电子科技大学_随机过程_覃思义_第四章sjgc4.5_2
随机过程第四章

pii
(n)
1
i
0
证:(1)如i为零常返则i
,由lim n
pii nd
d
i
0
而当n不能被周期d整除时n 0modd ,
必然有pii
(n)
0,故
lim
n
pii
n
0
反之,若lim n
pii
(n)
0,
而i是正常返,
则由lim n
pii (nd )
d
i
0矛盾.
(2) 如i为遍历,即d 1,由上面定理得
即 Tij minn:X m i, X mn j,n 1
而称:
fij (n) P Tij n
P{X mv j,1 v n 1,X mn j / X m i},n 1 为自状态i出发,经n步首次到达状态j的概率, 简称首达概率。
注:由齐次马氏链性质知,首达概率与出发时刻
p3
① q1 q2
p1
③ q3 ②
p2
求从状态1出发经n步转移首次到达各个状态的概率。
f12
(n)qq11p3 p3源自q m1 1m p1,
q3
,
n 2m, n 2m 1,
m 1 m0
同理:
f13 (n)
p1q2 p1q2
p m1 1
m q1,
p2
,
n 2m, n 2m 1,
m 1 m0
互通关系的状态是同一类型.
定理:如果i j, 则
(1) i与j同为常返或非常返,如为常返,则它们
同为正常返或零常返;
(2) i与j有相同的周期。
1证:因为i j,故存在正整数k与m,使
pij (m) 0, p ji (k ) 0
电子科技大学随机过程覃思义sjgc课件

06
随机过程在通信中的 应用
信号检测与估计
信号检测
在通信系统中,信号检测是接收端对发送端发送的信号进行识别和判断的过程。随机过 程理论在信号检测中发挥了重要作用,通过对信号的统计特性进行分析,实现信号的有
效检测。
VS
常见的多用户检测算法包括匹配滤波 器、最小均方误差、最大似然等,这 些算法在理论上均可以利用随机过程 理论进行推导和优化。
无线通信中的信号处理
无线通信环境复杂多变,信号处理技术对于保证通信系统的 稳定性和可靠性至关重要。利用随机过程理论,可以对无线 信道中的噪声、干扰等影响因素进行分析和控制,提高信号 传输的质量和可靠性。
数学期望的性质
数学期望具有线性性质、可加性 和可交换性等性质,这些性质在 计算和推导中具有重要应用。
数学期望的运算
数学期望的运算包括求和、乘法 、极限等运算,这些运算在计算 随机变量的数学期望时是必要的 。
方差与协方差
方差的定义
方差是随机变量与其数学期望的差的平方的平均值, 用于描述随机变量取值分散的程度。
在数字信号处理、控制系统分析和离 散时间系统模拟等领域中广泛应用, 通过Z变换可以将离散时间序列转换 为复平面上的函数,从而更好地分析 系统的频率响应和稳定性。
05
随机过程优化
最优估计理论
最小方差无偏估计
在所有无偏估计中,具有最小方差的估计被称为最小方差无偏估 计。
一致性估计
随着样本量的增加,估计值会逐渐接近真实值,这种估计被称为一 致性估计。
协方差的定义
协方差是两个随机变量取值之间线性关系的度量,其 值可以为正、负或零。
西安电子科技大学讲义-随机过程

第一章随机过程 1
第一章随机过程
本章主要内容:
随机过程的基本概念
●随机过程的数字特征
●随机过程的微分和积分计算
●随机过程的平稳性和遍历性
●随机过程的相关函数及其性质
●复随机过程
●正态分布的随机过程
第一章我们介绍了随机变量,随机变量是一个与时间无关的量,随机变量的某个结果,是一个确定的数值。
例如,骰子的6面,点数总是1~6,假设A面点数为1,那么无论你何时投掷成A面,它的点数都是1,不会出现其它的结果,即结果具有同一性。
但生活中,许多参量是随时间变化的,如测量接收机的电压,它是一个随时间变化的曲线;又如频率源的输出频率,它随温度变化,所以有个频率稳定度的范围的概念(即偏离标称频率的最大范围)。
这些随时间变化的
随机变量就称为随机过程。
显然,随机过程是由随机变量构成,又与时间相关。
西安电子科技大学2011秋研究生随机过程试题

