第四章 随机过程中的平稳过程
第四章 平稳随机过程2

C XY (τ ) = CYX (τ ) = 0 R XY (τ ) = RYX (τ ) = m X mY S XY (ω ) = SYX (ω ) = 2π m X mY δ (ω )
(5) 互谱密度的幅度平方满足
S XY (ω ) ≤ S X (ω ) SY (ω )
2
1 ∗ S XY (ω ) = lim E X T (ω )YT (ω ) T →∞ 2T 1 2 S X (ω ) = lim E X T (ω ) T →∞ 2T 1 2 SY (ω ) = lim E YT (ω ) T →∞ 2T
3、互功谱密度性质 、 X(t)和 Y(t)是实随机过程且联合平稳的。 是实随机过程且联合平稳的。 和 是实随机过程且联合平稳的 1 ∞ (1) )
PXY =
(2)
2π ∫−∞ = RYX (0) = PYX
S XY (ω )d ω = R XY (0)
S XY (ω) = SYX (−ω) = S (ω) = S (−ω)
2
∫
∞
−∞
Y (ω ) dω
2
上式方括号内恰好是样本函数x 上式方括号内恰好是样本函数 (t) 在单位频带 上的功率。在整个频域内积分给出平均功率, 上的功率。在整个频域内积分给出平均功率, 还给出x(t)的频率分布情况 所以称为 的频率分布情况, 称为样本的 还给出 的频率分布情况,所以称为样本的 功率谱密度。 功率谱密度。
−∞ −∞ ∞ ∞
若输入过程X(t)的每个样本函数,上面的积分 的每个样本函数, 若输入过程 的每个样本函数 都在均方意义下收敛, 这样就整个过程而言, 都在均方意义下收敛 , 这样就整个过程而言 , 便有
Y (t ) = X (t ) ∗ h(t ) = ∫ X (τ )h(t − τ )dτ = ∫ h(τ ) X (t − τ )dτ
随机过程-平稳过程

FX () S() , d X
随机过程——西安电子科技大学数学系 冯海林
对平稳时间序列有相类似的结果.
设X={Xn, n=0, ±1, ±2,…}是平稳时间序列,则其 相关函数可以表示为 1 jm R(m) X e dFX (), m 0, 1, () 2
1 t T s( )s( )d T t
只与 有关系.
所以X是平稳过程.
随机过程——西安电子科技大学数学系 冯海林
例2 对复随机过程 Z t=Xt +jYt 若mZ(t)是复常数, RZ(t,t+τ )=RZ(τ ),则称 Z={Zt, -∞<t<+ ∞}为复平稳过程. 设Ak和ω k分别是实随机变量和实常数(k=1,2…,n),
随机过程西安电子科技大学数学系冯海林平稳过程的谱分解平稳过程的谱分解随机过程西安电子科技大学数学系冯海林平稳过程的谱分解定理551是均方连续的平稳过程则其相关函数可以表示为上非负有界单调不减右连续且f随机过程西安电子科技大学数学系冯海林所以f是某个随机变量w的特征函数即存在分布函数g随机过程西安电子科技大学数学系冯海林随机过程西安电子科技大学数学系冯海林称函数f为平稳过程x相关函数的谱展开式或谱分解式
k 1
E[Ak ]=0时,上式与t无关.
随机过程——西安电子科技大学数学系 冯海林
R(t , t ) E[Zt Z t ] Z E[ Ak e jk t Ak e jk ( t ) ]
k 1 k 1 n n
= E[ Ak Al ]e j (l k )t e jl
令
Zt Ak e
k 1
n
jk t
精品文档-随机过程——计算与应用(研究生)(冯海林)-平稳过程4

e
j ( )d 1
e
1
jd ( )
2
e
1
jd 2 ()
e
1
j 2 ()d 1
2
随机过程引论—西安电子科技大学数学与统计学院 冯海林
例5.4.6. 已知平稳过程的相关函数
RX ( ) 5 4e3 (cos2 2 )
求其谱密度.
解 RX ( ) 5 2e3 2e3 cos 4 )
SX
()
lim
T
1 2T
E
T T
e
jt
X t dt
2
则称SX ()为平稳过程X的功率谱密度.简称谱密度.
又称
1
lim E[ T 2T
T T
Xt
2 dt]
为平稳过程X的平均功率.
随机过程引论—西安电子科技大学数学与统计学院 冯海林
定理5.4.1 设平稳过程X={Xt -∞<t<+ ∞}的相关函数RX(τ)
S
X
()d
1
2
4
2 3
2
d
2
1
2
(
2 2 2
211)d
1 2
(
2 1).
