第二章-平稳随机过程的谱分析

第二章平稳随机过程的谱分析77第二章平稳随机过程的谱分析本章要解决的问题：●随机信号是否也可以应用频域分析方法?●傅里叶变换能否应用于随机信号？●相关函数与功率谱的关系●功率谱的应用●采样定理●白噪声的定义2.1随机过程的谱分析2.1.1预备知识1、付氏变换:对于一个确定性时间信号x(t)，设x(t)是时间t的非周期实函数，且x(t)满足狄利赫利条件（有限个极值，有限个断点，断点为有限值）且绝对可积，能量有限，则x(t)傅里叶变换存在。即：满足上述三个条件的x(t)的傅里叶变换为：随机信号分析与应用78其反变换为：2、帕赛瓦等式由上面式子可以得到：——称为非周期性时间函数的帕塞瓦(Parseval)等式。物理意义：若x(t)表示的是电压(或电流)，则上式左边代表x(t)在时间(-,)区间的总能量（单位阻抗）。因此，等式右边的被积函数2)(XX表示了信号x(t)能量按频率分布的情况，故称2)(XX为能量谱密度。2.1.2、随机过程的功率谱密度一个信号的付氏变换是否存在，需要满足三个条件，那么随机信号是否满足这三个条件从而存在付氏变换呢？随机信号持续时间无限长，因此，对于非0的样本函数，它的能量第二章平稳随机过程的谱分析79一般也是无限的，因此，其付氏变换不存在。但是注意到它的平均功率是有限的，在特定的条件下，仍然可以利用博里叶变换这一工具。为了将傅里叶变换方法应用于随机过程，必须对过程的样本函数做某些限制，最简单的一种方法是应用截取函数。截取函数Tx(t):图2.1x(t)及其截取函数当x(t)为有限值时，裁取函数Tx(t)满足绝对可积条件。因此，Tx(t)的傅里叶变换存在，有很明显，Tx(t)也应满足帕塞瓦等式，即：（注意积分区间和表达式的变化）随机信号分析与应用80用2T除上式等号的两端，可以得到等号两边取集合平均，可以得到:令T，再取极限，便可得到随机过程的平均功率。交换求数学期望和积分的次序，可以得到：(注意这里由一条样本函数推广到更一般的随机过程，即下面式子对所有的样本函数均适用)dTTXEdttXETXTTTT2]),([lim21)]([21lim22上式等号的左边表示的正是随机过程消耗在单位电阻上的平均功率（包含时间平均和统计平均），以后我们将简称它为随机过程的功率并记为Q。再看等式的右边，它当然也存在，并且等于Q。又因为2),(TXX非负，所以极限TTXEXT2]),([lim2必定存在，记为)(XS：dSdttXETQXTTT)(21)]([21lim2注意：（1）Q为确定性值，不是随机变量第二章平稳随机过程的谱分析81（2）)(XS为确定性实函数。（见式）●两个结论：1．)]([2tXEAQ式中，.21lim.TAT表示时间平均。它说明，随机过程的平均功率可以通过对过程的均方值求时间平均来得到，即对于一般的随机过程（例如，非平稳随机过程）求平均功率，需要既求时间平均，又求统计平均。显然，Q不是随机变量。若随机过程为平稳的，则)0()]([)]([22XRtXEtXEAQ＝这是因为均方值与时间t无关，其时间平均为它自身。由于已经对2),(TXX求了数学期望，所以)(XS不再具有随机性，它是的确定性函数。●功率谱密度：)(XS描述了随机过程X(t)的功率在各个不同频率上的分布——称)(XS为随机过程X(t)的功率谱密度。●对)(XS在X(t)的整个频率范围内积分，便可得到X(t)的功率。●对于平稳随机过程，则有：dStXEX)(21)]([2随机信号分析与应用822.1.3、功率谱密度的性质证明：第二章平稳随机过程的谱分析83证明：因为2),(TXX进行了取模运算，这是的实函数，所以)(XS也是的实函数，且为确定性实函数。证明：因此：即：得：随机信号分析与应用84证明：对于平稳随机过程，有：dStXEX)(21)]([22.2联合平稳随机过程的互功率谱密度2.2.1、互谱密度可由单个随机过程的功率谱密度的概念，以及相应的分析方法推广而来。考虑两个平稳实随机过程X(t)、Y(t)，它们的样本函数分别为)(tx和)(ty，定义两个截取函数txT、tyT为：因为txT、tyT都满足绝对可积的条件，所以它们的傅里叶变换存在。在时间范围(-T，T)内，两个随机过程的互功率)(TQXY为:（注意第二章平稳随机过程的谱分析85txT、tyT为确定性函数，所以求平均功率只需取时间平均）由于txT、tyT的傅里叶变换存在，故帕塞瓦定理对它们也适用，即:注意到上式中，)(tx和)(ty是任一样本函数，因此，具有随机性，取数学期望，并令T，得：])()(21[lim)]([limdttytxTEQTQETTTXYXYT＝]),(21[limdtttRTTTXYT＝dTTXTXEYXT2)],(),([lim21*定义互功率谱密度为：随机信号分析与应用86得：同理，有：又知以上定义了互功率和互功率谱密度，并且导出了它们之间的关系。2.2.2、互谱密度和互相关函数的关系平稳随机过程的自相关函数与其功率谱密度之间互为傅里叶变换，互相关函数与互谱密度之间也存在着类似关系。定义：对于两个实随机过程X(t)、Y(t)，其互谱密度)(XYS与互相关函数),(ttRXY之间的关系为若X(t)、Y(t)各自平稳且联合平稳，则有第二章平稳随机过程的谱分析87即：式中，.A表示时间平均。