课程编号: 0721001 考试日期:考试日期: 2012 年 1 月 4 日考试时间: 150 分) 任课教师:任课教师:任课教师: 班号班号-saa a a a wE X l.i.ml.i.m X X lim )2C T T t -ò))22C TTTT-=-òò(2) 求状态5的首达概率(2)55f 和(5)55f以及计算511j jjm =å。
七. (12 分) 设j 为一齐次马尔可夫链的常返状态且周期为d ,则一定有,则一定有()lim nd jjn jjdp m ®¥=,其中jj m 为状态j 的平均返回时间。
的平均返回时间。
证明下面的问题:证明下面的问题:(1) 状态j 为零常返当且仅当()lim 0n jjn p®¥=。
(2) 状态j 为遍历的当且仅当()1lim 0n jjn jjpm®¥=>。
八. (12 分)分)设齐次马尔可夫链设齐次马尔可夫链{},0,1,2,...n X X n ==的状态空间{1,2,3,4,5,6}S =,且其且其 一步转移概率矩阵为一步转移概率矩阵为0.60.400.6000.400.10.10.10.10.50.1 00.20.20.40.2 0 00.2 0 00.8 00.4 0 0 0 00.6P éùêúêúêú=êúêúêúêúëû (1)试对状态空间进行分解。
)试对状态空间进行分解。
(2)问平稳分布是否存在?如果存在试求出所有的平稳分布。
(3)设初始分布0(), i P X i i S p ==Î,其中{}1261111,,...,,,0,0,,4634p p p ìü=íýîþ,求概率,求概率(1)?, =1,2,n P X n ==和概率1(1,2)?, =1,2,3,...=1,2,3,...n n P X X n +===。
随机过程1(1)

4.根据参数集与状态空间离散与否,随机过程可分为
●离散参数,离散状态的随机过程 (例3)
● 离散参数,连续状态的随机过程 (例4)
● 连续参数,离散状态的随机过程 (例1)
● 连续参数,连续状态的随机过程 (例2)
参数集为离散的随机过程也称为随机序列, 或时间序列.
二
随机过程的有限维分布函数族
设X={X(t),t∈T}是S.P.
2 0 2 0
0 h( x ) 1 其它
0 2x 1 其它
2
x0
2 其它
(3)
t
2
时,X (t ) V cos
2
0,
此时X (
2
)是单点分布, 则
F
ห้องสมุดไป่ตู้X(
2
( x ) P{ X (
)
2
) x}
1 x 0 0 x 0
特别注意: 一族随机变量X(t) 的两个特点:随机性与函数性
随机过程定义
设(Ω,F,P)为一概率空间,T为一参数集,T R,
若对每一 t ∈T,均有定义在(Ω,F,P)上的一个 随机变量X(ω,t),(ω∈Ω)与之对应, 则称X(ω,t)为(Ω,F,P)上的一个随机过程(S.P.) 记X={X(ω,t), ω∈Ω,t∈T},
注意: 设{X(ω,t), ω∈Ω, t∈T}为一S.P.
1. X(ω ,t),实质上为定义在T×Ω上的二元单值函数. 2.对每一个固定的t, X(t)为一随机变量. 随机变量X(t) (t∈T)所有可能取值的集合,称为随机过 程X(ω,t),的状态空间.记为S. S中的元素称为状态. 3.对每一个ω0∈Ω,X(ω0,t)是定义在T上的普通函数. 记为 x(ω0,t), 称为为随机过程的一个样本函数.也称轨 道或实现. 样本函数的图形称为样本曲线.
电子科技大学随机过程覃思义第五章sjgc

X (t)dt]
T 2T T
电子科技大学
lim
T
1 2T
T
T
E[
X
(t
)]dt
m
X
,
E{ X (t) 2 } E{[l.i.m 1 T X (t)dt]2 }
T 2T T
lim
T
1 4T
2
E[
T
T
X
(t )dt ]2
P197性质4 之(2)
lim
T
1 4T
2
202T
(2T
)RX
()d
如{X(t), t∈[0,+ ∞)}的均值各态历经, 则有
mX
l.i.m 1 T T
T
X (t)dt
0
(a.e.)
电子科技大学
因均方积分 T X (t)dt存在,可将区间[0,T ]等分, 0
1) X(t)是否平稳过程; 2) X(t)的均值是否各态历经. 解 E[X(t)]=E[Acos(ωt+Θ)]=0;
RX (t, t ) E{ X (t)X (t )}
=E{A2 cos(ωt+Θ) cos(ω(t+τ)+Θ)}
电子科技大学
4
1 10
1 2
5
5
[cos(ut
)
cos(u(t
电路中电子不规则运动引起的热噪声(电 位的脉动).考虑脉动范围,噪声功率等归结为 求过程的方差, 相关系数.
2)对实际动态数据进行零均值化, 如何从 数据得到均值函数?
3)困难在于需知道过程的一、二维分布. 4)设想用试验法解决.
电子科技大学
设想 研究平稳过程{X(t), t∈T},
西安电子科技大学讲义 随机过程的变换和滤波

