**联合二阶矩**（或称**自相关函数**）

在随机过程中，$\mathbb{E}[x(t_1)x(t_2)]$ 是两个时间点 $t_1$ 和 $t_2$ 上的信号 $x(t_1)$ 和 $x(t_2)$ 的联合二阶矩（或称自相关函数）。这在随机过程的统计特性分析中非常重要，它描述了信号在两个不同时间点之间的关联性或相似程度。

1. 联合二阶矩（自相关函数）是什么？

自相关函数 $R_x(t_1,t_2)=\mathbb{E}[x(t_1)x(t_2)]$ 描述了随机过程在两个不同时间点 $t_1$ 和 $t_2$ 之间的关联程度。它反映了信号如何在时间上“相似”，即当 $t_1$ 和 $t_2$ 越接近时，信号在这两个时间点的相关性如何变化。

公式：

对于一个随机过程 $x(t)$，其自相关函数定义为：

$$R_x(t_1,t_2)=\mathbb{E}[x(t_1)x(t_2)]$$

这个公式描述了随机过程在不同时间点的联合二阶矩，它可以揭示信号的统计依赖性或自相似性。

• 当 $t_1=t_2$ 时，$R_x(t_1,t_2)$ 等于信号在该时刻的功率或方差：
  $$R_x(t_1,t_1)=\mathbb{E}[x(t_1{)}^2]$$

• 当 $t_1\ne t_2$ 时，$R_x(t_1,t_2)$ 描述了不同时间点之间的相关性或相似度。

2. 自相关函数的物理意义

• 相关性：自相关函数衡量信号在不同时间点的相关性。当 $t_1$ 和 $t_2$ 越接近时，通常 $x(t_1)$ 和 $x(t_2)$ 之间的相关性更高，反之则相关性降低。如果 $R_x(t_1,t_2)$ 随着 $|t_1-t_2|$ 的增大而迅速衰减，表明信号的相关性很短，信号在不同时间点之间变化很快。

• 平稳过程：对于平稳随机过程，自相关函数仅与时间差 $\tau =t_2-t_1$ 有关，而与具体的时间点无关。这意味着自相关函数可以简化为：
  $$R_x(\tau )=\mathbb{E}[x(t)x(t+\tau )]$$
  这里 $\tau$ 是时间间隔。平稳过程的自相关函数完全由这个时间间隔决定，而不取决于具体的 $t_1$ 或 $t_2$ 值。

• 信号功率：在自相关函数中，当 $t_1=t_2$ 时，自相关函数等于信号在该时间点的方差（或功率），即：
  $$R_x(0)=\mathbb{E}[x(t{)}^2]$$
  这表明信号在某个时刻的强度。

3. 例子：对于 $x(t)=\cos (\omega t+\varphi )$ 的自相关

假设 $x(t)=\cos (\omega t+\varphi )$，其中相位 $\varphi$ 是均匀分布的随机变量，且 $\varphi \sim \mathcal{U}(0,2\pi )$。我们可以计算自相关函数 $R_x(t_1,t_2)$。

计算 $\mathbb{E}[x(t_1)x(t_2)]$：

$$R_x(t_1,t_2)=\mathbb{E}[\cos (\omega t_1+\varphi )\cos (\omega t_2+\varphi )]$$

利用三角恒等式：
$$\cos A\cos B=\frac{1}{2}[\cos (A-B)+\cos (A+B)]$$

可以展开为：
$$R_x(t_1,t_2)=\mathbb{E}\left[\frac{1}{2}\left(\cos (\omega (t_1-t_2))+\cos (\omega (t_1+t_2)+2\varphi )\right)\right]$$

由于 $\varphi$ 是均匀分布的，且 $\mathbb{E}[\cos (2\varphi )]=0$，最终得到：
$$R_x(t_1,t_2)=\frac{1}{2}\cos (\omega (t_1-t_2))$$

这表示信号 $x(t)=\cos (\omega t+\varphi )$ 的自相关函数只与 $t_1-t_2$ 有关，且随着时间差 $|t_1-t_2|$ 增大而衰减。这是典型的平稳过程的特性。

4. 总结：

• 自相关函数 $R_x(t_1,t_2)=\mathbb{E}[x(t_1)x(t_2)]$ 描述了随机过程在两个时间点之间的相关性或相似性。
• 自相关函数在随机过程中非常重要，它能够揭示信号的依赖性、平稳性以及功率分布。
• 对于平稳过程，自相关函数只依赖于时间差 $\tau =t_2-t_1$，而与具体的时间点无关。