通信入门系列——随机过程、平稳随机过程、复随机过程

微信公众号上线，搜索公众号小灰灰的FPGA,关注可获取相关源码，定期更新有关FPGA的项目以及开源项目源码，包括但不限于各类检测芯片驱动、低速接口驱动、高速接口驱动、数据信号处理、图像处理以及AXI总线等

本节目录

一、随机过程
二、平稳随机过程
三、自相关函数
四、自协方差函数
五、互相关函数和互协方差函数
六、复随机过程

本节内容
一、随机过程
若X(t)是一个时间的函数，并且在每个时刻的取值是一个随机变量，则称X(t)是一个随机过程。在通信中，随机过程普遍存在，比如：r(t)=s(t)+n(t),其中r(t)表示接收信号，s(t)表示发射信号，n(t)表示噪声信号，且是一个随机过程，每个时刻的值都是一个随机变量。这个公式表示接收信号r(t)是在发射信号s(t)上附加一个噪声信号n(t)。
二、平稳随机过程
一个随机过程X(t)，任意取一组时刻的随机变量X(t1),X(t2),……,X(tn)，对应的联合概率密度函数为p0(x1,x2,……,xn)。任意延时时间t后得到的另一组随机变量 X(t1z+t),X(t2+t),……,X(tn+t)，对应的联合概率密度函数为pt(x1,x2,……,xn)。
如果上述两组的联合概率密度函数相同，即:
p0(x1,x2,……,xn)=pt(x1,x2,……,xn)，那么将X(t)称为一个平稳随机过程。
三、自相关函数
两个随机变量X(t1)、X(t2)，对应的联合概率密度函数为p0(x1,x2),则E[X(t1)X(t2)]是t1、t2的函数，记作φ(t1,t2),也就是自相关函数。

四、自协方差函数
两个随机变量X(t1)、X(t2)，通常将均值减掉之后的相关关系称为自协方差函数μ(t1,t2)，其表达式为：
μ(t1,t2)=E[(X(t1)-m(t1))(X(t2)-m(t2))]=φ(t1,t2)-m(t1)m(t2)。
五、互相关函数和互协方差函数
互相关函数和互协方差函数,用来描述两个随机过程X(t)、Y(t)之间的关系的，具体的定义表达式如下：
互相关函数φxy(t1,t2)=E[X(t1)Y(t2)]。
互协方差函数μxy(t1,t2)=E[(X(t1)-mx(t1))(Y(t1)-my(t2))]。
六、复随机过程
复随机过程通常出现在复基带信号当中。将复随机过程定义为：Z(t)=X(t)+jY(t)，其中j是虚数单位，X(t)和Y(t)是两个实随机过程。
复随机过程的自相关函数的公式：
φzz(t1,t2)=E[Z(t1)Z*(t2)]=E[(X(t1)+jY(t1))(X(t2)-jY(t2))]
=φxx(t1,t2)+φyy(t1,t2)+j[φyx(t1,t2)-φxy(t1,t2)]