03随机过程
合集下载
- 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)。
分布而言, aξ(t)与φξ(t)是统计独立 的 ,即有
3、自协方差函数(Covarance)
B t1,t2 E t1 a t1 t2 a t2
4、自相关函数(Correlation)
R t1,t2 E t1 t2
x1x2 f x1, x2;t1,t2 dx1dx2
3.1随机过程的基本概念
5、互协方差(Cross Covarance)
(2 )n / 21 2 ... n B 1/ 2
2 B j1 k1 jk
j
k
式中
ak
E[
(tk
)],
2 k
E[ (tk ) ak ]2
3.3 高斯随机过程
式中 |B| - 归一化协方差矩阵的
行列式,即
1 B b21
b12 b1n 1 b2n
bn1 bn2 1
|B|jk -行列式|B|中元素bjk的代数余 因子
f (t)
fT (t)
t
T
0பைடு நூலகம்
T
2
2
3.2 平稳随机过程
平稳随机信号的功率谱密度可以定
义为:
P
E
Ps
lim
T
E
XT
T
2
平均功率:P 1
2
P
d
P
2
f
df
2、功率谱密度的计算
3.2 平稳随机过程
★维纳-辛钦关系
平稳随机过程的自相关函数与其功
率谱密度是一对傅里叶变换。
P ()
2
1 2
1erf 2
xa 2σ
其中 erf (x) 2 x et2 dt 0
称为误差函数,可以查P473表求 出其值。
3.3 高斯随机过程
也可用互补误差函数表示其值:
F (x) 1 1 erfc x a
2 2
其中 erfc(x) 1 erf (x) 2 et2 dt x
3.3 高斯随机过程
4、高斯过程经过线性变换后生成 的过程仍是高斯过程。也可以说, 若线性系统的输入为高斯过程,则 系统输出也是高斯过程。
3.3.3 高斯随机变量
1、定义:高斯过程在任一时刻上的 取值是一个正态分布的随机变量, 也称高斯随机变量
3.3 高斯随机过程
f (x)
1
2
exp
(
x a)2
2 2
3.4 平稳随机过程通 过线性系统
◆线性系统分析
i t Hht o t
线性系统指的是具有齐次性和叠加 性的系统,且假设此处系统具有时 不变性。而且物理可实现的系统应 该是因果系统(先有输入后有输出。
3.4 平稳随机过程通 过线性系统
o
t
i
t
h
t
i
h
t
d
对于因果系统,有
o
t
t
i
ht
B t1,t2 E t1 a t1 t2 a t2
6、互相关(Cross Correlation)
R
t1
,
t
2
E
t1
t
2
3.1随机过程的基本概念
Example: 设一个随机相位的正弦
波为 (t) Acos(ct )
其中,A和ωc均为常数;θ是在(0, 2π)内均匀分布的随机变量。 试求其均值、方差和自相关函数。
3.5.1 c(t)和s(t)的统计特性
(1)如果 t 是平稳的、均值为0,则c t 、s t
也如此;
(2)如果 t 为高斯过程,则c t 、s t 也如此;
(3)
2=
2 c
2;
s
(4)Pc Ps
P
c
P 0,
c
,
取低频 取其它
3.5 窄带随机过程
◆结论:一个均值为零的窄带平稳 高斯过程 ξ(t) ,它的同相分量ξc(t) 和正交分量ξs(t)同样是平稳高斯过 程,而且均值为零,方差也相同。 此外,在同一时刻上得到的ξc和ξs是 互不相关的或统计独立的。
3.1随机过程的基本概念
随机过程(t)的一维到n维分布函数
F1x1,t1 P t1 x1
Fn
x1,
x2 ,
,
xn ; t1 , t2 ,
,tn
P
t1
x1, t2
x2 ,
, tn
xn
随机过程(t)的一维到n维概率密度
函数
f1(x1, t1)
F1(x1, t1) x1
fn x1,
x2 ,
,
xn ; t1 , t2 ,
3.5 窄带随机过程
窄带随机过程表示式展开
t c t cosct s t sin ct c t a t cos t 同相分量 s t a t sin t 正交分量
若ξ(t)的统计特性已知,则aξ(t)和 φξ(t)或ξc(t)和ξs(t)的统计特性也随之 确定。
3.5 窄带随机过程
3.2 平稳随机过程
各态历经性是平稳随机过程才有的 特性。
Example 3-1:设一个随机相位的
正弦波为ξ(t)=Acos(ωct+θ),其中A
和ωc均为常数;θ是在(0,2π)内均 匀分布的随机变量。试讨论是否具 有各态历经性。
3.2 平稳随机过程
3.1.3 平稳过程的自相关函数 自相关函数的性质:
第3章 随机过程
3.1 随机过程的基本概念 3.2 平稳随机过程 3.3 高斯随机过程 3.4 平稳随机过程通过线性系统 3.5 窄带随机过程 3.6 正弦波加窄带高斯噪声 3.7 高斯白噪声和带限白噪声 3.8 小结
3.1随机过程的基本概念
什么是随机过程?
