CH2习题及答案

  • 格式:doc
  • 大小:280.50 KB
  • 文档页数:6

1 2.1

2.2

2.3 掷一枚硬币定义一个随机过程:

cos()2tXtt出现正面出现反面

设“出现正面”和“出现反面”的概率相等。试求:

(1)()Xt的一维分布函数(,12)XFx,(,1)XFx;

(2)()Xt的二维分布函数12(,;12,1)XFxx;

(3)画出上述分布函数的图形。

2.3 解:

(1)

X(0.5) 0 1

P 0.5 0.5

X(1) -1 2

P 0.5 0.5

一维分布为: 0,0(,0.5)0.5,011,1XxFxxx

0,1(,1)0.5,121,2XxFxxx

(2)

X(1)

X(0.5) -1 2

0 0.5 0

1 0 0.5

二维分布函数为1111210,0011(,;0.5,1)0.5,2121,1,2xxxFxxx2222或x<-1或xxx

2.4 假定二进制数据序列{B(n), n=1, 2, 3,„.}是伯努利随机序列,其每一位数据对应随机变量B(n),并有概率P[B(n)=0]=0.2和 P[B(n)=1]=0.8。试问, 2 (1)连续4位构成的串为{1011}的概率是多少?

(2)连续4位构成的串的平均串是什么?

(3)连续4位构成的串中,概率最大的是什么?

(4)该序列是可预测的吗?如果见到10111后,下一位可能是什么?

2.4解:

解:(1)由题已知B(n,s)是贝努里随机序列,即B(n,s)为独立的二进制随机数据序列,利用其独立性可知所求概率为其分别概率之积,与数据是否连续并无关系,所以有:

10111011PPBnPBnPBnPBn

0.80.20.80.80.1024

(2)设连续4位数据构成的串为B(n),B(n+1),B(n+2),B(n+3),n=1, 2, 3,….

其中B(n)为离散随机变量,由题意可知,它们是相互独立,而且同分布的。所以有:

串(4bit数据)为:30)(2)(kkknBnX,其矩特性为:

因为随机变量)(nB的矩为:

均值:8.08.012.00)]([nBE

方差:22222()00.210.80.8VarBnBnBn

20.80.80.810.80.80.20.16

所以随机变量)(nX的矩为:

均值:128.02)]([2)]([3030kkkkknBEnXE

方差:6.1316.04)]([)2()]([30302kkkkknBDnXD

如果将4bit串看作是一个随机向量,则随机向量的均值和方差为:

串平均:,1,2,30.8,0.8,0.8,0.8BnBnBnBn

串方差:

,1,2,30.16,0.16,0.16,0.16VarBnBnBnBn

(3)因为有P[B(n) = 0] = 0.2 ,P[B(n) = 1] = 0.8 ,P[B(n) = 1] > P[B(n) = 0]

可知出现概率最大的二进制数据为B(n) = 1 ,又由独立性可得,

概率达到最大的串为1,1,1,1

(4)因为此数据序列各个数据之间相互独立,下一位数据是0或1,与前面的序列 3 没有任何关系。所以如果见到1010后,下一位仍为0或1 ,而且仍然有概率P[B(n)=0]=0.2和 P[B(n)=1]=0.8。

2.5

2.6

2.7 设质点运动的位置如直线过程0()XtVtX,其中(1,1)VN与0(0,2)XN,并彼此独立。试问:

(1) t时刻随机变量的一维概率密度函数、均值与方差?

(2) 它是可预测的随机信号吗?

2.7 解:

(1)独立高斯分布的线性组合依然是高斯分布

00[()][][][]EXtEVtXtEVEXt

2200[()][][][]2DXtDVtXtDVDXt

所以它的一维概率密度函数为:2221()()exp{}2(2)2(2)Xxtfxtt

(2) 此信号是可预测随机信号

2.8 假定(-1,+1)的伯努利序列,1,2,...nIn的取值具有等概特性。试问:

(1) 它的一维概率密度函数、均值与协方差函数?

(2) 它是可预测的随机信号吗?

