《第2章 随机过程习题及答案》由会员分享，可在线阅读，更多相关《第2章 随机过程习题及答案（12页珍藏版）》请在金锄头文库上搜索。
1、第二章第二章 随机过程分析随机过程分析1.1 学习指导学习指导1.1.1 要点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
2、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111 111 1( , )( , ) (2 - 2)F x tf xtx对于任意时刻 t1和 t2，把 (t1) x1和 (t2) x2同时成立的概率212121122( , ; , )( ), ( ) (2 - 3)F xxttPtxtx称为随机过程 (t)的二维分布函数。如果2 21212 21212 12( ,; , )( ,; , ) (2 - 4)F x x t tfx x t txx存在，则称 f2(x1, x2; t1, t2)为随机过程 (t)的二
3、维概率密度函数。 对于任意时刻 t1，t2，tn，把 n12n12n1122nn()( ), ( ), ( ) (2 - 5)F xxxtttPtxtxtx，；，称为随机过程 (t)的 n 维分布函数。如果n n12n12n n12n12n 12n(x)() (2 - 6) F xxtttfxxxtttx xx，；，；，存在，则称 fn(x1, x2, , xn; t1, t2, , tn)为随机过程 (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 (t)在任意给定时刻 t 的取值 (t)是一个随机
4、变量，其均值为1( )( , )d (2 - 7)Etxf x tx其中，f 1(x, t)为 (t)的概率密度函数。随机过程 (t)的均值是时间的确定函数，记作 a(t)， 它表示随机过程 (t)的 n 个样本函数曲线的摆动中心。 随机过程 (t)的方差的定义如下： 2 ( ) ( )( ) (2 - 8)DtEta t随机过程 (t)的方差常记作 2(t)。随机过程 (t)的方差的另一个常用的公式为 22222222 12( )2( )( )( )=( , )d( ) (2 - 9)D tE ta t tatE ta t E ta tE ta tf x txa tx也就是说，方差等于均方值
5、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 (t)的相关函数的定义如下：1212122121212( , ) ( ) ( )( ,; , )d d (2 - 10)R t tEttx x fx x t tx x 式中， (t1)和 (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 (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 (t)的协方差函数的定义如下： 12112211222121212( , ) ( )( ) ( )( )( )( )( ,;
6、, )d d (2 - 11)B t tEta tta txa txa tfx x t tx x 式中，a(t1)、a(t2)分别是在 t1和 t2时刻得到的 (t)的均值；f2 (x1, x2; t1, t2)是 (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：121212( , )( , )( ) ( ) (2 - 12)B t tR t ta t a t若 a(t1) = a(t2)=0，则 B(t1, t2) = R(t1, t2)。 随机过程 (t)和 (t)的互相关函数的定义如下：1212( , ) ( ) ( ) (2 - 13)Rt t
7、Ett4. 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(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，有n12n12nn12n12n( , ,)( ,) (2 - 14)fx xxt ttfx xxttt；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
8、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(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(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(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
9、概率密度函数表示式为n12n12n/2 jjkk jk 11jk i 1( ,.,; , ,.,)21exp| (2 - 15)2|nnnn jkifx xxt ttxaxaBBB 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121njjkk212n jk jkn1n21 ( )( )1|,1bb EtatabbBbbb 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(t)的谱密度集中在中心频率 fc附近相对窄的频带范围f 内，即满足f fc的条件，
10、且 fc 远离零频率，则称其为窄带随机过程。 随机过程(t)可以表示为c( )( )cos( ),( )0 (2 - 16)ta ttta t其中，a(t)为随机包络；(t)为随机相位；c为中心角频率。显然，a(t)和(t)的变化相 对于载波产生的相移(ct)的变化要缓慢得多。 将窄带随机过程表示式展开为ccsc( )( )cos()( )sin() (2 - 17)ttttt其中，c(t) = a(t)cos(t)；s(t) = a(t)sin(t)。c(t)和s(t)分别被称为同相分量和正交分 量。 窄带随机过程(t)的统计特性可以由 a(t)和(t)或c(t)和s(t)的统计特性确定。若
11、(t) 的统计特性已知，则 a (t)和 (t)或c(t)和s(t)的统计特性也随之确定。 由于(t)平稳且均值为零，故对于任意的时间 t，都有 E(t) = 0 ，所以cs( )0( )0 (2 - 18)EtEt，若窄带过程(t)是平稳的，则c(t)和s(t)也是平稳的。 平稳窄带随机过程(t)的自相关函数可以表示为cccscccscc( )( )cos()( )sin()( )cos()( )sin() (2-19)RRRRR 一个均值为零的窄带平稳高斯过程(t)，它的同相分量c(t)和正交分量s(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c(t)与s(
12、t)是统计 独立的。 a服从瑞利(Rayleigh)分布，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0 n( )(,) (2 - 20)2nP ff 或者n0( ) (0,) (2 - 21)P fnf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
13、)是其单边功率谱 密度。 白噪声 n(t)的自相关函数为0( )( ) (2 - 22)2nR 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。1.1.2 难点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i(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oii-iii-( )( ) ()d( )() d( )d( )d(0) (2 - 23)EtEhthEta haha H