第五章随机过程的变换和滤波概率论的主要应用之一,是从可利用的资源汇总,对随机变量做出估计。
一般将,这种问题的最优解是很难分析的。
然后,若只允许对数据进行线性运算,以及“最优性”是在均方意义下理解的话,那么问题就大大简化,这就是线性均方估计问题。
这个问题最早由维纳考虑并解决,与此同时,柯尔莫哥洛夫也独立的完成了此项工作。
他的解法完全基于正交性原理。
可简单的将此原理推广到随机过程;因而,各种看起来似乎没有关系的估值问题,都可以作为这个原理的明显应用来处理,而不需要用到变分法或任何其它高级的工具,也不需要一次又一次的重复地解同样的问题。
在下面的讨论中,我们将讨论随机信号的最优处理问题。
分别针对时间连续和时间离散的信号,将介绍在最小均方意义下具有最优逼近特性的变换。
随后我们讨论离散变化,最有线性变化和最优线性滤波的关系。
5.1 时间离散Karhunen-Loeve 变换在所有的线性变换中, Karhunen-Loeve 变换(KL变换)是一个在最小均方意义下最佳逼近随机过程的变换。
同时,KL变换是一个具有不相关系数的信号展开。
这种特性在很多数字信号处理方面如编码和模式识别有重要的应用。
这种变换适用于连续时间和离散时间信号处理。
本节将详细讨论离散情况。
不失一般性, 考虑零均值实随机过程12,.n n x x x x R x ⎛⎫ ⎪ ⎪=∈ ⎪ ⎪⎝⎭(5.1) 设 12{,,,}n U u u u =是 n 维实向量空间 n R 的一组正交基, 随机过程 x可被表示为:x U α=(5.2)这里 U 可看成由正交基构成的正交矩阵, 12(,,,)T n a ααα=。
可以看出:.TU x α=(5.3)假定:(),,1,2,,.i j j ij E i j n ααλδ== (5.4) 这里 ,1,2,,j i n λ= 是未知的实数, 且 0.j λ≥ 由(5.3)和 (5.4)可知(),,1,2,,.T T i j j ij E u xx u i j n λδ==(5.5)令:{}Tx x R E xx =(5.6)那么, (5.5)可被写成:,,1,2,,.T i j j ij x x u R u i j n λδ==(5.7)通过观察,我们可发现下列方程的解,1,2,,j u j n =也满足方程(5,7).,1,2,,.j j j xxR u u j n λ==由于 x xR 是一个协方差矩阵,他的特征值问题具有下列特征值: 1. 特征值是实数。
通信原理必背

西安电子科技大学通信工程学院考研专业课 ②通信原理必背主编:@西电点儿敬告:1.本资料完全免费;2.请使用B5纸打印;3.建议双面打印;4.更多资料:/xduky 。
说明:本部分的内容是编者根据历年真题总结的通信原理概念性质的内容和框图,不要死记硬背,要理解记忆,有些题目多次考到,需高度重视。
题号后标注了考到该题的年份,若没有标注,则在2003~2011年之间没有考过,但是大纲要求。
填空 / 简答第二章 随机过程1.(03/05)广义、狭义平稳随机过程的的概念、关系。
①广义平稳随机过程是指数学期望与t 无关,相关函数仅与时间间隔τ有关的随机过程; ②狭义平稳随机过程是指任意n 维概率密度函数与时间起点无关的随机过程;③关系:狭义平稳一定广义平稳,反之不一定成立。
2.(09)随机信号()ξt 是一个平稳随机过程,利用它的自相关函数可以获得()ξt 的哪些信息? ①平均功率(0)R ;②直流功率()R ∞;③交流功率2(0)()R R σ−∞=; ④功率谱密度j ()()e d ωτξP ωR ττ∞−−∞=∫。
第三章 信道与噪声1.恒参信道的传输特性、对信号传输的影响,举三种随参信道。
①恒参信道的信道特性不随时间变化或变化很缓慢,理想恒参信道就是理想的无失真传输信道,其等效的线性网络传输特性为dj 0()eωt H ωK −=②a.对信号在幅度上产生固定的衰减;b.对信号在时间上产生固定的迟延。
③有线电信道;微波中继信道;卫星中继信道。
2.(04/08/10/11)随参信道传输媒质(或短波电离层反射信道)的主要特点,举两种随参信道。
①a.对信号的衰耗随时间随机变化;b.信号传输的时延随时间随机变化;c.多径传播。
②陆地移动信道、短波电离层反射信道。
3.(04/09/10/11)①随参信道会产生哪些类型的衰落(或对信号传输有什么影响)?②产生衰落的原因?③减小衰落的措施?①多径衰落、频率弥散、频率选择性衰落。
sjgc2.1随机过程