2.8 解:

(1) ()0.5(1)0.5(1)Xfxxx

[]0.5(11)0nEI

12121121212212[][]0(,)(,),[]1nnnnnEIEInnCnnRnnEIInnEX

(2) 该随机信号不可预测

2.9

2.10 给定随机过程()Xt和常数a,试以()Xt的自相关函数来表示差信号()()()YtXtaXt的自相关函数。

2.10 解:

由题意可得:

(,)[()()]{[()()][()()]}[()()][()()][()()][()()](,)(,)(,)(,)YXXXXRstEYsYtEXsaXsXtaXtEXsaXtaEXsaXtEXsXtaEXsXtRsataRsatRstaRst 4

2.11 两个随机信号X(t)=Asin(ωt+Θ)与Y(t)=Bcos(ωt+Θ),其中A与B为未知随机变量,Θ为0~2π均匀分布随机变量,A、B与Θ两两统计独立,ω为常数,试问,

(1)两个随机信号的互相关函数),(21ttRXY;

(2)讨论两个随机信号的正交性、互不相关(无关)与统计独立性;

题2.11

解:(1)121212,sinsinXYRttXtYtAtBt

12121coscos22ABtttt12121coscos22ABtttt

因为Θ为0至2π均匀分布随机变量,所以12cos20tt,

上式12121,cos2XYRttABtt;

(2)①如果E[A]或E[B]为0,则

12,0XYRtt,随机信号X(t)与Y(t)正交 ;

②因为Θ为0至2π均匀分布随机变量,所以有

sin0XtAt,cos0YtBt,

12121212,,,XYXYXYCttRttXtYtRtt,

如果E[A]或E[B]为0,则1212,,0XYXYRttCtt,X(t)与Y(t)互不相关;

如果E[A]与E[B]均不为0,则1212,,0XYXYRttCtt,X(t)与Y(t)相关;

综上,X(t)与Y(t)的正交性与互不相关性等价;

③因为随机信号X(t)与Y(t)中都有随机变量Θ,所以X(t)与Y(t)一般不会相互独立。

2.12

2.13 假定正弦电压信号()cosXtAt,其中,A服从均匀分布(1,1)U, 5 服从均匀分布(,)U,它们彼此独立。如果信号施加到RC并联电路上,求总的电流信号及其均方值。

题2.13

解:由电路原理的相关知识可知:

总电流I为cos()sin()AIwtACwwtR,则

2222222222222[][(cos()sin())][cos()sin(22)sin()]133AEIEwtACwwtRAACEwtwtACwwtRRCwR

2.14

2.15 零均值高斯信号()Xt的自相关函数为12()0.5ettXR,求()Xt的一维和二维概率密度。

题2.15

解:(1) 因为()0Xmt,()(0)(0)0.5XXXDtCR,所以一维概率密度函数为:

22()1,exp2()2()1expXXXXxmtfxtDtDtx

(2) 高斯信号X(t)的二维概率密度函数为:

12()()XtXtX,t12tt,00μ,

11121112212221221212(,)(,)(,)(,)(,)(,)(,)(,)0.50.5exp0.5exp0.5XXXXCttCttRttRttCttCttRttRttttttC,

(,)ijCtt为协方差,则

11/21,exp22TfXxCxxtC

2.16

2.17 6 2.18 某高斯的均值()2Xmt,协方差1212(,)8cos()XCtttt,写出当10t、20.5t和31t时的三维概率密度。

题2.18

解:由定义得:

111212122212(,)(,)...(,)(0,0)(0,0.5)(0,1)(,)(,)...(,)(0.5,0)(0.5,0.5)(0.5,1)(1,0)(1,0.5)(1,1)(,)(,)...(,)nnnnnnCttCttCttCCCCttCttCttCCCCCCCttCttCttC

又因为

(0,0)(0.5,0.5)(1,1)8cos(0)8CCC

(0,0.5)(0.5,1)(0.5,0)(1,0.5)8cos(0.5)CCCC

(0,1)(1,0)8cos(1)CC

123()()()XtXtXtX,t123ttt,222μ,88cos(1/2)8cos18cos(1/2)88cos(1/2)8cos18cos(1/2)8C

11/23/21,exp22TfXxμCxμxtC

2.19 设随机变量,~,XYNμC,其中22μ,2335C,求,XY的概率密度和特征函数,XYuv。