《随机过程》第6章习题及参考答案

  • 格式:doc
  • 大小:771.50 KB
  • 文档页数:15

湖南大学本科课程《随机过程》第6章习题及参考答案主讲教师:何松华 教授1. 给定实数x 和一个平稳随机过程()X t ,定义理想门限系统的特性为1()()0()X t xY t X t x≤⎧=⎨>⎩ 试证:(1) [()]()X E Y t F x =;(2) ()](,,)Y X R F x x ττ=证:(1) ()Y t 在任意时刻为只有两种取值1,0的随机变量,则[()]1{()1}0{()0}{()1}{()}(,)() ()X X E Y t P Y t P Y t P Y t P X t x F x t F x =⨯=+⨯====≤==根据平稳性(2)根据相关函数定义,有()][()()]11{()1,()1}01{()0,()1} 10{()1,()0}00{()0,()0}{()1,()1}{(),()}(,;,)(,;) ()Y X X R E Y t Y t P Y t Y t P Y t Y t P Y t Y t P Y t Y t P Y t Y t P X t x X t x F x x t t F x x ττττττττττ=+=⨯⨯+==+⨯⨯+==+⨯⨯+==+⨯⨯+===+===+≤≤=+=根据平稳性2.设平方律检波器的传输特性为2y x =,在检波器输入端加入一窄带高斯随机过程()X t ,其概率密度函数为22()()}2X Xx a f x σ-=- 在检波器后联接一个理想低通滤波器,求低通滤波器输出过程的一维概率密度和均值;当0a =时结果有何变化。

解:根据题意,()X t 为非零均值的中频窄带随机过程,可以表示为:00()()cos()()sin()C S X t a A t t A t t ωω=+-其中()C A t 、()S A t 为零均值窄带随机过程的同向分量以及正交分量,都服从均值为0、方差为2X σ的正态分布,且在同一时刻互不相关,则检波器输出信号22002222200000()[()cos()()sin()]1111()()2()cos()()cos(2)()cos(2)2222 2()sin()()()sin(2)C S C S C C S S C S X t a A t t A t t a A t A t aA t t A t t A t t aA t t A t A t t ωωωωωωω=+-=++++--- 通过理想低通滤波后,滤波器输出信号为2221()[()()]2C S Z t a A t A t =++由于随机变量()C A t 、()S A t 为互不相关(正态分布情况与独立等价)的正态随机变量,则22122()()()C S XXA t A t Z t σσ=+服从自由度为2的卡方分布,即11121/22/211221()22(2/2)z z Z z ef z e ---==Γ 221()()2X Z t Z t a σ=+,2122[()]()[()]XZ t a Z t h Z t σ-==,根据随机变量函数的概率密度关系,()Z t 的一维概率密度分布函数为22122()1()[()] ()X z a Z Z Xdh z f z f h z e z a dz σσ--==≥2222222211[()]{[()()]}[]22C S X X X E Z t E a A t A t a a σσσ=++=++=+当0a =时,221() (0)X zZ Xf z e z σσ-=≥,2[()]X E Z t σ=。

3.设对称限幅器的特性为00000()()[()]()()()x X t x Y t g X t X t x X t x x X t x -<-⎧⎪==-≤<⎨⎪≥⎩(1)已知输入随机过程()X t 的一维概率密度(,)X f x t ,求输出随机过程()Y t 的一维概率密度(,)Y f y t 。

