随机过程第五章

1.定义：

时间连续、状态离散的马尔科夫过程。

设随机过程()()

,0X t t ≤，状态空间{}0,1,...I =,若对任意的110.....n t t +≤<<

121,,...,n i i i I +∈及有

()()()()()111111,...,n n n n n n n n p X t i X t i X t i p X t i X t i ++++======????????

则称其为连续时间马尔科夫链。

马尔可夫过程的任意有限维分布函数均可用它的初始分布和二维条件分布函数来确定。 转移概率：

在s 时刻处于状态i ，经过时间t 后转移到状态j 的概率: ()()()()

,ij p s t p X t s j X s i =+== 齐次转移概率：

()(),ij ij p s t p t =(转移概率与起始时刻s 无关，只与时间间隔t 有关) 转移概率矩阵： ()(){}

,,,0ij P t p t i j I t =∈≤. 2.齐次马尔科夫过程的性质： ()()()()()0;

1;ij ij

ij

ik

kj

j I

k I

p t p t p t s p t p s ∈∈>==+=∑∑；

()()()P s t P s P t += 3.转移概率的正则性条件: ()0

1,lim 0,ij t i j

p t i j

→=?=?

≠?

过程刚进入某状态不可能立即又跳跃到另一状态。 4.初始概率 ()()()

00,i i p p p X i i I ===∈ 5.绝对概率 ()()()

,,0j p t p X t j j I t ==∈≤

()()()()()()()()()()()()()11211112110;1;;

;

..........;

n n j j j i ij j I

i I

j i ij i I

n n i ii i i i i n n i I

p t p t p t p p t p t p t p p X t i X t i p p t p t t p t t ττ-∈∈∈-∈>===+====--∑∑∑∑

6.初始分布(),i p i I ∈

7.绝对分布()()

,,0j p t j I t ∈≤ 8.停留时间的概率：

i τ为过程在状态转移之前停留在状态i 的时间，则对,0s t >=有： 1>()()i i i p s t

s p t τττ>+>=>;

2>i τ服从参数为i ν指数分布，()1i i

x F x e ντ-=-；

当i ν无穷时：()()()1,10i

i

i F x p x F x τ

ττ=>=-=

状态i 的停留时间i ν 超过x 的概率为0，则称状态i 为瞬时状态; 当i ν=0时：()()()0,11i

i

i F x p x F x τ

ττ=>=-=

状态i 的停留时间i ν 超过x 的概率为0，则称状态i 为吸收状态; 3>当过程离开状态时，接着以概率ij p 进入j 状态.

在状态i 过程停留的时间与下一个到达的状态必须是相互独立的随机变量。 9.科尔莫戈罗夫微分方程

齐次马尔可夫过程满足正则性条件，则对于任意i ,j ∈I,()ij p t 是t 的一致连续函数 科尔莫戈罗夫向后方程：()()'P t QP t =；

科尔莫戈罗夫向前方程：()()'P t P t Q =：()'P t 为()P t 的导数。

()'P t =()()'ij p t =()ij dp t dt ??

???

初始条件：()1;00;ij i j

p i j =?=?

≠?

若Q 为一个有限矩阵则有：()()

!

j

Qt

j Qt P t e j ∞

===∑

10转移速率：

()ij p t 是齐次马尔可夫过程的转移概率，在下列极限存在： 1）()

01lim

ii i ii t p t q t

ν?→-?==≤∞?；

2）()0

lim

.ij ij t p t q i j t

?→?=<∞≠?。

3）ij q 为齐次马尔可夫过程从状态i 到状态j 的转移速率；

4）对有限齐次马尔可夫过程ii ij

i j

q q

≠=

<∞∑；

5）对状态空间无限的齐次马尔可夫过程ii ij

i j

q q

≠>=∑。

11Q 矩阵

()()()'0;'0;'0ii ii ij ij Q P q p q p ==-=

12绝对概率

齐次马尔可夫过程在t 时刻处于状态j I ∈的绝对概率()j p t 满足方程:

()()()';j k kj j jj k j

p t p t q p t q ≠=-∑

()();j i ij i I

p t p p t ∈=∑

()()()';ij ik kj ij jj k j

p t p t q p t q ≠=-∑

13.互通

设()ij p t 是连续时间马尔可夫链的转移概率，若存在时刻12t t ，使得()10ij p t >， ()20ij p t >，则称状态i 与j 是互通的。若所有状态都是互通的，则称此马尔可夫链为不可约的。

14.渐近性质

设时间连续的马尔可夫链为不可约的，具有如下性质： 1）若其为正常返的则()lim 0,ij j t p t j I π→∞

?=>∈。j π为方程组

1j jj k kj k j

j i I

q q πππ≠∈?=??

=??∑∑的唯一非负解，此时称(),j j I π∈是该过程的平稳分布并且有 ()lim j j t p t π→∞

=

2）若其为零常返或非常返的，则()()lim lim 0,i,ij j t t p t p t j I →∞

→∞

==∈

15生灭过程

设其次马尔科夫过程()()

,0X t t ≤的状态空间为{}1,2,....I =，转移概率为()ij p t 如果：

()()()()()()

()()()()()

,1,10,,j ;0;0,01;,2i i i i i i i i i i i i i p h h h p h h h p h h h p h h i j λλμμμμλ+-?=+>?

=+>=??

