随机变量和随机过程
随机变量定义：
随机变量是对每个实验结果指定一个数值的函数（随机试验E的样本空间S={e}）
随机过程定义：
随机过程是对每个试验结果指定一个时间函数的函数。是t和e的二维函数。
随机过程是样本函数的集合。
其中选定一个时间\(t_1\)时，\(X(t_1,e)\)是一个随机变量。随机过程是随时间变化的随机变量的集合。
举例：
随机相位信号 \(X(t) = Acos(\omega_ot + \Phi)\)
\(A\)、\(\omega_0\)为常数， \(\Phi\subseteq U(0,2\pi)\)
\(x_j(t) = Acos(\omega_0t + \phi_j)\to\)由\(\phi_j\)指定的一条样本函数
\(X(t_i)=Acos(\omega_0t_i+\Phi)\to\)随机变量
\(X(t,\Phi)\)四种不同情况下的意义：
| \(t\) | \(\phi\) | \(X(t)\) |
|---|---|---|
| 可变 | 固定 | 确定的时间函数 |
| 固定 | 可变 | 随机变量 |
| 固定 | 固定 | 确定的值 |
| 可变 | 可变 | 随机过程 |
随机过程的分类
根据时间和状态的不同，可以将随机过程划分为四类：
| 时间 | 状态 | |
|---|---|---|
| 连续时间随机过程 | 连续 | 连续 |
| 离散随机过程 | 连续 | 离散 |
| 离散随机序列 | 离散 | 离散 |
| 随机序列 | 离散 | 连续 |
序列——时间上不连续
根据样本函数的类型，可以将随机过程分为
确定形式的随机过程（如随机相位信号）——可预测过程
不规则形式的随机过程（如接收机噪声）——不可预测过程
随机过程可以表示为
任意随机过程 = 可预测过程 + 不可预测过程
参考：统计信号处理1.1.1节
标签：函数,随机变量,omega,离散,随机,过程 来源： https://www.cnblogs.com/augustine0654/p/13189250.html
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。