这几天我在李俊杰、Mathematica的帮助下推导了极坐标下的二维布朗运动的统计。一开始我就觉得,这是很基本的问题,应该会有相应的例题或课件直接给出答案。但是一开始搜都搜不到。我用体育老师教的数学推了半天,出结果之后,就立马搜到资料了。只当作上天逼我练习一下大学的数学吧。
我要考虑的问题是二维无规行走的极坐标的统计,即极径和极角的分布。之前我总结过了二维和三维无规行走的极径分布分别是Rayleigh分布和Maxwell分布,这都是直角坐标的期望值为零的情况。本文一是要考虑期望值不为零的情况,二是不光考虑极径的分布,还要考虑极角的。
二维无规行走的“轨迹中心”
一个走了N步的二维无规行走轨迹应该是有其中心的。例如,可以定义这个中心为无规行走的x坐标和y坐标的期望值和。这样的定义严格来说并不实用,因为对于给定的有限步数的轨迹,我们无法知道期望值,只能计算均值。后者只有时才是期望值。为了实验方便,我定义二维无规行走的轨迹“中心”是其起始坐标。这样,不仅对任意一个给定的轨迹都能直接说出其“中心”,还能主动实现一个给定中心的“无规行走”——只要从你的行走是从那个中心开始的就行。凭直观想象,一个从点出发的无规行走,只要步数足够大,就有和。当然,这是为了实验的思考。接下来的推导都是谈期望值
期望值为零的情况
首先,考虑一个“在原点处”的无规行走,即其x坐标和y坐标的期望值,方差都是(各向同性)。这时其极坐标的极径和极角和的分布分别为一个Rayleigh分布和一个均匀分布:
(1)
(2)
期望值不为零的情况
考虑“位于极坐标中点处的无规行走,即其直角坐标x和y的期望值为,方差都是(各向同性)。于是
(3)
则极径和极角的联合分布为
(4)
由于无规行走的极径和极角是相互独立的随机量,所以求两个边缘分布就可以了。
(5)
这两个积分都无法用初等函数表示。我是用Mathematica来算的,结果如下:
(6)
(7)
其中,是零阶第一类Bessel函数
(8)
是误差函数
(9)
式(6)其实就是Rice分布,当时退化为Rayleigh分布(式(1))。下图是固定,的分布曲线:
下图是固定,的分布曲线:
作为极径的分布,Rice分布与极角的期望无关。而极角的分布(式(7))与和都有关。这个分布是否已有人名,我没有找到。我只找到一篇文章讨论更加一般的情况,即两组高斯量X和Y期望值,且它们的方差也各不相等;而且X坐标和Y坐标还是相关的,它们的协方差系数的情况[1]。我是算出式(7)之后才找到这篇论文的,唯一安慰就是一对照发现我好歹算对了。
式(7)在时退化为均一分布(式(2)),这是“在原点处”的无规行走的结果。可以想象,一个远离原点处的二维无规行走,其轨迹相对原点的极角涨落基本会分布在一个很窄的范围之内,而且这个范围主要依赖这个无规行走的“位置”。下图是固定和,的结果:
再仔细想,一个给定方差的无规行走,如果离原点近一些,其轨迹的极角涨落会宽一些。下图是固定和,的结果:
最后,看一下固定和,的结果:
References
- P. Dharmawansa, N. Rajatheva, and C. Tellambura, "Envelope and phase distribution of two correlated gaussian variables", IEEE Transactions on Communications, vol. 57, pp. 915-921, 2009. http://dx.doi.org/10.1109/TCOMM.2009.04.070065