随机过程引论—西安电子科技大学数学与统计学院 冯海林
例5.4.4. 已知平稳过程的功率谱密度为
S
X
(
)
2 2 4 5 2
1
计算 相关函数.
解
RX ( )
1
2
e
j
S
X
(
)d
1
2
e j
( 2
2 2 4)( 2
)d
S(X -) S(X -) S(X )
平稳随机过程

平稳随机过程1.平稳随机过程(1)严平稳随机过程的定义若ξ(t)的任意有限维概率密度函数与时间起点无关,即对于任意的正整数n和所有实数Δ,有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。
①一维概率密度与时间t无关,即②二维分布函数只与时间间隔τ=t2-t1有关,即(2)严平稳随机过程ξ(t)的数字特性①均值均值与t无关,为常数a,即(3-1-1)②自相关函数自相关函数只与时间间隔τ=t2-t1有关,即R(t1,t1+τ)=R(τ)。
即(3-1-2)(3)广义平稳随机过程把同时满足式(3-1-1)和式(3-1-2)的过程定义为广义平稳随机过程。
(4)严平稳随机过程与广义随机过程的关系严平稳随机过程必定是广义平稳的,反之不一定成立。
2.各态历经性(1)各态历经性的定义随机过程中的任一次实现都经历了随机过程的所有可能状态称为各态历经性。
(2)各态历经性的意义具有各态历经性的平稳随机过程的统计均值等于其任一次实现的时间均值。
(3)各态历经性与平稳随机过程的关系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。
(4)各态历经性的实现如果平稳过程使成立,则称该平稳过程具有各态历经性。
3.平稳过程的自相关函数(1)自相关函数的定义设ξ(t)为实平稳随机过程,则它的自相关函数为(2)自相关函数的性质①R(0)=E[ξ2(t)],表示ξ(t)的平均功率;②R(τ)=R(-τ),表示τ的偶函数;③|R(τ)|≤R(0),表示R(τ)的上界;④,表示ξ(t)的直流功率;这是因为当时,与没有任何依赖关系,即统计独立。
所以⑤R(0)-R(∞)=σ2,σ2是方差,表示平稳过程ξ(t)的交流功率。
当均值为0时,有R(0)=σ2。
4.平稳过程的功率谱密度(1)功率谱密度的定义平稳过程ξ(t)的功率谱密度Pξ(f)定义为(2)功率谱密度的特性①平稳过程的平均功率为②各态历经过程的任一样本函数的功率谱密度等于过程的功率谱密度。
(解答)《随机过程》第四章习题

第四章 二阶矩过程、平稳过程和随机分析 习题解答1、 设∑=-=Nk k k kn U n X 1)cos(2ασ,其中k σ和k α为正常数,)2,0(~πU U k ,且相互独立,N k ,,2,1 =,试计算},1,0,{ ±=n X n 的均值函数和相关函数,并说明其是否是平稳过程。
解:计算均值函数和相关函数如下0)}{cos(2)cos(2}{)(11=-=⎭⎬⎫⎩⎨⎧-==∑∑==Nk k k k N k k k k n X U n E U n E X E n ασασμ∑∑∑∑∑∑======-=--=--=⎪⎭⎪⎬⎫⎪⎩⎪⎨⎧⎥⎦⎤⎢⎣⎡-⋅⎥⎦⎤⎢⎣⎡-=Ni i i N i i i i i i Ni Nj j j i i j i N j j j j N i i i i X m n U m U n E U m U n E U m U n E m n R 12121111)](cos[)}cos(){cos(2)}cos(){cos(2)cos(2)cos(2),(ασαασαασσασασ因此可知,},1,0,{ ±=n X n 是平稳随机过程。
2、 设有随机过程))(cos()(t t A t X πηω+=,其中0>ω为常数,}0),({≥t t η是泊松过程,A 是与)(t η独立的随机变量,且2/1}1{}1{===-=A P A P 。
(1) 试画出此过程的样本函数,并问样本函数是否连续? (2) 试求此过程的相关函数,并问该过程是否均方连续? 解:(1)样本函数不连续。