随机过程是一类随时间作随机变化 的过程,它不能用确切的时间函数 描述。可从两种不同角度看:
当x>2时 erfc(x) 1 ex2
x
3.3 高斯随机过程
用Q函数表示正态分布函数:
Q函数定义: Q(x) 1 et2 /2dt 2 x
Q函数和erfc函数的关系:
Q(x) 1 erfc x 2 2
erfc(x) 2Q( 2 x)
Q函数和分布函数F(x)的关系:
F(x) 1 1 erfc x a 1 Q x a
角度1:对应不同随机试验结果的时 间过程的集合。
3.1随机过程的基本概念
【例】n台示波器同时观测并记录n 台接收机的输出噪声波形 样本函数ξi(t):一次实现。 随机过程:ξ(t) 是全部样本函数的 集合。 (t )
1 (t ) 2 (t) n (t)
t 0
3.1随机过程的基本概念
角度2:随机过程是随机变量概念的 延伸。
7、若 t 有周期量,则R 也有,且周期相同
8、若 t 是各态历经、零均值且无周期分量, 则 lim R 0
3.2 平稳随机过程
3.2.4 平稳过程的功率谱密度
1、定义:
确定功率信号f(t)的功率谱密度
Pf
(f)
lim
T
FT ( f T
)2
FT(f)是截短fT(t) 对应的频谱
d
0 i
t
h
d
频域中 Xo Xi H
3.4 平稳随机过程通 过线性系统
1、输出过程的数学期望
设输入是平稳随机过程
E
o
t
E
0
i
t
h
d
H 0 E i t
3.4 平稳随机过程通 过线性系统
2、输出过程的自相关函数
Ro t1,t2 E o t1 o t2
E
0
i
t1
h
d
0
i
t2
h
d
令t2 t1
Ro
以上两式说明:如果输入是广义平稳
的,输出也是。
3.4 平稳随机过程通 过线性系统
3、输出过程的功率谱密度
Po F Ro Pi H H Pi H 2
3.4 平稳随机过程通 过线性系统
Example:试求功率谱密度为n0/2 的噪声通过理想低通滤波器后的功 率谱密度、自相关函数和功率。
3.2 平稳随机过程
各态历经性条件
设:x(t)是平稳过程ξ(t)的任意一样
本,则其时间均值和时间相关函数
分别定义为
ax
A
x
t
lim
T
1 T
T 2 x t dt
T 2
R
A
x
t
x
t
lim
T
1 T
T 2 x t x t dt
T 2
如果 a a R( ) R( )
称该平稳过程具有各态历经性。
因此,可以把随机过程看作是在时 间进程中处于不同时刻的随机变量 ξi(t1)的集合。 这个角度更适合对随机过程理论进 行精确的数学描述。
3.1随机过程的基本概念
☺通信系统中的噪声就是一种随机信 号 ☺虽然随机信号不能预测,但我们可 以通过统计学来得到它们的一般表 述。
3.1.1 随机过程的分布函数
2 2
f (x) 1
2
o
a
x
3.3 高斯随机过程
2、性质
f a x f a x
f (x)dx 1
a f (x)dx f (x)dx 1
a
2
3、正态分布函数(误差函数)
x
F(x) P( x)
1
2
exp
(z a)2
2 2
dz
3.3 高斯随机过程
F (x) 1 2 e dt (xa)/ 2 t2
3.2 平稳随机过程
3.2.1 平稳随机过程的定义
1、狭义平稳
fn x1x2, , xn;t1,t2, ,tn fn x1x2, , xn;t1 ,t2 , ,tn
任意有限维分布函数与时间起点无 关,称该随机过程是在严格意义下 的平稳随机过程,简称严平稳随机 过程。
3.2 平稳随机过程
2、广义平稳
平稳随机过程的一维分布与时间t无 关,而二维分布只与时间间隔τ有关, 数字特征为
(1)E t a
为(广2)义R 平t,t稳随 机R过 程。显然,严平
稳随机过程必定是广义平稳的,反 之不一定成立。
3.2 平稳随机过程
3.2.2 各态历经性
提出问题:能否从一次试验而得到 的一个样本函数x(t)来决定平稳过程 的数字特征呢? 平稳过程在满足一定的条件下具有 非常有用的特性,称为“各态历经 性”(又称“遍历性”)。任一实 现的时间平均值来代替。
