第一章 随机过程
1
第一章 随机过程
本章主要内容:
随机过程的基本概念
● 随机过程的数字特征
● 随机过程的微分和积分计算
● 随机过程的平稳性和遍历性
● 随机过程的相关函数及其性质
● 复随机过程
● 正态分布的随机过程
第一章我们介绍了随机变量,随机变量是一个与时间无关的量,
随机变量的某个结果,是一个确定的数值。例如,骰子的 6 面,点数
总是 1~6,假设 A 面点数为 1,那么无论你何时投掷成 A 面,它的点
数都是 1,不会出现其它的结果,即结果具有同一性。但生活中,许
多参量是随时间变化的,如测量接收机的电压,它是一个随时间变化
的曲线;又如频率源的输出频率,它随温度变化,所以有个频率稳定
度的范围的概念(即偏离标称频率的最大范围)。这些随时间变化的
随机变量就称为随机过程。
显然,随机过程是由随机变量构成,又与时间相关。
2
随机信号分析与应用
1.1 随机过程的基本概念及统计特性
1.1.1 随机过程的定义
现在我们进一步论述随机过程的概念。当对接收机的噪声电压作
)(1 tx
等等,每次观测的波形的具体形状,虽然事先不知道,但肯定
,也可能得到波形
“单次”观察时,可以得到波形
)(3 tx
为所有可能的波形中的一个。而这些所有可能的波形集合
)(txn ,…..,就构成了随机过程
)(2 tx
)(3 tx
,…,
,
)(2 tx
,
,
)(1 tx
)(tX 。
图 1.1 噪声电压的起伏波形
1. 样本函数:
)(1 tx
,
)(2 tx
,
)(3 tx
,…,
)(txn ,都是时间的
函数,称为样本函数。
2. 随机性:一次试验,随机过程必取一个样本函数,但所取的样本
函数带有随机性。因此,随机过程不仅是时间 t 的函数,还是可
能结果的函数,记为
,简写成
,( tX
)
)(tX 。
第一章 随机过程
3
3. 随机过程的定义:
定义 1 把随机过程看成一族样本函数。
4. 定义的理解
上面两种随机过程的定义,从两个角度描述了随机过程。具体的
说,作观测时,常用定义 1,这样通过观测的试验样本来得到随机过
程的统计特性;对随机过程作理论分析时,常用定义 2,这样可以把
随机过程看成为 n 维随机变量,n 越大,采样时间越小,所得到的统
计特性越准确。
因此,可从以下 4 个方面对定义进行理解。
4
随机信号分析与应用
1.1.2 随机过程的分类
随机过程的分类方法有多种,可以按是否连续来分类,也可以按
样本函数的形式来分类,还可以按概率分布的特性来分类。
1、 按随机过程的时间和状态来分类
● 连续型随机过程:对随机过程任一时刻 t1 的取值
续型随机变量。
● 离散型随机过程:对随机过程任一时刻 t1 的取值
散型随机变量。
( 1tX
)
都是连
( 1tX
)
都是离
● 连续随机序列:随机过程的时间 t 只能取某些时刻,如 t ,
tnX 是连续型
2 t ,…..,n t ,且这时得到的随机变量
)
(
随机变量,即时间是离散的。相当于对连续型随机过程的采样。
● 离散随机序列:随机过程的时间 t 只能取某些时刻,如 t ,
tnX 是离散型
2 t ,…..,n t ,且这时得到的随机变量
)
(
随机变量,即时间和状态都离散。相当于采样后再量化。
2、 按样本函数的形式来分类
● 不确定的随机过程:随机过程的任意样本函数的值不能被预
测。例如接收机噪声电压波形。
● 确定的随机过程。随机过程的任意样本函数的值能被预测。例
如,样本函数为正弦信号。
3、 按概率分布的特性来分类
这是一种更为本质的分类方法,可分为:平稳随机过程,正态随
机过程,马尔可夫过程,独立增量过程,独立随机过程和瑞利随机过
第一章 随机过程
5
程等等。
1.1.3 随机过程的概率分布
前面说过,用定义 2 分析随机过程方便,也就是说,把随机过程
)(tX 看成 n 维随机变量
t
1
向无穷,且
t
t
i
i
(
tXtX
),
(
1
),....,
ntX
(
),...
2
的集合(n 趋
相当小)。这样,就把多维随机变量的研究
代替随机过程的研究,这样的代替足够精细。
1、一维概率分布
定义:
由 于 t1 是 任 一 时 刻 , 因 此 , 常 把
),
txFX
(
,
1 txFX
(
1
)
简 写 成
如果
(
。
),
txFX
(
),
tx
f
X
函数。
的偏倒数存在,则:
),
txF
为随机过程
(
X
x
)(tX 的一维概率密度
注意:在此定义中,首先固定了时间 t,这样就得到了 t 时刻
)(tX (t 可以是任意时刻),这种分析方法后面经常
的随机变量
用到。显然,随机过程的一维概率密度是时间 t 的函数,其性质
6
随机信号分析与应用
与一维随机变量的性质一样。
2、二维概率分布
随机过程的二维概率分布反映了随机过程 X(t)任意两个时刻状
态之间的联系。通过求边沿分布可以分别求出两个一维边沿分布
fX
,
2 tx
和
。
)
1
)
(
,
1 tx
3、 n 维概率分布
fX
(
2
同 理 , 它 具 有 多 维 随 机 变 量 的 性 质 。
第一章 随机过程
7
1.1.4 随机过程的数字特征
随机变量的数字特征通常是确定值;随机过程的数字特征通常是
确定性函数,因此,对随机过程的数字特征可以采用“信号与系统”
中学习的各种对确定性信号的处理方法。
对随机过程的数字特征的计算方法,是先把时间 t 固定,然后用
)(tX 为随
随机变量的分析方法来计算(这时随机过程可以理解为:
机变量(t 为任意时刻)
1、数学期望
8
随机信号分析与应用
物理意义:如果随机过程
)(tX 的数学期望
图 1.2 随机过程
)(tX 表示接收机的输出电压,那么它的
数学期望就是输出电压的瞬时统计平均值。
2、 均方值和方差
定义:随机过程
)(tX 在任一时刻 t 的取值是一个随机变量
)(tX 二阶原点矩称为随机过程的均方值,把二阶
)(tX 。我们把
中心矩记作随机过程的方差。即: