欢迎来到天天文库
浏览记录
ID:19731882
大小:793.00 KB
页数:16页
时间:2018-10-05
《高阶谱 第1章 高阶统计量定义与性质》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第1章高阶统计量的定义与性质1.1准备知识1.随机变量的特征函数若随机变量的分布函数为,则称为的特征函数。其中为概率密度函数。离散情况:特征函数是概率密度的付里叶变换。例:设~,则特征函数为令,则根据公式:,则 若,则。2.多维随机变量的特征函数设随机变量联合概率分布函数为,则联合特征函数为令,,则矩阵形式或 标量形式16其中,为联合概率密度函数。例:设维高斯随机变量为,的概率密度为的特征函数为 矩阵形式其中,, 标量形式3.随机变量的第二特征函数定义:特征函数的对数为第二特征函数为 (1)
2、单变量高斯随机过程的第二特征函数 (2)多变量情形1.2高阶矩与高阶累积量定义1.单个随机变量情形(1)高阶矩定义随机变量的阶矩定义为(1.1)显然,。随机变量的阶中心矩定义为16 (1.2)由式(1.2)可见,,,。若存在,则的特征函数可按泰勒级数展开,即(1.3)并且与的阶导数之间的关系为(1.4)(2)高阶累积量定义的第二特征函数按泰勒级数展开,有(1.5)并且与的阶导数之间的关系为(1.6)称为随机变量的阶累积量,实际上由及的连续性,存在,使时,,故第二特征函数对有意义且单值(只考虑对数函数的主值),的前阶导数在处
3、存在,故也存在。(3)二者关系下面推导与之间的关系。形式地在式(2.3)与式(2.5)中令,并利用(1.7)比较上式中各同幂项系数,得阶累积量与阶矩的关系如下:16 若,则 由上可见,当随机变量的均值为零时,其前三阶累积量与前三阶矩相同,而四阶累积量与相应的高阶矩不相同。2.多个随机变量情形(1)高阶矩给定维随机变量,其联合特征函数为 (1.8)其第二联合特征函数为 (1.9)可见,联合特征函数就是随机变量的联合概率密度函数的维付里叶变换。对式(1.8)与(1.9)分别按泰勒级数展开,则阶数的联合矩可用联合特征函数
4、定义为(1.10)(2)高阶累积量同样地,阶数的联合累积量可用第二联合特征函数定义为(1.11)16(3)二者关系联合累积量可用联合矩的多项式来表示,但其一般表达式相当复杂,这里不加详述,仅给出二阶、三阶和四阶联合累积量与其对应阶次的联合矩之间的关系。设和均为零均值随机变量,则(1.12a)(1.12b)(1.12c)对于非零均值随机变量,则式(1.12)中用代替即可。与单个变量情形类似,前三阶联合累积量与前三阶联合矩相同,而四阶及高于四阶的联合累积量则与相应阶次的联合矩不同。注意,式(1.12)中采用表示联合累积量的方法在以后将时常用到。
5、3.平稳随机过程的高阶累积量设为零均值阶平稳随机过程,则该过程的阶累积量定义为随机变量的阶联合累积量,即(1.13)而该过程的阶矩则定义为随机变量的阶联合矩,即(1.14)这里,表示联合矩。由于是阶平稳的,故的阶累积量和阶矩仅仅是时延16的函数,而与时刻无关,其二阶、三阶和四阶累积量分别为(1.15a)(1.15b) (1.15c)可以看出,的二阶累积量正好就是其自相关函数,三阶累积量也正好等于其三阶矩,而的四阶累积量则与其四阶矩不一样,为了得到四阶累积量,必须同时知道四阶矩和自相关函数。1.3高阶累积量的性质高阶累积量具有
6、下列重要特性:(1)设为常数,为随机变量,则 (2)累积量关于变量对称,即 其中为中的任意一种排列。(3)累积量关于变量具有可加性,即 (4)如果为常数,则 (5)如果随机变量与随机变量相互独立,则 (6)如果随机变量中某个子集与补集相互独立,则161.4高斯过程的高阶累积量1.单个高斯随机变量情形设随机变量服从高斯分布,即的概率密度函数为 故有 的第二特征函数为 (1.16)利用累积量与的关系式(1.6),并比较(1.6)与(1.16)两式,可以得到随机变量的各阶累
7、积量为,,由此,我们有下列结论:(1)高斯随机变量的一阶累积量和二阶累积量恰好就是的均值和方差。(2)高斯随机变量的高阶累积量等于零。(3)由于高斯随机变量的各阶矩为可见,高阶累积量与高阶矩不一样。由于高斯随机变量的高阶矩并不比其二阶矩多提供信息,它仍取决于二阶矩的统计知识,所以人们宁愿选择高阶累积量这一统计量,直接把多余的信息用零来处理。2.高斯随机过程情形先讨论维高斯随机矢量,设其均值矢量为,协方差矩阵为16其中维高斯随机变量的联合概率密度函数为的联合特征函数为 其中,的第二联合特征函数为由于阶数的联合累积量可由第二特征
8、函数定义为 于是,维高斯随机变量的各阶累积量为:(1),即中某个值取1(设),而其余值为零,于是(2),这有两种情况:1)中某两个值取1(设),其余值为零,这时上式利
此文档下载收益归作者所有