平稳随机过程举例
平稳随机过程是什么意思？
x和y是两个相互独立的平稳过程？
平稳随机过程在数学中，平稳随机过程（Stationary random process）或者严平稳随机过程（Strictly-sense stationary random process），又称狭义平稳过程，是在固定时间和位置的概率分布与所有时间和位置的概率分布相同的随机过程：即随机过程的统计特性不随时间的推移而变化。这样，数学期望和方差这些参数也不随时间和位置变化。
举出平稳随机过程的例子？
随机过程的实例：
机器在运行时会发出噪声，噪声的强度随时间变化的过程就可以看作是一个随机过程。
如果随机过程的统计特性（均值、方差）与时间无关，也就是统计特性不随时间而变化，那么该随机过程就可以看作是一个平稳随机过程。
补充：均值描述的是上例中的平均噪声强度；方差描述的是噪声的平均变化幅度。
如果随机过程在当前时刻t的值只与该时刻之前n个时刻的值有关，而与这n个时刻之前的值无关，那么该随机过程就是Markov过程，根据n的大小，一般称为n阶Markov过程。
x和y是两个相互独立的平稳过程？
在概率统计理论中，指随机过程中，任何时刻的取值都为随机变量，如果这些随机变量服从同一分布，并且互相独立，那么这些随机变量是独立同分布。
x和y是两个相互独立的平稳过程：
设X（t)与Y（t)是相互独立的平稳过程．试证以下随机过程也是平稳过程： （1) Z1（t)=X（t)Y（t)． （2) Z2（t)=X（t)
设X(t)与Y(t)是相互独立的平稳过程．试证以下随机过程也是平稳过程：
(1) Z1(t)=X(t)Y(t)．
(2) Z2(t)=X(t) Y(t)．
平稳随机过程的自相关函数是什么？
平稳随机过程的相关函数和功率谱在数学计算 中，互为傅立叶变换:
即维纳-欣钦定理:F[p(t)]=中(f)或p(t)=InvF[中(f)]
式中:F-表傅立叶变换的符号InvF-傅立 叶逆变换qp(T)-自相关函数中(f--自谱密度 函数，相关函数是在时间域(t)描述平稳过程的 统计特征，而功率谱是在频率域f中描述平稳过 程的统计特征。
在物理学中，信号通常是波的形式，例如 电磁波、随机振动或者声波。当波的频谱密度 乘以一个适当的系数后将得到每单位频率波携 带的功率，这被称为信号的功率谱密度(powe r spectral density,PSD)不要和spectralpo wer distribution, SPD混淆。功率谱密度的单位 通常用每赫兹的瓦特数(W/Hz)表示，或者 使用波长而不是频率，即每纳米的瓦特数(W/ nm)来表示。