现代信号处理——相关函数、协方差函数、功率谱密度（1）

一、涉及的概念

随机：随机是指信号的取值服从某种概率规律，这一规律可以是完全已知的、部分已知的或完全未知的。随机信号也称为随机过程、随机函数或随机序列。

确定性信号:如果序列{s(t)}在每个时刻的取值不是随机的，而是服从某种固定函数的关系，则称之为确定性信号。如阶跃信号、符号信号或矩形脉冲等。

 随机信号：若序列{s(t)}在每个时刻的取值是随机变量，则称之为随机信号。随机信号过过程可以用概率分布特性（简称统计性能）统计地描述。

令x(t)表示一连续时间的复随机过程，对于任何一固定的时刻t，随机过程x(t）定义一随机变量X=x(t).令u(t)表示其均值，则：

   式中f(x,t)表示随机变量X = x(t) 在时间t的概率密度函数。

自相关函数Rx(t1,t2)定义为x(t)在时刻t1和t2之间的相关，即：

                 式中，上标*表示复数的共轭；f(x1,x2;t1,t2)表示随机变量X1 = x(t1)和X2 = x(t2)的联合概率密度函数。一般情况下，自相关函数与时间变量t1和t2有关。

       均值和自相关函数分别是随机信号x(t)的一阶矩和二阶矩，类似地还可以定义随机信号的K阶矩：

根据K阶矩是否与时间有关，随机信号又分为平稳随机信号和非平稳随机信号两大类。

平稳信号:n阶平稳、广义平稳、严格平稳。平稳信号常称为时不变信号，即统计量不随时间变化的信号。

非平稳信号：也常称为时变信号，因为它至少有某个统计量（如均值，协方差函数）是时间的函数。

      注意：时变与时不变信号不应该理解为信号的取值或波形是否随时间变化。

遍历性：它关心的问题是从随机信号的依次记录是否可以估计其统计量（如相关函数，功率谱等）。常用一种遍历性形式，均方遍历性。

       当一个信号是n阶矩均方遍历的平稳过程时，它的n阶及所有低阶的统计平均都可以用各自的时间平均来代替。换句话说，这些统计量均可以根据该信号的一次观测数据进行估计。如果均方遍历的平稳信号x(t)的N个观测样本x(1),x(2),...,x(N),为已知，则信号的均值ux可由时间平均估计。

统计特性：一阶、二阶、高阶（三阶及以上）

---

二、相关函数、协方差函数与功率谱密度

相关函数、协