第三章 随机过程学习目标通过对本章的学习，应该掌握以下要点： 随机过程的基本概念随机过程的数字特征（均值、方差、相关函数）；平稳过程的定义、各态历经性、相关函数和功率谱密度；高斯过程的定义和性质、一维概率密度函数；随机过程通过线性系统、输出和输入的关系；窄带随机过程的表达式和统计特性；正弦波加窄带高斯过程的统计特性；高斯白噪声及其通过理想低通信道和理想带通滤波器。
3.1 内容概要3.1.1 随机过程的基本概念随机过程是一类随时间作随机变化的过程，具有不可预知性，不能用确切的时间函数来描述。
1.定义角度一：随机过程ξ(t )是随机试验的全体样本函数{ξ1 (t ), ξ2 (t ), …, ξn (t )}的集合。
角度二：随机过程ξ(t )是在时间进程中处于不同时刻的随机变量的集合。
这说明，在任一观察时刻t 1，ξ(t 1)是一个不含t 变化的随机变量。
可见，随机过程具有随机变量和时间函数的特点。
研究随机过程正是利用了它的这两个特点。
2.分布函数和概率密度函数 一维分布函数：ξ(t )在11111(,)[()]F x t P t x ξ=≤含义：随机过程ξ(t )在t 1时刻的取值ξ(t 1)小于或等于某一数值x 1的概率。
如果存在1111111),(),(x t x F t x f ∂∂=则称111(,)f x t 为ξ(t )的一维概率密度函数。
同理，任意给定12n t t t T ∈ ，，，，则ξ(t )的n 维分布函数为{}12121122(,,,;,,)(),(),,()n n n n n F x x x t t t P t x t x t x ξξξ=≤≤≤如果此能在n21n 21n 21n n n 21n 21n x )t x ()t x (∂∂∂∂= x x t t x x F t t x x f ，，，；，，，，，，；，，，则称其为ξ(t )的n 维概率密度函数。
显然，n 越大，对随机过程统计特性的描述就越充分。