间推移所作的随机运动变化过程.
随机事件{ X t x}表示随机过程在时刻t 时处于状态 x. 称集合
E { x : X t (ω) x, t T }
为随机过程的状态空间.
电子科技大学
13.4.8
Ex.7 质点布朗运动 设质点在直线上随 机游动, 经随机碰撞后各以1/2的概率向左或 向右移动. 若经无穷多次碰撞 ( 记 {ω1t ) } {第t次向左},
随机过程的理解
定义指标集和样本空间的积集
T Ω {( t , ω) : t T , ω Ω}
随机过程 { X t (ω), t T }是定义在积集 T Ω 上的二元函数:
电子科技大学
13.4.8
X t (ω) X (t , ω), t T , ) (
1) 对固定的 t T , X t (ω), 是一个定 义在概率空间(Ω, F, P) 上的随机变量; 即对于特定 的试验条件 2)当固定 ω0 Ω 作为时间变量 t T 的函数, 是一个定义在T 上的普通函数. x( t , ω 0 )
称为过程 的一维分布函数族.
注 仅描述了随机过程在各个孤立时间点 处的统计特性.
电子科技大学
13.4.8
需描述随机过程中任意两个或多个随机 变量之间的整体统计规律. 定义2.1.4 随机过程 { X t (ω), t T,对给 } 定n 及 t1 , t 2 ,, t n T , 随机向量 X t , X t ,, X t
13.4.8
2.1 随机过程定义 定义2.1.1 设给定概率空间(Ω,F, P)和指
标集T, 若对每个t∈T, 有定义在(Ω,F, P)上 的随机变量 X t (ω), ω 与之对应. 称依赖于 t的随机变量族为随机过程(随机函数). 记为
电子科大课堂讲义课堂版信号第四章讲义

The Fourier coefficients ak of x~t are proportional to samples of the Fourier transform of one period of x~t
3
Chapter 4 §4.1.3 Fourier Transforms of Typical Signals
2
F
j
2
X
j
2 t F2 t 2Fe j2 t 2Fe j2
X
j
2
e j2 e j2
2
4 sin2
2
14
Chapter 4 §4.3.5 Time and Frequency Scaling
FFoouurriieerr TTrraannssffoorrmm
xt F X j yt FY j axt byt FaX j bY j
§4.3.2 Time Shifting
xt F X j x t t0 F X je j t0
1. eatut F 1
a j
Fourier Transform
2. ea t
a
0
F
a2
2a
2
3.xt源自 1
t T1
0 t T1
F 2T1 sin c T1
x t sinWt
t
F
X
j
1
W
0 W
12
Chapter 4
Fourier Transform
§4.3.4 Differentiation and Integration
电磁场与电磁波课件ppt(电子科技大学)第四章 时变电磁场解析

A A J ( ) t t A ( A) 2 A 2 A 2 A 2 J ( A ) t t A 0 t 2 A 2 A 2 J t
除了利用洛伦兹条件外,另一种常用的是库仑条件,即 A 0
(洛仑兹条件是个定解条件。)
电子科技大学编写
高等教育出版社出版
电磁场与电磁波
第4章 时变电磁场
D E H B
E B J t
8
位函数的微分方程 (达朗贝尔方程) D H J t A B A E t
电子科技大学编写
高等教育出版社出版
电磁场与电磁波
第4章 时变电磁场
7
位函数的规范条件
造成位函数的不确定性的原因就是没有规定 A 的散度。利用 位函数的不确定性,可通过规定 A 的散度使位函数满足的方程得
以简化。 在电磁理论中,通常采用洛伦兹条件,即 A 0 t
第4章 时变电磁场
19
电磁能量在内外导体之间的介质中沿轴方向流动,即由电源向负 载,如图所示。
同轴线中的电场、磁场和坡印廷矢量 (理想导体情况)
穿过任意横截面的功率为
P S ez dS
S
b
教育出版社出版
电子科技大学编写
电磁场与电磁波
得到的电磁场矢量是相同的。
问题 若应用库仑条件,位函数满足什么样的方程? 具有什么特点?
电子科技大学编写
高等教育出版社出版
电磁场与电磁波
第4章 时变电磁场
11
4.3
电磁能量守恒定律 (重点)
随机过程1(1.1) (2)