=-++??=≤-? 。则称其为生灭过程i λ为出生率i μ为死亡率。 ,,.i i i i λλμμμλ==为正常数，则称其为线性生灭过程。

若i μ=0则为纯生过程。若i λ=0则为纯灭过程 平稳分布存在的充要条件：011112........j j j

λλλμμμ∞

-=<∞∑11

j j

j j λππμ--=

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 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：

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 )(ωX X 表示了信号x(t)能量按频率分布的情况，故称2 )(ωX X 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

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。 x(t): 截取函数T 图2.1 x(t)及其截取函数 x(t)满足绝对可积条件。因此，当x(t)为有限值时，裁取函数T x(t)的傅里叶变换存在，有 T x(t)也应满足帕塞瓦等式，即：（注意积分区间和表达很明显，T 式的变化）

第3章 平稳随机过程的谱分析

第3章 平稳随机过程的谱分析 付里叶变换是处理确定性信号的有效工具，它信号的频域内分析处理信号，常常使分析工作大为简化。 对于随机信号，是否也可以应用频域分析方法？付里叶变换是否可引入随机信号中？ 3.1 随机过程的谱分析 3.1.1 回顾：确定性信号的谱分析 )(t f 是非周期实函数， )(t f 的付里叶变换存在的充要条件是： 1．)(t f 在),(∞-∞上满足狄利赫利条件； 2．)(t f 绝对可积： +∞

3.1.2 随机过程的功率谱密度 一、样本函数的平均功率 问题1：由于付里叶变换是针对确定性函数进行的，在处理随机过程)(t X 时，取 )(t X 的一个样本函数)(t x （在曲线族中取某一曲线）来进行付里叶分 析。 问题2：随机过程)(t X 的样本函数)(t x 一般不满足付里叶变换的条件，它的总能 量是无限的，需考虑平均功率。 若随机过程)(t X 的样本函数)(t x 满足 +∞<=? -∞→T T T dt t x T W 2 )(21 lim W 称为样本函数)(t x 的平均功率。 对于平稳过程，其样本函数的平均功率是有限的。 二、截取函数 对于)(t X 的一个样本函数)(t x ，在)(t x 中截取长为T 2的一段，记为)(t x T ， 它满足： ???? ?≥<=T t T t t x t x T 0 ) ()( 称)(t x T 为)(t x 的截取函数。 三、截取函数的付里叶变换 0>T ，取定后，)(t x T 的付里叶变换一定存在： ??--+∞ ∞--==T T t j t j T T dt e t x dt e t x X ωωω)()()( 其付里叶逆变换为： ? +∞ ∞ -= ωωπ ωd e X t x t j T T )(21 )( 其帕塞瓦（Parseval ）等式为 ? ? ? +∞ ∞ --+∞ ∞ -= =ωωπ d X dt t x dt t x T T T T 2 2 2 )(21 )()(

窄带高斯随机过程的产生

本科实验报告 实验名称：窄带高斯随机过程的产生

一、实验目的 熟悉窄带随机过程的定义，了解窄带随机过程产生的原理与方法，最后估计实验产生的窄带随机过程的功率谱；掌握具有指定功率谱的随机过程产生方法，并以此产生窄带随机过程。 二、实验内容 本实验模拟产生一段时长为5ms 的窄带高频随机过程X(t)的样本函数。根据窄带随机过程的理论，X(t)可表示为 t f t A t f t A t X s c 002cos )(2cos )()(ππ-= 其中，A c (t)和A s (t)均为低频的高斯随机过程，因此，要模拟产生X(t)，首先要产生两个相互独立的高斯随机过程Ac(t)和As(t)，然后用两个正交载波cos2πf 0t 和sin2πf 0t 进行调制，如图所示。 假定Ac(t)和As(t)的功率谱密度均为4 ) /(11 )()(f f f G f G s c ?+= =，其中f ?为功率谱密度的3dB 带宽。在3.7节中介绍了有色高斯随机过程的产生，请按照频域法或时域滤波器法分别产生时长5ms 的低通过程Ac(t)和As(t)，然后按图所示合成X(t)，其中f 0=1000/π，要求分别画出模拟产生的Ac(t)、As(t)、X(t)的波形。 三、实验原理 （一）、有色高斯随机过程的模拟——频域法

首先将X(t)进行周期延拓，得到一个周期信号，再对周期信号进行傅里叶级数展开，即 ∑∞ -∞ == k k f j k e X t X 02~ )(π)1(0d T f = 由于傅里叶级数是X k 的线性组合，所以，如果X k 是零均值的高斯随机变量，那么)(~ t X 也是零均值高斯过程，如果{X k }是两两正交的序列，则周期信号的功率谱为线谱，即 ∑∞ -∞ =-= k k X kf f g f G )()(02~δ))|(|(22 k k X E g = 通过选择g k 就可以得到期望的功率谱。 假定Gx(f)是带限的，即 0)(=f G x (|f|>B) 那么，{g k 2}只有有限项，即{2 2120212,,...,,...,,M M M M g g g g g -+--}，其中M=[B/f 0]，[· ]表示取整，与此对应的傅里叶级数系数{Xk}也是2M+1项。因此，只需产生2M+1个相互正交的零均 值高斯随机变量{M M M M X X X X X ,,...,,...,,101-+--}，其方差22)|(|k k g X E =，并在1式中将时间限定为(0,Td)就可以得到模拟过程X(t)。2k g 应与)(0kf G x 成比例，即)(02kf G g x k β=， 系数β的选择满足下式： ∑? ∑∑-=-=-=== = M M k X B B M M k M M k k k X kf G g X E df f G )(]|[|)(0-2 2 β 即 ∑?-== M M k X B B X kf G df f G ) ()(0 -β 总结如下： 1.根据所需过程的时长Td 确定频率f 0，并确定傅里叶级数系数的长度M=[B/f 0]； 2.根据∑?-==M M k X B B X kf G df f G ) ()(0 -β确定β； 3.产生2M+1个独立的高斯随机变量，即 M M M M k kf G N X X k ,1,...,0,...,1,)),(,0(~0-+--=β

随机过程-习题-第6章

6.1 6.2 6.3 6.4设有n 维随机矢量)(21n ξξξξτ =服从正态分布，各分量的均值为 n i a E i ,,2,1, ==ξ，其协方差矩阵为 ????? ? ??? ? ?=22 2 2 2 2 2000000σσσσσσσ a a a B 试求其特征函数。 解：n 元正态分布的特征函数为 }2 1 e x p {),,,(21][Bt t t j t t t n '-'=μφξ n i a E i ,,2,1, ==ξ ),,,(21n t t t t =' ，则 ∑== 'n i i jat t j 1 μ ()()),,,(2 1 2 23222 2212 1' ++='n n t t t t t a t t a t t Bt t σσσσσσ =22223232222221221σσσσσσn t t a t t t a t t t ++++++ =∑∑ -=+=+ 1 1 2112 2n i i i n i i a t t t σσ

∴]21exp[)]21(exp[),,,(1 1 211 2221][∑ ∑ -=+=- -=n i i i n i i i n a t t t jat t t t σσφξ 6.5. 设n 维正态分布随机矢量)(21n T ξξξξ =各分量的均值为i E i =ξ， n i ,3,2,1=，各分量间的协方差为 n i m i m n b i m ,3,2,1,|,|,=--= 设有随机变量∑==n i i 1 ξη，求η的特征函数。 解：易得：???? ? ???????=n ξξξη 21]111[ 2 ) 1(][][1 1 += ==∑∑==n n i E E n i n i i ξη 协方差矩阵为： ??????? ??? ? ?? ???------=n n n n n n n n n n 321 312211121B 所以 ]111[]111['??= B ηD =2 2 3n n + 由于高斯分布的随机变量的线形组合依旧是高斯分布的，所以η的特征函数为： ?? ? ???????++-+=2456822)1(exp )(t n n n t n n j t ηΦ 6.6 设有三维正态分布随机矢量)(321ξξξξ=T ，其各分量的均值为零，即0][=i E ξ )3,2,1(=i ，其协方差矩阵为 ???? ? ??=333231232221131211b b b b b b b b b B

第5章 窄带随机过程

第五章 窄带随机过程 5.1 窄带随机过程的概念 1． 通信工程中的信号频率 在通信工程中，如雷达、广播、电视等信号，在传输中信号有相对固定的信号频率。对 于有相对固定频率的信号，其数学表达方法的研究是非常重要的。 2． 窄带随机过程 （1） 带通随机过程的定义 若随机过程)(t X 的谱密度满足： ?? ??<-=其它0 )()(0ω ωωωωS S X 则称)(t X 为带通过程。 带通过程的谱密度的图解如下图。 （2） 窄通随机过程的定义 若)(t X 为带通过程，且0ωω<

4． 窄带随机过程的解析表达方法之二：准正弦振荡表示法 定理：实窄带随机过程)(t X 都可表示为下式： ))(cos()()(0t t t A t X Φ+=ω 证明：由莱斯表示法有： )()()(2 2 t b t a t A += ， ) ()()(t a t b arctg t =Φ )(t A 与)(t Φ都是慢变化的随机过程。慢变化是指)(t A 与)(t Φ随时间变化比) cos(0t ω随时间的变化要缓慢得多。 其中：称0ω这载波频率。 称)(t A 为)(t X 的包络。 称)(t Φ为)(t X 的相位（初相）。 这一表达式称为准正弦振荡表示法。 5.2 窄带高斯过程包络与相位的概率密度 在工程应用中，假定系统的输出是一个窄带高斯随机过程，可使问题的解决得到简化。 实际上，有许多工程实际的系统输出是窄带高斯随机过程。 对于窄带随机过程，包络)(t A 与相位)(t Φ的检测是首要工作。 1． 包络与相位的一维概率密度 （1） 先求)(t a 与)(t b 的联合概率密度),(t t ab b a f 当t 确定后，)(t a 与)(t b 都是高斯随机变量，且相互正交，所以有 ? ?????+-= 2 222 2exp 21),(σπσ t t t t ab b a b a f （2） 求)(t A 与)(t Φ的联合概率密度 定理： ),(),(t t ab t t A b a f J A f =ΦΦ，J 为雅可比行列式。 由 )()()(2 2 t b t a t A += ， ) ()()(t a t b arctg t =Φ 可得 )(t A J =

