![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
随机过程
文章平均质量分 88
orbit_theworld
猿人从未赞叹马克吐温
展开
-
随机过程的基本概念
随机过程基本概念随机过程:X(t,ω):T×Ω→RX(t,\omega):T\times \Omega \rightarrow RX(t,ω):T×Ω→R,简记为X(t)X(t)X(t)随机变量:X(t,⋅)X(t,\cdot)X(t,⋅)样本函数(也叫随机过程的一次实现):X(⋅,ω)X(\cdot,\omega)X(⋅,ω)状态空间:随机过程的所有可能取值的集合,其中的元素称为状态。数字特征均值函数:m(t)=E(X(t))m(t)=E(X(t))m(t)=E(X(t))方差函数:原创 2021-01-07 13:22:17 · 1574 阅读 · 0 评论 -
二阶矩过程、平稳过程和随机分析
二阶矩过程和平稳过程基本概念主要讨论复随机过程与宽平稳过程。二阶矩过程:对于∀t∈T\forall t\in T∀t∈T,均值和方差都存在。严平稳过程:概率分布完全一样,不涉及数字特征,可能不是二阶矩过程。宽平稳过程:均值函数是常数,自相关函数是时间差的函数。一定是二阶矩过程。对于正态过程来说,严平稳就是宽平稳。独立增量过程+均值为常数、存在二阶矩⇒\Rightarrow⇒正交增量过程注意两者区别:E([X(t2)−X(t1)][X(t4)−X(t3)])=E(X(t2)−X(t1))E原创 2020-12-31 23:41:36 · 5756 阅读 · 1 评论 -
Markov过程
Markov过程基本概念markov性:下一状态只与当前状态有关。一步转移概率:pij(n)=P(X(n+1)=j∣X(n)=i),P(n)p_{ij}(n)=P(X(n+1)=j|X(n)=i),P(n)pij(n)=P(X(n+1)=j∣X(n)=i),P(n),注意pij(n)≥0p_{ij}(n)\geq0pij(n)≥0且对j求和是1。齐次马氏链:pij(n)=pij,P(n)=Pp_{ij}(n)=p_{ij},P(n)=Ppij(n)=pij,P(n)=P初始原创 2021-01-07 13:21:32 · 1775 阅读 · 0 评论 -
Poisson过程
Poisson过程基本概念初值给定的独立增量过程是马氏过程。poisson过程是一计数过程,增量平稳且独立,增量满足参数为λt\lambda tλt的poisson分布。即P{N(s+t)−N(s)=k}=P{N(t)=k}=(λt)kk!e−λt,k=0,1,2,⋯P\{N(s+t)-N(s)=k\}=P\{N(t)=k\}=\frac{(\lambda t)^{k}}{k!}e^{-\lambda t},k=0,1,2,\cdotsP{N(s+t)−N(s)=k}=P{N(t)=k}=k!(原创 2020-12-31 19:06:08 · 2920 阅读 · 1 评论 -
平稳过程的谱分析
平稳过程的谱分析确定性函数傅里叶变换F(ω)=∫−∞∞f(t)e−jωtdtF(\omega)=\int_{-\infty}^{\infty}f(t)e^{-j\omega t}dtF(ω)=∫−∞∞f(t)e−jωtdtf(t)=12π∫−∞∞F(ω)ejωtdωf(t)=\frac{1}{2\pi}\int_{-\infty}^{\infty}F(\omega)e^{j\omega t}d\omegaf(t)=2π1∫−∞∞F(ω)ejωtdω信号做傅里叶变换需要满足两个条件:满足Dir原创 2021-01-01 16:05:44 · 674 阅读 · 0 评论 -
高斯过程
高斯过程例题X(t)X(t)X(t)正态过程,写出(X(t)X(t+τ)X′(t)X′(t+τ))(X(t)\quad X(t+\tau)\quad X^{'}(t)\quad X^{'}(t+\tau))(X(t)X(t+τ)X′(t)X′(t+τ))的协方差矩阵。(RXX(0)RXX(−τ)RXX′(0)RXX′(−τ)RXX(τ)RXX(0)RXX′(τ)RXX′(0)RX′X(0)RX′X(−τ)RX′X′(0)RX′X′(−τ)RX′X(τ)RX′X(0)RX′X′(τ)RX′X′(0))原创 2021-01-01 17:34:10 · 4182 阅读 · 0 评论