在频率域内就可以看到“快”的变化。这方面的应用在数字信号分析和电路理论等方面应用 极广。 是不是任何一个时间函数都可以将其通过傅氏变换变到频率域去研究呢？我们说当时间函 数x (t)(t ) 满足绝对可积条件时可以。 x(t) dt 然而，随机过程的样本函  X (t) {x (t), , x (t), } x (t), ,x (t) 数，即 , 一般不满足绝对条件，因此随机过程不 1 n 1 n 能直接进行傅氏变换。此外，很多随要过程的样本函数极不规则，无法用方程描述。这样， 若想直接对随要过程进行谱分解，显然也不行。但是，对随机过程进行某种处理后，同样可 对随机过程施行傅里叶变换。 §4.5.1功率谱密度 St  为了研究随机信号的傅氏变换，我们首先简单复习一下确定信号 ()的频谱、能谱密 度及能量概念，然后再引入随机过程的功率谱密度概念。 St (, ) St  定理 设 ()是一个确定信号且时间在 上满足绝对可积条件，则 ()的傅氏 1     j t S (t)   S ()ej t d 变换存在，或者说具有频谱S ( )  S (t)e dt  2  F  S (t) s( ) F 1 t  s(t) dt  对于定理的物理解释是， S()代表电流或电压，则定理条件要求 ，即  t 是要求S()的总能量必须有限。 由积分变换的巴塞伐公式 1  2    j t  S (t) dt  S (t) S ( )e d dt   2  1   *   