第十讲功率谱估计随机过程的线性变换.pptVIP

定理2：设则证明：第29页，共48页，星期日，2025年，2月5日对于线性时不变系统，若X(t)是严平稳的，则Y(t)是严平稳；若X(t)是广义平稳的，则Y(t)是广义平稳的。4性质输出的均值和相关函数可以分别由输入的均值和相关函数确定。推广:输出的k阶矩可有输入的k阶矩来确定第30页，共48页，星期日，2025年，2月5日1随机过程的极限则称随机变量序列{Xn}依均方收敛于随机变量X，或称变量X是序列{Xn}依均方收敛意义下的极限，记为：l.i.m即Limitinmeansquare3.2随机过程的导数与积分(1)随机变量的极限定义：设随机变量X和Xn(n=1,2,?)均有二阶矩，若有第31页，共48页，星期日，2025年，2月5日由切比雪夫不等式，当n??时所以Xn依概率1收敛于X第32页，共48页，星期日，2025年，2月5日(2)随机过程的极限第33页，共48页，星期日，2025年，2月5日2随机过程的连续性如果在(t0,t0)处连续，则X(t)在t=t0处连续平稳随机过程连续的充要条件是在?=0处连续第34页，共48页，星期日，2025年，2月5日第十讲功率谱估计随机过程的线性变换第1页，共48页，星期日，2025年，2月5日2.随机序列的数字特征估计函数特征名函数名用法均值mean()m=mean(x)方差var()sigma2=var(x),sigma2=var(x,1)互相关xcorr()c=xcorr(x,y)c=xcorr(x)c=xcorr(x,y,’option’)‘biased’,‘unbiased’c=xcorr(x,’option’)‘coeff’,‘none’第2页，共48页，星期日，2025年，2月5日r=xcorr(x,’coeff’)第3页，共48页，星期日，2025年，2月5日3.功率谱估计(1)自相关法先求自相关函数的估计，然后求傅里叶变换第4页，共48页，星期日，2025年，2月5日（2）周期图法(Pxx,w)=periodogram(x)第5页，共48页，星期日，2025年，2月5日应用实例：第6页，共48页，星期日，2025年，2月5日功率谱估计Periodogram周期图法periodogramWelchAveragedperiodogramsofoverlapped,windowedsignalsectionspwelchYule-WalkerARAutoregressive(AR)spectralestimateofatime-seriesfromitsestimatedautocorrelationfunctionpyulearpburgAutoregressive(AR)spectralestimationofatime-seriesbyminimizationoflinearpredictionerrorspburgCovarianceAutoregressive(AR)spectralestimationofatime-seriesbyminimizationoftheforwardpredictionerrorspcov第7页，共48页，星期日，2025年，2月5日（4）概率密度估计Ksdensity():估计概率密度Hist()：估计直方图第8页，共48页，星期日，2025年，2月5日a=0.8;sigma=2;N=5000;u=randn(N,1);x(1)=sigma*u(1)/sqrt(1-a^2);fori=2:Nx(i)=a*x(i-1)+sigma*u(i);endr=xcorr(x,coeff);[f,xi]=ksdensity(x);subplot(2,1,1)plot(xi,f);subplot(2,1,2);hist(x,-10:0.1:10);第9页，共48页，星期日，2025年，2月5日第10页，共48页，星期日，2025年，2月5日第二章学习小结2.1随机过程的基本概念和定义用随机相位信号与接收机噪声说明随机过程的概念定义：对随机试验的结果指定一个时间函数（样本函数）随机过程是时间与随机试验结果的二维函数。2.2随机过程的统计描述概