应用随机过程笔记 第二周

第一天

老师上来就BBlailai说我们不会射频电路，好吧我菜。
电路过程是随机过程，老师告诉我们在做matlab仿真时，一定要注意噪声的带通性：如果噪声经过了滤波器，便不再是简单的randn()或者AWGN。

2.1.1概念

定义2.1：

给定参数集$\text{T}$和概率空间 { Ω , F , P } \{\Omega, \mathbb F, P\} {Ω,F,P}，依赖参数$t\in \mathbf{T}$的一族随机变量 { X ( ξ , t ) , ξ ∈ Ω , t ∈ T } \{X(\xi,t),\xi\in\Omega,t\in T \} {X(ξ,t),ξ∈Ω,t∈T}称为随机过程(Stochastic process or random process)，记为$X(\xi ,t)$或$X(t)$。

比如：电子系统电路噪声，到达服务机构的人数和到达时刻，通信基站用户的接入数等。

2.1.2 基本特性

随机过程是含参数$t$的随机变量族，可以带$t$的随机变量$X(\xi ,t)$描述其特性。
当$\xi ,t$都不确定时，我们可以把这个成为 随机过程。

有限维分布函数

（1）n维概率分布函数
$$\begin{array}{rl}F(x_1,x_2,...,x_n;t_1,t_2,...,t_n)& =F_{X(t_1),X(t_2),...,X(t_n)}(x_1,x_2,...,x_n)\\ & =P[X(t_1)\le x_1,X(t_2)\le x_2,...,X(t_n)\le x_n]\end{array}$$
易于理解，$x_1,x_2,...,x_n$可以认为是$\xi$，参数。易于理解，$t_1,t_2,...,t_n$可以认为是$t$，时间。
（2）n维概率密度函数
$$\begin{gathered} f(x_1,x_2,...,x_n;t_1,t_2,...,t_n）满足 \\ F(x_1,x_2,...,x_n;t_1,t_2,...,t_n)={\int }_{-\infty }^{x_n}...{\int }_{-\infty }^{x_2}{\int }_{-\infty }^{x_1}f(x_1,x_2,...,x_n;t_1,t_2,...,t_n)d{x}_{1}d{x}_2...d{x}_n \end{gathered}$$
（3）n维特征函数
其定义为：
ϕ ( v 1 , v 2 , . . . , v n ; t 1 , t 2 , . . . , t n ) = E { e x p [ j ( v 1 X ( t 1 ) + v 2 X ( t 2 ) + . . . + v n X ( t n ) ] } \phi(v_1,v_2,...,v_n;t_1,t_2,...,t_n)=E\{exp[j(v_1X(t_1)+v_2X(t_2)+...+v_nX(t_n)]\} ϕ(v1​,v2​,...,vn​;t1​,t2​,...,tn​)=E{exp[j(v1​X(t1​)+v2​X(t2​)+...+vn​X(tn​)]}
这里的$v$是确定的实变量，我们在上周的笔记中将提到。
其拥有对称性，相容性
对称性指随意排列$x,t$与函数无关。
相容性指高维的边缘分布与相应的地位分布是一致的。

定义2.1 Kolmogonov概率分布函数存在定理

这玩意证明复杂，复旦的一本概率书证明了8页。

基本数字特征

基本数字特征	公式
（1）均值	$m_X(t)=E[X(t)]$
（2）自相关函数	$R_X(t_1,t_2)=E[X(t_1)X(t_2)]$
（3）方差和标准差	${\sigma }_X^2或者D[X(t)]或者Var[X(t)]=$
	$E[X(t)-m_X(t){]}^2=E[X^2(t)]-m_X^2(t)$
	$标准差{\sigma }_X=\sqrt{D[X(t)]}$
（4）均方差	$E[X^2(t)]=R_X(t,t)$
（5）协方差函数 （相关性, 统计独立性）	C X ( t , t ) = E { [ X ( t 1 ) − m X ( t 1 ) ] [ X ( t 2 ) − m X ( t 2 ) ] } C_X(t,t)=E\{[X(t_1)-m_X(t_1)] [X(t_2)-m_X(t_2)] \} CX​(t,t)=E{[X(t1​)−mX​(t1​)][X(t2​)−mX​(t2​)]}
	$=R_X(t_1,t_2)-m_X(t_1)m_X(t_2)$
（6）相关系数 （正交性）	${\rho }_X(t_1,t_2)=\frac{C_x(t_1,t_2)}{{\sigma }_X(t_1){\sigma }_X(t_2)}$

