高斯随机过程《通信原理》
高斯随机过程1高斯随机过程的定义如果随机过程(t)的任意n维(n1,2,)分布均服从正态分布,则称它为正态过程或高斯过程。其n维正态概率密度函数表示为式中:;|B|为归一化协方差矩阵的行列式,即为行列式|B|中的元素bjk的代数余因子;bjk为归一化协方差函数,即2高斯随机过程的重要性质(1)高斯过程的n维分布只依赖各个随机变量的均值、方差和归一化协方差;(2)广义平稳的高斯过程是严平稳的;(3)如果高斯过程在不同时刻的取值是不相关的,即对所有jk有bjk0,那么它们也是统计独立的;(4)高斯过程经过线性变换后生成的过程仍是高斯过程,即若线性系统的输入为高斯过程,则系统的输出也是高斯过程。3高斯随机过程的随机变量(1)一维概率密度函数表达式高斯过程在任一时刻上的取值是一个正态分布的随机变量,也称高斯随机变量,其一维概率密度函数为图像图3-1 正态分布的概率密度特性af(x)对称于xa这条直线,即f(ax)f(ax)b及;ca表示分布中心,称为标准偏差,f(x)图形将随着的减小而变高和变窄。当a0,1时,称为标准化的正态分布。即(2)正态分布函数正态分布函数的定义正态分布函数定义为正态分布的概率密度f(x)积分,即误差函数a误差函数的定义erf(x)表示误差函数,其定义为b误差函数的性质erf(0)0,erf()1,erf(x)erf(x)。c误差函数表示分布函数互补误差函数a互补误差函数的定义erfc(x)表示互补误差函数,其定义为b互补误差函数的性质erfc(0)1,erfc()0,erfc(x)2erfc(x)。c误差函数表示分布函数正态分布函数可用互补误差函数erfc(x)表示为d互补误差函数的应用当xa,互补误差函数与高斯概率密度函数曲线尾部下的面积成正比。
收藏
编号:342930432
类型:共享资源
大小:103.09KB
格式:DOCX
上传时间:2023-01-18
2
金贝
- 关 键 词:
-
通信原理
随机
过程
通信
原理
- 资源描述:
-
高斯随机过程
1.高斯随机过程的定义
如果随机过程ξ(t)的任意n维(n=1,2,…)分布均服从正态分布,则称它为正态过程或高斯过程。其n维正态概率密度函数表示为
式中:;|B|为归一化协方差矩阵的行列式,即
为行列式|B|中的元素bjk的代数余因子;bjk为归一化协方差函数,即
2.高斯随机过程的重要性质
(1)高斯过程的n维分布只依赖各个随机变量的均值、方差和归一化协方差;
(2)广义平稳的高斯过程是严平稳的;
(3)如果高斯过程在不同时刻的取值是不相关的,即对所有j≠k有bjk=0,那么它们也是统计独立的;
(4)高斯过程经过线性变换后生成的过程仍是高斯过程,即若线性系统的输入为高斯过程,则系统的输出也是高斯过程。
3.高斯随机过程的随机变量
(1)一维概率密度函数
①表达式
高斯过程在任一时刻上的取值是一个正态分布的随机变量,也称高斯随机变量,其一维概率密度函数为
②图像
图3-1 正态分布的概率密度
③特性
a.f(x)对称于x=a这条直线,即
f(a+x)=f(a-x)
b.及;
c.a表示分布中心,σ称为标准偏差,f(x)图形将随着σ的减小而变高和变窄。当a=0,σ=1时,称为标准化的正态分布。即
(2)正态分布函数
①正态分布函数的定义
正态分布函数定义为正态分布的概率密度f(x)积分,即
②误差函数
a.误差函数的定义
erf(x)表示误差函数,其定义为
b.误差函数的性质
erf(0)=0,erf(∞)=1,erf(-x)=-erf(x)。
c.误差函数表示分布函数
②互补误差函数
a.互补误差函数的定义
erfc(x)表示互补误差函数,其定义为
b.互补误差函数的性质
erfc(0)=1,erfc(∞)=0,erfc(-x)=2-erfc(x)。
c.误差函数表示分布函数
正态分布函数可用互补误差函数erfc(x)表示为
d.互补误差函数的应用
当x>a,互补误差函数与高斯概率密度函数曲线尾部下的面积成正比。
展开阅读全文
金锄头文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。