几种常用的傅立叶变换关系及傅氏 变换性质:
3.3 高斯随机过程
3.1.1 高斯(正态)过程定义
如果随机过程ξ(t)的任意n维分布均
服从正态分布,则称为正态过程或
高斯过程。
n维正态PDF为:
fn (x1, x2 ,..., xn;t1,t2 ,...,tn )
1
exp
1 n
n
B
( x j a j )( xk ak )
bjk - 为归一化协方差函数,即
bjk
E{[ (t
j
)
a j ][ (tk j k
)
ak
]}
3.3 高斯随机过程
3.3.2 重要性质
1、对于高斯过程,只需要研究它 的数字特征就可以了。
2、广义平稳的高斯过程也是严平 稳的。
3、如果高斯过程在不同时刻的取 值是不相关的,那么它们也是统计 独立的。
4、输出过程 o t的 概率分布
如果输入是高斯随机过程,输出也 是。
3.5 窄带随机过程
◆窄带的概念
若随机过程(t)的谱密度集中在中心 频率fc附近相对窄的频带范围f 内, 即满足f << fc的条件,且 fc 远离 零频率,则称该(t)为窄带随机过程。
典型的窄带过程频谱和样本函数如 下图:
3.5 窄带随机过程
1、R 0 E 2 t S 称为 t 的平均功率 2、R R - 必须是实过程才成立 3、R R 0
上界性,即当=0时,相关性最大
4、R =E2 t 称为 t 的直流功率
3.2 平稳随机过程
5、R 0-R = 2 方差, t 的交流功率
6、若E t =a 0,则R 中一定有常数a2
窄带过程可表示为: t a tcos ct t a t 0
3.5 窄带随机过程
窄带随机过程的表示式
(t) a (t) cos[ct (t)] , a (t) 0
式中,aξ(t) - 随机包络, φξ(t) - 随机相位
ωc - 中心角频率 显然,a ξ(t)和φξ(t)的变化相对于载 波cos ω ct的变化要缓慢得多。
R( ) e j d
R( ) 1
2
P
()
e
j
d
简记为 R( ) P ( f ) 是联系频域和时域两种分析方法的
基本关系式。
3.2 平稳随机过程
注意:此处频谱为双边谱,既有正频 谱,又有负频谱,在实际中只有正频 谱。
Example 3-2:求随机相位余弦波 ξ (t)=Acos(ωct+θ)的自相关函数和功 率谱密度。
3.5 窄带随机过程
3.5.2 a(t)和(t)的统计特性
f a ,
a
2 2
exp
a2
2
2
f a
a
2
exp
a2
2
2
a 0
f
1
2
0 2
a t
2
t
3.5 窄带随机过程
◆结论
一个均值为零,方差为σξ2的窄 带平稳高斯过程ξ(t),其包络aξ(t)的 一维分布是瑞利分布,相位φξ(t)的 一维分布是均匀分布,并且就一维
,tn
nFn x1, x2, , xn;t1,t2,
x1x2 xn
,tn
3.1随机过程的基本概念
3.1.2 随机过程的数字特征
1、数学期望(Expectation)
E t xf1 x,t dx a t
2、方差(Varance)
D
t
E
t
E
t
2
E t a t 2 2 t
3.1随机过程的基本概念
3、自协方差函数(Covarance)
B t1,t2 E t1 a t1 t2 a t2
4、自相关函数(Correlation)
R t1,t2 E t1 t2
x1x2 f x1, x2;t1,t2 dx1dx2
3.1随机过程的基本概念
5、互协方差(Cross Covarance)
(2 )n / 21 2 ... n B 1/ 2
2 B j1 k1 jk
j
k
式中
ak
E[
(tk
)],
2 k
E[ (tk ) ak ]2
3.3 高斯随机过程
式中 |B| - 归一化协方差矩阵的
行列式,即
1 B b21
b12 b1n 1 b2n
bn1 bn2 1
|B|jk -行列式|B|中元素bjk的代数余 因子
