下载文档原格式
关于平稳过程中的各态历经性的综述首先要介绍一下什么就是平稳过程,平稳过程就是一类统计特性不随时间推移而变化的过程。
在实际中,有相当多的随机过程,不仅它现在的状态,而且它过去的状态,都对未来状态的发生有着很强的影响。
有这样重要的一类随机过程,即所谓平稳随机过程,它的特点就是:过程的统计特性不随时间的推移而变化。
严格地说,如果对于任意的ｎ(=１,2…),12,,t t t T ∈n …,与任意实数h,当12,,n t h t h t h T +++∈…,时,n 维随机变量(X(1t ),X(2t ),…,X(t n ))与 (Ｘ(1t h +),Ｘ(2t h +),…,Ｘ(n t h +))具有相同的分布函数,则称随机过程{}X ∈（t ）,t T 具有平稳性,并同时称此过程为平稳随机过程,或简称平稳过程。
在实际工作中,确定随机过程的均值函数与相关函数就是很重要的。
而要确定随机过程的数字特征一般来说需要知道过程的一﹑二维分布,这在实际问题中往往不易办到,因为这时要求对一个过程进行大量重复的实验,以便得到很多的样本函数。
但就是由于平稳过程的统计特性不随时间的推移而变化,就会提出这样一个问题:能否从一个时间范围内观察到的样本函数或一个样本函数在某些时刻的取值来提取过程的数字特征呢?所谓各态历经,就是指可以从过程的一个样本函数中获得它的各种统计特性;具有这一特性的随机过程称为具有各态历经性的随机过程,只要有一个样本函数就可以表示出它的数字特征。
定义 设X(t)就是均方连续平稳随机过程,如果它沿整个时间上的平均值即时间平均值〈Ｘ(t)〉存在,即〈Ｘ(t)〉＝1lim ()2T TT X t dt T -→∞⎰ 存在,而且〈X(ｔ)〉＝E{Ｘ(ｔ)}＝X μ依概率１相等。
即〈X(ｔ)〉依概率１等于X μ＝ E ｛Ｘ(t)｝, X μ代表随机过程的集平均(或称统计平均),则称该过程的均值具有各态历经性。
定义 设X(t)就是一均方连续平稳随机过程,且对于固定的τ,()Xt X t τ（+）也就是连续平稳随机过程,〈()X t X t τ（+）〉 代表()Xt X t τ（+）沿整个时间轴的平均值,即()X t X t τ（+）=1lim (+)()2TT T X t X t dt T τ-→∞⎰ 若〈()Xt X t τ（+）〉存在,称〈()X t X t τ（+）〉为Ｘ(τ)的时间相关函数。
《概率论与随机过程》第三章习题答案3.2 随机过程()t X 为()()ΦωX +=t cos A t 0式中，A 具有瑞利分布，其概率密度为()02222>=-a eaa P a A ，σσ，()πΦ20，在上均匀分布，A Φ与是两个相互独立的随机变量，0ω为常数，试问X(t)是否为平稳过程。
解：由题意可得:()[]()()002121020022222002222=⇒+=*+=⎰⎰⎰⎰∞--∞φφωπσφπσφωX E πσσπd t cos da e a a dad eat cos a t a a ()()()[]()()()()()()[]()()()()()12021202120202120202221202022021012022022202010022222200201021212122112210212212121221212222222222222t t cos t t cos t t cos det t cos da e e a t t cos dea d t t cos t t cos a d ea d t cos t cos da eaadad e at cos a t cos a t t t t R a a a a a a a -=-⨯=-⨯-=-⨯⎪⎩⎪⎨⎧⎪⎭⎪⎬⎫-∞+-=-⨯-=⎩⎨⎧⎭⎬⎫+++---=++=++==-∞∞---∞∞-∞--∞⎰⎰⎰⎰⎰⎰⎰⎰⎰ωσωσωσωωφφωωπσφπφωφωσφσπφωφωX X E σσσσπσπσσπXX ）（，可见()[]t X E 与t 无关，()21t t R ，XX 与t 无关，只与()12t t -有关。
