第三章 随机过程
1、随机过程
一类随时间作随机变化的过程,它不能用确切的时间函数描述随机过程可以从两个不同的角度来说明,第一可以把随机过程看成对应不同随机试验结果的时间过程的集合,随机过程是所有样本函数的集合;第二随机过程是随机变量概念的延伸,在时间进程中处于不同时刻随机变量的集合。
2、随机过程函数
3、随机过程的统计特性
可以用分布函数或者概率密度函数来描述
4、随机过程的数字特征
5、若一个随机过程统计特性与时间起点无关,即时间平移不影响。其任何统计特性则称该随机过程是在严格意义下的平稳随机过程,简称严平稳随机过程。
6、平稳随机过程的数字特征
7、各态历经性
8、如何理解随机过程的各态历经性
各态历经的含义:随机过程的任一次实现都经历了随机过程的所有可能状态。因此关于各态历经性的一个直接结论的是,在求解各种统计平均(均值或自相关函数等)时,无需做无限多次的考察,只要获得一次考察,用一次实现的“时间平均”值代替过程的“统计平均”值即可,从而使测量和计算的问题大为简化。注意:具有各态历经的随机过程,一定是平稳过程,反之不一定成立。
9、平稳过程的自相关函数
10、平稳过程的功率谱密度
维纳-幸钦定理,它时联系时域和频域两种分析方法的基本关系式。
11、如果随机过程的任意n维分布均服从正态分布,则称它为正态过程或高斯过程
12、高斯过程是广义平稳的。即其均值与时间无关、协方差函数只与时间间隔有关,而与时间起点无关,则它的n维分布也与时间起点无关,故它也是严平稳的,所以高斯过程若是广义平稳的,则也是严平稳的。
13、高斯过程经过线性变换后生成的过程仍是高斯过程。也可以说,若线性系统的输入为高斯过程,则系统输出也是高斯过程。
14、高斯过程在任意时刻上的取值是一个正态分布的随机变量,也称高斯随机变量
15、高斯随机变量的一维概率密度函数
16、平稳随机过程通过线性系统
- 线性系统的输入过程是平稳的,那么输出过程也是平稳的。
- 线性系统的输入过程是高斯型的,则系统的输出也是高斯型的
- 高斯过程经线性变换后的过程仍为高斯过程。
17、窄带随机过程
18、重要结论
- 一个均值为零的窄带平稳高斯过程,他的同向分量和正交分量同样是平稳高斯过程,而且均值为0,方差也相同。
- 一个均值为零,方差为的窄带平稳高斯过程,其包络的一维分布是瑞利分布,相位的一维分布是均匀分布,并且就一维而言是统计独立的