第3章 随机过程线性变换习题答案.docxVIP

第3章随机过程线性变换习题答案

随机过程是随机变量组成的序列，描述了随机变量在不同时间点上的取值情况。在随机过程中，线性变换是一种常见的操作，通过线性变换可以改变随机变量的取值范围和分布，从而得到新的随机过程。

在第3章中，我们学习了随机过程的线性变换，下面给出一些相关的习题及答案：

1.设随机过程$X(t)$是一个宽平稳高斯过程，其均值函数为$\mu(t)=2t$，自相关函数为$R_X(t_1,t_2)=e^{-|t_1-t_2|}$。求随机过程$Y(t)=3X(2t-1)+4$的均值函数和自相关函数。

答：首先计算$Y(t)$的均值函数：

$$E[Y(t)]=E[3X(2t-1)+4]=3E[X(2t-1)]+4=3\mu(2t-1)+4=3(2(2t-1))+4=12t+1$$

接着计算$Y(t)$的自相关函数：

$$R_Y(t_1,t_2)=E[Y(t_1)Y(t_2)]=E[(3X(2t_1-1)+4)(3X(2t_2-1)+4)]$$

$$=9E[X(2t_1-1)X(2t_2-1)]+12E[X(2t_1-1)]+12E[X(2t_2-1)]+16$$

$$=9R_X(2t_1-1,2t_2-1)+12\mu(2t_1-1)+12\mu(2t_2-1)+16$$

$$=9e^{-2|t_1-t_2|}+12(2(2t_1-1))+12(2(2t_2-1))+16$$

$$=9e^{-2|t_1-t_2|}+48t_1+48t_2+1$$

2.设$X(t)$为零均值高斯白噪声过程，即$E[X(t)]=0$，$R_X(t_1,t_2)=\sigma^2\delta(t_1-t_2)$。定义$Y(t)=\int_0^tX(s)ds$，求$Y(t)$的均值函数和自相关函数。

答：首先计算$Y(t)$的均值函数：

$$E[Y(t)]=E\left[\int_0^tX(s)ds\right]=\int_0^tE[X(s)]ds=0$$

接着计算$Y(t)$的自相关函数：

$$R_Y(t_1,t_2)=E\left[Y(t_1)Y(t_2)\right]=E\left[\int_0^{t_1}X(s)ds\int_0^{t_2}X(u)du\right]$$

$$=\int_0^{t_1}\int_0^{t_2}E[X(s)X(u)]dsdu=\int_0^{t_1}\int_0^{t_2}\sigma^2\delta(s-u)dsdu$$

$$=\int_0^{t_1}\sigma^2du=\sigma^2t_1$$

3.设$X(t)$为宽平稳随机过程，其均值函数为$\mu(t)=2t$，自相关函数$R_X(t_1,t_2)=e^{-|t_1-t_2|}$，定义$Y(t)=\int_0^tX(s)ds$，求$Y(t)$的均值函数和自相关函数。

答：首先计算$Y(t)$的均值函数：

$$E[Y(t)]=E\left[\int_0^tX(s)ds\right]=\int_0^tE[X(s)]ds=\int_0^t2sds=s^2$$

接着计算$Y(t)$的自相关函数：

$$R_Y(t_1,t_2)=E\left[Y(t_1)Y(t_2)\right]=E\left[\int_0^{t_1}X(s)ds\int_0^{t_2}X(u)du\right]$$

$$=\int_0^{t_1}\int_0^{t_2}E[X(s)X(u)]dsdu=\int_0^{t_1}\int_0^{t_2}e^{-|s-u|}dsdu$$

$$=\int_0^{t_1}\int_0^{t_2}e^{-(t_2-t_1)}dsdu=(t_2t_1-t_1t_2)e^{-(t_2-t_1)}=0$$

通过以上习题的解答，我们进一步理解了随机过程的线性变换及相关概念，加深了对随机过程的理解和应用。在实际问题中，线性变换是处理随机过程的常用方法，能够方便地分析和求解复杂的随机过程系统。