随机过程基础(5)---各态历经性(2)、联合分布、连续信号功率谱密度（PSD）

各态历经性

可以证明，随机过程X(t)具有均值遍历性的充要条件是$$\underset{Y\to \infty }{\lim }\frac{1}{T}{\int }_0^{2T}(1-\frac{\tau }{2T})[R_X(\tau )-m_X^2]d\tau =0$$具有相关函数遍历性的充要条件是$$\underset{Y\to \infty }{\lim }\frac{1}{T}{\int }_0^{2T}(1-\frac{\tau }{2T})[R_{\varphi }(\tau )-R_X^2(\tau )]d\tau =0$$对于零均值的平稳正态随机信号，如果R_X(τ)连续，则各态历经性的充要条件简化为$${\int }_0^{\infty }|R_X(\tau )|d\tau <\infty$$
例如，判断随机相位信号的各态历经性：
设有随机相位信号$$X(t)=Acos({\omega }_{0}t+\varphi )$$则X(t)的均值为0，自相关函数$$R_X(t+\tau ,t)=E[X(t+\tau )X(t)]$$ = A 2 E { c o s [ ω 0 ( t + τ ) + ϕ ] c o s ( ω 0 t + ϕ ) } =A^2E\{cos[\omega_0(t+\tau)+\phi]cos(\omega_0t+\phi)\} =A2E{ cos[ω0​(t+τ)+ϕ]cos(ω0​t+ϕ)}应用积化和差公式， = A 2 2 { E [ c o s ( 2 ω 0 t + ω o τ + 2 ϕ ) ] + E [ c o s ω 0 τ ] } =\frac{A^2}{2}\{E[cos(2\omega_0t+\omega_o\tau+2\phi)]+E[cos\omega_0\tau]\} =2A2​{ E[cos(2ω0​t+ωo​τ+2ϕ)]+E[cosω0​τ]}$$=\frac{A^2}{2}cos{\omega }_0\tau$$又时间平均$$\overline{m_X}=1\cdot i\cdot m\frac{1}{2T}{\int }_{-T}^{T}Acos({\omega }_0+\varphi )dt=0$$时间相关函数$$\overline{R_X(\tau )}=1\cdot i_{T\to \infty }\cdot m\frac{1}{2T}{\int }_{-T}^{T}X(t+\tau )X(t)dt$$$$=1\cdot i_{T\to \infty }\cdot m\frac{1}{2T}{\int }_{-T}^{T}Acos[{\omega }_0(t+\tau )+\varphi ]Acos({\omega }_{0}t+\varphi )dt$$$$=\frac{A^2}{2}1\cdot i_{T\to \infty }\cdot m\frac{1}{2T}{\int }_{-T}^T[cos(2{\omega }_{0}t+{\omega }_0\tau +2\varphi )+cos({\omega }_0\tau ]dt$$$$=\frac{A^2}{2}cos{\omega }_0\tau$$故时间量和统计量两两对应相等，可见是各态历经过程。
对于大多数随机过程，都具有各态历经性。工程上一般直接认为平稳随机信号是各态历经的。设x(t)是一条样本函数，就用$$\widehat{m_X}=\frac{1}{2T}{\int }_{-T}^{T}x(t)dt$$估计均值，用$${\hat{R}}_X(\tau )=\frac{1}{2T}{\int }_{-T}^{T}x(t+\tau )x(t)dt$$估计自相关函数，得到的结果差距不大。
对于随机序列X(n)，对应地，$$\widehat{m_X}=\frac{1}{N}\sum _{N=0}^{N-1}x(n)$$$$\widehat{{\sigma }_X^2}=\frac{1}{N-1}\sum _{n=0}^{N-1}[x(n)-{\hat{m}}_X{]}^2$$$$\widehat{R_X(m)}=\frac{1}{N-|m|}\sum _{n=0}$$