资源描述
第二章 随机过程分析1.1 学习指导 要点随机过程分析的要点主要包括随机过程的概念、分布函数、概率密度函数、数字特征、通信系统中常见的几种重要随机过程的统计特性。1. 随机过程的概念随机过程是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。可从两种不同角度理解:对应不同随机试验结果的时间过程的集合,随机过程是随机变量概念的延伸。2. 随机过程的分布函数和概率密度函数如果(t)是一个随机过程,则其在时刻t1取值(t1)是一个随机变量。(t1)小于或等于某一数值x1的概率为P (t1) x1 ,随机过程(t)的一维分布函数为F1(x1, t1) = P(t1) x1 (2-1)如果F1(x1, t1)的偏导数存在,则(t)的一维概率密度函数为对于任意时刻t1和t2,把(t1) x1和(t2) x2同时成立的概率 称为随机过程x (t)的二维分布函数。如果存在,则称f2(x1, x2; t1, t2)为随机过程x (t)的二维概率密度函数。对于任意时刻t1,t2,tn,把称为随机过程x (t)的n维分布函数。如果存在,则称fn(x1, x2, , xn; t1, t2, , tn)为随机过程x (t)的n维概率密度函数。3. 随机过程的数字特征随机过程的数字特征主要包括均值、方差、自相关函数、协方差函数和互相关函数。随机过程x (t)在任意给定时刻t的取值x (t)是一个随机变量,其均值为其中,f 1(x, t)为x (t)的概率密度函数。随机过程x (t)的均值是时间的确定函数,记作a(t),它表示随机过程x (t)的n个样本函数曲线的摆动中心。随机过程x (t)的方差的定义如下:随机过程x (t)的方差常记作2(t)。随机过程x (t)的方差的另一个常用的公式为也就是说,方差等于均方值与均值平方之差,它表示随机过程在时刻t,对于均值a(t)的偏离程度。随机过程x (t)的相关函数的定义如下:式中, x (t1)和x (t2)分别是在t1和t2时刻观测得到的随机变量。R(t1, t2)是两个变量t1和t2的确定函数。随机过程x (t)的相关函数表示在任意两个时刻上获得的随机变量之间的关联程度。随机过程x (t)的协方差函数的定义如下:式中,a(t1)、a(t2)分别是在t1和t2时刻得到的x (t)的均值;f2 (x1, x2; t1, t2)是x (t)的二维概率密度函数。B(t1, t2) 与R(t1, t2)之间有如下关系式:若a(t1) = a(t2)=0,则B(t1, t2) = R(t1, t2)。随机过程x (t)和(t)的互相关函数的定义如下:4. 平稳过程及其性质平稳过程包括严平稳过程(强平稳过程或狭义平稳过程)和广义平稳过程。如果随机过程x(t)的任意有限维分布函数与时间起点无关,也就是说,对于任意的正整数n和所有实数D,有则称该随机过程是严格意义下的平稳随机过程,简称严平稳随机过程。严平稳随机过程的一维分布函数和均值都与时间无关,二维分布函数和自相关函数都只与时间间隔有关。把对严平稳随机过程的要求降低到仅仅均值与时间无关和自相关函数只与时间间隔有关的随机过程定义为广义平稳随机过程。严平稳随机过程必定是广义平稳的,反之不一定成立。平稳随机过程具有各态历经性(遍历性)。因此,在求解各种统计平均时,无需无限多次的样本,只要获得一次考察,用一次实现的“时间平均”值代替平稳随机过程的“统计平均”值即可,从而使测量和计算大为简化。平稳过程x(t)的功率谱密度与其自相关函数是一付立叶变换对。据此,可以得到两条结论:平稳过程x(t)的功率等于其自相关函数在零点的取值R(0);各态历经过程任一样本函数的功率谱密度等于平稳过程的功率谱密度。5. 高斯过程高斯过程又被称为正态随机过程。如果随机过程x(t)的任意n维(n =1, 2, .)分布均服从正态分布,则称它为正态过程或高斯过程,其n维正态概率密度函数表示式为其中,数学期望ak = E(tk);方差2k = E(tk) - ak2;归一化协方差矩阵行列式如果高斯过程在不同时刻不相关,则它们也是统计独立的。