定常過程（ていじょうかてい、）とは、時間や位置によって確率分布が変化しない確率過程を指す。このため、平均や分散も（もしあれば）時間や位置によって変化しない。例えば、ホワイトノイズは定常的である。しかし、シンバルを鳴らしたときの音は定常的ではなく、時間と共に音が弱まっていく。定常性（Stationarity）は時系列の解析でも重要であり、時系列データを定常的なものに変換することがよく行われる。例えば、経済的データは季節による変動があったり、価格レベルに依存する。ある定常過程と1つ以上の過程に傾向（トレンド）が認められるとき、これら過程を「傾向定常的; trend stationary」であるという。このようなデータから定常的成分だけを抜き出して分析することを「傾向除去; de-trending」と呼ぶ。離散時間の定常過程で、標本値も離散的（とりうる値が "N" 個に限定されている）な場合をベルヌーイ系（Bernoulli scheme）と呼ぶ。"N" = 2 の場合を特にベルヌーイ過程（Bernoulli process）と呼ぶ。広義の定常性は信号処理で一般に使われる概念で、弱い定常性（weak-sense stationarity）、広義定常性（wide-sense stationarity）(WSS) あるいは 共分散定常性（covariance stationarity）とも呼ばれる。WSS の無作為過程は1次および2次モーメント（平均と分散）が時間によって変化しない。平均と共分散のある狭義の定常過程も WSS である。従って、連続時間の確率過程 "x"("t") が WSS であるとき、その平均関数は以下の制約に従う。また、相関関数は以下の制約に従う。1つめは、平均関数 "m"("t") が定数であることを意味している。2つめは相関関数が formula_3 と formula_4 の差にのみ依存し、1変数で表されることを意味している。従って、の代わりに次のように記述する。WSS な無作為信号を線型で時不変な（LTI）フィルタで処理するとき、相関関数を線型写像と考える。2つの引数の差にのみ依存するため、それは巡回演算子であり、その固有関数はフーリエ複素指数である。さらに、LTI演算子の固有関数も複素指数であり、WSS な無作為信号のLTI処理は非常に扱いやすい。全ての計算は周波数領域で実行できる。このため、WSS 仮定は信号処理アルゴリズムによく使われている。

出典:wikipedia