【应用随机过程】08. 功率谱密度 |
您所在的位置:网站首页 › 功率谱密度求功率公式 › 【应用随机过程】08. 功率谱密度 |
文章目录
第八讲 功率谱密度一、功率谱密度的定义Part 1:傅里叶变换Part 2:确定性信号的功率谱密度Part 3:平稳过程的功率谱密度
二、功率谱密度的性质Part 1:维纳-辛钦公式Part 2:
δ
\delta
δ 函数Part 3:白噪声
第八讲 功率谱密度
一、功率谱密度的定义
Part 1:傅里叶变换
之前我们对于平稳过程的研究,主要讨论了其自相关函数在时域上的性质。而这一节我们主要介绍平稳过程的自相关函数在频域上的等价描述,两者之间的联系就是傅里叶变换。首先了解一些概念。 设信号 x ( t ) x(t) x(t) 是时间的函数, t ∈ R t\in\mathbb{R} t∈R ,满足狄利克雷条件,且 ∫ − ∞ ∞ ∣ x ( t ) ∣ d t < ∞ \displaystyle\int_{-\infty}^\infty|x(t)|{\rm d}tX(t):−∞X(t)} 的平均功率的谱表达式。 谱密度 S X ( ω ) S_X(\omega) SX(ω) 也是描述平稳过程 { X ( t ) } \{X(t)\} {X(t)} 的统计性质的重要的数字特征之一。 二、功率谱密度的性质 Part 1:维纳-辛钦公式定理: S X ( ω ) S_X(\omega) SX(ω) 是 ω \omega ω 的实函数,并且是非负的偶函数。 我们利用 S X ( ω ) S_X(\omega) SX(ω) 和 ∣ F X ( ω , T ) ∣ 2 |F_X(\omega,T)|^2 ∣FX(ω,T)∣2 的关系来证明这个结论 S X ( ω ) = lim T → ∞ 1 2 T E [ ∣ F X ( ω , T ) ∣ 2 ] . S_X(\omega)=\lim_{T\to\infty}\frac{1}{2T}{\rm E}\left[\left|F_X(\omega,T)\right|^2\right] \ . SX(ω)=T→∞lim2T1E[∣FX(ω,T)∣2] . 首先证明 ∣ F X ( ω , T ) ∣ 2 = F X ( ω , T ) F X ( − ω , T ) \left|F_X(\omega,T)\right|^2=F_X(\omega,T)F_X(-\omega,T) ∣FX(ω,T)∣2=FX(ω,T)FX(−ω,T) 也是 ω \omega ω 的实函数,并且是非负的偶函数。 因为 F X ( ω , T ) F_X(\omega,T) FX(ω,T) 是一个复值函数,其共轭为 F X ( ω , T ) ‾ = ∫ − T T X ( t ) e − i ω t d t ‾ = ∫ − T T x ( t ) e i ω t d t = F X ( − ω , T ) , \overline{F_X(\omega,T)}=\overline{\int_{-T}^T X(t)e^{-i\omega t} {\rm d}t}=\int_{-T}^T x(t)e^{i\omega t} {\rm d}t=F_X(-\omega,T) \ , FX(ω,T)=∫−TTX(t)e−iωtdt=∫−TTx(t)eiωtdt=FX(−ω,T) , 又因为一个复数的模的平方一定是非负实数,且可以表示为该复数与其共轭复数的乘积,所以 ∣ F X ( ω , T ) ∣ 2 = F X ( ω , T ) F X ( ω , T ) ‾ = ∣ F X ( ω , T ) ∣ 2 = F X ( ω , T ) F X ( − ω , T ) . \left|F_X(\omega,T)\right|^2=F_X(\omega,T)\overline{F_X(\omega,T)}=\left|F_X(\omega,T)\right|^2=F_X(\omega,T)F_X(-\omega,T) \ . ∣FX(ω,T)∣2=FX(ω,T)FX(ω,T)=∣FX(ω,T)∣2=FX(ω,T)FX(−ω,T) . 从而容易得出 ∣ F X ( ω , T ) ∣ 2 |F_X(\omega,T)|^2 ∣FX(ω,T)∣2 也是关于 ω \omega ω 的偶函数的结论。 因为 S X ( ω ) S_X(\omega) SX(ω) 是 ∣ F X ( ω , T ) ∣ 2 |F_X(\omega,T)|^2 ∣FX(ω,T)∣2 的均值的极限,所以 S X ( ω ) S_X(\omega) SX(ω) 也必是 ω \omega ω 的实函数,并且是非负的偶函数。 