∴()t X 是平稳过程另解：()[][]0022000000[cos()][cos()][];(,)cos()cos(())cos()cos(())t E A t E A E t E A R t t E A t t E A E t t E X ωΦωΦτωΦωτΦωΦωτΦ⎡⎤=+=+=⨯=⎣⎦⎡⎤⎡⎤+=+++=+++⎣⎦⎣⎦[][][])cos()cos())cos((τωτωτωω0200022222A E t E A E =+Φ++= ∴()t X 是平稳过程3.3 设S(t) 是一个周期为T 的函数，随机变量Φ在（0，T ）上均匀分布，称X(t)=S （t+Φ）,为随相周期过程，试讨论其平稳性及各态遍历性。
关于平稳过程中的各态历经性的综述首先要介绍一下什么是平稳过程，平稳过程是一类统计特性不随时间推移而变化的过程。
在实际中，有相当多的随机过程，不仅它现在的状态，而且它过去的状态，都对未来状态的发生有着很强的影响。
有这样重要的一类随机过程，即所谓平稳随机过程，它的特点是：过程的统计特性不随时间的推移而变化。
严格地说，如果对于任意的n （=1，2…），12,,t t t T ∈n …,和任意实数h,当12,,n t h t h t h T+++∈…,时，n 维随机变量（X(1t ),X(2t ),…,X(t n )）和 （X （1t h +）,X （2t h +）,…,X （n t h +）） 具有相同的分布函数，则称随机过程{}X ∈（t ）,t T 具有平稳性，并同时称此过程为平稳随机过程，或简称平稳过程。
在实际工作中，确定随机过程的均值函数和相关函数是很重要的。
而要确定随机过程的数字特征一般来说需要知道过程的一﹑二维分布，这在实际问题中往往不易办到，因为这时要求对一个过程进行大量重复的实验，以便得到很多的样本函数。
但是由于平稳过程的统计特性不随时间的推移而变化，就会提出这样一个问题：能否从一个时间范围内观察到的样本函数或一个样本函数在某些时刻的取值来提取过程的数字特征呢？所谓各态历经，是指可以从过程的一个样本函数中获得它的各种统计特性；具有这一特性的随机过程称为具有各态历经性的随机过程，只要有一个样本函数就可以表示出它的数字特征。
定义 设X （t ）是均方连续平稳随机过程，如果它沿整个时间上的平均值即时间平均值〈X （t ）〉存在，即〈X （t ）〉=1lim()2T TT X t dtT-→∞⎰存在，而且〈X （t ）〉=E ｛X （t ）｝=X μ依概率1相等。
即〈X （t ）〉依概率1等于X μ= E ｛X （t ）｝, X μ代表随机过程的集平均（或称统计平均），则称该过程的均值具有各态历经性。
第3章 随机信号的平稳性与各态历经性
3-1 随机信号()()010sin X t t ω=+Φ，其中0ω为常数，Φ为在[],ππ-上的均匀分布的随机变量。
若()X t 通过平方律器件，得到()()2Y t X t =，试求：
①()Y t 的均值()E Y t ⎡⎤⎣⎦；②()Y t 的自相关函数(),Y R t t τ+；③()Y t 的平稳性。
3-2 已知平稳信号()X
t 的自相关函数为()4cos X R e ττπτ-=，求该信号的均值、方差、自协方差函数、自相关系数。
3-3 已知随机信号()cos sin X t A t B t =-和随机信号
()cos sin Y t B t A t =+，其中随机变量,A B 统计独立，均值都为0，方差都为5。
①求两个信号的互相关函数(),XY
R t t τ+； ②证明()(),X
t Y t 联合宽平稳。
3-4 设随机信号()()()00cos sin Z t X t t Y t t ωω=-，其中0ω为常
数，()(),X t Y t 为平稳随机信号。
试求：（1）()Z t 的自相关函数(),Z R t t τ+；（2）若()()(),0X Y XY R R R τττ==，求(),Z R t t τ+。
3-5 已知随机信号()()0cos X
t A t ω=+Φ，其中随机相位Φ服从()0,2π上的均匀分布；A 可能为常数，也可能为随机变量，且若A 为随机变量时，和随机变量Φ相互独立，求当A 具备什么条件时，该信号具有均值各态历经性、自相关函数各态历经性和各态历经性。
