1.1.3. Формы представления случайных непрерывных сигналов во временной области

В качестве моделей случайных сигналов используется случайный процесс.

Под случайным (стохастическим) процессом подразумевают такую функцию времени U(t), значения которой в каждый момент времени случайны. Конкретный вид случайного процесса, зарегистрированный в определенном опыте, называют реализацией случайного процесса. Точно предсказать, какой будет реализация в очередном опыте, принципиально невозможно. Могут быть определены лишь статистические данные, характеризующие все множество возможных реализаций, называемое ансамблем. Основными признаками, по которым классифицируются случайные процессы, являются: область состояний, временной параметр и статические зависимости между случайными величинами U(t_i) в разные моменты времени t_i. Областью состояний называют множество возможных значений случайной величины U(t_i). Случайный процесс, у которого множество состояний составляет континиум, а изменения состояний возможны в любые моменты времени, называют случайным непрерывным процессом.

В соответствии с определением, случайный процесс U(t) может быть описан системой N обычно зависимых случайных величин U₁ = = U(t₁),…, U_i = U(t_i),…, U_N = = U(t_N), взятых в различные моменты времени.

Исчерпывающей характеристикой указанной системы является N-мерная плотность вероятности _N(U₁,…, U_N, t₁,…,t_N). Она позволяет вычислить вероятность P_H реализации, значения которой в момент времени t₁, t₂,…,t_N будут находиться соответственно в интервалах (U₁, U₁ + U₁),…, (U_N, U_N + U_N). Для оценки степени статистической зависимости мгновенных значений процесса U(t) в произвольные моменты времени t₁ и t₂ используется неслучайная функция аргументов R_U(t₁, t₂), которая называется автокорреляционной или просто корреляционной функцией. При конкретных аргументах t₁ и t₂ она равна корреляционному моменту значений процесса U(t₁) и U(t₂):

. (1.17)

Через двумерную плотность вероятности выражение (1.17) представляется в виде

(1.28)

В силу симметричности этой формулы относительно аргументов справедливо равенство

. (1.19)

Случайные процессы различают по степени однородности протекания их во времени. Очень часто вводят предположение о стационарности случайного процесса, что позволяет существенно упростить математический аппарат исследования. Стационарность процесса предполагает его существование и статистическую однородность во всем диапазоне времени от  до . Среди стационарных случайных процессов многие удовлетворяют свойству эргодичности. Оно проявляется в том, что каждая реализация случайного процесса достаточной продолжительности несет практически полную информацию о свойствах всего ансамбля реализаций. Для стационарных эргодических процессов справедливы соотношения:

для математического ожидания сигнала U(t)

; (1.20)

для дисперсии сигнала

; (1.21)

для корреляционной функции сигнала

. (1.22)

Дисперсия сигнала U(t) равна корреляционной функции при  = 0:

.

Значение корреляционной функции при  = 0 является наибольшим ее значением. Типичная корреляционной функция для стационарных случайных процессов при m_U = 0 имеет вид

. (1.23)

Иногда используется корреляционная функция вида

. (1.24)

Выражениями (1.23) и (1.24) часто аппроксимируют экспериментальные данные.