
- •Глава 2 основы теории сигналов
- •1. Математическое представление сигналов
- •1.1 Сообщения, сигналы и помехи как случайные процессы
- •1.2. Система базисных функций
- •2. Дискретизация и квантование сигналов
- •2.1. Общие положения
- •2.2. Регулярность отсчетов
- •2.3. Критерий оценки точности
- •2.4. Способы воспроизведения сигнала
- •2.5. Квантование сигнала
Глава 2 основы теории сигналов
1. Математическое представление сигналов
1.1 Сообщения, сигналы и помехи как случайные процессы
Детерминированное сообщение не содержит никакой информации. Источник информации рассматривается как устройство, осуществляющее выбор из некоторого множества возможных сообщений.
Сообщение возникает с определенной вероятностью. Множество, на котором задана вероятностная мера, называется ансамблем. Ансамбль {x(t)} функций времени есть случайный процесс. Входящая в него функция x(t) называется выборочной функцией или реализацией случайного процесса [8].
Для переноса информации необходимо установить соответствие между каждым сообщением из ансамбля и определенной реализацией сигнала. Помехи воздействуют на сигнал и по сигналу о сообщении можно судить с определенной вероятностью.
Сообщение, сигнал, помеха являются случайными процессами, которые задаются на конечном отрезке времени.
Скалярный случайный процесс может быть задан вероятностью того, что x(t) в моменты времени t1,t2,…tn, не превышает значений x1,x2,…,xn (см. рис.2.1.) [9]:
.
Случайная величина x(tk) - есть сечение случайного процесса.
Рис.2.1
Если существуют частные производные функции распределения вероятностей по xi, i=1,2,…,n, то можно определить n–мерную плотность распределения вероятностей
.
Например, достаточно распространенным сигналом является сигнал, плотность которого имеет вид
,
где An, cij, ai, aj - некоторые постоянные. При n=1 одномерная плотность распределения имеет вид (нормальное распределение)
.
Среднее значение процесса по ансамблю (математическое ожидание) определится формулой
,.
где w(x,t) - одномерная плотность распределения для сечения t.
Разность
между случайным процессом и его
математическим ожиданием называют
центрированным процессом и обозначают
.
Математическое ожидание квадрата центрированного процесса называется дисперсией и определяется формулой
.
Функцией корреляции (автокорреляции) Bx(t1,t2) называется математическое ожидание произведения двух сечений центрированного случайного процесса в точках t1 и t2
,
где w(x1,x2,t1,t2) - двумерная плотность распределения сечения по t1 и t2.
Функция взаимной корреляции двух случайных процессов определится формулой
,
где w(x1,y2,t1,t2) - двумерная плотность распределения сечения по t1 процесса X и сечения по t2 процесса Y.
Случайный процесс, у которого математическое ожидание и дисперсия не зависят от t, а функция корреляции зависит от =t2-t1 и не зависит от t1 и t2, называется стационарным.
Помимо средних значений по ансамблю, можно определить средние значения случайного процесса по времени. Для финитного случайного процесса, заданного на (t1,t2), постоянная составляющая определится по формуле [10]
.
Если случайный процесс задан на (t,), то в этом случае
.
Процесс
называется переменной составляющей.
Среднее по времени значение квадрата переменной составляющей
также является случайной величиной, не зависящей от t, и называется мощностью переменной составляющей.
Стационарные процессы называют эргодическими, если для них усреднение во времени приводит к тем же результатам, что и статистическое усреднение. Математическое ожидание для этих процессов равно постоянной составляющей, а дисперсия равна мощности переменной составляющей. Грубо говоря, эргодичность процесса состоит в том, что все его реализации похожи друг на друга. Функция коррекции эргодического процесса вычисляется по одной реализации усреднением во времени:
.
Функция корреляции стационарного случайного процесса имеет обозначение Bx(), где - разность между двумя сечениями. Функция симметрична, т.к.
.
При =0 значение функции автокорреляции равно дисперсии
.
При любом Bx()D{x(t)}, т.е. Bx() максимальна при =0.
Нормированная функцией корреляции или коэффициент корреляции случайного процесса x(t) определится
.
Для случайного стационарного процесса Rx()=Bx()/D{x(t)}, Rx()=Rx(-),Rx(0)=1, Rx()1.
Величина Rx() является в известной степени мерой статистической зависимости между сечениями процесса, отстоящими на интервале .