联合特性和复过程

联合概率密度函数

$$F_{XY}(x,y;t,s)=P[X(t)\le x;Y(s)\le y]$$
这里的$s$是另一个时间参数。

(n+m)维联合概率分布函数

从上面的式子扩展：
$$\begin{array}{rl}& F_{XY}(x_1,x_2,...,x_n;y_1,y_2,...,y_m;t_1,t_2,...,t_n;s_1,s_2,...,s_m)\\ =& P[X(t_1)\le x_1,X(t_2)\le x_2,...,X(t_n)\le x_n;Y(s_1)\le y_1,Y(s_2)\le s_2,...,Y(s_m)\le s_m]\end{array}$$

(n+m)维联合概率密度函数

同理，我们可以推导
$$\begin{array}{rl}& f_{XY}(x_1,x_2,...,x_n;y_1,y_2,...,y_m;t_1,t_2,...,t_n;s_1,s_2,...,s_m)\\ =& \frac{{\partial }^{n+m}{F}_{XY}(x_1,x_2,...,x_n;y_1,y_2,...,y_m;t_1,t_2,...,t_n;s_1,s_2,...,s_m)}{\partial x_1\partial x_2...\partial x_n\partial y_1\partial y_2...\partial y_m}\end{array}$$

(n+m)维联合特征函数

$$\begin{array}{rl}& {\Phi }_{XY}(v_1,v_2,...,v_n;w_1,w_2,...,w_m;t_1,t_2,...,t_n;s_1,s_2,...,s_m)\\ =& E[\mathbf{e}\mathbf{x}\mathbf{p}j(\sum _{i=1}^n{v}_{i}X(t_i)+\sum _{i=1}^m{w}_{i}Y(s_i))]\end{array}$$

$X-Y$联合数字特征

$X-Y$联合数字特征	公式
（1）互相关函数	$R_{XY}(t,s)=E[X(t)Y(s)]$
（2）互协方差函数 （相关性, 统计独立性）	C X Y ( t , s ) = E { [ X ( t ) − m X ( t ) ] [ Y ( s ) − m Y ( s ) ] } C_{XY}(t,s)=E\{[X(t)-m_X(t)] [Y(s)-m_Y(s)] \} CXY​(t,s)=E{[X(t)−mX​(t)][Y(s)−mY​(s)]}
	$=R_{XY}(t,s)-m_X(t)m_Y(s)$
（3）互相关系数 （正交性）	${\rho }_{XY}(t,s)=\frac{C_{XY}(t,s)}{{\sigma }_X(t){\sigma }_Y(s)}$

复随机过程

$$Z(t)=X(t)+jY(t)$$
$X(t),Y(t)$定义在同一概率空间和参数集。
同理，我们可以得出 复过程数字特征：

复过程数字特征	公式
（1）均值	$m_Z(t)=E[Z(t)]=E[X(t)]+jE[Y(t)]$
（2）自相关函数	$R_Z(t_1,t_2)=E[Z(t_1)Z^{\ast }(t_2)]$
（2）互相关函数	$R_{Z_1,Z_2}(t_1,t_2)=E[Z_1(t_1)Z_2^{\ast }(t_2)]$
（3）方差	${\sigma }_Z^2(t)=E[Z(t)-m_Z(t){]}^2=E[Z^2(t)]-m_Z^2(t)$
	$\stackrel{若X，Y正交}{=}{\sigma }_X^2(t)+{\sigma }_Y^2(t)$

第二天

2.1.3举例-随即正弦过程

老师又开始骂了。。。说我们啥都不懂。。。
唉，错的不是我是世界痛痛痛
$$X(t)=Acos(\Omega t+\Theta )$$
$A,\Omega ,\Theta$部分，或者全部都是随机变量

2.1.4 分类

2.2 平稳性与平稳过程

2.2.1 严/宽平稳随机过程

定义2.2 严（强）平稳过程

$\forall t_1,t_2,...,t_n\in T，x_1,x_2,...,x_n\in R,$以及满足$t_1+u,t_2+u,...,t_n+u\in T$的任意$u$值，恒有：
$$F(x_1,x_2,...,x_n;t_1,t_2,...,t_n)=F(x_1,x_2,...,x_n;t_1+u,t_2+u,...,t_n+u)$$
则称它是严格平稳（SSS）过程（或强平稳过程）。如果上式仅对于$n\le N$成立，则称随机过程是N阶平稳的。

定义2.3 宽（弱/广义）平稳过程

关系

（1）严平稳一定宽平稳，反之不一定。
（2）特殊过程（比如正态）严平稳与宽平稳等价

联合严（强）平稳过程

联合宽（弱或广义）平稳过程