随机过程知识点汇总

第一章随机过程的基本概念与基本类型 一．随机变量及其分布 1．随机变量，分布函数 离散型随机变量的概率分布用分布列分布函数 连续型随机变量的概率分布用概率密度分布函数 2．n维随机变量 其联合分布函数 离散型联合分布列连续型联合概率密度 ３．随机变量的数字特征 数学期望：离散型随机变量连续型随机变量 方差：反映随机变量取值的离散程度 协方差（两个随机变量）： 相关系数（两个随机变量）：若，则称不相关。 独立不相关 ４．特征函数离散连续 重要性质：，，， ５．常见随机变量的分布列或概率密度、期望、方差 ０－１分布 二项分布 泊松分布均匀分布略 正态分布 指数分布 ６．Ｎ维正态随机变量的联合概率密度 ，，正定协方差阵 二．随机过程的基本概念 １．随机过程的一般定义 设是概率空间，是给定的参数集，若对每个，都有一个随机变量与之对应，则称随机变量族是上的随机过程。简记为。 含义：随机过程是随机现象的变化过程，用一族随机变量才能刻画出这种随机现象的全部统计规律性。另一方面，它是某种随机实验的结果，而实验出现的样本函数是随机的。 当固定时，是随机变量。当固定时，时普通函数，称为随机过程的一个样本函数或轨道。 分类：根据参数集和状态空间是否可列，分四类。也可以根据之间的概率关系分类，如独立增量过程，马尔可夫过程，平稳过程等。 ２．随机过程的分布律和数字特征 用有限维分布函数族来刻划随机过程的统计规律性。随机过程的一维分布，二维分布，…，维分布的全体称为有限维分布函数族。随机过程的有限维分布函数族是随机过程概率特征的完整描述。在实际中，要知道随机过程的全部有限维分布函数族是不可能的，因此用某些统计特征来取代。（１）均值函数表示随机过程在时刻的平均值。 （２）方差函数表示随机过程在时刻对均值的偏离程度。 （３）协方差函数且有 （４）相关函数(3)和(4)表示随机过程在时刻，时的线性相关程度。

实验二：窄带高斯随机过程的产生

本科实验报告实验名称：窄带高斯随机过程的产生

一、实验目的 熟悉窄带随机过程的定义，了解窄带随机过程产生的原理与方法，最后估计实验产生的窄带随机过程的功率谱；掌握具有指定功率谱的随机过程产生方法，并以此产生窄带随机过程。 二、实验原理 （一）窄带随机过程的产生原理 窄带随机过程可以表示为下面的准正弦振荡的形式： cos X t A t ωτ?τ0()=()[+()] 或者表示为同相分量与正交分量的合成： 00cos sin c s X t A t t A t t ωω()=()-() 其中c A t ()与s A t ()均为低频变化的随机过程，可以通过模拟其分布及功率谱特性来实现窄带随机过程的产生。 （二）用频域法模拟任意随机过程 模拟一个时长为d T 的高斯随机过程的一个样本函数()X t , 要求功率谱密度满足指定的形式，先将()X t 进行周期性延拓，并做DFS ()0201 ()j k k f k d X e f T X t π∞ ∞ =-== ∑ 若k X 是零均值的高斯随机变量，那么()X t 也是零均值的高斯随机过程。若{}k X 是两两正交的序列 ()2 2 2 0()(())k k k k X g f k G f E X f g δ=-∞ ∞ = -=∑ 即可以控制k g 得到期望的功率谱。 假定()(0 )X G f B f =>，即()X G f 带限，则{}2k g 为有限项，对应的DFS 系数{}k X 也为21M +项0()B M f ?? =???? ，因此只需产生21M +个相互正交的零均值 高斯随机变量{}101,,,,,,M M M M X X X X X --+- ，其方差为2 2()k k E X g =。2 k g 应 与()0X G kf 成比例，即()20X k G g kf β=，则有

随机过程分析

随机过程分析 摘要随着科学的发展，数学在我们日常的通信体系中有着越来越重的地位，因为在科学研究中，只有借助于数学才能精确地描述一个现象的不同量之间的关系,从最简单的加减乘除，到复杂的建模思想等等。其中，随机过程作为数学的一个重要分支，更是在整个通信过程中发挥着不可小觑的作用。如何全面的对随机信号进行系统和理论的分析是现在通信的关键，也是今后通信业能否取得巨大进步的关键。 关键字通信系统随机过程噪声 通信中很多需要进行分析的信号都是随机信号。随机变量、随机过程是随机分析的两个基本概念。实际上很多通信中需要处理或者需要分析的信号都可以看成是一个随机变量，利用在系统中每次需要传送的信源数据流，就可以看成是一个随机变量。例如，在一定时间内电话交换台收到的呼叫次数是一个随机变量。也就是说把随某个参量而变化的随机变量统称为随机函数；把以时间t为参变量的随机函数称为随机过程。随机过程包括随机信号和随进噪声。如果信号的某个或某几个参数不能预知或不能完全预知，这种信号就称为随机信号；在通信系统中不能预测的噪声就称为随机噪声。下面对随机过程进行分析。 一、随机过程的统计特性 1、数学期望:表示随机过程的n个样本函数曲线的摆动中心， 即均值

