- •Глава 2. Регрессионные математические модели сигналов и помех
- •2.1. Математические модели антенных систем
- •2.2. Математические модели сигналов и помех Временная структура сигналов.
- •Пространственно-временные сигналы.
- •Случайные процессы как модели сигналов и помех
- •2.3. Регрессионные статистические характеристики нецентрированных параметров сигналов и помех
- •Оценки начальных коэффициентов регрессии и остаточной суммы квадратов
- •2.4. Регрессионные статистические характеристики сигналов и помех в автономных информационных системах
- •Длительностью
- •Коэффициенты начальной регрессии интервалов между нулями стационарных случайных процессов
- •Ширины полосы гауссова энергетического спектра при различных сдвигах между сечениями
- •Оценка средней частоты энергетического спектра сигнала
- •Коэффициенты центральной регрессии интервалов между нулями входных реализаций сигналов
- •Статистические характеристики отсчетов огибающих узкополосных случайных процессов
- •2.5. Экспериментальные исследования регрессионных статистических характеристик непрерывных сигналов
2.2. Математические модели сигналов и помех Временная структура сигналов.
Рассмотрим вначале сигнал, принятый
антенной с 6есконечно малой апертурой.
В соответствии выражением (2.1), полагая
,
получаем
.
Такой сигнал характеризует временную
структуру принимаемых процессов.
Обычно на практике используют сигналы,
спектральные компоненты которых
сосредоточены в частотном диапазоне
.
Часто
где
– центральная частота, обычно
являющаяся несущей.
Такие сигналы называются узкополосными во временном смысле и могут
быть представлены в виде
,
где
и
– законы амплитудной и фазовой модуляции
сигнала соответственно;
– начальная фаза.
Представим
,
где A – величина, характеризующая интенсивность сигнала;
– нормированная функция, описывающая
закон амплитудной модуляции.
Запишем нормированный сигнал в виде
.
Средняя мощность сигнала длительностью Т равна
,
и
если положить, что
имеет единичную среднюю мощность, т.е.
,
то
.
Если
,
то
,
где Э – энергия сигнала.
На практике часто используют другие виды нормировки:
если
то
и если
,
то
.
Математические преобразования при
решении задач обработки сигналов
существенно упрощаются, если сигнал
выразить через комплексную огибающую
аналитического сигнала
,
которая содержит все информативные
параметры сигнала при известной несущей
частоте (средней частоте):
,
(2.2)
где
– комплексный сигнал, сопряженный с
.
При теоретических исследованиях и практических реализациях часто используется представление узкополосного сигнала, основанное на квадратурном разложении
,
– квадратурные составляющие комплексной
огибающей.
Используя формулу Эйлера, комплексную огибающую можно записать в виде
,
т.е. квадратурные составляющие
и
представляют собой действительную и
мнимую части комплексной огибающей
.
Широко используемой математической
моделью сигналов является их представление
в дискретном времени в соответствии с
теоремой Котельникова. Согласно этой
теореме, любой сигнал с ограниченным
спектром может быть разложен в ряд.
Для видеосигналов, спектр которых
ограничен частотами
,
(где
– верхняя частота в спектре), на
ограниченном интервала времени Т
может быть применено приближенное
разложение по Котельникову, которое
получается из точного простым усечением
бесконечных сумм, т.е.
;
,
(2.3)
,
где
– отсчеты
видеосигнала через интервал времени
.
Разложение
Котельникова для узкополосного сигнала,
ширина спектра которого
,
может быть представлено в виде
,
(2.4)
,
где
и
отсчеты
и
через интервал времени
.
Разложение Котельникова для узкополосного сигнала можно записать, используя аналитический сигнал, в следующем виде
.
(2.5)
На основании выражения (2.2) разложение (2.5) можно представить в виде
,
(2.6)
или в квадратурных составляющих
.
(2.7)
Выражения (2.4)… (2.7)
показывают, что сигнал
при известной средней частоте
может быть полностью описан отсчетами
и
или
и
через интервал
.
Вместе с тем из (2.3) и (2.7) следует, что в отличие от видеосигнала здесь в каждый момент времени требуются два отсчета, которые согласно (2.5) могут быть представлены в виде комплексного числа
или в виде двумерного вектора
с действительными компонентами.
Общее количество отсчетов будет равно
.
Комплексная огибающая сигнала может быть представлена
в виде m– мерного вектора с комплексными компонентами:
(2.8)
либо 2m–мерного вектора отсчетов
(2.9)
с действительными компонентами.
Для теоретических расчетов и практических реализаций вместо (2.5)
может быть использован векторный сигнал, вида (2.8) или (2.9).
В зависимости от наличия или отсутствия неизвестных параметров сигналов различают следующие модели:
а) детерминированные c полностью известными параметрами;
в) квазидетерминированные известной
формы – с известными
и
,
но с неизвестными начальной фазой
и интенсивностью
,
интенсивностью и начальной фазой
и т.д.;
в) случайные, у которых и представляют собой случайные процессы.
