随机信号的傅里叶分析

随机过程可以作为离散时间信号的模型。

通常，一个随机过程是一族带有序号的随机变量：

..., x[-2], x[-1], x[0], x[1], x[2], ...

上面的每一个x[i]都是一个随机变量，可以分别具有不同的概率分布（连续的或离散的）。

这样，x的均值是时间的函数；自相关是一个二维序列（和起点以及时间差都有关）。

然而，对于平稳过程，我们有：

p(x_n+k,n+k,x_m+k,m+k)=p(x_n,n,x_m,m)

即x[n]和x[m]的联合分布只和m和n之间的差有关。

当m=n时，上式成为p(x_n+k,n+k)=p(x_n,n)

也就是说，一个平稳过程的概率密度函数PDF在任意时间点n都是相同的（time independent）。

于是，平稳过程的集合平均E[x_n]是一个常数，自相关只与时间差有关。

反过来说，如果一个随机过程的均值/方差为常数，自相关只与时间差有关，我们未必能确定其概率分布是否时不变；但我们仍称其为广义平稳的。

 

在实用上，我们只能得到有限个有限长的序列。直觉上，对于平稳过程，单个序列很长一段的幅值分布近似等于单一概率密度：

时间平均