f (t)
fT (t)
t
T
0பைடு நூலகம்
T
2
2
3.2 平稳随机过程
平稳随机信号的功率谱密度可以定
义为:
P
E
Ps
lim
T
E
XT
T
2
平均功率:P 1
2
P
d
P
2
f
df
2、功率谱密度的计算
3.2 平稳随机过程
★维纳-辛钦关系
平稳随机过程的自相关函数与其功
率谱密度是一对傅里叶变换。
P ()
2
1 2
1erf 2
xa 2σ
其中 erf (x) 2 x et2 dt 0
称为误差函数,可以查P473表求 出其值。
3.3 高斯随机过程
也可用互补误差函数表示其值:
F (x) 1 1 erfc x a
2 2
其中 erfc(x) 1 erf (x) 2 et2 dt x
3.3 高斯随机过程
4、高斯过程经过线性变换后生成 的过程仍是高斯过程。也可以说, 若线性系统的输入为高斯过程,则 系统输出也是高斯过程。
3.3.3 高斯随机变量
1、定义:高斯过程在任一时刻上的 取值是一个正态分布的随机变量, 也称高斯随机变量
3.3 高斯随机过程
f (x)
1
2
exp
(
x a)2
2 2
3.4 平稳随机过程通 过线性系统
◆线性系统分析
i t Hht o t
线性系统指的是具有齐次性和叠加 性的系统,且假设此处系统具有时 不变性。而且物理可实现的系统应 该是因果系统(先有输入后有输出。
3.4 平稳随机过程通 过线性系统
o
t
i
t
h
t
i
h
t
d
对于因果系统,有
o
t
t
i
ht
B t1,t2 E t1 a t1 t2 a t2
6、互相关(Cross Correlation)
R
t1
,
t
2
E
t1
t
2
3.1随机过程的基本概念
Example: 设一个随机相位的正弦
波为 (t) Acos(ct )
其中,A和ωc均为常数;θ是在(0, 2π)内均匀分布的随机变量。 试求其均值、方差和自相关函数。
3.5.1 c(t)和s(t)的统计特性
(1)如果 t 是平稳的、均值为0,则c t 、s t
也如此;
(2)如果 t 为高斯过程,则c t 、s t 也如此;
(3)
2=
2 c
2;
s
(4)Pc Ps
P
c
P 0,
c
,
取低频 取其它
3.5 窄带随机过程
◆结论:一个均值为零的窄带平稳 高斯过程 ξ(t) ,它的同相分量ξc(t) 和正交分量ξs(t)同样是平稳高斯过 程,而且均值为零,方差也相同。 此外,在同一时刻上得到的ξc和ξs是 互不相关的或统计独立的。
3.1随机过程的基本概念
随机过程(t)的一维到n维分布函数
F1x1,t1 P t1 x1
Fn
x1,
x2 ,
,
xn ; t1 , t2 ,
,tn
P
t1
x1, t2
x2 ,
, tn
xn
随机过程(t)的一维到n维概率密度
函数
f1(x1, t1)
F1(x1, t1) x1
fn x1,
x2 ,
,
xn ; t1 , t2 ,
3.5 窄带随机过程
窄带随机过程表示式展开
t c t cosct s t sin ct c t a t cos t 同相分量 s t a t sin t 正交分量
若ξ(t)的统计特性已知,则aξ(t)和 φξ(t)或ξc(t)和ξs(t)的统计特性也随之 确定。
3.5 窄带随机过程
3.2 平稳随机过程
各态历经性是平稳随机过程才有的 特性。
Example 3-1:设一个随机相位的
正弦波为ξ(t)=Acos(ωct+θ),其中A
和ωc均为常数;θ是在(0,2π)内均 匀分布的随机变量。试讨论是否具 有各态历经性。
3.2 平稳随机过程
3.1.3 平稳过程的自相关函数 自相关函数的性质:
第3章 随机过程
3.1 随机过程的基本概念 3.2 平稳随机过程 3.3 高斯随机过程 3.4 平稳随机过程通过线性系统 3.5 窄带随机过程 3.6 正弦波加窄带高斯噪声 3.7 高斯白噪声和带限白噪声 3.8 小结
3.1随机过程的基本概念
什么是随机过程?