?∞ ∞-==11);()]([)(dx t x xp t X E t a 2、方差:表示随机过程在时刻t 对于均值a(t)的偏离程度。 即均方值与均值平方之差。 {}?∞ ∞ --=-=-==112222);()]([)]()([))](()([)]([)(dx t x p t a x t a t X E t X E t X E t X D t δ 3、自协方差函数和相关函数: 衡量随机过程任意两个时刻上获得的随机变量的统计相关特性时，常用协方差函数和相关函数来表示。 （1）自协方差函数定义 {} )]()()][()([);(221121t a t X t a t X E t t C x --=??∞∞-∞ ∞---=2121212211),;,()]()][([dx dx t t x x p t a x t a x 式中t1与t2是任意的两个时刻；a (t1)与a(t2)为在t1及t2得到的数学期望； 用途：用协方差来判断同一随机过程的两个变量是否相关。 （2）自相关函数 ??∞∞-∞ ∞-==2121212212121),;,()]()([),(dx dx t t x x p x x t X t X E t t R X 用途：a 用来判断广义平稳； b 用来求解随机过程的功率谱密度及平均功率。 二、平稳随机过程 1、定义（广义与狭义）： 则称X(t)是平稳随机过程。该平稳称为严格平稳，狭义平稳或严平稳。

上海大学随机过程第六章习题与答案

第三章 习 题 1．甲乙两人进行某种比赛，设每局比赛中甲胜的概率为p ，乙胜的概率为q ，平局的概 率为r ，其中,,0,1p q r p q r ≤++=，设每局比赛后，胜者得1分，负者得1-分，平局不记分，当两个人中有一个人得到2分时比赛结束，以n X 表示比赛至第n 局时甲获得的分数，则{,1}n X n ≥是一齐冯马尔可夫链. （1）写出状态空间； （2）求一步转移概率矩阵； （3）求在甲获得1分的情况下，再赛2局甲胜的概率. 解（1）{,0}n X n ≥的状态空间为 {2,1,0,1,2}S =-- （2）{,0}n X n ≥的一步转移概率矩阵为 10000000 0000 1q r p q r p q r p ????????=???????? P （3）因为两步转移概率矩阵为 22 (2) 2222 22 1 0000 202220 20 000 1q rq r pq pr p q rq r pq pr p q qr pq r p pr ????++????==+? ?++?????? P P 所以在甲获得1分的情况下，再赛2局甲胜的概率为 (2) 12(1)p p pr p r =+=+ 2．设{,1,2,}i Y i =L 为相互独立的随机变量序列，则

（1）{,1,2,}i Y i =L 是否为Markov 链？ （2）令1 n n i i X Y == ∑，问{,1,2,}i X i =L 是否为Markov 链？ 解（1）由于 11221112211122111221111221(,,,,) (,,,)(,,,) ()()()() ()() (,,,) n n n n n n n n n n n P Y i Y i Y i Y j P Y j Y i Y i Y i P Y i Y i Y i P Y i P Y i P Y i P Y j P Y j P Y j Y i P Y i Y i Y i ------================= ========L L L L L 因此，{,1,2,}n Y n =L 是马尔可夫链. （2）取1111()f U X U ==，当11U i =时，212X U U =+是2U 的函数，记为22().f U 依 次 类 推 ， 1121 n n X U U U --=+++L 为 1 n U -的函数，记为 1112(),n n n n f U X U U U --=+++L 为n U 的函数，记为().n n f U 由于12,,,,n U U U L L 相互 独立，则其相应的函数1122(),(),,(),n n f U f U f U L L 也相互独立，从而 12211122111 1112211 (,,,)(,,,) (,,,)()() n n n i n i n n n n n n P X j X i X i X i P Y j X i X i X i P X Y j X i X i X i P Y j i P X j X i --=---==========+======-===∑L L L 因此{,1,2,}n X n =L 是马尔可夫链. 3 设,1,2,i X i =L 是相互独立的随机变量，且使得(),0,1,i j P X j a j ===L ，如果 max{,1,2,,1}n i X X i n >=-L ，其中0X =-∞，就称在时刻n 产生了一个记录.若在时刻 n 产生了一个记录，就称n X 为记录值，以n R 表示第n 个记录值. （1）证明，{,1,2,}n R n =L 是Markov 链，并求其转移概率； （2）以i T 表示第i 个与第1i +记录之间的时间，问{,1,2,}n T n =L 是否是Markov 链，若是，则计算其转移概率. 证明：（a ）根据题意有：k n k n n X R X R X R ===,....,2121，……满足

随机过程——马尔可夫过程的应用

随机过程——马尔可夫过程的应用 年级：2013级 专业：通信工程3班 姓名：李毓哲 学号：1302070131

摘要：随机信号分析与处理是研究随机信号的特点及其处理方法的专业基础， 是目标检测、估计、滤波灯信号处理理论的基础，在通信、雷达、自动检测、随机振动、图像处理、气象预报、生物医学、地震信号处理等领域有着广泛的应用，随着信息技术的发展，随机信号分析与处理的理论讲日益广泛与深入。 随机过程是与时间相关的随机变量，在确定的时刻它是随机变量。随机过程的具体取值称作其样本函数，所有样本函数构成的集合称作随机过程的样本函数空间，所有样本函数空间及其统计特性即构成了随机过程。通信工程中存在大量的随机现象和随机问题。如：信源是随机过程；信道不仅对随机过程进行了变换，而且会叠加随机噪声等。 马尔可夫过程是一类非常重要的随机过程。随着现代科学技术的发展，很多在应用中出现的马氏过程模型的研究受到越来越多的重视。在现实世界中，有很多过程都是马尔可夫过程，马尔可夫过程在研究质点的随机运动、自动控制、通信技术、生物工程等领域中有着广泛的应用。我们可以通过对马尔可夫过程的研究来分析马尔可夫信源的特性。 关键词：随机过程，马尔可夫过程，通信工程，应用

