生物医学信号处理.pptVIP

自协方差函数——把均值（直流分量）除去后做剩余部分的相关函数。设X(t1)和X(t2)是随机过程X(t)在t1和t2二个任意时刻的状态，称X(t1)和X(t2)的二阶联合中心矩为X(t)的自协方差函数对于平稳随机信号，有：当时，当时，若对于任意的t1和t2都有CX(t1,t2)=0,那么随机过程的任意两个时刻状态间是不相关的。01若RX(t1,t2)=0，则称X(t1)和X(t2)是相互正交的。02若则称随机过程在t1和t2时刻的状态是相互独立的。有时需要同时观察几个信号。当研究几组随机信号的相互关系时，需要采用联合统计特征来描述。广义联合平稳——如果二维联合概率密度函数f(x,y,t1,t2)不依赖于时间原点的位置，只与时间差τ=t1-t2有关，则称此两过程是广义联合平稳的。2.2.4互相关函数和互协方差互相关函数——说明两个随机信号X、Y在不同时刻取值之间的关联程度。设有两个随机过程X(t)和Y(t)，它们在任意两个时刻t1和t2的状态分别为X(t1)和Y(t2)，则随机过程X(t)和Y(t)的互相关函数定义为01互相关函数描述一个信号的取值对另一个信号的依赖程度。02互协方差函数——从信号X和Y中去掉均值再做互相关函数，所得结果称为互协方差函数。定义两个随机过程的互协方差函数为0102若对于任意时刻t1和t2，有RXY(t1,t2)=0，则称X(t)和Y(t)是正交过程，此时有若对于任意时刻t1和t2，有CXY(t1,t2)=0，则称X(t)和Y(t)是互不相关的，此时有0102当X(t)和Y(t)互相独立时，满足01则有当X(t)和Y(t)互相独立时，X(t)与Y(t)之间一定不相关；反之则不成立。02随机信号持续时间往往是无限的，且是非周期信号，其性质上属于功率信号。01其自相关函数的傅立叶变换是功率谱密度；互相关函数的傅立叶变换是互谱密度。022.3随机信号频域表示自相关函数和自谱密度函数构成一对傅立叶变换对。自谱密度函数是从频域对随机过程作统计描述，集中显示了随机过程的频率结构。功率谱的性质：功率谱是非负的；对称性：对于实数信号，有自功率谱密度函数互谱密度互相关函数的傅立叶变换为互谱密度。01相干函数：从频域上描述两个随机信号各频率成分互相关联的程度。02性质：γxy(ω)为实函数，且|γxy(ω)|≤1；随机信号的采样定理：如果随机信号x(t)的功率谱是限带的，其最高频率成分为fmax，当采样间隔Ts1/(2fmax)时，则采样值的加权和可以保证：即在均方误差意义下收敛于x(t)。0103022.4离散时间随机信号01数学特征是时间n的函数（物理意义）：02均值（数学期望）03方差04均方值自相关函数 自协方差函数：“集合平均”，该集合平均是由X(n)的无穷样本在相应时刻对应相加（或相乘后再相加）来实现。互相关函数 互协方差函数如果称信号X和Y是不相关的。可得：12平稳随机信号的时域特征表示一个离散随机信号X(n)，如果其均值与时间n无关，其自相关函数和的选取无关，而仅和之差有关，那么，我们称X(n)为宽平稳的随机信号，或广义平稳随机信号。则有：?均值（数学期望） ?自相关函数 ?方差 ?均方值 ?自协方差函数 两个平稳随机信号X(n),Y(n)的互相关函数和互协方差函数分别定义为：?互相关函数 ?互协方差函数 各态遍历性的平稳随机信号的统计特征对一平稳随机信号，如果它的所有样本函数在某一固定时刻的一阶和二阶统计特性和单一样本函数在长时间内的统计特性一致，我们则称为各态遍历信号。各态遍历的随机信号X(n)，其均值、方差、均方值及自相关函数等，均是建立在集合平均的意义上的，如自相关函数为了要精确地求出，需要知道的无穷多个样本，即，这在实际工作中显然是不现实的。因为我们在实际工作中能得到的往往是对的一次实验记录。由于平稳随机信号的均值与时间无关，自相关函数又和时间选取的位置无关，那么，对平稳信号，可以用一次的实验记录代替一族记录来计算的均值和自相关函数。01设是各态遍历信号的一个样本函数，对的数字特征可重新定义如下：02§2.5常见分布2.5.1常见的离散型分布一.两点分布如果随机变量X的分布为则称X服从两点分布。当a、b分别为0、