(2)令:012≥>t t ,下面求相关函数:)(221)(212210)(1212211212121211212212122112221122121121212cos cos )]}(cos[)]({cos[21!)]([)]}(cos[)]({cos[)1(21))]}()(()(cos[))]()(()(2)({cos[21))]}()(()(cos[))]()(()({cos[21))}(cos())({cos(}{))}(cos())(cos({)}()({),(t t t t k t t k kX e t t e t t t t e k t t t t t t t t t t t t t t t E t t t t t t t t E t t t t E A E t t t t A E t X t X E t t R ----∞=--⋅=⋅-++=⋅-⋅-++-=-+-+-+++=-+-++++=++⋅=++==∑λλλωωωωλωωηηπωηηππηωηηπωηηπωπηωπηωπηωπηω因为:t t t R ωξ2cos ),(=因此该过程是均方连续的随机过程。
平稳过程的条件

平稳过程的条件平稳过程的条件一、引言在统计学中,平稳过程是指随机过程的统计性质不随时间的变化而改变。
例如,如果一个时间序列的均值和方差不随时间变化,则该序列是平稳的。
平稳过程是许多统计学方法的基础,因此了解什么是平稳过程以及如何识别它们非常重要。
二、什么是平稳过程?平稳过程是指随机过程在统计上具有不变性。
具体来说,如果一个时间序列的均值、方差和自协方差函数不随时间变化,则该序列被认为是弱平稳的;如果自协方差函数只依赖于时间间隔而与起始时间无关,则该序列被认为是强平稳的。
三、如何判断一个时间序列是否为平稳过程?1. 观察图形通过绘制时序图、自相关图和偏自相关图进行观察。
如果时序图呈现出明显的趋势或周期性,则该序列不是平稳的。
自相关图和偏自相关图可以帮助我们确定是否存在任何显著的自相关或偏自相关。
2. 统计检验使用单位根检验(ADF检验)等方法对时间序列进行统计检验。
如果序列的单位根检验的p值小于0.05,则说明该序列不是平稳的。
3. 模型拟合使用ARIMA模型等方法对时间序列进行拟合。
如果模型的残差具有自相关性,则说明该序列不是平稳的。
四、平稳过程的条件1. 均值不变性平稳过程在时间上保持均值不变性,即随机过程在任何时刻t的均值都相同。
这意味着,在任何时刻t,随机过程与其在另一个时刻t'(t≠t')的均值相同。
2. 方差不变性平稳过程在时间上保持方差不变性,即随机过程在任何时刻t的方差都相同。
这意味着,在任何时刻t,随机过程与其在另一个时刻t'(t≠t')的方差相同。
3. 自协方差函数只依赖于时间间隔自协方差函数只依赖于时间间隔而与起始时间无关,即Cov(X_t,X_{t+h})=Cov(X_{s},X_{s+h}),其中s、t和h为任意实数。
4. 自相关系数只依赖于时间间隔自相关系数只依赖于时间间隔而与起始时间无关,即Corr(X_t,X_{t+h})=Corr(X_{s},X_{s+h}),其中s、t和h为任意实数。
第四章 平稳随机过程的谱分析

1 2
S
X
(
)e
j
d
自相关函数和功率谱密度皆为偶函数
若随机过程X t是平稳的,自相关函数绝对可积,则自相关函数
jt
ddt
1
2
XX
()
x(t)e jt dtd
1
2
X
X
()X
* X
()d
1
2
X
X
()
2d
4.1、平稳随机过程的功率谱密度 ❖功率谱
功率型信号:能量无限、平均功率有限的信号
P lim 1 T s(t) 2 dt T 2T T 其能谱不存在,而功率谱存在
持续时间无限长的信号一般能量无限
4.1、平稳随机过程的功率谱密度
❖如何计算随机信号的平均功率?
2)时域计算方法
任一样本函数的平均功率为
W
lim
T
1 2T
T x2(t, )dt
T
随机过程的平均功率为
W
E[W
]
lim
T
1 2T
T E{X 2(t)}dt
T
若为各态历经过程:
W =W
4.1、平稳随机过程的功率谱密度 ❖如何计算随机信号的平均功率?
