《随机信号分析与估计》_第2章.pptVIP

2.6离散随机序列

上式也能写作2)互相关函数与互协方差函数互相关函数是描述两个不同的随机信号之间的依赖性的一个量度,它定义为上一页下一页返回2.6离散随机序列

互协方差函数定义为一个N点的随机序列可以看成是一个N维的随机向量,即上一页下一页返回2.6离散随机序列

式中,T表示求转置,即X为一列向量。一般情况下,N应为无穷大,但从实际分析与处理的角度考虑,取N为有限值是方便的。均值向量为上一页下一页返回2.6离散随机序列

自相关矩阵为可以证明,协方差矩阵与自相关矩阵之间有如下关系,即若随机序列的均值为零,则协方差矩阵与自相关矩阵是一致的。对一般随机序列来讲,自相关矩阵有以下两个性质。上一页下一页返回2.6离散随机序列

性质1:对称性,即性质2:半正定性,即对任意N维(非随机)向量F,下式成立上一页下一页返回2.6离散随机序列

2.6.4离散时间随机序列的平稳性和遍历性若离散时间随机信号的均值为一常数,其自相关函数只与时间差m=n2-n1有关,且它的均方值有限,即满足上一页下一页返回2.6离散随机序列

则称这样的离散时间随机信号为广义平稳的,也可称为平稳的。对于均值与方差均存在的严平稳随机信号,必同时也是广义的平稳随机信号,反之则不一定成立。如果两个离散随机信号各自平稳且联合平稳,则其互相关函数定义为从信号处理的角度来说,无限能量信号集合的概念是一个很方便的数学概念,它可以使我们利用概率论来表示无限能量信号。但是,实际上,我们情愿只研究一个序列,不希望研究一个无限序列的集合。例如:我们希望根据对集合中一个序列的测量结果,来推断离散时间随机信号的概率特性或是某些集合平均量。上一页下一页返回2.6离散随机序列

如果一个随机序列X(n),它的各种时间平均(时间足够长)以概率1收敛于相应的集合平均,则称序列X(n)具有严格(或狭义)遍历性,并简称此序列为严遍历序列。实离散时间随机信号X(n)的时间均值定义为两式皆以概率1成立,则称X(n)为宽(或广义)遍历序列,简称遍历序列。上一页返回2.7正态随机信号2.7.1正态随机信号的一般概念在电子技术中遇到的热噪声是由大量电子的热运动所引起的,因而这类噪声的分布是高斯分布。在许多实际问题中,很多重要的随机信号都是高斯信号,或者都可以用高斯信号来近似表示,而且,高斯信号具有良好的统计特性。中心极限定理已经证明:如果n个独立随机变量的分布式相同,并且具有有限的均值和方差,当n无穷大时,它们之和的分布趋近于高斯分布。中心极限定理还指出:即使n个独立随机变量不是相同分布时,当n无穷大时,如果满足任意一个随机变量都不占优或者对和的影响足够小,那么它们之和的分布依然趋于高斯分布。下一页返回2.7正态随机信号

1.高斯随机变量一维高斯分布的概率密度函数为记为X~N(μ,σ2),其中μ和σ2是均值与方差。二维高斯分布的概率密度函数为上一页下一页返回2.7正态随机信号

记为X,Y~Nμ1,σ21;μ2,σ22;ρ,其中,μ1、μ2和σ21、σ22是各自的均值和方差,ρ是互相关系数。对多维高斯分布,采用向量与矩阵形式,令其均值矩阵上一页下一页返回2.7正态随机信号

其协方差矩阵多维高斯分布的概率密度函数为记为X~Nm,C。上一页下一页返回2.7正态随机信号

2.正态随机信号如果一个实随机信号X(t)的任意n个时刻t1,t2,…,tn的状态的联合概率密度都可用n维高斯分布概率密度描述,式中mX是n维均值向量,C是n维协方差矩阵上一页下一页返回2.7正态随机信号

则称X(t)为正态随机信号(高斯随机信号)。从上式可以看出:高斯随机信号的n维概率密度只取决于它的均值和协方差,因此它是二阶矩信号的一个重要子类,只需运用相关理论就能解决有关问题。上一页下一页返回2.7正态随机信号

2.7.2平稳正态随机信号如果高斯随机信号X(t)满足:则此正态高斯信号是宽平稳的,称为宽平稳高斯随机信号,这时其概率密度函数可转化为下式:上一页下一页返回2.7正态随机信号

式中R是由相关系数rij构成的行列式,由上式可知,此时的概率密度函数仅取决于时间差值,而与计时起点无关,所以也是严平稳的。也就是说,对于高斯随机信号宽平稳和严平稳是等价的。2.7.3正态随机信号的性质高斯随机信号的