通信中的MGF（矩生成函数）

MGF（矩生成函数）

MGF的定义

矩生成函数(Moment Generating Function,mgf)，又叫矩母函数。
统计学定义为：
$$\tilde{M}(s)=E[\exp (sX)]=\underset{-\infty }{\overset{+\infty }{\int }}\exp (sx)f_x(x)dx$$
其中，$X$为连续性随机变量，$f_x(x)$为连续性随机变量的概率密度函数(Probability Density Function，PDF)。

MGF的特点

1.一个矩生成函数与一个随机变量的分布一一对应。

通信理论中MGF的应用

定义

M. K. Simon and M.-S. Alouini, Digital Communication Over Fading
Channels. New York: Wiley, 2000.

在通信领域中，常将MGF另行定义，如下：

$$M(s)=\tilde{M}(-s)=E[\exp (-sX)]=\underset{-\infty }{\overset{+\infty }{\int }}\exp (-sx)f_x(x)dx$$
注意到，该表达式和拉普拉斯变换的表达式相同，如下：
$$L(s)=\underset{-\infty }{\overset{+\infty }{\int }}f(t)\exp (-st)dt$$
于是，新定义的MGF和随机变量的概率密度函数是一对拉普拉斯变换对。
在通信领域中，多跳通信系统，独立不同分布的信道特性的理论分析常用到MGF。

性质

随机变量的概率分布函数（Cumulative Distribution Function，CDF），是概率密度函数的积分。
概率分布函数的MGF与概率密度函数的MGF的关系如下：
$$M_{CDF}(s)=\frac{M_{PDF}(s)}{s}$$
同理，进行反拉普拉斯变换，就可以得到CDF和PDF。

注意：此性质是完全基于通信领域新定义的MGF（即：符合拉式变换的新定义），得到的结论，如果是最开始的统计学定义的MGF，结果将并不相同，如下：
$${\tilde{M}}_{CDF}(s)=\frac{{\tilde{M}}_{PDF}(s)}{-s}$$
（具体推导过程，使用分布积分即可得到。）

扩展——特征函数

统计学中，特征函数定义为：

$$\Phi (s)=E[\exp (sX)]=\underset{-\infty }{\overset{+\infty }{\int }}\exp (isx)f_x(x)dx$$

特征函数和矩生成函数，本质是一样的。