目录 一、摘要 二、随机过程 2.1、随机过程的基本概念及定义 2.2、随机过程的数学描述 2.3、基于MATLAB的随机过程分析方法 三、马尔可夫过程 3.1马尔可夫过程的概念 3.2马尔可夫过程的数学描述 四、马尔可夫过程的应用 4.1马尔可夫模型在通信系统中的应用 4.2马尔可夫模型在语音处理的应用 4.3马尔可夫模型的其他应用 五、结论 参考文献

MATLAB 窄带随机过程

中山大学移动学院本科生实验报告 （2015学年春季学期） 课程名称：通信原理 任课教师：刘洁 教学助理（TA ）：朱焱 1、 实验要求 1.产生窄带随机过程和其概率谱密度 2.产生多个窄带随机过程 3.求出窄带随机过程的均值和自相关函数 2、 设计思路 00)()sin(2) f t b t f t p p - 对于第一个实验： 首先便是要搞懂如何产生一个窄带随机过程，按照TA 的提示，循序而进，从定义出发，获得答案。按照上面的结构框图 ，由公式： t t b t t a t X 00sin )(cos )()(ωω-= 可以较为轻松的得到窄带随机过程（先产生高斯白噪声g = randn(1,1001)，产生低通[b,a] = butter(1,wn)的B/A 系数，由Y = filter （B ，A ,X ），得到a （t ）和 b （t ），之后zt = a(t)cos(wt) - b(t)sin(wt)，通过这个公式就容易了，再通过plot(zt);便可以得到窄带随机过程），后面的两个实验，是基于第一个实验来做的； 对第二个实验： 加入for 循环，生成五个窄带随机过程，并且利用subplot 画小图。 对第三个实验： 产生窄带随机过程，利用函数mean 和xcorr 两个函数分别产生均值和

自相关函数。 3、运行与测试 Lab1：产生窄带随机过程和其概率谱密度 在command命令框里写入：zhaidai，这是基于随机过程的莱斯表达式，产生一个1000个点的高斯窄带随机过程，和其概率谱密度（基本呈现正态分布）。 Lab2：产生多个窄带随机过程

窄带随机过程的产生及其性能测试

实验四 窄带随机过程的产生及其性能测试 一、实验目的 1、基于随机过程的莱斯表达式产生窄带随机过程。 2、掌握窄带随机过程的特性，包括均值（数学期望）、方差、相关函数及功率谱密度等。 二、实验原理 窄带随机过程的产生如下图所示： 00)()sin(2) f t b t f t p p - 三、实验内容 1、按照上面的结构框图，基于随机过程的莱斯表达式t t b t t a t X 00sin )(cos )()(ωω-=，用Matlab 产生一满足条件的窄带随机过程。 m.文件如下： %产生一个p 个点的高斯窄带随机过程 function f=suiji1(p) n=1:p; w=-pi:2*pi/1000:pi; R=100; C=0.001; wn=1/2*pi*R*C; [b,a]=butter(1,wn); g=randn(1,1001); y=filter(b,a,g); at=y.*cos(w.*n); bt=y.*sin(w.*n); ft=at-bt; subplot(211) plot(ft) subplot(212) ksdensity(ft) 在command 命令框里写入： suiji1(1000) 即产生一个1000个点的高斯窄带随机过程 窄带随机过程波形及其概率密度图分别如下所示：

020040060080010001200 -2 -101 2-2.5 -2-1.5-1-0.500.51 1.52 00.5 1 1.5 2、画出该随机过程的若干次实现，观察其形状。 该随机过程的四次实现，代码如下： >> for i=1:1:4 syms R C; n=1:1001; w=-pi:2*pi/1000:pi; R=100; C=0.001; wn=1/2*pi*R*C; [b,a]=butter(1,wn); g=randn(1,1001); y=filter(b,a,g); at=y.*cos(w.*n); bt=y.*sin(w.*n); ft=at-bt; subplot(4,2,2*i-1) plot(ft) subplot(4,2,2*i) ksdensity(ft) end 形状如下：

随机过程-习题-第6章

| . 设有n 维随机矢量)(21n ξξξξτ =服从正态分布，各分量的均值为 n i a E i ,,2,1, ==ξ，其协方差矩阵为 ????? ???? ? ?=22 2 2 2 2 2000000σσσσσσσ a a a B 试求其特征函数。 解：n 元正态分布的特征函数为 }2 1exp{),,,(21][Bt t t j t t t n '-'=μφξ n i a E i ,,2,1, ==ξ ),,,(21n t t t t =' ，则 > ∑== 'n i i jat t j 1 μ ( )()),,,(21 2 232222212 1' ++='n n t t t t t a t t a t t Bt t σσσσσσ