(2)当输入随机过程()X t 为零均值平稳高斯过程、自相关函数为()X R τ时,求输出过程()Y t 的相关函数()Y R τ。

解:()Y t 的概率分布函数为00000(,)(,)1yY X y x F y t f x t dx x y x y x -∞<-⎧⎪⎪=-≤≤⎨⎪>⎪⎩⎰显然,(,)Y F y t 在0y x =-处不连续,从0跳变到0(,)x X f x t dx --∞⎰,其导数在该处将产生一个强度为0(,)x X f x t dx --∞⎰的冲激,在0y x =处也不连续,从0(,)x X f x t dx -∞⎰跳变到1,其导数在该处将产生一个强度为01(,)x X f x t dx -∞-⎰的冲激,则有00000000()(,)0(,)()(,)1(,)()0Y x x X X X dy t f y t dty x f x t dx y x f y t f x t dx y x x y x y x δδ--∞-∞=<-⎧⎪⎪⎡⎤⎡⎤=+++---≤≤⎨⎢⎥⎢⎥⎣⎦⎣⎦⎪>⎪⎩⎰⎰ (2)根据相关函数的定义以及多维随机变量函数的数学期望特性,有:12121222121122122()[()()]{[()][()]}(]()(,;)1()([2()]}2[1()](0)Y X X X X R E Y t Y t E g X t g X t g x g x f x x dx dx g x g x x r x x x dx dx r R ττττττ∞∞-∞-∞∞∞-∞-∞=+=+==--+-⎰⎰⎰⎰ 式中,()()/(0)X X X r R R ττ=,根据()g x 的定义以及联合概率密度函数的对称性得到2220112212222201122122011()2[2()]}2[1()](0)12[2()]}2[1()](0)1 2[2[1Y X x x X X X x x X X X R x x r x x x dx dx r R x x r x x x dx dx r R x x r τττττ∞∞∞∞=--+---++-+--⎰⎰⎰⎰00000221122212220111222122211222[2()]}]()](0)12[[2()]}]2[1()](0)1 [2()]}2[1()](0)x X x x X x X x x X X X X X x r x x x dx dx R x x x r x x x dx dx r R x r x x x d r R ττττττ∞-∞--+--++-+--+-⎰⎰⎰⎰12x x x x x dx --⎰⎰4.设有理想限幅器1()0()[()]1()0X t Y t g X t X t ≥⎧==⎨-<⎩假定输入()X t 为零均值平稳高斯随机过程。

(1)求()Y t 的一维概率密度和均值;(2)用Price 定理证明:2()arcsin[()]Y X R r ττπ=。

解:(1) 显然,对任意时刻t ,()Y t 只有两种可能的取值1,-1,且概率各为0.5,则()0.5(1)0.5(1)Y f y y y δδ=++-[()]10.5(1)0.50E Y t =⨯+-⨯=(2) 令0()X t 为零均值、单位方差高斯噪声,则0()[()]X Y t g X t σ=,根据Price 定理221122122()2()}()2[1()]k k kY X k X XR x r x x x dx dx r r ττττ∞∞-∞∂-+=-∂-⎰⎰ 上式中,令1k =,并利用冲激函数的积分特性,得到22112212122212121212()2()[2()][2(}()2[1()]()()()()Y X X X X X X XX X X R x r x x x x x dx dx r r x x dx dx z z dz dz ττσδσσδσττσδσδσδδ∞∞-∞-∞∞∞∞∞-∞-∞-∞-∞∂-+=-∂-===⎰⎰⎰⎰⎰根据[arcsin()]/d x dx =以及2222(0)[()]10.5(1)0.51Y Y R E Y t σ===⨯+-⨯=得到:2()arcsin[()]Y X R r ττπ=。

5.设有零均值高斯平稳随机过程()X t ,其自相关函数为()X R τ,它的一维概率分布函数为()X F x ,定义一个无记忆非线性系统()[()]1/2X Y t F X t =-,试用Price 定理证明()Y t 的相关函数为()1()arcsin 22(0)X Y X R R R ττπ⎡⎤=⎢⎥⎣⎦证:根据Price 定理221122122()2()}()2[1()]k k kY X k X XR x r x x x dx dx r r ττττ∞∞-∞∂-+=-∂-⎰⎰其中,()()1/2X X X g x F x σσ=-,222()22()'()X Xx x X X X X X dg x F x dxσσσσσσ--===,取1k =,得到22221211221222222112212221()2()1exp{}}()222[1()][2()]2()[2()]}2[1()]2Y X X X X X X X R x x x r x x x dx dx r r r x r x x r x dx dx r x c τττπτττττ∞∞-∞-∞∞∞-∞-∞∂+-+=--∂---+-=---=-⎰⎰⎰⎰21221222()}2[1()]z z z r x x x dx dx r ττσ∞∞-∞+-⎰⎰式中,2()()2()X z X r r r τττ=-、222222[1()][2()][2()]()X X zX X r r r r ττσττ--=--,c =;上式中的积分为一个均值为0、方差为2z σ、归一化相关函数为()z r τ的平稳高斯随机过程的二维联合概率密度分布函数的全积分,积分值为1,于是有:()()Y X R r ττ∂=∂0()1()arcsin 22X Y r R c ττπ⎡⎤=+⎢⎥⎣⎦显然随机变量()Y t 的取值范围为[-1/2,1/2],当y 在[-1/2,1/2]范围内变化时,其概率分布函数为(1)(1)(){()}{[()]1/2}{[()]1/2}{()(1/2}[(1/2}]1/2Y X X XX XF y P Y t y P F X t y P F X t y P X t F y F F y y --=<=-<=<+=<+=+=+11()()/ 1 ()22Y Y f y dF y dy y ==≤≤式中,(1)()XF -为()X F 的反函数。