2020/5/20
6
4.1、平稳随机过程的功率谱密度
❖傅立叶变换
则 x(t)的傅立叶变换为:
X () x(t)e jt dt
其反变换为:
x(t) 1 X ()e jt d
2
频谱密度存在的条件为:
频谱密度
x(t)dt
2020/5/即20 信号为绝对可积信号
包含:振幅谱 相位谱
求各样本函数功率谱密度的统计平均
平稳过程的定义

平稳过程的定义平稳过程是概率论和统计学中的重要概念,它在许多领域中都有广泛的应用。
本文将介绍平稳过程的定义、特性以及其在实际中的应用。
一、平稳过程的定义平稳过程是指在统计意义上具有不变性的随机过程。
换句话说,无论观察这个随机过程的哪一段,其统计特性都是不发生变化的。
具体而言,平稳过程要满足两个条件:其一是均值不变性,即随机过程的均值在时间上是恒定的;其二是自协方差函数不变性,即随机过程的自协方差函数只与时间差有关,而与具体的时间点无关。
二、平稳过程的特性平稳过程具有许多重要的特性,下面将逐一介绍。
1. 均值不变性:平稳过程的均值在时间上是恒定的,即随机过程的均值不随时间变化而变化。
2. 自协方差函数不变性:平稳过程的自协方差函数只与时间差有关,而与具体的时间点无关。
这意味着随机过程的协方差结构是不变的,不会随时间的推移而发生变化。
3. 自相关函数的性质:平稳过程的自相关函数具有一些特殊的性质。
首先,自相关函数是偶函数,即关于时间差的自相关系数关于原点对称。
其次,自相关函数在时间差为零时达到最大值,随着时间差的增加逐渐减小。
4. 平稳过程的谱密度函数:平稳过程的谱密度函数是描述随机过程在频域上的性质的函数。
对于平稳过程,其谱密度函数是实数函数,并且具有正定性和对称性。
三、平稳过程的应用平稳过程在许多领域中都有广泛的应用,下面将介绍其中几个典型的应用。
1. 金融领域:平稳过程在金融领域中有着重要的应用。
例如,股票价格的随机波动可以用平稳过程来建模,从而为投资者提供决策依据。
此外,利率、汇率等金融指标的变动也可以通过平稳过程来进行建模和预测。
2. 信号处理:平稳过程在信号处理领域中被广泛应用。
例如,通过分析语音信号的平稳过程,可以实现语音识别和语音合成等功能。
此外,平稳过程还可以用于图像处理、雷达信号处理等领域。
3. 通信系统:平稳过程在通信系统中也有重要的应用。
例如,通过建立信道模型的平稳过程,可以分析和优化通信系统的性能。
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
RX ( ) E[ X (t )X (t )] =E[ X (t ) X (t )] RX ( )
R(s, t ) E[ X (s)X (t )] R( )
则称{X(t),t∈T} 为宽(弱、广义)平稳过程,简称宽 平稳过程
2008年12月
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
由于在许多工程技术问题中,常常仅在相关理论(一、二
阶矩)的范围内讨论问题,因此划分出广义平稳随机过程来。
而相关理论之所以重要,是因为在实际中,一、二阶矩能给出 有关平稳随机过程平均功率的几个主要指标,比如,如果随机
过程如果代表噪声电压信号,那么在相关理论范围内就可以给
出直流分量、交流分量,平均功率及功率在频域上的分布(我 们将在后面讨论功率谱密度)等。另外,在电子系统中经常遇
到最多的是正态随机过程,对于正态随机过程而言,它的任意
若令 t 2 ,得
f (t1 , t 2;x1 , x2 ) f (t1 t 2 ,0;x1 , x2 ) f (;x1 , x2 )
其中 同理
t1 t2
二维分布函数也仅与时间差 而与时间起点无关,即
t1 t2
有关,
F (t1 , t 2;x1 , x2 ) F (;x1 , x2 )
j [ l ( t ) k t ] E X X e k l k 1 l 1
bk e jk
k 1
RY ( )
所以, {Y (t ), t }具有平稳性。
2008年12月
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
P
k 0
N ( ) 2k
P
k 0
k 0
N ( ) 2k 1
P N ( ) 2k P N ( ) 2k 1
k 0 k 0
k 0
2k
2k !