随机过程是一类随时间作随机变化 的过程,它不能用确切的时间函数 描述。可从两种不同角度看:
当x>2时 erfc(x) 1 ex2
x
3.3 高斯随机过程
用Q函数表示正态分布函数:
Q函数定义: Q(x) 1 et2 /2dt 2 x
Q函数和erfc函数的关系:
Q(x) 1 erfc x 2 2
erfc(x) 2Q( 2 x)
Q函数和分布函数F(x)的关系:
F(x) 1 1 erfc x a 1 Q x a
角度1:对应不同随机试验结果的时 间过程的集合。
3.1随机过程的基本概念
【例】n台示波器同时观测并记录n 台接收机的输出噪声波形 样本函数ξi(t):一次实现。 随机过程:ξ(t) 是全部样本函数的 集合。 (t )
1 (t ) 2 (t) n (t)
t 0
3.1随机过程的基本概念
角度2:随机过程是随机变量概念的 延伸。
7、若 t 有周期量,则R 也有,且周期相同
8、若 t 是各态历经、零均值且无周期分量, 则 lim R 0
3.2 平稳随机过程
3.2.4 平稳过程的功率谱密度
1、定义:
确定功率信号f(t)的功率谱密度
Pf
(f)
lim
T
FT ( f T
)2
FT(f)是截短fT(t) 对应的频谱
d
0 i
t
h
d
频域中 Xo Xi H
3.4 平稳随机过程通 过线性系统
1、输出过程的数学期望
设输入是平稳随机过程
E
o
t
E
0
i
t
h
d
H 0 E i t
3.4 平稳随机过程通 过线性系统
2、输出过程的自相关函数
Ro t1,t2 E o t1 o t2
E
0
i
t1
h
d
0
i
t2
h
d
令t2 t1
Ro
以上两式说明:如果输入是广义平稳
的,输出也是。
3.4 平稳随机过程通 过线性系统
3、输出过程的功率谱密度
Po F Ro Pi H H Pi H 2
3.4 平稳随机过程通 过线性系统
Example:试求功率谱密度为n0/2 的噪声通过理想低通滤波器后的功 率谱密度、自相关函数和功率。
3.2 平稳随机过程
各态历经性条件
设:x(t)是平稳过程ξ(t)的任意一样
本,则其时间均值和时间相关函数
分别定义为
ax
A
x
t
lim
T
1 T
T 2 x t dt
T 2
R
A
x
t
x
t
lim
T
1 T
T 2 x t x t dt
T 2
如果 a a R( ) R( )
称该平稳过程具有各态历经性。
因此,可以把随机过程看作是在时 间进程中处于不同时刻的随机变量 ξi(t1)的集合。 这个角度更适合对随机过程理论进 行精确的数学描述。
3.1随机过程的基本概念
☺通信系统中的噪声就是一种随机信 号 ☺虽然随机信号不能预测,但我们可 以通过统计学来得到它们的一般表 述。
3.1.1 随机过程的分布函数
2 2
f (x) 1
2
o
a
x
3.3 高斯随机过程
2、性质
f a x f a x
f (x)dx 1
a f (x)dx f (x)dx 1
a
2
3、正态分布函数(误差函数)
x
F(x) P( x)
1
2
exp
(z a)2
2 2
dz
3.3 高斯随机过程
F (x) 1 2 e dt (xa)/ 2 t2
3.2 平稳随机过程
3.2.1 平稳随机过程的定义
1、狭义平稳
fn x1x2, , xn;t1,t2, ,tn fn x1x2, , xn;t1 ,t2 , ,tn
任意有限维分布函数与时间起点无 关,称该随机过程是在严格意义下 的平稳随机过程,简称严平稳随机 过程。
3.2 平稳随机过程
2、广义平稳
平稳随机过程的一维分布与时间t无 关,而二维分布只与时间间隔τ有关, 数字特征为
