对于随机信号的能量，功率定义要从统计意义上来看待，即对所有实现的能量或功率做统计平均：

对所有可能实现取统计平均（Expectation）。请读者根据上下文注意区分Expectation和Energy。对于一般的随机过程，只能按如上方法计算，大多数时候比较复杂，但对于（广义）平稳随机过程，可以由维纳-辛钦（Wienner-Khinchin）定理计算，其具体内容后面再讲，这里先简单介绍平稳随机过程。

定义B-15平稳随机过程（stationaryrandomprocess）随机过程ξ（t），对于任意的时刻t₁，t₂，…，t_n，子，n，若其联合分布函数成立

f（t₁，t₂，…，t_n）=f（t₁+子，t₂+子，…，t_n+子）

则随机过程ξ（t）为平稳的。

我们看看，上面的定义具体说了些什么：

●当n=1时，说明任何两点确定的随机变量同分布，但是没有关于这两个随机变量关系的约束或刻画。(www.daowen.com)

●当n=2时，说明任何两点确定的随机变量的联合分布只与这两点的间隔有关，而与这两点的具体位置无关，这就对两个点之间的关系有了一定的刻画。当n继续增大，就有更多关系约束。

定义B-16广义平稳随机过程（wide-sencestationaryprocess）对于随机过程ξ（t），若对于任意的t₁，t₂，子，有

则随机过程ξ为广义平稳的。

定义B-17各态历经性（ergoticprocess）一个（广义）平稳随机过程，如果每个时刻对应的随机变量的某个统计特性（比如均值、方差等）能够由该过程任一个实现的相应算术特性表现出来，称该过程对于某个统计特性来说具有各态历经性。例如，每个时刻对应随机变量的统计平均等于该随机过程任意一个实现的算术平均，即期望（Expectation）满足

其中，f（t）为任意一个实现（另请回忆我们前面讲过的求连续值的算术平均的方法）。

通信系统中的噪声，一般认为是平稳且各态历经的。这样一个性质的好处是现实中干扰或者噪声过程中每一点的分布严格来说，是没办法统计的，是不可复现的，但可以使得简单采用多个点的样值来算术平均得到统计平均值。另一方面，后续我们讲概率相关的大数定律时，对比可以发现各态历经性是比大数定律要求更弱的一个命题，先在这儿提一下，到时再详细说明。