k 0
解
的密度函数为
所以
1 ,当 0 sin 2 ( t ) x sin 2 txdx 2 R(t , t ) 0 0,当 0 故 X (t ) 是平稳随机序列。
E[ X (t )] sin 2txdx 0
0
1
1, f ( x) 0 ,
维分布都只由它的一、二阶矩来确定,广义平稳的正态随机过 程必定是严格平稳的。因此,在实际中,我们通常只考虑广义 平稳性,今后除特别声明外,平稳性指的是广义平稳。
2008年12月
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
说明
当T为整数集 或 { nt ,n=0,1,2,„}时
则称 X (t ) 为
例5
设{ X (t ), t 0}是只取 1两个值的过程,其符号的 改变次数是一参数为的poisson过程 {N (t ), t 0} 且 t 0, P ( X (t ) 1) P ( X (t ) 1) 1/ 2, 试讨 论{ X (t ), t 0}的平稳性。
定理4.2.1
设{X (t ), t 0}是复平稳过程,则RX ( )具有性质:
1 )RX (0) E[ X (t ) ] mX
证
2
2
2
0
2
RX (0) E[ X (t )X (t )] E[ X (t ) ] D[ X (t )] mX mX 0
2
2) RX ( ) RX ( )
严平稳过程的特点 1)
严平稳过程 X (t ) 的一维概率密度 f (t;x) 与 t 无关,
二维概率密度 f (t1 , t2;x1 , x2 ) 仅与时间差 t1 t 2 有关, 而与时间起点无关。
证
一维 对任意的τ,必有
f (t;x) f (t ;x)
f (t;x) f (0;x) f ( x)
xf ( x)dx m
2008年12月
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
R(s, t ) E[ X (s)X (t )]
x1 x2 dF (s, t;x1 , x2 )
x1 x2 dF (0, t s;x1 , x2 )
随机过程可分为平稳和非平稳两大类, 严格地 说, 所有信号都是非平稳的, 但是, 平稳信号的分析 要容易得多, 而且在电子系统中, 如果产生一个随机 过程的主要物理条件在时间的进程中不改变, 或变 化极小, 可以忽略, 则此信号可以认为是平稳的. 如
接收机的噪声电压信号, 刚开机时由于元器件上温
度的变化, 使得噪声电压在开始时有一段暂态过程, 经过一段时间后, 温度变化趋于稳定, 这时的噪声电
2008年12月
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
2)
若严平稳过程存在二阶矩,则
(1)值函数为常数:
m(t ) E[ X (t )] m
(2)相关函数仅是时间差
记 R( )
证 只对连续型的情况
t1 t2 的函数:
R(s, t ) R(t s)
m(t ) E[ X (t )] xf (t;x)dx
例 1
设随机过程X(t)=At,A为标准正态分布的随机变量。
试问X(t)是否平稳?
解、
E{X (t )} E{tA} tE{A} 0
RX (t1, t2 ) E{X (t1 ) X (t2 )} t1t2 E{A2} t1t2
所以X(t)是非平稳的。
2008年12月
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
2
bk 0,
bk ,
k 1
令Y (t ) X k e jk t , t ,
k 1
{n , n 1, 2, }是两两不相等的实数序列,试讨 论{Y (t ), t }的平稳性。
解
jk t mY (t ) E[Y (t )] E X k e k 1 = E X k e jk t 0
F (t1, t2 ,, tn;x1, x2 ,, xn )
F (t1 , t2 ,, tn ;x1, x2 ,, xn )
则称{X(t),t∈T} 为严(强、狭义)平稳过程,或称 {X(t),t∈T} 具有严平稳性。
2008年12月
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
解
1 1 mX (t ) E[ X (t )] 1 1 0 2 2
RX (t , t ) E[ X (t ) X (t )] P{ X (t ) X (t ) 1} P{ X (t ) X (t ) 1}
2008年12月
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
平稳时间序列
注1
严平稳过程不一定是宽平稳过程。 因为严平稳过程不一定是二阶矩过程。 若严平稳过程存在二阶矩,则它一定是宽平稳过程。
注2
宽平稳过程也不一定是严平稳过程。 因为宽平稳过程只保证一阶矩和二阶矩不随时间推 移而改变,这当然不能保证其有穷维分布不随时间 而推移。
注3
2008年12月
正态过程的严平稳与宽平稳是等价的。(定理4.4.1)
E{[ X (t )X (t )] mE[ X (t )] mE[ X (t )] m2
2 R ( ) m R(t , t ) m
2
C ( )
即表示协方差函数仅依赖于τ,而与t无关,与相关函数 相同。
2008年12月
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
第四章 平稳过程
4.1 平稳过程的基本概念 4.2 平稳过程相关函数的性质 4.3 平稳过程的各态历经性 4.4 平稳过程的谱密度 4.5 平稳过程的谱分解 4.6 线性系统中的平稳过程
2008年12月
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
注4
利用均值函数与协方差函数也可讨论随机过程的平稳 性。
因为 均值函数 m(t)=m 协方差函数
C(t , t ) cov[ X (t ), X (t )]
E{[ X (t ) m(t )][ X (t ) m(t )]}
所以, {X n , n 1, 2, }是一个平稳随机序列。
注 在科学和工程中,例中的过程称为“白噪声”,它 是实际中最常用的噪声模型。
2008年12月
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
例3
设随机序列{ X (t ) sin 2t , t T },
其中T={1,2,…} ,η是在[0,1]上服从均匀 分布的随机变量, 试讨论随机序列 X (t ) 的平稳性。
1
0 x 1
其它
注
2008年12月
该例中的过程是宽平稳的,但不是严平稳的
陕西师范大学物理学与信息技术学院 ——— 《随机过程》
例4
设{ X n , n 1, 2, }是随机变量序列,E[ X k } 0, E[ X k X l ] 0(k l ),E[ X k X k ] E X k
k 1
2008年12月
陕西师范大学物理学与信息技术学院 ——— 《随机过程》