The moments of X
性质:
X, Y 是独立变量
小结
第一章
随机过程的基本概念
● 随机过程的定义及其有限维分布函数族
● 随机过程的数字特征
● 几类重要的随机过程
重点
随机过程的定义、数字特征、正态过程、
Poisson过程.
要求(1)准确理解随机过程的定义,熟悉研究
随机过程的方法.
(2)熟练求出样本函数、有限维分布、 数字特征、特征函数. 难点 有限维分布和Poisson过程.
n 1 n 1
则称P为E的概率。
概率的性质:
(1) P( ) 0 ; (2) Monotonicity: 若E F, P( E ) P( F ) (3) P(E c ) 1 P(E) P( En ) P( En ) (4) Subadditivity: 布尔不等式: n 1 n 1 n n (5) P( Ei ) P( Ei ) P( Ei E j )
Basic Concepts----Probability
• 随机试验 (Random Experiment)
结果事先不确定 outcome is unknown; 可重复 reproducible
• 样本空间(Sample Space): S
•所有可能结果的全体 the set of all possible outcomes
例:掷一个色子的期望E(X)
练习:试求前面所讲几个典型随机变量的期望
定理:X是一随机变量,F(x)为分布函数, y=g(x)是连续函数,若 g ( x)dF( x) 存在,则
EY E[ g ( X )] g ( x)dF( x)
西电随机过程课件

所以S.P.的一维分布为X(t) ~N(0,1+t2) 又对任意的t1≥0, t2≥0, X(t1)=A+Bt1 ~N(0,1+t12), X(t2)=A+Bt2 ~N(0,1+t22),
即
( X (t1 )
1 1 X (t2 )) ( A B) t1 t2
由A,B独立知, (A,B)服从二维正态分布 (定理 正态变量的线性变换是正态变量)
3. n维分布函数
对任意固定的t1,t2, …,tn∈T, X (t1) ,X (t2),…, X (tn)为n个随机变量.称其联合分布函数
F (t1,t2 ,…,tn ; x1, x2,…, xn) = P(X(t1) ≤x1, X(t2) ≤x2 … X(tn) ≤xn ) x1 x2,…, xn ∈R 为随机过程{X(t),t∈T}的n维分布函数.
1 x 0 0 x 0
例2 设随机过程 X(t)=A+Bt, t≥0,其中A,B 是相互 独立的随机变量,且都服从标准正态分布N(0,1).求 该随机过程的一维和二维分布
解 对任意的t≥0, X(t)=A+Bt, 有题意知X(t)是正态分布. 又 E[X(t)]=0, D[X(t)]=1+t2
X(t)
例1的样本曲线与状态
状态X(t0)=4
样本曲线x1(t) x1(t) t 状态X(t0)=5 样本曲线x2(t) x2(t) t
t0 状态空间S={0,1,2,….}, T=[0,+∞)
例2 的样本曲线与状态
X(t)
X(t) A cos(t )
样本曲线x1(t)
状态X(t0)
fV (h( x)) h( x) f 3 ( x) X( ) 0 4
随机过程西财讲义

(1)若 X 与 Y 相互独立,则 E (X | Y ) = E (X ),E (Y | X ) = E (Y );
(2)设 g( y) 是一个函数,则 E [ g(Y ) | Y ] = g(Y ),E [ g(Y ) X | Y ] = g(Y ) E (X | Y ).
与条件随机变量独立时,条件期望等于无条件的期望;而条件随机变量的函数,相当于常数.
解:设该矿工需要 X 小时到达安全区,X 的分布很复杂,
又设 Y 表示矿工选择的门的编号,Y 的分布很简单,
Y 123 P111
333
因 E (X | Y = 1) = 3,E (X | Y = 2) = 5 + E (X ),E (X | Y = 3) = 7 + E (X ),
∑ 则 E( X ) P{Y = i} = 3× 1 + [5 + E( X )]× 1 + [7 + E( X )]× 1 = 5 + 2 E( X ) ,
计算复杂随机变量的数学期望转化为计算简单随机变量函数的数学期望.
例 一矿工被困在有三个门的矿井里.第一个门通一坑道,沿此坑道走 3 小时可到达安全区;第二个门通
一坑道,沿此坑道走 5 小时又回到原处;第三个门通一坑道,沿此坑道走 7 小时又回到原处.假定此矿工
总是等可能地在三个门中选择一个,试求他平均要用多少时间才能到达安全区.
y
y
当 0 < y < 1 时,pY ( y) > 0,有
p X |Y (x |
y) =
p(x, y) pY ( y)
=
8xy 4( y − y 3 )
= 2x 1− y2
,y < x < 1,
通信原理课件(西安电子科技大学版)2

