【应用随机过程】07. 平稳过程

第七讲 平稳过程

一、平稳过程及其相关概念

Part 1：平稳过程的定义

从通俗意义上去理解，平稳过程指的是统计特性不随时间的推移而改变的一类随机过程。随机过程的统计特性一般通过有限维分布和数字特征进行刻画。我们根据这些不变的特征，给出两种平稳过程的定义，即严平稳过程和宽平稳过程。

严平稳过程：对于随机过程 { X ( t ) ,   t ∈ T } \{X(t),\,t\in T\} { X(t),t∈T} ，如果对任意 $k\ge 1$ 和 $t_1,t_2,\cdots ,t_k\in T$ 以及 $h\in T$ 都有
$$(X(t_1+h),X(t_2+h),\cdots ,X(t_k+h))\stackrel{d}{=}(X(t_1),X(t_2),\cdots ,X(t_k)),$$
则称该随机过程为严平稳过程或强平稳过程。

严平稳过程的任意有限维分布都不随时间的推移而改变。然而实际中随机过程的有限维分布往往很难确定，所以我们一般研究的平稳过程，都是在数字特征尤其是一阶矩和二阶矩中体现出的平稳性。

宽平稳过程：对于随机过程 { X ( t ) ,   t ∈ T } \{X(t),\,t\in T\} { X(t),t∈T} ，对任意的 $t\in T$ ，都有 $\mathrm{E}[X(t){]}^2<\infty$ 。如果满足

1. 均值函数为常数，即 ${\mu }_X(t)\equiv \mu ,t\in T$ ；
2. 自相关函数仅与时间差有关，即 $r_X(s,t)=R_X(s-t),s,t\in T$ ，

则称该随机过程为宽平稳过程或弱平稳过程。

严平稳过程和宽平稳过程的关系我们只需要记住以下两条：

1. 如果严平稳过程的二阶矩存在且有限，那么它一定是宽平稳过程，反之则不一定。
2. 如果宽平稳过程是正态过程，那么它一定是严平稳过程。

宽平稳过程一定是二阶矩过程。以后提到的平稳过程，除非特别指明，否则都指的是宽平稳过程。

Part 2：自相关函数的性质

对于平稳过程而言，我们主要研究的数字特征就是自相关函数或自协方差函数。下面我们介绍平稳过程自相关函数或自协方差函数的性质。

设 { X ( t ) ,   t ∈ T } \{X(t),\,t\in T\} { X(t),t∈T} 是宽平稳过程，定义自相关函数和自协方差函数为
$$r_X(\tau )=\mathrm{E}(X(t)X(t+\tau )),C_X(\tau )=\mathrm{C}\mathrm{o}\mathrm{v}(X(t),X(t+\tau )),\forall \tau \in T,$$
则有以下性质

1. $r_X(0)\ge 0,C_X(0)\ge 0$ ；
2. $r_X(\tau )$ 和 $C_X(\tau )$ 均为偶函数；
3. $|r_X(\tau )|\le r_X(0),|C_X(\tau )|\le C_X(0)$ ，即 $0$ 点是最大值点；
4. $r_X(\tau )$ 和 $C_X(\tau )$ 均为非负定函数；

我们只证明关于自相关函数的结论。

性质 1 和性质 2 由定义式可得：
$$\begin{array}{rl}& r_X(0)=\mathrm{E}[X(t){]}^2\ge 0.\\ & \\ & r_X(-\tau )=\mathrm{E}(X(t)X(t-\tau ))\stackrel{t^{\prime }=t-\tau }{=}\mathrm{E}(X(t^{\prime })X(t^{\prime }+\tau ))=r_X(\tau ).\end{array}$$
性质 3 由柯西不等式可得：
$$\left|r_X(\tau )\right|=|\mathrm{E}(X(t)X(t+\tau ))|\le \sqrt{\mathrm{E}[X(t){]}^2\mathrm{E}[X(t+\tau ){]}^2}=r_X(0).$$
性质 4 只需证对任意的 $t_1,t_2,\cdots ,t_n\in T$ 和任意的 $a_1,a_2,\cdots ,a_n\in \mathbb{R}$ ，有
$$\sum _{i=1}^n\sum _{j=1}^n{r}_{}$$