Статистическое распределение сложных случайных величин
В теории вероятностей семейство комплексных нормальных распределений , обозначаемое или , характеризует комплексные случайные величины, действительные и мнимые части которых являются совместно нормальными . [1] Комплексное нормальное семейство имеет три параметра: параметр местоположения μ , ковариационную матрицу и матрицу отношений . Стандартное комплексное нормальное распределение — это одномерное распределение с , и .
Важный подкласс семейства комплексных нормальных распределений называется кругово-симметричным (центральным) комплексным нормальным распределением и соответствует случаю нулевой матрицы отношений и нулевого среднего: и . [2] Этот случай широко используется в обработке сигналов , где в литературе его иногда называют просто комплексным нормальным распределением .
Определения
Комплексная стандартная нормальная случайная величина
Стандартная комплексная нормальная случайная величина или стандартная комплексная гауссовская случайная величина — это комплексная случайная величина , действительная и мнимая части которой являются независимыми нормально распределенными случайными величинами со средним значением, равным нулю, и дисперсией . [3] : стр. 494 [4] : стр. 501 Формально,
где обозначает, что является стандартной комплексной нормальной случайной величиной.
Комплексная нормальная случайная величина
Предположим, что и являются действительными случайными величинами, такими что — двумерный нормальный случайный вектор . Тогда комплексная случайная величина называется комплексной нормальной случайной величиной или комплексной гауссовой случайной величиной . [3] : стр. 500
Комплексный стандартный нормальный случайный вектор
n-мерный комплексный случайный вектор является комплексным стандартным нормальным случайным вектором или комплексным стандартным гауссовым случайным вектором, если его компоненты независимы и все они являются стандартными комплексными нормальными случайными величинами, как определено выше. [3] : стр. 502 [4] : стр. 501
То есть стандартный комплексный нормальный случайный вектор обозначается .
Комплексный нормальный случайный вектор
Если и являются случайными векторами в такими, что является нормальным случайным вектором с компонентами. Тогда мы говорим, что комплексный случайный вектор
— это комплексный нормальный случайный вектор или комплексный гауссовский случайный вектор .
Среднее значение, ковариация и отношение
Сложное гауссовское распределение можно описать тремя параметрами: [5]
где обозначает транспонированную матрицу , а обозначает сопряженную транспонированную . [3] : стр. 504 [4] : стр. 500
Здесь параметр местоположения является n-мерным комплексным вектором; ковариационная матрица является эрмитовой и неотрицательно определенной ; и, матрица отношения или псевдоковариационная матрица симметрична . Комплексный нормальный случайный вектор теперь можно обозначить как Более того, матрицы и таковы, что матрица
также неотрицательно определена, где обозначает комплексно сопряженное число . [5]
Взаимосвязи между ковариационными матрицами
Как и для любого сложного случайного вектора, матрицы и могут быть связаны с ковариационными матрицами и посредством выражений
и наоборот
Функция плотности
Функция плотности вероятности для комплексного нормального распределения может быть вычислена как
где и .
Характерная функция
Характеристическая функция комплексного нормального распределения определяется выражением [5]
где аргумент — n -мерный комплексный вектор.
Характеристики
- Если — комплексный нормальный n -вектор, матрица m×n и постоянный m -вектор, то линейное преобразование будет распределено также комплексно-нормально:
- Если — комплексный нормальный n -вектор, то
- Центральная предельная теорема . Если — независимые и одинаково распределенные комплексные случайные величины, то
- где и .
Кругло-симметричный центральный корпус
Определение
Сложный случайный вектор называется кругово-симметричным, если для любого детерминированного распределение равно распределению . [4] : стр. 500–501
Центральные нормальные комплексные случайные векторы, обладающие круговой симметрией, представляют особый интерес, поскольку они полностью определяются ковариационной матрицей .
Кругово -симметричное (центральное) комплексное нормальное распределение соответствует случаю нулевого среднего и нулевой матрицы отношений, т.е. и . [3] : стр. 507 [7] Это обычно обозначается
Распределение действительной и мнимой частей
Если — кругово-симметричный (центральный) комплексный нормальный, то вектор — многомерный нормальный с ковариационной структурой
где .
Функция плотности вероятности
Для невырожденной ковариационной матрицы ее распределение также можно упростить следующим образом [3] : стр. 508
- .
Таким образом, если ненулевое среднее значение и ковариационная матрица неизвестны, подходящей функцией логарифмического правдоподобия для одного вектора наблюдения будет
Стандартное комплексное нормальное распределение (определенное в уравнении 1 ) соответствует распределению скалярной случайной величины с , и . Таким образом, стандартное комплексное нормальное распределение имеет плотность
Характеристики
Выражение выше показывает, почему случай , называется «кругово-симметричным». Функция плотности зависит только от величины , но не от ее аргумента . Таким образом, величина стандартной комплексной нормальной случайной величины будет иметь распределение Рэлея , а квадрат величины будет иметь экспоненциальное распределение , тогда как аргумент будет равномерно распределен на .
Если — независимые и одинаково распределенные n -мерные круговые комплексные нормальные случайные векторы с , то случайная квадратичная норма
имеет обобщенное распределение хи-квадрат и случайную матрицу
имеет комплексное распределение Уишарта со степенями свободы. Это распределение можно описать функцией плотности
где , а — неотрицательно определенная матрица.
Смотрите также
Ссылки
- ^ Гудман, НР (1963). «Статистический анализ, основанный на определенном многомерном комплексном гауссовском распределении (введение)». Анналы математической статистики . 34 (1): 152–177. doi : 10.1214/aoms/1177704250 . JSTOR 2991290.
- ^ глава книги, Gallager.R, стр. 9.
- ^ abcdef Лапидот, А. (2009). Основы цифровой коммуникации . Cambridge University Press. ISBN 9780521193955.
- ^ abcd Tse, David (2005). Основы беспроводной связи. Cambridge University Press. ISBN 9781139444668.
- ^ abc Picinbono, Bernard (1996). "Комплексные случайные векторы второго порядка и нормальные распределения". IEEE Transactions on Signal Processing . 44 (10): 2637–2640. Bibcode : 1996ITSP...44.2637P. doi : 10.1109/78.539051.
- ^ Дэниел Воллшлегер. «Распределение Хойта (документация для пакета R 'shotGroups' версии 0.6.2)».[ постоянная мертвая ссылка ]
- ^ глава книги, Галлагер.Р