=22223232222221221σσσσσσn t t a t t t a t t t ++++++ =∑∑ -=+=+ 1 1 2112 2n i i i n i i a t t t σσ ∴]21exp[)]21(exp[),,,(1 1 211 2221][∑ ∑ -=+=--=n i i i n i i i n a t t t jat t t t σσφξ . 设n 维正态分布随机矢量)(21n T ξξξξ =各分量的均值为i E i =ξ， n i ,3,2,1=，各分量间的协方差为 n i m i m n b i m ,3,2,1,|, |,=--= 设有随机变量∑==n i i 1 ξη，求的特征函数。 [ 解：易得：???? ? ???????=n ξξξη 21]111[ 2 ) 1(][][1 1 += ==∑∑==n n i E E n i n i i ξη 协方差矩阵为： ??????? ??? ? ?? ???------=n n n n n n n n n n 321 312211121B 所以 ]111[]111['??= B ηD =2 2 3n n + 由于高斯分布的随机变量的线形组合依旧是高斯分布的，所以η的特征函数为： ?? ? ???????++-+=2456822)1(exp )(t n n n t n n j t ηΦ 设有三维正态分布随机矢量)(321ξξξξ=T ，其各分量的均值为零，即0][=i E ξ

随机过程复习小结

1：正态过程或者高斯过程 设{(),}X t t T ∈是随机过程，若对任意正整数n 和1212,,,,((),(),,())n n t t t T X t X t X t ???∈???是n 维正态随机变量，则称{(),}X t t T ∈是正态过程或者高斯过程。 2：维纳过程的定义 3：广义平稳过程=宽平稳过程 若两个随机过程X(t)和Y(t)的联合概率分布不随时间平移而变化，即与时间的起点无关，则称此两个过程为联合严平稳。 4：二维联合分布函数 5：半角公式和全角公式 . cos2α = 2(cos α)^2 ? 1 cos2α = 1 ? 2(sin α)^2 cos2α = (cos α)^2 ? (sin α)^2 6 ：

7：一维概率密度族 (,)X s t ρ= ,0s t > 第三章：泊松过程 1：称计数过程{(),0}X t t ≥为具有参数0λ>的泊松过程，若它满足下列条件： （1）(0)0X =; （2）()X t 是独立增量过程； （3）在任一长度为t 的区间中，事件A 发生的次数服从参数0λ>的泊松分布，即对任意 ,0s t ≥，有 ()(()()),0,1,...! n t t P X t s X s n e n n λλ-+-=== [()]E X t t λ= 2：定义3.3说明，在充分小的时间间隔内容，最多有一个时间发生，而不能同时有两个或者两个以上事件同时发生。 3：[()()][()()]()E X t X s D X t X s t s λ-=-=- s

窄带随机过程的模拟与分析

实验报告 实验题目：窄带随机过程的模拟 窄带随机过程的模拟 一、实验目的 （1）了解具有任意功率谱（低频）的正态随机过程的模拟； （2）了解窄带随机过程的模拟方法。 二、实验原理 （1）任意功率谱的正态随机过程的模拟 假定需要产生一个持续时间为d T 的高斯随机过程的一个样本()X t ，要求功率谱

满足()X G f 。为此，可以先将()X t 进行周期延拓，得到一个周期信号，然后对周期信号进行傅里叶级数展开。即 0201 ()()j f k k k d X t X e f T π∞ =-∞ == ∑ 由于傅里叶级数是k X 的线性组合，所以，如果k X 是零均值的高斯随机变量，那么()X t 也是零均值高斯过程，如果{} ()X t 是两两正交的序列，则周期信号的功率谱为线谱。即 2 220 ()()(())k k k X k G f g f kf g E X δ∞ =-∞ = - =∑ 通过选择k g 就可以得到期望的功率谱。 假定()X G f 是带限的，即 ()0()X G f f B = > 那么，{} 2 k g 只有有限项，共21M +项，与此对应的傅里叶级数也是21M +项。因此，只需产生21M +个互相正交的零均值高斯随机变量{}11,,,,M M M M X X X X --+- 。然后据此构造时域样本函数即可，有 02()[]()M j f k i t k k M X i X i t X e π?=-=?= ∑ 其中t ?为任意小的时间间隔。 （2）窄带随机过程的模拟 对于窄带系统，当系统输入白噪声或宽带噪声时，输出可以表示为 0()()cos[()]Y t A t t t ω=+Φ 其中0ω为中心频率，()A t 和()t Φ是满变化的随机过程，对上式展开得 00()()cos ()sin c s Y t A t t A t t ωω=- 其中，()()cos (),()()sin ()c s A t A t t A t A t t =Φ=Φ，是慢变化的随机过程，分别称为窄带随机过程的同向分量和正交分量。 三、实验内容

(完整版)上海大学随机过程第六章习题及答案.doc

第三章习题 1．甲乙两人进行某种比赛，设每局比赛中甲胜的概率为p ，乙胜的概率为q ，平局的概率 为 r ，其中 p, q, r 0, p q r 1 ，设每局比赛后，胜者得 1 分，负者得1分，平局不记分，当两个人中有一个人得到 2 分时比赛结束，以X n表示比赛至第n 局时甲获得的分数， 则{ X n , n 1} 是一齐冯马尔可夫链. （1）写出状态空间； （2）求一步转移概率矩阵； （3）求在甲获得 1 分的情况下，再赛 2 局甲胜的概率 . 解（ 1）{ X n, n0} 的状态空间为 S { 2, 1,0,1,2} （ 2）{ X n, n 0} 的一步转移概率矩阵为 1 0 0 0 0 q r p 0 0 P 0 q r p 0 0 0 q r p 0 0 0 0 1 （ 3）因为两步转移概率矩阵为 1 0 0 0 0 q rq r 2 pq 2 pr p2 0 P(2) P 2 q2 2rq r 2 2 pq 2 pr p2 0 q2 2qr pq r 2 p pr 0 0 0 0 1 所以在甲获得 1 分的情况下，再赛 2 局甲胜的概率为 p12(2) p pr p(1 r ) 2．设{ Y i,i 1,2,L } 为相互独立的随机变量序列，则 （1）{ Y i,i 1,2,L } 是否为Markov链？ n （2）令X n Y i，问 { X i , i 1,2,L } 是否为Markov链？ i 1 解（ 1）由于