(1)E t a
为(广2)义R 平t,t稳随 机R过 程。显然,严平
稳随机过程必定是广义平稳的,反 之不一定成立。
3.2 平稳随机过程
3.2.2 各态历经性
提出问题:能否从一次试验而得到 的一个样本函数x(t)来决定平稳过程 的数字特征呢? 平稳过程在满足一定的条件下具有 非常有用的特性,称为“各态历经 性”(又称“遍历性”)。任一实 现的时间平均值来代替。
几种常用的傅立叶变换关系及傅氏 变换性质:
3.3 高斯随机过程
3.1.1 高斯(正态)过程定义
如果随机过程ξ(t)的任意n维分布均
服从正态分布,则称为正态过程或
高斯过程。
n维正态PDF为:
fn (x1, x2 ,..., xn;t1,t2 ,...,tn )
1
exp
1 n
n
B
( x j a j )( xk ak )
bjk - 为归一化协方差函数,即
bjk
E{[ (t
j
)
a j ][ (tk j k
)
ak
]}
3.3 高斯随机过程
3.3.2 重要性质
1、对于高斯过程,只需要研究它 的数字特征就可以了。
2、广义平稳的高斯过程也是严平 稳的。
3、如果高斯过程在不同时刻的取 值是不相关的,那么它们也是统计 独立的。
4、输出过程 o t的 概率分布
如果输入是高斯随机过程,输出也 是。
3.5 窄带随机过程
◆窄带的概念
若随机过程(t)的谱密度集中在中心 频率fc附近相对窄的频带范围f 内, 即满足f << fc的条件,且 fc 远离 零频率,则称该(t)为窄带随机过程。
典型的窄带过程频谱和样本函数如 下图:
3.5 窄带随机过程
1、R 0 E 2 t S 称为 t 的平均功率 2、R R - 必须是实过程才成立 3、R R 0
上界性,即当=0时,相关性最大
4、R =E2 t 称为 t 的直流功率
3.2 平稳随机过程
5、R 0-R = 2 方差, t 的交流功率
6、若E t =a 0,则R 中一定有常数a2
窄带过程可表示为: t a tcos ct t a t 0
3.5 窄带随机过程
窄带随机过程的表示式
(t) a (t) cos[ct (t)] , a (t) 0
式中,aξ(t) - 随机包络, φξ(t) - 随机相位
ωc - 中心角频率 显然,a ξ(t)和φξ(t)的变化相对于载 波cos ω ct的变化要缓慢得多。
R( ) e j d
R( ) 1
2
P
()
e
j
d
简记为 R( ) P ( f ) 是联系频域和时域两种分析方法的
基本关系式。
3.2 平稳随机过程
注意:此处频谱为双边谱,既有正频 谱,又有负频谱,在实际中只有正频 谱。
Example 3-2:求随机相位余弦波 ξ (t)=Acos(ωct+θ)的自相关函数和功 率谱密度。
3.5 窄带随机过程
3.5.2 a(t)和(t)的统计特性
f a ,
a
2 2
exp
a2
2
2
f a
a
2
exp
a2
2
2
a 0
f
1
2
0 2
a t
2
t
3.5 窄带随机过程
◆结论
一个均值为零,方差为σξ2的窄 带平稳高斯过程ξ(t),其包络aξ(t)的 一维分布是瑞利分布,相位φξ(t)的 一维分布是均匀分布,并且就一维
,tn
nFn x1, x2, , xn;t1,t2,
x1x2 xn
,tn
3.1随机过程的基本概念
3.1.2 随机过程的数字特征
1、数学期望(Expectation)
E t xf1 x,t dx a t
2、方差(Varance)
D
t
E
t
E
t
2
E t a t 2 2 t
3.1随机过程的基本概念