自学内容网 自学内容网

信号与噪声分析——第三节:随机过程的统计特征

随机过程的定义:

        随机过程是一种数学模型,用来描述系统或现象在时间或者空间上随之变化的不确定性。

一个随机过程的数字特征

1.数学期望(统计平均值):

                表示为E[X(t)] = \int_{-\infty}^{\infty} x p(x; t) dx = m_X(t)
数学期望是随机过程在时间 t 上的平均值,通常用来表示过程的趋势。

2.方差:

表示为 D[X(t)] = E\{X(t) - E[X(t)]\}^2= E[X^2(t)] - E^2[X(t)]

进一步展开:D[X(t)] = \int_{-\infty}^{\infty} x^2 p(x; t) dx - m_X^2(t) = \sigma_X^2(t)

方差表示随机过程的波动性,反映了过程在时间 t 处的离散程度

3.自相关函数:

表示为 R_X(t_1, t_2) = E[X(t_1)X(t_2)]
进一步展开为R_X(t_1, t_2) = \int_{-\infty}^{\infty} \int_{-\infty}^{\infty} x_1 x_2 p(x_1, x_2; t_1, t_2) dx_1 dx_2

自相关函数用于描述随机过程在不同时间点之间的关系。

 4.自协方差函数:

表示为C_X(t_1, t_2) = E\{[X(t_1) - m_X(t_1)][X(t_2) - m_X(t_2)]\}

C_X(t_1, t_2)=E[X(t_1)X(t_2)]-m_X(t_1)m_X(t_2)

表示两个不同时间点之间的方差关系

5.归一化协方差函数——相关系数

                表示为 \rho_X(t_1, t_2) = \frac{C_X(t_1, t_2)}{\sigma_X(t_1) \sigma_X(t_2)}
\rho_X(t_1, t_2) = 0C_X(t_1, t_2) = 0,则表明 X(t_1)X(t_2)不相关

两个随机过程的联合概率密度函数和数字特征

2.互相关函数:

                R_{XY}(t_1, t_2) = E[X(t_1)Y(t_2)]

3.互协方差函数:

        ​​​​​​​        C_{XY}(t_1, t_2) = E\{[X(t_1) - m_X(t_1)][Y(t_2) - m_Y(t_2)]\}

                                      =R_{XY}(t_1, t_2)-m_X(t_1)m_Y(t_2)

若:

        ​​​​​​​        C_{XY}(t_1, t_2) = 0,则称X(t)Y(t)不相关

例题:


原文地址:https://blog.csdn.net/m0_73951316/article/details/143520380

免责声明:本站文章内容转载自网络资源,如本站内容侵犯了原著者的合法权益,可联系本站删除。更多内容请关注自学内容网(zxcms.com)!