高斯过程经过线性系统后,其系统输出也是高斯过程。6. 窄带随机过程如果随机过程x(t)的谱密度集中在中心频率fc附近相对窄的频带范围Df 内,即满足Df fc的条件,且 fc 远离零频率,则称其为窄带随机过程。随机过程x(t)可以表示为其中,ax(t)为随机包络;jx(t)为随机相位;wc为中心角频率。显然,ax(t)和jx(t)的变化相对于载波产生的相移(wct)的变化要缓慢得多。将窄带随机过程表示式展开为其中,c(t) = a(t)cos(t);s(t) = a(t)sin(t)。xc(t)和xs(t)分别被称为同相分量和正交分量。窄带随机过程x(t)的统计特性可以由ax(t)和jx(t)或xc(t)和xs(t)的统计特性确定。若x(t)的统计特性已知,则ax (t)和jx (t)或xc(t)和xs(t)的统计特性也随之确定。由于x(t)平稳且均值为零,故对于任意的时间t,都有Ex(t) = 0 ,所以若窄带过程x(t)是平稳的,则xc(t)和xs(t)也是平稳的。平稳窄带随机过程x(t)的自相关函数可以表示为一个均值为零的窄带平稳高斯过程x(t),它的同相分量xc(t)和正交分量xs(t)同样是平稳高斯过程,而且均值为零,方差也相同。此外,在同一时刻上得到的xc(t)与xs(t)是统计独立的。ax服从瑞利(Rayleigh)分布,jx服从均匀分布。7. 高斯白噪声和带限白噪声电子系统中常见的热噪声近似为白噪声,白噪声的幅值服从高斯分布。因此,在通信系统中,常用高斯白噪声作为信道中的噪声模型。白噪声通过一个有限带宽的信道或滤波器后,输出噪声的带宽就是有限的,如果其频谱在信道或滤波器的通带内仍具有白色特性,则称其为带限白噪声。白噪声n(t)的功率谱密度在所有频率上均为常数,即或者其中,n0为正常数。式(2 20)是白噪声n(t)的双边功率谱密度,式(2 21)是其单边功率谱密度。白噪声n(t)的自相关函数为上式表明,白噪声仅在 = 0时才相关,而在任何两个不同时刻的随机变量都是不相关的。如果白噪声幅值的概率分布服从高斯分布,则称之为高斯白噪声。高斯白噪声在任意两个不同时刻上的随机变量之间,不仅是互不相关的,而且还是统计独立的。带限白噪声一般包括低通白噪声和带通白噪声。如果白噪声通过理想低通滤波器或理想低通信道时,则其输出的噪声被称为低通白噪声;如果白噪声通过理想带通滤波器或理想带通信道时,则其输出的噪声被称为带通白噪声。 难点随机过程分析的难点主要包括平稳随机过程通过线性系统后的分布函数、概率密度函数和数字特征。设平稳随机过程xi(t)的均值、自相关函数和功率谱密度分别为ai、Ri(t)和Pi(f),系统单位冲激响应和传输函数分别为h(t)和H(f)。输出随机过程o(t) 的均值为式中,H(0)是线性系统H(f)在 f = 0处的频率响应。由此可见,输出过程的均值是一个常数。输出随机过程o(t)的自相关函数为上式表明,随机过程o(t)的自相关函数仅是时间间隔t的函数。综合上面两点,若线性系统的输入是平稳的,则输出也是平稳的。输出随机过程o(t)的功率谱密度为由上是式可见,输出随机过程o(t)的功率谱密度等于输入随机过程xi(t)的功率谱密度乘以系统传输函数模值的平方。随机过程o(t)可以表示为当xi(t)是高斯分布的时,i(t - tk)h(tk)tk是一个高斯随机变量,而无限个高斯随机变量的叠加也是一个高斯分布的。因此,随机过程o(t)呈高斯分布。1.2习题详解2-1 设随机过程 X(t) = Acos(t) + Bcos(t), - t , 为常数,A、B为互相独立的随机变量,且E(A) = E(B) = 0, D(A) = D(B) =2。试判断X(t)是否为平稳过程。解 ,因此,X(t)的均值与时间无关,自相关函数只与时间间隔有关,它是平稳过程。