现代通信原理4.2：随机过程

  前面我们简单回顾了随机变量。这一部分我们来讨论随机过程，大家注意理解二者之间的区别与关系。

1、什么是随机过程？

  所谓随机过程，可以看成是随某参量（一般为时间t）变化的随机变量。举例来说，假定下图中所示随机噪声源，其输出电压为随机变量，且该变量岁时间变化。我们对其输出电压随时间变化的函数进行测量并记录，其中第$j$次测试得到的结果用$X(A_j,t)$来表示，简写为$X_j(t)$，我们称之为第$j$个样本函数。显然，每个样本函数都是确定函数。如果一共进行了$N$次测试，就可以得到$N$个样本函数，如下图所示。所有可能的$N$个样本函数，就构成样本函数空间 { X 1 ( t ) , X 2 ( t ) , … , X N ( t ) } \{X_1(t),X_2(t),\ldots,X_N(t)\} { X1​(t),X2​(t),…,XN​(t)}。

   我们可以从两个不同的角度来理解随机过程。
  第一个角度，我们可以把随机过程看成样本函数的集合。从上面的例子来看，所有的$N$个样本函数，构成样本函数空间。而每次测试得到的噪声源输出电压，一定是空间中的某个样本函数，但具体是哪个函数，则是随机的。

  注意这里的$N$可以是有限值，也可以是无限大的。换句话说，样本空间中样本函数个数，可以是有限多个，也可以是无线多个。
  举例来说，如果我们要发送二进制数据的"0"或者“1”，我们可以用两种波形来表示它们，例如，用持续时间为1ms的+5V电平表示"1"，持续时间为1ms的-5V电平表示"0"。因此我们的样本函数集中包含下图所示两个样本函数，即$N=2$，从接收机来看，会随机地收到两个函数中的其中一个，并对此进行检测。因此这是一个二进制的数字通信系统。

  考虑另外一种情况。如果我们用麦克风采集语音信号并发送给接收端。从接收端来看，可能收到的信号波形有无穷多种可能。因此样本函数集中的样本函数有无穷多种。这也就是我们前面介绍过的模拟通信系统。

一般来说，如果$N$为无限值，即状态为连续的，我们称$X(t)$为连续随机过程；如果$N$为有限值，即状态为离散的，我们称$X(t)$为离散随机过程。
  第二个角度，可以把随机过程看成一系列随机变量的集合。同样是上面的随机噪声源的例子，如下图所示，如果我们观察每次实验$t_1$时刻对应的电压值，会发现在第$j$个样本函数上的值为$X(A_j,t_1)$，而$N$次不同的实验其取值都不相同。因此，噪声源在$t_1$时刻的输出$X(t_1)$为一个随机变量。显然$t_2$时刻的输出$X(t_2)$也为随机变量。就这样，在时间轴上的一系列随机变量 { X ( t 1 ) , X ( t 2 ) , … } \{X(t_1),X(t_2),\ldots\} { X(t1​),X(t2​),…}构成了随机过程$X(t)$。

同样，随机过程所包含的随机变量的个数可以是有限个，也可以是无限多。如果是无限多，则在时间上是连续的；如果是有限多，则在时间上是离散的。时间上离散的随机过程，我们也常称之为随机序列。

2、平稳性与遍历性

  随机过程有两个重要的性质，平稳性和遍历性（也称各态历经性）。如果随机过程具有这两个性质，其分析过程就可以简化。

2.1 平稳性

  我们先来看$N$阶平稳和严格平稳的定义。

如果随机过程$X(t)$对于任意的时刻$t_1,t_2,\dots ,t_N$，都有其$N$维联合概率密度函数
$$p_X(x_1,x_2,\dots ,x_N;t_1,t_2,\dots ,t_N)=p_X(x_1,x_2,\dots ,x_N;t_1+t_0,t_2+t_0,\dots ,t_N+t_0)$$其中$t_0$为任意时刻，则称$X(t)$为$N$阶平稳。此外，如果$X(t)$对于$N\to \infty$阶平稳，则称$X(t)$为严格平稳。

从上面定义中我们可以看出，平稳性这个词很准确表述了概率密度函数不随时间变化的意思，即表现出来时间上的不变性。因为我们在求统计平均的时候都会用到概率密度函数，因此概率密度函数的平稳也就决定了均值、方差以及高阶矩等统计特性的平稳性。

2.2 遍历性

  如果一个随机过程的集合平均，等于任意样本函数的时间平均，则我们称该随机过程为遍历的（或各态历经的），并且

• 如果一个随机过程是遍历的，则所有的时间平均和集合平均可以互换。
• 遍历的随机过程一定是平稳的。
    如果说平稳性把对随机过程的分析简化成对于随机变量的分析，遍历性进一步把对随机变量的分析简化为对确定函数的时间分析。遍历性这个词也很准确描述了这样一个性质，即在时间维度上，任何一个样本函数都能够把该随机过程所有的随机状态历经到。特别注意的是，遍历的随机过程一定是平稳的。

  作为例子，我们先来看随机随机过程$X(t)$的均值，即一阶原点矩：
$$m_X(t)=\mathrm{E}$$