定理(维纳-辛钦公式):功率谱密度 S X ( ω ) S_X(\omega) SX(ω) 和自相关函数 R X ( τ ) R_X(\tau) RX(τ) 是一组傅里叶变换对, S X ( ω ) = ∫ − ∞ ∞ R X ( τ ) e − i ω τ d τ , R X ( τ ) = 1 2 π ∫ − ∞ ∞ S X ( ω ) e i ω t d ω . \begin{aligned} &S_X(\omega)=\int_{-\infty}^\infty R_X(\tau)e^{-i\omega \tau}{\rm d}\tau \ , \\ &R_X(\tau)=\frac{1}{2\pi}\int_{-\infty}^\infty S_X(\omega)e^{i\omega t}{\rm d}\omega \ . \end{aligned} SX(ω)=∫−∞∞RX(τ)e−iωτdτ ,RX(τ)=2π1∫−∞∞SX(ω)eiωtdω . 证明: S X ( ω ) = lim T → ∞ 1 2 T E [ ∣ F X ( ω , T ) ∣ 2 ] = lim T → ∞ 1 2 T E [ ∣ ∫ − T T X ( t ) e − i ω t d t ∣ 2 ] = lim T → ∞ 1 2 T E [ ∫ − T T X ( t ) e − i ω t d t ∫ − T T X ( s ) e − i ω s d s ‾ ] = lim T → ∞ 1 2 T E [ ∫ − T T ∫ − T T X ( t ) X ( s ) e − i ω ( t − s ) d t d s ] = lim T → ∞ 1 2 T ∫ − T T ∫ − T T R X ( t − s ) e − i ω ( t − s ) d t d s = τ 1 = t + s τ = t − s lim T → ∞ ∫ − 2 T 2 T ( 1 − ∣ τ ∣ 2 T ) R X ( τ ) e − i ω τ d τ \begin{aligned} S_X(\omega)&=\lim_{T\to\infty}\frac{1}{2T}{\rm E}\left[\left|F_X(\omega,T)\right|^2\right] \\ &=\lim_{T\to\infty}\frac{1}{2T}{\rm E}\left[\left|\int_{-T}^T X(t)e^{-i\omega t} {\rm d}t\right|^2\right] \\ &=\lim_{T\to\infty}\frac{1}{2T}{\rm E}\left[\int_{-T}^T X(t)e^{-i\omega t} {\rm d}t\overline{\int_{-T}^T X(s)e^{-i\omega s} {\rm d}s}\right] \\ &=\lim_{T\to\infty}\frac{1}{2T}{\rm E}\left[\int_{-T}^T\int_{-T}^T X(t)X(s)e^{-i\omega(t-s)} {\rm d}t {\rm d}s\right] \\ &=\lim_{T\to\infty}\frac{1}{2T}\int_{-T}^T\int_{-T}^T R_X(t-s)e^{-i\omega(t-s)} {\rm d}t {\rm d}s\\ &\xlongequal[\tau_1=t+s]{\tau=t-s}\lim_{T\to\infty}\int_{-2T}^{2T}\left(1-\frac{|\tau|}{2T}\right) R_X(\tau)e^{-i\omega\tau} {\rm d}\tau\\ \end{aligned} SX(ω)=T→∞lim2T1E[∣FX(ω,T)∣2]=T→∞lim2T1E⎣⎡∣∣∣∣∣∫−TTX(t)e−iωtdt∣∣∣∣∣2⎦⎤=T→∞lim2T1E[∫−TTX(t)e−iωtdt∫−TTX(s)e−iωsds]=T→∞lim2T1E[∫−TT∫−TTX(t)X(s)e−iω(t−s)dtds]=T→∞lim2T1∫−TT∫−TTRX(t−s)e−iω(t−s)dtdsτ=t−s τ1=t+sT→∞lim∫−2T2T(1−2T∣τ∣)RX(τ)e−iωτdτ 定义 R X ( τ , T ) = { ( 1 − ∣ τ ∣ 2 T ) R X ( τ ) , ∣ τ ∣ ≤ 2 T , 0 , ∣ τ ∣ > 2 T , R_X(\tau,T)=\left\{\begin{array}{ll} \left(1-\dfrac{|\tau|}{2T}\right) R_X(\tau) \ , & |\tau|\leq 2T \ , \\ 0 \ , & |\tau|>2T \ , \end{array}\right. RX(τ,T)=⎩⎨⎧(1−2T∣τ∣)RX(τ) ,0 ,∣τ∣≤2T ,∣τ∣>2T , 则有 lim T → ∞ R X ( τ , T ) = R X ( τ ) \displaystyle\lim_{T\to\infty}R_X(\tau,T)=R_X(\tau) T→∞limRX(τ,T)=RX(τ) ,于是 S X ( ω ) = lim T → ∞ ∫ − ∞ ∞ R X ( τ , T ) e − i ω τ d τ = ∫ − ∞ ∞ lim T → ∞ R X ( τ , T ) e − i ω τ d τ = ∫ − ∞ ∞ R X ( τ ) e − i ω τ d τ . S_X(\omega)=\lim_{T\to\infty}\int_{-\infty}^\infty R_X(\tau,T)e^{-i\omega\tau} {\rm d}\tau=\int_{-\infty}^\infty\lim_{T\to\infty}R_X(\tau,T)e^{-i\omega\tau} {\rm d}\tau=\int_{-\infty}^\infty R_X(\tau)e^{-i\omega\tau} {\rm d}\tau \ . SX(ω)=T→∞lim∫−∞∞RX(τ,T)e−iωτdτ=∫−∞∞T→∞limRX(τ,T)e−iωτdτ=∫−∞∞RX(τ)e−iωτdτ . 反之由傅里叶逆变换的定义得证。 推论:由于 R X ( τ ) R_X(\tau) RX(τ) 和 S X ( ω ) S_X(\omega) SX(ω) 都是实偶函数,所以利用欧拉公式可以将维纳-辛钦公式改写成 S X ( ω ) = 2 ∫ 0 ∞ R X ( τ ) cos ω τ d τ , R X ( τ ) = 1 π ∫ 0 ∞ S X ( ω ) cos ω τ d ω . \begin{aligned} &S_X(\omega)=2\int_{0}^\infty R_X(\tau)\cos\omega\tau{\rm d}\tau \ , \\ &R_X(\tau)=\frac{1}{\pi}\int_{0}^\infty S_X(\omega)\cos\omega\tau{\rm d}\omega \ . \end{aligned} SX(ω)=2∫0∞RX(τ)cosωτdτ ,RX(τ)=π1∫0∞SX(ω)cosωτdω . 推论:由于 R X ( τ ) R_X(\tau) RX(τ) 和 S X ( ω ) S_X(\omega) SX(ω) 都是实偶函数,所以 ∫ − ∞ ∞ S X ( ω ) e − i ω t d ω = ∫ − ∞ ∞ S X ( ω ) e i ω t d ω = 2 π R X ( τ ) . \int_{-\infty}^\infty S_X(\omega)e^{-i\omega t}{\rm d}\omega=\int_{-\infty}^\infty S_X(\omega)e^{i\omega t}{\rm d}\omega=2\pi R_X(\tau) \ . ∫−∞∞SX(ω)e−iωtdω=∫−∞∞SX(ω)eiωtdω=2πRX(τ) . 即 R X ( τ ) R_X(\tau) RX(τ) 的傅里叶变换为 S X ( ω ) S_X(\omega) SX(ω) , S X ( ω ) S_X(\omega) SX(ω) 的傅里叶变换为 2 π R X ( τ ) 2\pi R_X(\tau) 2πRX(τ) 。 维纳-辛钦公式也称为平稳过程自相关函数的谱表达式,它揭示了从时域描述平稳过程 { X ( t ) } \{X(t)\} {X(t)} 的统计规律和从频域描述 { X ( t ) } \{X(t)\} {X(t)} 的统计规律之间的联系。 Part 2: δ \delta δ 函数关于 δ \delta δ 函数的定义和性质,我们在这里只做简单介绍,详细内容可以参考《复变函数与积分变换》课程内容。 δ \delta δ 函数是单位冲激函数 δ ( t ) \delta(t) δ(t) 的简称,它是一个广义函数,狄拉克给出的定义为 { δ ( t ) = 0 , t ≠ 0 . ∫ − ∞ ∞ δ ( t ) d t = 1 . \left\{ \begin{array}{ll} \delta(t)=0 \ , \quad t\neq0 \ . \\ \\ \displaystyle\int_{-\infty}^\infty\delta(t){\rm d}t=1 \ . \end{array} \right. ⎩⎪⎪⎨⎪⎪⎧δ(t)=0 ,t=0 .∫−∞∞δ(t)dt=1 . 上述表达式不规定 δ δ δ 函数在 0 0 0 点的取值,是因为这个值无法严谨地表述出来,不能笼统的定义为正无穷或某一常数,并且该取值大小是由第二个积分式决定的,因此只需限定取值为 0 0 0 的区域即可。 从概念上理解, δ δ δ 函数指的是除了 0 0 0 以外的点的函数值都等于 0 0 0 ,而其在整个定义域上的积分等于 1 1 1 的函数。下面我们不予证明地给出 δ \delta δ 函数的基本性质。 定理:若函数 f ( τ ) f(\tau) f(τ) 在 τ = 0 \tau=0 τ=0 处连续的,则有: ∫ − ∞ ∞ δ ( τ ) f ( τ ) d τ = f ( 0 ) . \int_{-\infty}^\infty\delta(\tau)f(\tau){\rm d}\tau=f(0) \ . ∫−∞∞δ(τ)f(τ)dτ=f(0) . 