2-2 离散白噪声 X(n), n = 0, 1, 2, ,其中,是X(n)是两两不相关的随机变量,且EX(n) = 0, DX(n) =2。试求X(n)的功率谱密度。解 X(n)的自相关函数为X(n)的功率谱密度为2-3 已知零均值平稳随机过程 X(t), - t 的功率谱密度为试求其自相关函数、方差和平均功率。解 由于,因此,自相关函数为方差为 DX(t) = R(0) E2X(t) = R(0)=7/24。平均功率为2-4 电路图如图题2-4所示。如果输入平稳过程 X(t), - t 的均值mX为零,自相关函数为。试求输出过程 Y(t), - t 的均值mY,自相关函数RY()、功率谱密度SY()。解 由电路分析的知识可得两边取付立叶变换,得到此系统的传输函数为此系统的脉冲响应函数为输出过程的均值为输出过程的功率谱密度为输出过程的自相关函数为2-5 高斯随机变量X的均值为0,方差为1,试求随机变量Y = 6X + 5的概率密度f(y)。解 高斯随机变量通过线性变换后仍然是高斯随机变量,Y也是高斯随机变量。随机变量Y的均值为随机变量Y的方差为随机变量Y的概率密度为2-6 随机过程X(t) = 5sin(t + ),其中,是随机变量,概率P( = 0) = 0.2,P( = 0.5) = 0.8,试求随机变量X(2)的均值,随机过程X(t)的自相关函数RX(0, 1)。 解 随机变量X(2)的均值为随机过程X(t)的自相关函数RX(0, 1)为2-7随机过程X(t) = X1 sin(t) X2 cos(t),其中,X1和X2都是均值为0,方差为2的彼此独立的高斯随机变量,试求:随机过程X(t)的均值、方差、一维概率密度函数和自相关函数。解 随机过程X(t)的均值为随机过程X(t)的方差为随机过程X(t)的自相关函数为其中, = t2 t1。随机过程X(t)的一维概率密度函数为2-8 平稳随机过程X(t)和Y(t)的均值分别为aX和aY,自相关函数分别为RX()和RY(),且它们彼此独立。随机过程Z1(t) = X(t) + Y(t)和Z2(t) = X(t) Y(t)的。解 随机过程Z1(t)的自相关函数为随机过程Z2(t)的自相关函数为2-9 已知随机过程X(t) = a(t) cos(0t + ),其中,随机变量在(0,2)上服从均匀分布,是a(t)广义平稳过程,且其自相关函数为a(t)与统计独立。试求随机过程X(t)的自相关函数、功率谱密度和平均功率,并判断其是否为广义平稳过程。解 随机过程X(t)的均值为随机过程X(t)的自相关函数为其中, = t2 t1。由此可见,随机过程X(t)的自相关函数只与时间间隔有关,均值函数与时间无关,是广义平稳过程。随机过程X(t)的功率谱密度为随机过程X(t)的平均功率为2-10随机过程X(t)的均值为0,自相关函数为RX(),它通过一个如图题2-10所示的系统后的输出为随机过程Y(t)。试求随机过程Y(t)的自相关函数和功率谱密度。解 由题意可得因此,系统的传输函数为随机过程Y(t)的功率谱密度为随机过程Y(t)的自相关函数为2-11 理想带通滤波器的中心频率为fc,带宽为B,幅度为1,如图题2-11所示。输入此滤波器的高斯白噪声的均值为0,单边功率谱密度为n0。试求滤波器输出噪声的自相关函数、平均功率和一维概率密度函数。解 输出噪声的双边功率谱密度为输出噪声的自相关函数为输出噪声的平均功率为输出噪声仍然是高斯过程,其均值和方差分别为输出噪声的一维概率密度函数为2-12 功率谱密度为PX( f )的平稳过程X(t)通过图题2-12所示的系统。试求输出随机过程Y(t)的功率谱密度,并判断其是否平稳。解 这是一个线性系统,所以,随机过程Y(t)也是一个平稳过程。系统传输函数为随机过程Y(t)的功率谱密度为2-13 平稳随机过程X1(t)和X2(t)的均值都为0,且互不相关,他们分别通过一个线性时不变系统后的输出分别为Y1(t)和Y2(t)。试判断Y1(t)与Y2(t)是否互不相关。解 由于因此,所以,Y1(t)与Y2(t)是互不相关的。
展开阅读全文