B(t1,t2)=E{[ξ(t1)-a(t1)][ξ(t2)-a(t2)]} =
[ x1 a(t1 )][x2 a(t2 )] f2(x1,x2; t1,t2)dx1dx2
式中,t1与t2是任取的两个时刻;a(t1)与a(t2)为在t1及
t2时刻得到的数学期望;f2(x1,x2; t1,t2)为二维概率密度函 数。相关函数定义为 B(t1, t2)=R(t1, t2)-a(t1)a(t2)
Rξη(t1, t2)=E[ξ(t1)η(t2)]
(2.1 - 12)
2.2平稳随机过程
2.2.1定义
所谓平稳随机过程,是指它的统计特性不随时间的推移而 变化。设随机过程{ξ(t),t∈T},若对于任意n和任意选定t1<t2 <…<tn, tk∈T, k=1, 2, …, n,以及h为任意值,且x1, x2, …, xn∈R,有
则称f2(x1,x2; t1,t2)为ξ(t)的二维概率密度函数。
同理,任给t1, t2, …, tn∈T, 则ξ(t)的n维分布函数被定义为 Fn(x1,x2,…,xn; t1,t2,…,tn)=P{ξ(t1)≤x1,ξ(t2)≤x2,…, ξ(tn)≤xn}
2 Fn ( x1, x2 ...;t1,t2 ...,tn ) f ( x1, x2 ..., xn ; t1, t2 ...,tn ) x1 x2 ...xn
任给两个时刻t1, t2∈T,则随机变量ξ(t1)和ξ(t2)构成一个二 元随机变量{ξ(t1), ξ(t2)},称F2(x1,x2; t1,t2)=P{ξ(t1)≤x1, ξ(t2)≤x2} (2.1 - 3) 为随机过程ξ(t)的二维分布函数。 如果存在
电子科技大学2010年随机信号分析其中考试试题与标准答案

2 = RX ( t1 , t2 ) E A sin (ω0t1 + Φ ) sin (ω0t2 + Φ ) 2 A = E cos (ω0 ( t1 − t2 ) ) − cos (ω0t1 + ω0t2 + 2Φ ) 2 A2 cos (ω0τ ) (τ= t1 − t2 ) = 2
八、 (10 分)已知平稳信号 X (t ) 的自相关函数为
R= 6 exp(− X (τ )
τ
2
);
对于任意给定的 t ,求信号四个状态 X (t ) , X (t + 1) , X (t + 2) , X (t + 3) 的协方差矩阵。
2 = = lim R X (τ ) m 0 解: τ X →∞
= X (t ) A sin(ω 0t + Φ ) , ω 0 为常数, Φ 是 [0, 2π ) 的均匀分布随机变量,讨论 四、 (15 分)已知随机信号
当 A 满足如下条件时,X(t)的广义平稳性。 1. A 为常数; (5 分) 2. A 为时间函数 A(t); (5 分) 3. A 为随机变量且 A 与 Φ 独立。 (5 分) 解:1、当 A 为常数时,
Φ Z ( v ) = Φ X ( 3v ) ⋅ ΦY ( 2v ) e j10 v = a ⋅ q + pe j 2 v ⋅ e j10 v a − j 3v
三、(15 分)若随机过程 X(t)由四个样本函数{X(t) : 2,sint,-sint,cost}构成,各样本函数出现 概率相等,求: 1.X(t)数学期望; (5 分)
电子科大随机过程总结 第2章 随机过程

������ + ������维联合分布函数
������1 −∞
������������
������1
������������
=���������������� (������1 , ⋯ , ������������ ; ������1 , ⋯ , ������������ ; ������1 , ⋯ , ������������ , ������1 , ⋯ , ������������ )������������������������
+∞
互相关函数
−∞ −∞
∑ 均值函数(数学期望) ������(������) = ������[������(������)] =
+∞
������=1
������������ ������������ (������) ,
离散型 互协方差函数 ̅̅̅̅̅̅̅̅̅ ������������1 ������2 (������, ������) = ������������1 ������2 (������, ������) − ������������1 (������)������ ������2 (������)
������
(离散参数)链 (连续参数)链
随机过程 一维分布函数 一维概率密度函数 特征函数 二维随机分布函数 二维概率密度函数
复随机过程 均值函数 方差函数
������(������) = ������(������) + ������������(������) ������������ (������) = ������������ (������) + ������������������ (������) ������������ (������) = ������������ (������) + ������������ (������)
应用随机过程习题解答

