随机信号的特征及其估计

Rx (m) R x (m)
*
2）m=0时， Rx (m) 取得最大值，即
Rx (0) Rx (m) Rx (0) 为信号序列的能量，即 E R (0) x
11/25/2014
n
| x ( n) |
20

2
3）
Rx () 0 Rxy () 0
Rxy (m) R (m)
如果随机过程X(t)的任意n维概率分布都是正态分布， 则称它为正态随机过程或高斯随机过程，简称正态过 程或高斯过程。
正态随机过程的性质
1.正态过程是二阶矩过程； 2.正态过程的一阶矩、二阶矩即可确定其有限维分布； 3.正态过程严平稳与宽平稳是一致的。
11/25/2014
10
2.2估计的质量评价
2.2.1 估计的偏 定义 反映估计的均值与真值的偏离程度 2.2.2 估计的方差 定义
C XY (t1 , t2 ) E[( X (t1 ) mX (t1 ))(Y (t2 ) mY (t2 ))]
若X(t ), Y (t )的RXY (t1 , t2 ) 0，称X(t ), Y (t )为正交过程； 若C XY (t1 , t2 ) 0，称X(t ), Y (t )为互不相关。

n 0
m R(m) (1 ) R(m) N
11/25/2014
17
ˆ (m)和 R (m)的偏差为 R 2 2
ˆ (m)] R(m) E[ R ˆ (m)] bia[ R 2 2 m m R(m) (1 ) R(m) R(m) N N ˆ (m)是 R (m) 的渐近无偏估计 R 结论： 2 2
对一切有限集﹛ti﹜ ∈T和任意的τ ∈T都成立， 则称X(t)为严平稳过程。
11/25/2014
6
2 宽平稳随机过程——只考虑一阶矩和二阶距
若随机过程 X(t)满足
E[| X (t ) | ]
2
mX (t ) mX
RX (t , t ) E ( X t , X t ) RX ( )
11/25/2014 1
1. 固定时，是t的确定函数，称为样本函数，对应 于某次试验的结果
2. t 固定时，是一个随机变量 3. 与t都固定时，是一个确定数值，称为状态 4. 与t都发生变化，构成了随机过程（信号）的完 整概念
X (t , ) 的含义
11/25/2014
2
2.随机过程的n维分布函数
2 ˆ ˆ ˆ var[ ] E[( E[ ]) ]
ˆ] E[ ˆ] bia[
11/25/2014
11
2.2.3 估计的均方误差(MSE)与一致性 定义
2 ˆ MSE E[( ) ]
均方误差与偏差及方差的关系
2 2 ˆ ˆ ˆ MSE E[( ) ] var( ) bia ( ) 若有 1. lim E[ ˆ]
11/25/2014 5
2.1.2 平稳随机过程
1 严平稳随机过程
设﹛X(t)，t∈T﹜为随机过程，如果对于任意的τ ∈T，过程X(t+ τ)与X(t)（t∈T）有相同的分布， 即
F(x1 , x 2 ,, x n ; t1 , t 2 ,, t n )
F(x1 , x 2 ,, x n ; t1 , t 2 ,, t n )
2.随机信号的特征及其估计
2.1 随机过程基础 2.1.1随机过程及其特征描述 1.随机过程
定义1：设随机试验的样本空间 { ，若对于 } 每个元素 ，总有一个确知的时间函数 X (t , ) 与它对应，这样，对于所有的 ，就可以得 到一簇时间t的函数，称它为随机过程。簇中的 每一个函数称为样本函数。 X (t i , ) 定义2：若对于每个特定的时间 ti (i 1,2,) ， X (t i , ) 都是随机变量，则称 X (t , ) 为随机过程， 称为随机过程 X (t ) 在t t i 时刻的状态。2 Xຫໍສະໝຸດ 4） 自相关函数和自协方差函数
RX (t1 , t 2 ) E[ X (t1 ) X (t 2 )]
CX (t1 , t2 ) E[( X (t1 ) mX (t1 ))( X (t2 ) mX (t2 ))]
5） 互相关函数和互协方差函数
RXY (t1 , t2 ) E[ X (t1 )Y (t2 )]
FX ( x1 , x2 , , xn ; t1 , t2 , , tn ) pX ( x1 , x2 , , xn ; t1 , t2 , , tn ) x1x2 xn
n
11/25/2014 3
3.随机过程的数字特征 设﹛X(t)，t∈T﹜为实随机过程，其主要
数字特征有
1）均值函数（ 数学期望）
At [ x(t )] E[ X (t )] mX
则称X(t)为均值各态历经随机过程。
11/25/2014 8
若
At [ x(t ) x(t )] E[ X (t ) X (t )] RX ( )
则称X(t)为自相关各态历经随机过程。
各态历经和平稳过程的关系
各态历经的随机过程必定是平稳的随机过程，而平稳的随 机过程不一定是各态历经的。对各态历经的随机过程X(t)，其 均值、均方值和方差都为常数，若分别表示为 m , m 2 和 2
11/25/2014
n
x(n)x(n m)
n
n
x ( n ) y ( n m)
19
确定性能量信号的相关函数的性质 1）若x(n)为实信号，则 Rx (m) 为实偶函数，则
Rx (m) R x (m) Rx (m) Rx (m)
*
若x(n)为复信号，则 Rx (m) 共轭偶对称，则
11/25/2014
18
2.4相关函数和功率谱
2.4.1 相关函数
1 确定性能量信号的相关函数
自相关函数
Rx ( m )
互相关函数 实序列
Rxy (m) Rx ( m )
n
x * (n)x(n m) x * ( n ) y ( n m)