P(Y n j Y 1 i 1 ,Y 2 i 2 ,L ,Y n 1 P(Y 1 i 1, Y 2 i 2 ,L ,Y n 1 i ,Y n j ) i) P(Y 1 i 1 ,Y 2 i 2 ,L , Y n 1 i) P(Y 1 i 1 )P(Y 2 i 2 )L P(Y n 1 i )P(Y n j ) j ) P(Y n j Y n 1 i ) 1 i 2 , L ,Y n 1 i ) P(Y n P(Y i 1 ,Y 2 因此， { Y n , n 1,2,L } 是马尔可夫链 . （ 2）取 f 1 (U 1 ) X 1 U 1 ，当 U 1 i 1 时， X 2 U 1 U 2 是 U 2 的函数，记为 f 2 (U 2 ). 依 次类推， X n 1 U 1 U 2 L U n 1 为 U n 1 的函数，记为 f n 1 (U n 1 ), X n U 1 U 2 L U n 为 U n 的 函 数 ， 记 为 f n (U n ). 由 于 U 1,U 2 ,L ,U n ,L 相 互 独 立 ， 则 其 相 应 的 函 数 f 1 (U 1), f 2 (U 2 ),L , f n (U n ),L 也相互独立，从而 n P( X n j X 1 i 1 , X 2 i 2 ,L , X n 1 i ) P( Y i j X 1 i 1, X 2 i 2 ,L , X n 1 i ) i 1 P( X n 1 Y n j X 1 i 1 , X 2 i 2 ,L , X n 1 i) P(Y n j i ) P( X n j X n 1 i ) 因此 { X n , n 1,2,L } 是马尔可夫链 . 3 设 X i , i 1,2,L 是相互独立的随机变量，且使得 P( X i j ) a j , j 0,1,L ，如 果 X n max{ X i ,i 1,2,L ,n 1} ，其中 X 0 ，就称在时刻 n 产生了一个记录 .若在时刻 n 产生了一个记录，就称 X n 为记录值，以 R n 表示第 n 个记录值 . （1）证明， { R n , n 1,2,L } 是 Markov 链，并求其转移概率； （2）以 T i 表示第 i 个与第 i 1 记录之间的时间， 问 { T n , n 1,2,L } 是否是 Markov 链，若是， 则计算其转移概率 . 明 ：（ a ） 根 据 意 有 ： R 1 X n 1 , R 2 X n 2 ,....R k X n k ， ? ? 足 X n 1 X n 2 .... X n k .... 且 1 n 1 n 2 .... n k .... 故 P{ R k 1 z | R k i k , R k 1 i k 1 ,...R 1 i 1} P{ R k 1 z | j i k i k 1 ... i 1} P{ R k 1 z | j i k } P{ R k 1 z | R k i k } 故 { R i , i 1} 是一个 可夫 且

6.窄带随机过程的产生 - 随机信号分析实验报告

计算机与信息工程学院综合性实验报告 一、实验目的 1、基于随机过程的莱斯表达式产生窄带随机过程。 2、掌握窄带随机过程的特性，包括均值（数学期望）、方差、概率密度函数、相关函数及功率谱密度等。 3、掌握窄带随机过程的分析方法。 二、实验仪器或设备 1、一台计算机 2、MATLAB r2013a 三、实验内容及实验原理 基于随机过程的莱斯表达式 00()()cos ()sin y t a t t b t t ωω=- (3.1) 实验过程框图如下：

理想低通滤波器如图所示： 图1 理想低通滤波器 ()20 A H ?ω ?ω≤ ?ω=? ??其它 (3.2) 设白噪声的物理谱0=X G N ω（） ,则系统输出的物理谱为 2 2 0=()=20 Y X N A G H G ?ω ?0≤ω≤ ?ωωω???（）（） 其它 (3.3) 输出的自相关函数为: 01()()cos 2Y Y R G d τωωτωπ∞ = ? /22 1cos 2N A d ωωτωπ?=? (3.4) 2 0sin 242 N A ωτωωτπ ??=? ? 可知输出的自相关函数()Y R τ是一个振荡函数。计算高斯白噪声x(t)、限带白噪声()a t 、 ()b t 及窄带随机过程()y t 的均值，并绘出随机过程各个随机过程的自相关函数，功率谱密 度图形。 四、MATLAB 实验程序 function random(p,R,C) %产生一个p 个点的随机过程 %--------------------------高斯窄带随机过程代码--------------------------% n=1:p; w=linspace(-pi,pi,p); wn=1/2*pi*R*C; [b,a]=butter(1,wn,'low'); %产生低通滤波器 Xt=randn(1,p); %产生p 个点均值为0方差为1的随机数，即高斯白噪声 at=filter(b,a,Xt); %让高斯白噪声通过低通滤波器