《附加随机过程》PPT课件.ppt
《《附加随机过程》PPT课件.ppt》由会员分享,可在线阅读,更多相关《《附加随机过程》PPT课件.ppt(47页珍藏版)》请在三一办公上搜索。
1、附加 随机过程,给随机过程下一个更为严格的定义:设Sk(k=1,2,)是随机试验。每一次试验都有一条时间波形(称为样本函数或实现),记作xi(t),所有可能出现的结果的集合x1(t),x2(t),,xn(t),就构成一随机过程,记作(t)。简言之,无穷多个样本函数的总体叫做随机过程。,随机噪声特点:时间t的函数,但在任一时刻上噪声电压是随机变化的,因而是一种随机过程。随机过程是随机信号和随机噪声的统称。,图 1 样本函数的总体,设(t)表示一个随机过程,在任意给定的时刻t1T,其取值(t1)是一个一维随机变量。而随机变量的统计特性可以用分布函数或概率密度函数来描述。,我们把随机变量(t1)小于
2、或等于某一数值x1的概率P(t1)x1,简记为F1(x1,t1),即F1(x1,t1)=P(t1)x1该试称为随机过程(t)的一维分布函数。,如果F1(x1,t1)对x1的偏导数存在,即有则称f1(x1,t1)为(t)的一维概率密度函数。,任给两个时刻t1,t2T,则随机变量(t1)和(t2)构成一个二元随机变量(t1),(t2),称F2(x1,x2;t1,t2)=P(t1)x1,(t2)x2 为随机过程(t)的二维分布函数。,如果存在则称f2(x1,x2;t1,t2)为(t)的二维概率密度函数。,任给t1,t2,tnT,则(t)的n维分布函数被定义为Fn(x1,x2,xn;t1,t2,tn)
3、=P(t1)x1,(t2)x2,(tn)xn,如果存在则称fn(x1,x2,xn;t1,t2,tn)为(t)的n维概率密度函数。,n越大,用n维分布函数、n维概率密度函数对随机过程统计特性的描述就越充分,但复杂性也随之增加。在一般应用中,掌握二维分布函数就已经足够了。,1.1.3 随机过程的数字特征 分布函数或概率密度函数虽然能够较全面地描述随机过程的统计特性,但在实际工作中,有时不易或不需求出分布函数和概率密度函数,而用随机过程的数字特征来描述随机过程的统计特性,更简单直观。什么是数字特征?即包括数学期望、方差、相关函数等。,1.数学期望 设随机过程(t)在任意给定时刻t1的取值(t1)是一
4、个随机变量,其概率密度函数为f1(x1,t1),则(t1)的数学期望为,时间t的函数,表示随机过程样本函数的平均值,在电信号中相当于直流分量。,2.方差,2,=2(t),方差表示随机过程在某时刻相对于均值a(t)的偏离程度,在电信号中表示信号的交流功率,衡量随机过程在任意两个时刻获得的随机变量之间的关联程度时,常用协方差函数B(t1,t2)和相关函数R(t1,t2)来表示。,B(t1,t2)=E(t1)-a(t1)(t2)-a(t2),3.协方差函数,T1时刻交流成分,T2时刻交流成分,R(t1,t2)=E(t1)(t2),4.相关函数,B(t1,t2)=R(t1,t2)-E(t1)E(t2)
5、=R(t1,t2)-a(t1)a(t2)若a(t1)=0或a(t2)=0,则B(t1,t2)=R(t1,t2)。若t2t1,并令t2=t1+,则R(t1,t2)可表示为R(t1,t1+)。这说明,相关函数依赖于起始时刻t1及t2与t1之间的时间间隔,即相关函数是t1和的函数。由于B(t1,t2)和R(t1,t2)是衡量同一过程的相关程度的,因此,它们又常分别称为自协方差函数和自相关函数。,由于B(t1,t2)和R(t1,t2)是衡量同一过程的相关程度的,因此,它们又常分别称为自协方差函数和自相关函数。,对于两个或更多个随机过程,可引入互协方差及互相关函数。设(t)和(t)分别表示两个随机过程,
6、则互协方差函数定义为 B(t1,t2)=E(t1)-a(t1)(t2)-a(t2)而互相关函数定义为 R(t1,t2)=E(t1)(t2),1.2 平稳随机过程,1.2.1 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。当取样点在时间轴上作任意平移时,随机过程的所有有限维分布函数是不变的,具体到它的一维分布,则与时间t无关,而二维分布只与时间间隔有关。,设有一个二阶矩随机过程(t),它的均值为常数,自相关函数仅是的函数,则称它为宽平稳随机过程或广义平稳随机过程。,1.2.2 各态历经性 平稳随机过程的数字特征(均为统计平均)完全可由随机过程中的任一实现的数字特征(均为时间平均)
7、来替代。随机过程(t)的统计特性为 假设x(t)是平稳随机过程(t)的任意一个实现,它的统计特性分别为,统计平均,时间平均,1.2.4 平稳随机过程的功率谱密度 随机过程的频谱特性如果用幅频特性来表示很不方便,因为随机过程的幅度是不确定的,因此随机过程的频谱特性是用它的功率谱密度来表述的。,平稳随机过程的功率谱密度 随机过程中的任一实现是一个确定的功率型信号。而对于任意的确定功率信号f(t),它的功率谱密度为 随机过程的功率谱密度应看做是任一实现的功率谱的统计平均。,(t)的平均功率S则可表示成(傅立叶反变换),经过推导,平稳随机过程的功率谱密度P()与其自相关函数R()是一对傅里叶变换关系。
8、,简记为 R()P(),维纳-辛钦关系,功率谱密度P()有如下性质:,(1)P()0,非负性;(2)P(-)=P(),偶函数。因此,可定义单边谱密度P()为 P1()=,0,W 0,W 0,几个数学期望的公式,随机过程(变量)的数学期望,连续随机变量函数的数学期望 设是随机变量的函数,=g()则 f(x)为x 的概率密度函数,离散随机变量的数学期望,Xi为所有可能的值,对应概率为Pi,例 2-1某随机相位余弦波(t)=Acos(ct+),其中A和c均为常数,是在(0,2)内均匀分布的随机变量。(1)求(t)的数学期望、自相关函数与功率谱密度;(2)讨论(t)是否具有各态历经性。,解(1)先考察
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 附加随机过程 附加 随机 过程 PPT 课件

链接地址:https://www.31ppt.com/p-5617990.html