Rxy (m)
x x x
则有
2 2 x mx mx
2
其自相关函数和协方差函数满足
Rx ( ) E[ x(t ) x(t )]
2 Cx ( ) E{[ x(t ) mx ][ x(t ) mx ]} Rx ( ) mx
11/25/2014 9
2.1.3 正态过程
N 1 m 1 ˆ ( m) R x(n)x(n m) 1 N m n 0 m 0,1,2 ( N 1) 估计的均值
N 1 m 1 ˆ (m)] E[ R E[ x(n)x(n m)] 1 N m n 0
1 N m
11/25/2014
N 1 m n 0
11/25/2014 22
3 平稳随机信号的相关函数
自相关函数
Rx (m) E[ x * (n) x(n m)]
Rxy (m) E[ x * (n) y (n m)]
互相关函数 对于实序列
Rx (m) E[ x(n) x(n m)]
可以证明当N→∞时，估计的方差趋于0。所以式**对
方差的估计是无偏的一致估计
2.3.3 自相关函数的估计 N 1|m| 1 方法1 R ˆ ( m) x(n)x(n | m |) 1 N | m | n 0
m 0,1,2 ( N 1)
11/25/2014 15
根据实序列自相关函数的偶对称性，上式表示为
mX (t ) E[ X (t )] xf ( x; t )dx


2 ）均方函数
mX 2 (t ) E[ X (t )]
2
3） 方差函数
DX (t ) E[( X (t ) mX (t )) 2 ]
11/25/2014 4
DX (t ) mX 2 (t ) m (t )
R ( m) R ( m)
16
方法2
N 1 m 1 ˆ ( m) R x(n)x(n m) 2 N n 0 m 0,1, 2 ( N 1)
估计的均值
1 ˆ E[ R2 (m)] N 1 N
N 1 m
N 1 m n 0
E[ x(n)x(n m)]
随机过程 X (t )在任意n个时刻 t1 , t 2 ,, t n 的取值 X (t1 ), X (t2 ), , X (tn ) 构成n维随机变量 [ X (t1 ), X (t 2 ),, X (t n )] 。 则定义随机过程 X (t ) 的n维分布函数和n维概率密 度函数为
FX ( x1 , x2 ,, xn ; t1 , t2 ,, tn ) P{X (t1 ) x1 , X (t2 ) x2 ,, X (tn ) xn }
N
ˆ E[ ˆ]) 2 ] 0 2. lim E[(
N
ˆ 是 的一致估计。 则
11/25/2014 12
2.3均值、方差、自相关函数的估计
2.3.1 均值的估计 定义
1 ˆx m N
x ( n)
n 0 N 1 n 0
N 1
（1）
估计的均值
1 ˆ x ] E[ E[m N 估计的方差
1 x ( n )] N n 0
N 1
E[ x(n)] m
x
2 2 2 2 ˆ ˆ ˆ ˆ var( mx ) E[mx ] [ E (mx )] E[mx ] mx