随机过程(高斯随机过程、谱分析、白噪声)

正态随机过程

1.定义

  • 随机过程 X ( t ) X(t) X(t) 的任意 n n n 维(任取 n n n 个时间点)联合概率分布都是正态分布就说 X ( t ) X(t) X(t) 为正态随机过程。
  • 一个结论:对正态过程来说广义平稳与严格平稳是等价的。

2.概率密度

                            p n ( X ) = 1 ( 2 π ) n ∣ ∑ ∣ e x p { 1 2 ( X − μ ) T ∑ − 1 ( X − μ ) } ~~~~~~~~~~~~~~~~~~~~~~~~~~~p_n(\boldsymbol{X}) = \dfrac{1}{\sqrt{(2\pi)^n|\sum|}}exp\{\dfrac{1}{2}(\boldsymbol{X}-\boldsymbol{\mu})^T\sum^{-1}(\boldsymbol{X}-\boldsymbol{\mu})\}                            pn(X)=(2π)n 1exp{ 21(Xμ)T1(Xμ)}
 
        ~~~~~~~        其中 μ \mu μ 表示均值, c i j c_{ij} cij 表示协方差, r i j r_{ij} rij 表示相关系数。
X = [ x 1 x 2 ⋮ x n ]    μ = [ μ 1 μ 2 ⋮ μ n ]    ∑ = [ c 11 c 12 ⋯ c 1 n c 21 c 22 ⋯ c 2 n ⋮ ⋮ ⋱ ⋮ c n 1 c n 2 ⋯ c n n ] \boldsymbol{X} = \left[ \begin{matrix} x_1 \\ x_2 \\ \vdots\\ x_n \end{matrix} \right] ~~ \boldsymbol{\mu} = \left[ \begin{matrix} \mu_1 \\ \mu_2 \\ \vdots\\ \mu_n \end{matrix} \right] ~~ \sum = \left[ \begin{matrix} c_{11} & c_{12} & \dotsb &c_{1n}\\ c_{21} & c_{22} & \dotsb &c_{2n}\\ \vdots & \vdots &\ddots & \vdots\\ c_{n1} & c_{n2} & \dotsb & c_{nn} \end{matrix} \right] X=x1x2xn  μ=μ1μ2μn  =c11c21cn1c12c22cn2c1nc2ncnn
c i i = σ i 2 , c i j = σ i σ j r i j c_{ii} = \sigma_i^2,c_{ij} = \sigma_i\sigma_jr_{ij} cii=σi2cij=σiσjrij

  • 一个重要的公式: ∫ − ∞ ∞ e − x 2 d x = x \int_{-\infin}^{\infin}e^{-x^2}dx=\sqrt{x} ex2dx=x

3.特征函数

Φ X ( ω ) = e x p ( j ω T μ − 1 2 ω T ∑ ω ) \Phi_X(\boldsymbol{\omega}) = exp(j\boldsymbol{\omega}^T\boldsymbol{\mu}-\dfrac{1}{2}\boldsymbol{\omega}^T\sum\boldsymbol{\omega}) ΦX(ω)=exp(jωTμ21ωTω)
ω = [ ω 1 , ω 2 , ⋯   , ω n ] \boldsymbol{\omega} = [\omega_1,\omega_2,\dotsb,\omega_n] ω=[ω1,ω2,,ωn]

平稳随机过程的谱分析

1.能量谱与功率谱

  • 能量频谱密度: ∣ S ( ω ) ∣ 2 |S(\omega)|^2 S(ω)2,表示信号的各个分量能量在频域上的分布。
  • 信号总能量等于各频谱分量的能量之和。
    E = ∫ − ∞ ∞ ∣ s ( t ) ∣ 2 d t = 1 2 π ∫ − ∞ ∞ ∣ S ( ω ) ∣ 2 d ω E = \int _{-\infin}^{\infin} |s(t)|^2dt=\dfrac{1}{2\pi }\int _{-\infin}^{\infin}|S(\omega)|^2d\omega E=s(t)2dt=2π1S(ω)2dω
  • 功率谱密度(对一个函数 X ( ω ) X(\omega) X(ω)): G ( ω ) = lim ⁡ T → ∞ ∣ X ( ω ) ∣ 2 2 T G(\omega) = \lim_{T\rightarrow \infin}\frac{|X(\omega)|^2}{2T} G(ω)=Tlim2TX(ω)2

2.功率谱密度与相关函数的关系

两者是一对傅里叶变换
G X ( ω ) = ∫ − ∞ ∞ R X ( τ ) e − j ω τ d τ    R X ( τ ) = 1 2 π ∫ − ∞ ∞ G X ( ω ) e j ω τ d τ \begin{matrix} G_X(\omega) &= \displaystyle\int_{-\infin}^{\infin}R_X(\tau)e^{-j\omega\tau}d\tau \\ ~~\\ R_X(\tau) &=\dfrac{1}{2\pi} \displaystyle\int_{-\infin}^{\infin}G_X(\omega)e^{j\omega\tau}d\tau \end{matrix} GX(ω)  RX(τ)=RX(τ)ejωτdτ=2π1GX(ω)ejωτdτ

白噪声

  • 定义:均值为零、功率谱密度在无限宽的频域内为常量。
  • 相关函数和功率谱密度分别为:
    G X ( ω ) = N 0 2    ( − ∞ < ω < ∞ )    R X ( τ ) = N 0 2 δ ( τ ) \begin{matrix} G_X(\omega) =\dfrac{N_0}{2} ~~(-\infin<\omega<\infin)\\ ~~\\ R_X(\tau) = \dfrac{N_0}{2}\delta(\tau) \end{matrix} GX(ω)=2N0  (<ω<)  RX(τ)=2N0δ(τ)
  • 相关系数:
    r ( τ ) = { 1    τ = 0 0    τ ≠ 0 r(\tau) = \left\{ \begin{matrix} 1~~\tau = 0\\ 0~~\tau \not ={0} \end{matrix} \right. r(τ)={ 1  τ=00  τ=0
  • 相关时间:
    τ 0 = ∫ 0 ∞ r ( τ ) d τ = 0 \tau_0 = \int_0^{\infin}r(\tau)d\tau = 0 τ0=0r(τ)dτ=0
    相关时间为零说明白噪声的变化非常快,并且任意两个时刻都没有相关性。

猜你喜欢

转载自blog.csdn.net/weixin_44618906/article/details/109415363