平稳过程的功率谱密度

常见平稳过程及相应谱密度计算过程常见平稳过程及相应谱密度计算过程平稳过程是指随机过程的统计特性在时间推移下不发生变化的一类随机过程。

在许多工程和科学领域，平稳过程是非常常见的。

另外，谱密度也是在许多领域中用于分析信号和系统特性的重要工具。

在本文中，我们将介绍几种常见的平稳过程及对应的谱密度计算方法。

1.白噪声过程白噪声过程是指均值为零且具有常数功率谱密度的随机过程。

其谱密度为常数，表示该随机过程在所有频率上均有相同的能量分布，从而说明信号在所有频率上均匀分布。

其计算公式为：$$S_{xx}=N_0$$其中，$S_{xx}$是该过程的功率谱密度，$N_0$是噪声的谱密度。

2.布朗运动过程布朗运动是一种在物理学和金融学中常见的平稳过程。

它被定义为一个随机游走过程，其中每个步骤都是随机的，但总体趋势向前移动。

布朗运动可以用以下随机微分方程描述：$$dX_t=\mu dt+\sigma dW_t$$其中，$X_t$是在时间$t$的位置，$\mu$是平均漂移率，$\sigma$是扩散系数，$W_t$是布朗运动的随机因素。

布朗运动的功率谱密度为：$$S_{xx}=\frac{2\sigma^2}{\omega^2}$$其中，$\omega$是频率。

3.自回归过程自回归过程是一种用于时间序列分析的平稳过程。

它被描述为前一时间点的值与当前时间点的值之间的线性关系。

自回归过程可以表示为以下形式：$$X_t=\sum_{i=1}^{p}a_iX_{t-i}+e_t$$其中，$X_t$表示在时间$t$的值，$a_i$表示自回归系数，$e_t$是误差项。

自回归过程的功率谱密度可以用以下公式计算：$$S_{xx}=\frac{\sigma_e^2}{1-\sum_{i=1}^{p}a_i e^{-j\omega i}}$$其中，$\sigma_e^2$是误差项的方差。

4.滑动平均过程滑动平均过程是一种用于时间序列分析的平稳过程，它表示为随机误差项的加权和。

单边功率谱
单边功率谱——实平稳过程的谱密度 SX (ω) 是偶函数， 实平稳过程的谱密度 是偶函数， 因而可将负的频率范围内的值折算到正频率范围内。 因而可将负的频率范围内的值折算到正频率范围内。
2 1 T − iω t lim 2 T → ∞ E ∫0 X ( t ) e d t , ω ≥ 0 T G X (ω ) = ω<0 0 ,
平均功率： 平均功率： (2)
P = R X (0) = a 2 2
a2 a2 E [ X 2 (t )] = E [ a 2 cos 2 (ω 0 t + Θ )] = − sin( 2ω 0 t ) 2 π X (t) 是非平稳过程
平均功率： 平均功率：
1 P = lim T → ∞ 2T
∫
T
−T
+∞ S X (ω ) = ∑ RX (m) e − jω m m = −∞ R (m) = 1 π S (ω ) e jω m d ω ∫−π X X 2π
常见的平稳过程的 相关函数及相应的谱密度 参见表7.1（P150） 参见表 （ ）
例2
已知平稳过程的相关函数为 R X (τ ) = e − a τ cos(ω 0τ ) ， 为常数， 其中 a > 0, ω0 为常数，求谱密度 SX (ω) . [解]
3 随机信号的带宽
随机信号的带宽——随机信号的功率谱所占据的频带宽度。 随机信号的功率谱所占据的频带宽度。 随机信号的带宽 随机信号的功率谱所占据的频带宽度 3dB带宽 3dB带宽 半功率带宽） （半功率带宽）
S(ω) ω
1 0.5
绝对带宽
S(ω) ω
1
等效噪声带宽

●
频率域分析方法的重要工具是 Fouier变换, • 能量 • 功率
几个物理概念
它可以确定时域与频域的转换关系.
●
为了在频域上描述平稳过程的统计特征，需要 研究相关函数的谱分析。为此要引入谱密度. 谱密度是在频域内研究平稳过程的重要指标. 数学上 它是相关函数的Fouier变换,它的物理
意义是功率谱密度.
2013/11/15
2 帕塞瓦尔等式
总能量的谱表示式
2
Fourier变换的性质
● 线性性质 ● 位移性质
F [ f1 (t ) f 2 (t )] F [ f1 (t )] F [ f 2 (t )]



[ x(t )] dt x(t )

1 2


E x 2 (t ) dt.
2013/11/15
功率信号： 0 lim
T

T
T
x 2 (t )dt
t2
E

t1

x 2 (t ) dt 称为x(t )在( - , +) 上的总能量。
5
显而易见，一个能量信号具有零平均功率，而一 个功率信号具有无限大能量。
2013/11/15 6
信号能量的解释：对于电信号，通常是电压或电流， 电压和电流在己知区间 (t1, t2) 内消耗在电阻R上的能 量为 2 t 2 U (t ) t2 E dt ; E RI 2 (t )dt. t1 t1 R
p
1 t2 2 x (t )dt t2 t1 t1
1 2T
R 1 时，上述两式具有相同形式。
1 2



Fx ( ) d

通信原理辅导及习题解析（第六版）第3章随机过程本章知识结构及内容小结[本章知识结构][知识要点与考点]1． 随机过程的基本概念 （1）随机过程的定义随机过程可从样本函数与随机变量两种角度定义。

第一，随机过程是所有样本函数的集合；第二，随机过程可以看作实在时间进程中处于不同时刻的随机变量的集合。

（2）随机过程的分布函数 ① n 维分布函数12121122(,,,;,,,){(),(),,()}n n n n n F x x x t t t P t x t x t x ξξξ=≤≤≤② n 维概率密度函数1212121212(,,,;,,,)(,,,;,,,),,,n n n n n n nF x x x t t t f x x x t t t x x x ∂=∂∂∂维数n 越大，对随机过程统计特征的描述就越充分。

（3）随机过程的数字特征 ① 均值（数学期望）1[()](,)()E t xf x t dx a t ξ∞-∞==⎰均值表示随机过程的样本函数曲线的摆动中心。

② 方差2222[()]{()[()]}[()]()()D t E t E t E t a t t ξξξξσ=-=-=方差表示随机过程在时刻t 相对于均值的偏离程度。

③自相关函数1212(,)[()()]R t t E t t ξξ=自相关函数目的是为了衡量在任意两个时刻上获得的随机变量之间的关联程度。

④协方差函数1211221212(,){[()()][()()]}(,)()()B t t E t a t t a t R t t a t a t ξξ=--=-协方差函数对随机过程在任意两个时刻上的随机变量与各自均值的差值之间的相关联程度进行描述。

⑤互相关函数,1212(,)[()()]R t t E t t ξηξη=互相关函数用来衡量两个随机过程之间的相关程度。

2． 平稳随机过程 （1）定义 ①严平稳随机过程若一个随机过程()t ξ的任意有限维分布函数与时间起点无关，则称为严平稳的，即：()()12121212,,,,,,,,,,n n n n n n f x x x t t t f x x x t t t =+∆+∆+∆②宽平稳随机过程若一个随机过程()t ξ的均值为常数，自相关函数仅于时间间隔21t t τ=-有关，则称为宽平稳，即：()()()12, ,E t a R t t R ξτ==⎡⎤⎣⎦（2）各态历经性若随机过程的任一实现，经历了随机过程的所有可能状态，则称其是各态历经的，即随机过程的数字特征，可以由其任一实现(样本函数)的数字特征来代表。