推论:若函数 f ( τ ) f(\tau) f(τ) 在 τ = τ 0 \tau=\tau_0 τ=τ0 处连续的,则有: ∫ − ∞ ∞ δ ( τ − τ 0 ) f ( τ ) d τ = f ( τ 0 ) . \int_{-\infty}^\infty\delta(\tau-\tau_0)f(\tau){\rm d}\tau=f(\tau_0) \ . ∫−∞∞δ(τ−τ0)f(τ)dτ=f(τ0) . 定理:以下两组傅里叶变换对成立: ∫ − ∞ ∞ δ ( τ ) e − i ω τ d τ = 1 ⟷ δ ( τ ) = 1 2 π ∫ − ∞ ∞ 1 × e i ω τ d ω . \int_{-\infty}^\infty\delta(\tau)e^{-i\omega\tau}{\rm d}\tau=1 \quad \longleftrightarrow \quad \delta(\tau)=\frac{1}{2\pi}\int_{-\infty}^\infty1\times e^{i\omega \tau}{\rm d}\omega \ . \\ ∫−∞∞δ(τ)e−iωτdτ=1⟷δ(τ)=2π1∫−∞∞1×eiωτdω . ∫ − ∞ ∞ 1 × e − i ω τ d τ = 2 π δ ( ω ) ⟷ 1 = 1 2 π ∫ − ∞ ∞ 2 π δ ( ω ) e i ω τ d ω . \int_{-\infty}^\infty1\times e^{-i\omega\tau}{\rm d}\tau=2\pi\delta(\omega) \quad \longleftrightarrow \quad 1=\frac{1}{2\pi}\int_{-\infty}^\infty2\pi\delta(\omega)e^{i\omega\tau}{\rm d}\omega \ . ∫−∞∞1×e−iωτdτ=2πδ(ω)⟷1=2π1∫−∞∞2πδ(ω)eiωτdω . Part 3:白噪声白噪声的定义:设 { X ( t ) , t ∈ T } \{X(t),\,t\in T\} {X(t),t∈T} 是零均值随机过程,满足 E [ X ( t ) ] 2 = σ 2 < ∞ {\rm E}[X(t)]^2=\sigma^2X(t),t∈T} 是零均值平稳过程,如果该过程的谱密度是一个正的常数,即 S X ( ω ) ≡ S 0 > 0 S_X(\omega)\equiv S_0>0 SX(ω)≡S0>0 ,则称该随机过程是白噪声过程。 这里我们只需要验证一下自相关函数是否满足对任意 s ≠ t s\neq t s=t 都有 E ( X ( t ) X ( s ) ) = 0 {\rm E}(X(t)X(s))=0 E(X(t)X(s))=0 的条件。 利用谱密度求得的白噪声的自相关函数为 R X ( τ ) = 1 2 π ∫ − ∞ ∞ S X ( ω ) e i ω t d ω = S 0 2 π ∫ − ∞ ∞ e i ω t d ω = S 0 δ ( τ ) . R_X(\tau)=\frac{1}{2\pi}\int_{-\infty}^\infty S_X(\omega)e^{i\omega t}{\rm d}\omega=\frac{S_0}{2\pi}\int_{-\infty}^\infty e^{i\omega t}{\rm d}\omega=S_0\delta(\tau) \ . RX(τ)=2π1∫−∞∞SX(ω)eiωtdω=2πS0∫−∞∞eiωtdω=S0δ(τ) . 可以推出这个过程在 t 1 ≠ t 2 t_1\neq t_2 t1=t2 时有 R X ( t 1 − t 2 ) = S 0 δ ( t 1 − t 2 ) = 0 . R_X(t_1-t_2)=S_0\delta(t_1-t_2)=0 \ . RX(t1−t2)=S0δ(t1−t2)=0 . 即 X ( t 1 ) X(t_1) X(t1) 和 X ( t 2 ) X(t_2) X(t2) 是不相关的。所以 { X ( t ) , t ∈ T } \{X(t),\,t\in T\} {X(t),t∈T} 是白噪声过程。 事实上,从频域的角度给出的白噪声的定义是存在其局限性的。由于我们无法给出 δ δ δ 函数在 0 0 0 点的确定取值,所以我们无法通过谱密度函数求出这个白噪声的方差函数。这是因为理想的白噪声具有无限带宽,因而其能量是无限大,也就是说 R X ( 0 ) R_X(0) RX(0) 是无限的,但这在现实世界是不可能存在的。 在随机过程和时间序列分析的研究领域中,我们仍然认为白噪声过程是一个方差有限的平稳过程。 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |