随机过程(高斯随机过程、谱分析、白噪声)
文章目录正态随机过程1.定义2.概率密度3.特征函数平稳随机过程的谱分析1.能量谱与功率谱2.功率谱密度与相关函数的关系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 nnn 维(任取 nnn 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 &
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(X−μ)T∑−1(X−μ)}
~~~~~~~
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=⎣⎢⎢⎢⎡x1x2⋮xn⎦⎥⎥⎥⎤ μ=⎣⎢⎢⎢⎡μ1μ2⋮μn⎦⎥⎥⎥⎤ ∑=⎣⎢⎢⎢⎡c11c21⋮cn1c12c22⋮cn2⋯⋯⋱⋯c1nc2n⋮cnn⎦⎥⎥⎥⎤
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=σi2,cij=σiσjrij
- 一个重要的公式: ∫ − ∞ ∞ e − x 2 d x = x \int_{-\infin}^{\infin}e^{-x^2}dx=\sqrt{x} ∫−∞∞e−x2dx=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(jωTμ−21ωT∑ω)
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=2π1∫−∞∞∣S(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)=T→∞lim2T∣X(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)e−jωτdτ=2π1∫−∞∞GX(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=∫0∞r(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。
开放原子开发者工作坊旨在鼓励更多人参与开源活动,与志同道合的开发者们相互交流开发经验、分享开发心得、获取前沿技术趋势。工作坊有多种形式的开发者活动,如meetup、训练营等,主打技术交流,干货满满,真诚地邀请各位开发者共同参与!
更多推荐
所有评论(0)