【随机信号处理笔记】 Chapter3 随机信号分析

Yuanzhi176

已于 2022-07-01 17:23:57 修改

阅读量1.3k

点赞数 1

分类专栏：随机信号处理文章标签：机器学习算法

于 2022-07-01 17:10:52 首次发布

本文链接：https://blog.csdn.net/u011753640/article/details/125562383

版权

随机信号处理专栏收录该内容

7 篇文章 3 订阅

订阅专栏

声明

本系列笔记为随机信号处理课程笔记，旨在帮助大伙复习使用，PPT截取部分为课堂PPT，本人能力不强，如果大伙发现了笔记中的错误，还请不吝赐教，我会及时修正

3.1 随机过程

随机变量：表征固定时刻下随机样本的分布情况，相当于固定时刻的列向量。

随机过程：表征全部时刻随机变量随时间的变化，相当于矩阵，纵轴为不同样本的采样器，横轴为时间。随机过程是由随机变量所描述的。

随机过程的样本函数：表示全部时刻某一样本随时间的变化，相当于行向量。

随机过程

在随机过程引入时间t之后，重新定义随机过程的函数：

一维概率分布函数： $F(x,t)=P(X(t)\le x)$

一维概率密度函数： $p(x,t)=\frac {\partial F(x,t)}{\partial x}$

随机过程中的概率函数、统计特性随时间变化
不同时刻之间并非相互独立

多维联合概率函数相似，不再赘述

数字特征

数学期望：一阶原点矩 $E[X(t)]=m_X(t)=\int^\infty_{-\infty}xp(x,t)\,dx$

方差： $E{[X(t)-m_X(t)]^2}=D[X(t)]$

自相关：二阶原点矩 $R_x(t_1,t_2)=\int^\infty_{-\infty}\int ^\infty_{-\infty}x_1x_2p(x_1,x_2;t_1,t_2)\,dx_1dx_2$

自协方差：二阶中心矩 $C_X(t_1,t_2)=E[[X(t_1)-m_X(t_1)][X(t_2)-m_X(t_2)]]=R_X(t_1,t_2)-m_X(t_1)m_X(t_2)$

$p(x_1,x_2;t_1,t_2)=p(x_1;t_1)p(x_2;t_2)$ 则称随机过程在两时刻统计独立
$R_X(t_1,t_2)=0$ 则称随机过程在两时刻相互正交
$C_X(t_1,t_2)=0$ 则称随机过程在两时刻互不相关

3.2 平稳随机过程

定义：统计特性不随时间的变化而变化

狭义平稳随机过程：

非时变： $F(X,t)、m_X、\sigma_X$

仅与时间间隔有关： $F_2(x_1,x_2;t_1,t_2)、p_2(x_1,x_2;t_1,t_2)、R_X(t_1,t_2)$

广义平稳随机过程：

自相关函数仅与时间间隔有关
均值不变

广义平稳与狭义平稳的关系：仅X（t）为高斯随机工程时，宽平稳与严平稳相同

平稳过程特征：

循环平稳：具有周期性的平稳随机过程的自相关函数也具有周期性
彼此统计独立的平稳随机过程的乘积也是平稳随机过程

在这里插入图片描述

各态历经过程

定义：单样本函数已经经历过随机过程中所有可能的状态

时间均值： $\langle x(t)\rangle=\lim _{T \rightarrow \infty} \frac{1}{T} \int_{0}^{T} x(t) d t$

时间自相关： $\left\langle R_{x}(\tau)\right\rangle=\lim _{T \rightarrow \infty} \frac{1}{T} \int_{0}^{T} x(t) x(t+\tau) d t$

时间方差： $\left\langle\sigma_{x}^{2}\right\rangle=\lim _{T \rightarrow \infty} \frac{1}{T} \int_{0}^{T}[x(t)-\langle x(t)\rangle]^{2} d t$

各态历经性：

为广义平稳随机过程
均值与时间均值依概率相等： $m_{X}=E[X(t)] \stackrel{P}{=} \lim _{T \rightarrow \infty} \frac{1}{T} \int_{0}^{T} x(t) d t=\langle x(t)\rangle$
自相关与时间自相关依概率相等： $R_{X}(\tau)=E[X(t) X(t+\tau)]=\lim _{T \rightarrow \infty} \frac{1}{T} \int_{0}^{T} x(t) x(t+\tau) d t=\left\langle R_{x}(\tau)\right\rangle$

各态历经一定平稳，而平稳不一定各态历经

自相关函数

定义：

$R_{X}(\tau)=E[X(t) X(t+\tau)]=\int_{-\infty}^{\infty} \int_{-\infty}^{\infty} x(t) x(t+\tau) p_{2}\left(x_{1}, x_{2} ; \tau\right) d x_{1} d x_{2}$

性质：

0点处为过程总平均功率 $R_{X}(0)=E\left[X^{2}(t)\right] \geq 0$
偶函数
在0点处取得最大
对于非周期平稳过程，无穷间隔时刻时统计独立，在无穷远处有 $\lim _{|\tau| \rightarrow \infty} R_{X}(\tau)=R_{X}(\infty)=m_{X}^{2}$
均方值=方差+均值平方
平均功率=误差平均功率+均值功率
$R_{X}(0)=C_{X}(0)+m_{X}^{2}=\sigma_{X}^{2}+R_{X}(\infty)$
若平稳过程周期，则自相关周期

维纳-辛钦定理：

对于平稳随机过程，自相关与功率谱是一对傅里叶变换
在这里插入图片描述

功率谱

功率谱密度表征非周期能量无限但平均功率有限的信号的平均功率在频谱上的分布，不包含任何相位信息

3.3 线性系统

线性系统的基本性质

可加性： $x_{1}(t)+x_{2}(t) \rightarrow y_{1}(t)+y_{2}(t)$

比例性： $\rightarrow a y(t), a \text { 为常数 }$

时不变性： $\sum_{k=1}^{N} a_{k} x_{k}\left(t-t_{0}\right) \rightarrow \sum_{k=1}^{N} a_{k} y_{k}\left(t-t_{0}\right)$

系统响应的平稳性

对于LTI系统，若输入严格/广义平稳，则输出也是严格/广义平稳的

均值： $E[Y(t)]=m_{X} H(0)=m_{Y}$ 表示平稳随机过程的均值乘直流分量放大倍数

自相关函数：自相关函数与系统冲击响应的双重卷积 $\begin{aligned}R_{Y}\left(t_{1}, t_{2}\right) &=\int_{-\infty}^{\infty} \int_{-\infty}^{\infty} R_{X}\left(\tau-\tau_{2}+\tau_{1}\right) h\left(\tau_{1}\right) h\left(\tau_{2}\right) d \tau_{1} d \tau_{2} \\&=R_{X}(\tau) \otimes h(\tau) \otimes h(-\tau)\end{aligned}$