当y 0时,F y =0。
1.25 设X 服从几何分布,即P X k 2k 3k1 , k 0,1, 2 。 试求:1 X的特征函数与概率母函数;2 X的均值和方差。
1 特征函数:X
v
E e jvX e jvk P k 0
EX
2
1 p p2
6
2.6 两个随机信号X t Asin t , Y t B cos t , 其中A与B为未知随机变量,
为0 ~ 2 均匀分布随机变量,A、B与两两统计独立,为常数。
试求:1 两个随机信号的互相关函数RXY t1,t2 ;
AB
4
2 0
sin
t1
t2
2
sin
t1
t2
d
AB 2
sin t1
t2
2.6 两个随机信号X t Asin t , Y t B cos t , 其中A与B为未知随机变量,
为0 ~ 2 均匀分布随机变量,A、B与两两统计独立,为常数。
1
EX
t
E
Acos 0t
EAE
cos 0t
1 2
2
0
1
2
cos 0t
d
0
EX
2
t
E
ቤተ መጻሕፍቲ ባይዱ A2
1
cos
2 0t
2
1 2
EA2 E
cos 2 0t
随机过程CH1_update20130914

45
1.3 随机变量的数字特征
刻画随机变量的平均值
46
47
48
平方再期望?
49
50
51
52
53
54
55
例1、例2:(P30)
请验证
例3:(P31):二维正态分布的协方差。
n维正态分布的 概率密度的矩阵形式:(验证)
56
1.4
条件数学期望
条件概率密度以及条件分布函数的推广。 自学
提交实验报告。 可参考MATLAB帮助文档、《随机信号分析》P31
以上,为第一章的全部内容。
69
随机过程及其应用
杜 江 教授 通信工程学院
2013年秋季
1
自我简介
教授,博士后,四川省有突出贡献的优秀专家。 韩国三星电子总部Digital Media研究所:高级工程师,项目 经理。 本科(西北大学:石油地质)、硕士(成都理工大学:地球 物理勘探)、博士与博士后(电子科技大学:信号与信息处 理、信息与通信工程) 研究方向: 新一代WLAN,MIMO-OFDM,智能天线 数字集成电路设计 RFID电子标签芯片设计
57
1.5 随机变量的特征函数
58
59
60
作为公式使用
其他几种随机变量的特征函数:二项分布、泊松分布、指数分布, 见P37-39
61
62
63
64
1.6 收敛性与极限定理
65
66
67
【应用】
68
实验与专题1:随机变量的仿真与实验
用MATLAB分别产生服从(二项分布、泊松分布、正 态分布、均匀分布、指数分布、瑞利分布)的随机变量, 并分析他们的: 1、分布函数或概率密度函数 2、均值、方差
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
电子科技大学
04。10。14
EX.5 设随机微分方程为
X (t) Y (t),
X
(a)
X 0.
t [a,b],
其中,Y(t)是一个已知的均方连续二阶矩过程,
求X(t), 并求其数字特征.
解 直接积分并代入初始条件, 得
X (t )
X (a)
t
a
X (s)ds
X0
at Y (s)ds
电子科技大学
均方可导
均方连续
均方可积
逆均不真
电子科技大学
04。10。14
五、正态随机过程的均方微积分
(实值)正态过程是重要的二阶矩过程,常见 正态过程的导数或积分问题.
定理4.4.6 正态随机变量序列的均方极限仍
为正态分布随机变量.
即若{Xn,n≥1}为正态随机变量序列
l.i.m
n
Xn
X,
则X是正态随机变量.
则( X1 , X 2 , , X m )是m维正态随机向量.
电子科技大学
04。10。14
定理4.4.8 设{X(t),t∈T}为一个正态过程,且 在T上均方可微, 则其导数过程{ X (t ), t T } 也是正态过程.
的均值函数和相关函数.
解
t
mX (t)
E[
W (s)ds]
0
t
E[W (s)]ds 0
,
0
电子科技大学
04。10。14
RX (s, t ) 0s0t RW (u, v)dudv
v
s t 2 min( u, v)dudv t 00
设s≤t
RX (s, t) 2
s
du
0
u
min( u, v)dv
Y (0) 0
描述, 则输出电压为
Y (t) t X (s)estduds t X (s)e(ts)ds
a
a
而且
et t X (s)esds, t 0. a
mY (t) et
t a
m
X
(t
)es
ds,
电子科技大学
t 0.
