- •Глава 3 основы теории случайных сигналов
- •3.1. Случайные события и их характеристики
- •3.2 Случайные величины и их свойства
- •3.3 Законы распределения случайных величин
- •3.4 Случайные процессы и их характеристики
- •3.5 Спектральные представления стационарных случайных процессов
- •3.6 Методи апроксимації случайных сигналов
- •3.6.1 Вейвлети
- •3.6.2 Власні структури
- •3.6 Марковские процессы
- •3.8. Представление модели сигналов в форме пространства состояний
- •3.8 Алгоритмы генерации марковского процесса
- •3.9. Модель наблюдения случайных процессов
- •3.10. Методы оптимальной оценки случайных величин и случайных процессов
- •3.10.1 Выборочные методыоптимальной оценки случайных величин
- •3.10.2 Рекурсивные методы оптимальной оценки случайных величин
- •3.10.3 Рекурсивные методы оптимальной оценки случайных процессов
- •3.11. Метод анализа алгоритмов оценки случайных процессов
3.5 Спектральные представления стационарных случайных процессов
Спектральные плотности реализаций. Рассмотрим стационарный случайный процесс с нулевым математическим ожиданием . Отдельно взятая реализация этого процесса есть функция, которую можно представить в виде обратного преобразования Фурье
с некоторой спектральной плотностью мощности .
Однако для случайного процесса такое представление получить не удается, поскольку данное преобразование можно производить лишь с детерминированными функциями. Поэтому на практике используют не сам процесс, а его корреляционную функцию, являющуюся детерминированной
.
Итак, функция корреляции и спектр мощности стационарного случайного процессасвязаны между собой преобразованием Фурье. Поэтому
Данная теорема в теории случайных процессов получила название теоремы Виннера-Хинчина.
Теорема Винера-Хинчина является важнейшими инструментом прикладной теории случайных процессов.
Интервал корреляции. Реальные случайные процессы, обладают следующим свойством: их функция корреляции стремится к нулю с увеличением временного сдвига . Чем быстрее убывает функция, тем меньшей оказывается статистическая связь между мгновенными значениями сечений случайного процесса в два несовпадающих момента времени.
Числовой характеристикой, служащей для оценки «скорости изменения» реализаций случайного процесса, является интервал корреляции , определяемый выражением
.
Часто используют функцию корреляции в виде двухсторонней экспоненты (рис.3.9).
где .
Очевидно при экспонента. Считается, что интервал корреляцииопределяется в точке, где корреляционная функция.
Рис.3.9 Пояснения к понятию интервала корреляции
Если известна информация о проведении какой-либо реализации «в прошлом», то возможен вероятностный прогноз случайного процесса на время, не превышающее . Однако попытка прогнозирования на время, превышающее интервал корреляции, окажется безрезультатной – мгновенные значения, столь далеко отстоящие во времени, практически некоррелированы, т.е. среднее значение произведениястремится к нулю.
Эффективная ширина спектра. Пусть исследуемый случайный процесс характеризуется функцией - односторонним спектром мощности, причем- экстремальное значение этой функции. Заменим мысленно данный случайный процесс другим процессом, у которого спектральная плотность мощности постоянна и равнав пределах эффективной полосы частот, выбираемой из условия равенства средних мощностей обоих процессов:
.
Отсюда получается формула для эффективной ширины спектра:
.
Этой числовой характеристикой часто пользуются для инженерного расчета дисперсии шумового сигнала: . Например, если известно, что=5·10-9 Вт/Гц, =3·105 Гц, то =1,5·10-3 Вт, откуда среднеквадратическое значение напряжения шума =39 мВ.
Эффективную ширину спектра случайного процесса можно также определить множеством других способов, например, исходя из условия уменьшения значений спектра мощности на границе этого частотного интервала до уровня 0.1. В любом случае величиныидолжны быть связаны соотношением, вытекающим из свойств преобразования Фурье.
Белый гауссовский шум. В теории связи так принято называть стационарный случайный процесс с постоянной на всех частотах спектральной плотностью мощности:
.
Плотность его распределения считается гауссовой.
Термин «белый гауссов шум» образно подчеркивает аналогию с «белым» (естественным) светом, у которого в пределах видимого диапазона интенсивность всех спектральных составляющих приблизительно одинакова.
По теореме Винера-Хинчина функция корреляции белого шума
равна нулю всюду, кроме точки =0.
Белый гауссов шум является абстрактной математической моделью и отвечающий ему физический процесс в природе лишь приближается по своим свойствам. Теоретическая корреляционная функция и спектральная плотность мощности БГШ показаны на рис. 3.11.
Практическая реализация БГШ и его гистограмма плотности распределения вероятности показаны на рис.3.12.
А корреляционная функция и спектральная плотность мощности практической реализации БГШ показаны на рис.3.13.