显然：证明：略，参见自相关函数和功率谱密度关系的证明。结论：对于两个联合平稳(至少是广义联合平稳)的实随机过程，它们的互谱密度与其互相关函数互为傅里叶变换。2.3.3、互谱密度的性质互功率谱密度和功率谱密度不同，它不再是频率的正的、实的和偶函数。性质1：)()()(*YXYXXYSSS证明：deRSjXYXY)()(＝deRjYX)(令＝deRjYX)(＝)(*YXS随机信号分析与应用88＝deRjYX)()(＝)(YXS性质2：)(Re[)](Re[XYXYSS；)(Re[)](Re[YXYXSS证明：式中Re[·]表示实部。亦即互谱密度的实部为的偶函数。deRSjXYXY)()(＝djRXY)]sin()[cos(所以：dRSXYXYcos)()](Re[令＝dRXYcos)(＝)](Re[XYS其它同理可证。性质3：证明：类似性质2证明。第二章平稳随机过程的谱分析89性质4：若X(t)与Y(t)正交，则有证明：若X(t)与Y(t)正交，则0),(),(2121ttRttRYXXY所以，0)()(YXXYSS性质5：若X(t)与Y(t)不相关，X(t)、Y(t)分别具有常数均值Xm和Ym,则证明：因为X(t)与Y(t)不相关，所以YXmmtYtXE)]()([21deRSjXYXY)()(＝demmjYX＝)(2YXmm（注意)(21）性质6：式中，A表示时间平均。这给出了一般的随机过程（包含平稳）的互谱密度与互相关函数的关系式。随机信号分析与应用90[例2.2]设两个随机过程X(t)和Y(t)联合平稳，其互相关函数)(XYR为:求互谱密度)(XYS,)(YXS解：先求)(XYS：再求)(YXS2.3功率谱密度与自相关函数之间的关系确定信号：x(t))(jX。随机信号：平稳随机过程的自相关函数功率谱密度。1．定义：若随机过程X(t)是平稳的，自相关函数绝对可积，则自相关函数与第二章平稳随机过程的谱分析91功率谱密度构成一对付氏变换，即：这一关系就是著名的维纳—辛钦定理、或称为维纳—辛钦公式。2.证明：下面就来推导这一关系式。证明方法类似式的证明。因为：由(3.1.14)式TTXESXTX2]),([lim)(2)],(),([21lim*TXTXETXXT＝TT21lim])()([221121TTtjTTtjdtetXdtetXE交换积分和数学期望顺序＝TTTTttjTdtdtetXtXET21)(2112)]()([21lim＝TTTTttjXTdtdtettRT21)(1212)(21lim设12tt，12ttu，则22ut，21ut所以：2121212121),(),(21uttJ随机信号分析与应用92t1t2-TT2T2Tu-2TTu2Tu2Tu2Tu2图2.2则dueRdTSjXTTTTX)(21{21lim)(2022})(210222dueRdjXTTT＝})(2121{lim2222dueRdTjXTTTTT＝deRTTjXTTT)()2(21lim22＝deRTjXTTT)()21(lim22（1）＝deRjX)(－deRTjXTTT)()2lim22(注意T,02T；且时，0)(XR。因此，通常情况下，第二项为0＝deRjX)(证毕。第二章平稳随机过程的谱分析93推论：对于一般的随机过程X(t)，有：则平均功率为：dSdttXETXTTT)(21)]([21lim2（0＝）——时间平均加统计平均。利用自相关函数和功率谱密度皆为偶函数的性质，又可将维纳—辛钦定理表示成：3．单边功率谱由于实平稳过程x(t)的自相关函数)(XR是实偶函数，功率谱密度也一定是实偶函数。有时我们经常利用只有正频率部分的单边功率谱。（常见的几种付氏变换关系需要记住）[例3.3]平稳随机过程的自相关函数为AeRX)(，A0,随机信号分析与应用940，求过程的功率谱密度。解：应将积分按＋和－分成两部分进行。解：注意此时dRX－)(不是有限值，即不可积，因此)(XR的付氏变换不存在，需要引入函数。deAdeRSiiXX)cos(2)()(02＝deeeAjjj22002第二章平稳随机过程的谱分析95（注意：2)cos(000jjee）＝deeeAjjj）（0042＝)]()([2002A（注意：)(200je）显然，它与时间t有关，所以Y(t)为非平稳随机过程，（一定要注意一般随机过程与平稳随机过程的平均功率和谱密度的求法区别）随机信号分析与应用962.4离散时间随机过程的功率谱密度2.4.1、离散时间随机过程的功率谱密度1．平稳离散时间随机过程的相关函数设X(n)为广义平稳离散时间随机过程，或简称为广义平稳随机序列，具有零均值，其自相关函数为:简写为：2．平稳离散时间随机过程的功率谱密度式中，T是随机序列相邻各值的时间间隔。)(XS是频率为的周期性连续函数，其周期为qT22记为。)(XS的傅里叶级数的系数恰为)(mRX，这里就是奈奎斯特频率（不是采样频率）。这说明离散序列的功率谱为周期函数。因为)(XS为周期函数，周期为q2，第二章平稳随机过程的谱分析973.谱分解①z变换定义在离散时间系统的分析中，常把广义平稳离散时间随机过程的功率谱密度定义为)(mRX的z变换，并记为zSX，即式中z=Tje，且上式中，D为在zSX的收敛域内环