04。10。14
二阶矩过程的极限、连续、导数、积 分,其统计特征主要由相关函数表征.
解 显然有边界值Y(a)=Y0,
电子科技大学
04。10。14
对(*)式两边求均方导数
Y (t ) [Y0eat (u)du ]t
[
t a
X (s)est (u)duds]t
Y0 (t )eat (u)du [eat (u)du
t a
X
(s)e
as
(u)duds]t
( est (u)du eat (u)duas (u)du )
电子科技大学
04。10。14
证 记 fn(t) E(e jtXn), f (t ) E(e jtX ), an E( X n ), a E( X ),
2 n
D( Xn
),
2 D( X ),
由均方收敛性质
l.i.m
n
Xn
X,
lim
n
an
a,
lim
n
2 n
2,
f (t) lim fn (t)
04。10。14
t
mX (t) E( X0 ) a mY (s)ds,
s
t
RX (s, t) E{[ X0
a Y (u)du][ X 0
Y (v)dv]}
a
E[ X0 2] E[X0
t
a Y (v)dv] E[X0
s
Y (u)du]
a
st
a
a RY (u, v)dudv.
0
2
s
du
tห้องสมุดไป่ตู้
min( u,v)dv
0
u
2
s
du
u vdv 2
s
t
udv
0
0
0u
电子科技大学
u=v su
04。10。14
2s2 (3t s)
6
由s 与t 的对称性
2s2
RX
(s,
t)
6 2t 2 6
(3t (3s
s), t ),
0 s t; 0 t s
维纳过程是均方连续, 均方不可导, 均方 可积的二阶矩过程.
电子科技大学
04。10。14
EX.6 验证过程
Y (t ) Y0eat (u)du
t X (s)est (u)duds
a
(*)
是一阶线性微分方程
Y (t) (t)Y (t) X (t)
Y (a) Y0
的解. 其中{X(t), t∈[a, +∞)是均方连续二阶
矩过程, Y0是二阶矩随机变量, β(t)是普通函 数.
b
a X (t)dt X (b) X (a)
电子科技大学
04。10。14
证 X (t )均方连续
Y (t)
t
a
X (s)ds
在[a, b]上均方可导, 且
Y (t) X (t),
定理4.5.4之1)
[Y (t) X (t)] Y (t) X (t) 0, t [a, b],
Y(t) X(t) X
04。10。14
§4.5 随机过程的均方积分(二)
四、均方不定积分
定义4.5.4 设X(t) 在[a, b]在上均方连续,
Y (t ) at X (s)ds t [a,b],
称为X(t)在[a, b]上的均方不定积分.
定理4.5.4 设X( t )在[a, b]上均方连续,则其
在[a, b]上的均方不定积分 Y(t) 在[a, b]上均方
n
电子科技大学
04。10。14
lim e e , jtan
1
2
n2t
2
jta 1 2t 2
2
n
即X服从N (a, 2 ).
定理4.4.7 m维正态随机向量序列
(
X
(n) 1
,
X
(n 2
)
,
,
X
(n) m
)
的均方极限仍为m 维正态随机向量,即若
l.i.m
n
X
( i
n)
Xi,
i 1,2, , m
可导, 且
电子科技大学
04。10。14
1) Y (t) X (t);
2) E[Y (t)] at E[ X (s)]ds ,
mY (t ) at m X (s)ds;
st
3) RY (s, t) a a RX (u, v)dudv .
定理4.5.5 (牛顿-莱布尼兹公式) 设X(t)在 [a,b]上均方可导, X (t )均方连续,则有
与t 无关的 随机变量
Y (t) X (t) X , t [a,b],
令t a, 得 X (a) X Y (a) 0,
电子科技大学
04。10。14
X X(a)
b
a
X
(t )dt
Y
(b)
X
(b)
X
(a).
EX.4 设{W(t), t≥0}为参数为σ2的维纳过 程, 求积分过程
t
X (t) 0 W (s)ds, t 0,
Y0 (t )eat (u)du (t )eat (u)du
t X (s)eas (u)duds
a
eat (u)du X (t )e at (u)du
(t)Y (t) X (t)
电子科技大学
04。10。14
如RC积分电路的输出电压Y(t)输入电压 X(t)的关系由方程
Y (t) Y (t) X (t)