标签：partial 函数 导数 均值 二阶 XX 随机 过程
二阶矩过程和平稳过程
基本概念
- 主要讨论复随机过程与宽平稳过程。
- 二阶矩过程：对于 ∀ t ∈ T \forall t\in T ∀t∈T，均值和方差都存在。
- 严平稳过程：概率分布完全一样，不涉及数字特征，可能不是二阶矩过程。
- 宽平稳过程：均值函数是常数，自相关函数是时间差的函数。一定是二阶矩过程。
- 对于正态过程来说，严平稳就是宽平稳。
- 独立增量过程+均值为常数、存在二阶矩 ⇒ \Rightarrow ⇒正交增量过程
注意两者区别： E ( [ X ( t 2 ) − X ( t 1 ) ] [ X ( t 4 ) − X ( t 3 ) ] ) = E ( X ( t 2 ) − X ( t 1 ) ) E ( X ( t 4 ) − X ( t 3 ) ) E([X(t_2)-X(t_1)][X(t_4)-X(t_3)])=E(X(t_2)-X(t_1))E(X(t_4)-X(t_3)) E([X(t2)−X(t1)][X(t4)−X(t3)])=E(X(t2)−X(t1))E(X(t4)−X(t3))这是独立增量， E ( [ X ( t 2 ) − X ( t 1 ) ] [ X ( t 4 ) − X ( t 3 ) ] ‾ ) = 0 E([X(t_2)-X(t_1)]\overline{[X(t_4)-X(t_3)]})=0 E([X(t2)−X(t1)][X(t4)−X(t3)])=0是正交增量。
统计特性
- 二阶矩过程的自相关函数共轭对称，且采样后的自相关矩阵非负定。
- 注意 R X ( τ ) = E ( X ( t + τ ) X ( t ) ‾ ) R_X(\tau)=E(X(t+\tau)\overline{X(t)}) RX(τ)=E(X(t+τ)X(t))，共轭的位置。
随机分析
前提都是二阶矩过程。
均方连续
自相关函数 R X X ( s , t ) R_{XX}(s,t) RXX(s,t)在 ( t 0 , t 0 ) (t_0,t_0) (t0,t0)处连续 ⟺ \Longleftrightarrow ⟺ { X ( t ) } \{X(t)\} {X(t)}均方连续。
对于宽平稳过程：
{ X ( t ) } \{X(t)\} {X(t)}均方连续 ⟺ \Longleftrightarrow ⟺ { X ( t ) } \{X(t)\} {X(t)}在 t = 0 t=0 t=0处均方连续 ⟺ \Longleftrightarrow ⟺自相关函数 R X X ( τ ) R_{XX}(\tau) RXX(τ)连续 ⟺ \Longleftrightarrow ⟺自相关函数 R X X ( τ ) R_{XX}(\tau) RXX(τ)在 τ = 0 \tau=0 τ=0处连续。
均方导数
∂ 2 R X X ( s , t ) ∂ t ∂ s \frac{\partial^2R_{XX}(s,t)}{\partial t\partial s} ∂t∂s∂2RXX(s,t)在 ( t 0 , t 0 ) (t_0,t_0) (t0,t0)处存在且连续 ⟺ \Longleftrightarrow ⟺ { X ( t ) } \{X(t)\} {X(t)}均方可导。
性质
-
导数过程的自相关函数为原自相关函数的导数，即： R X ′ ( s , t ) = ∂ 2 R X X ( s , t ) ∂ t ∂ s R_{X'}(s,t)=\frac{\partial^2R_{XX}(s,t)}{\partial t\partial s} RX′(s,t)=∂t∂s∂2RXX(s,t)
-
导数过程的均值函数为原均值函数的导数，即： E ( X ′ ( t ) ) = d X ( t ) d t E(X'(t))=\frac{dX(t)}{dt} E(X′(t))=dtdX(t)
高阶导数
R X X ( s , t ) R_{XX}(s,t) RXX(s,t)有2n阶导数且在对角线 t = s t=s t=s上连续，则 X ( t ) X(t) X(t)具有均方意义下的n阶导数。
R X ( n ) ( t , s ) = ∂ 2 n ∂ t n ∂ s n R X X ( t , s ) R_{X^{(n)}}(t,s)=\frac{\partial^{2n}}{\partial t^n\partial s^n}R_{XX}(t,s) RX(n)(t,s)=∂tn∂sn∂2nRXX(t,s)
R X ( n ) X ( m ) ( t , s ) = ∂ ( n + m ) ∂ t n ∂ s m R X X ( t , s ) R_{X^{(n)}X^{(m)}}(t,s)=\frac{\partial^{(n+m)}}{\partial t^n\partial s^m}R_{XX}(t,s) RX(n)X(m)(t,s)=∂tn∂sm∂(n+m)RXX(t,s)
互相关也一样：
R X ( n ) Y ( m ) ( t , s ) = ∂ ( n + m ) ∂ t n ∂ s m R X Y ( t , s ) R_{X^{(n)}Y^{(m)}}(t,s)=\frac{\partial^{(n+m)}}{\partial t^n\partial s^m}R_{XY}(t,s) RX(n)Y(m)(t,s)=∂tn∂sm∂(n+m)RXY(t,s)
均方可积
均方连续 ⟺ \Longleftrightarrow ⟺均方可积。
类似均方导数，积分号和均值也可以互换。
注意：
- 平稳过程自相关函数积分的时候是两重积分。
- 均方积分是可拆的，积分限可拆，积分内容也可以拆。
各态历经性
讨论根据试验记录（样本函数）确定平稳过程的均值和相关函数的理论依据和方法。其实就是看长时间观测的数据是否可以代表整个随机过程。
如果 X ( t ) X(t) X(t)是一均方连续平稳随机过程，且其均值和相关函数均具有各态历经性，则称该随机过程具有各态历经性，或者说 X ( t ) X(t) X(t)是各态历经的，或是遍历的。
通常对于实平稳随机过程，只要时间差趋于无穷大时自协方差为0，那么它的均值具有各态历经性。通常宽平稳随机过程（除了周期不长的周期信号）都满足这个条件。自相关函数的各态历经性也是一样。
例题
通常是求解导数过程的均值函数和相关函数。
标签：partial,函数,导数,均值,二阶,XX,随机,过程 来源： https://blog.csdn.net/qq_41585683/article/details/112056932
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。