- •1.Случайные величины.Распределение вероятностей.Аксиома измерений.
- •2. Закон больших чисел. Теорема Бернулли
- •7. Пуассоновский импульсный процесс
- •8.Случайные функции: их задание, сходимость, непрерывность и стационарность.
- •9. Моменты случайных функций
- •10. Эргодические случайные процессы
- •11. Функция автокорреляции
- •12. Спектральные характеристики случайных процессов
- •13. Корреляционная теория случайных последовательностей
- •14. Спектр процесса на выходе линейной системы
- •15. Распределение вероятностей на выходе линейной системы. Теорема о нормализации
- •16. Узкополосный гауссов процесс
- •17. Спектр колебаний с флуктуирующей частотой
- •19. Нелинейное безинерциальное преобразование. Корреляц-ые фии на выходе генератора гармоник
- •20. Марковские процессы .Уравнение Смолуховского
- •21. Марковский процесс с дискретными состояниями
- •22. Двумерные случайные блуждания
- •23. Уравнение Фоккера-Планка-Колмогорова
- •24. Стохастические дифференциальные уравнения. Случайные функции с независимыми приращениями
- •25. Усреднение точного решения стохастического дифференциального уравнения
- •26. Уравнение для средних и его связь с уравнением фпк.
- •27. Уравнение Лиувилля.Случайный телеграфный сигнал.
- •28. Тепловой шум в линейных диссипативных системах. Теорема Найквиста
- •29. Дробовой и фликкер-шум. Шумы полупроводниковых приборов
- •30. Шумы усилителей
- •31. Корреляционные и спектральные характеристики случайного поля
- •32. Эмв в статистически неоднородной среде
- •33. Анализ случайной дифракции методом мма
- •34. Плоская случайная волна в диспергирующей среде
- •35. Корреляционная функция одномодового и многомодового лазерного излучения
14. Спектр процесса на выходе линейной системы
Р/м систему, связь между входным x(t) и выходным y(t) сигналами которой описывается линейным дифференциальным уравнением вида
Реакция такой системы на произвольное входное воздействие нах-ся с помощью интеграла Дюамеля:
Где h(t) – импульсная характеристика системы, равная нулю при t < 0, x(t) – начавшийся в момент времени t = 0 входной сигнал. Для входного сигнала, начавшегося бесконечно давно
Р/м в качестве входного сигнала стационарный случайный процесс 1(t). Поскольку любая физически реализуемая цепь имеет конечное время установления (релаксации) р, можно считать, что h( > р) = 0 и записать выражение для средних значений процессов на входе 1(t) и выходе 2(t) системы:
Выходной случайный процесс 2(t) также стационарен. Найдем его функцию автокорреляции B2():
Здесь введены обозначения
Выражение для спектральной плотности интенсивности процесса на выходе:
Осуществляя в интеграле по d замену – = и подставляя явный вид функции (), получим:
Здесь
частотная характеристика системы. Подставляя полученный результат в выражение для G2(j) и учитывая, что
получим:
Мы нашли связь между спектральными плотностями интенсивности входного и выходного процессов:
Полученное выражение позволяет не только найти спектральную плотность интенсивности процесса на выходе линейной системы, но и определить физический смысл этой функции. Рассмотрим в качестве системы узкополосный фильтр, частотная характеристика которого имеет вид
Считаем, что ширина полосы пропускания фильтра настолько мала, что в ее пределах можно считать G1(j) = G1(j0) = const. Тогда средний квадрат шума на выходе фильтра равен
Спектральная плотность интенсивности процесса на частоте 0 – это энергия данного процесса, приходящаяся на единичную полосу частот вблизи 0.Вместе с теоремой Винера-Хинчина запишем функцию автокорреляции процесса на выходе системы
15. Распределение вероятностей на выходе линейной системы. Теорема о нормализации
Р/м линейную систему, на вход которой подан стационарный гауссов процесс:
причем то естьПоскольку все моменты стационарного процесса постоянны, его двумерное совместное распределение можно записать в виде:
где
Любое одномерное распределение гауссова процесса должно удовлетворять нормальному закону:
|
Случайный процесс на выходе нашей системы можно записать в виде интеграла Дюамеля:
Поскольку в этой сумме все слагаемые 1(nt) имеют нормальное распределение, их сумма, взятая с любыми весами, (то есть 2(t)) также будет распределена нормально, но с другими моментами.Запишем
Р/м другой случай – процесс на входе системы не является нормальным, однако для него система может считаться узкополосной, то есть << G, где – полоса пропускания системы, а G – полоса частот, где G1(j) 0. На основе соотношения неопределенности можно утверждать, что при таких условиях интервал корреляции входного процесса 1 будет существенно меньше времени релаксации системы р: 1 << р. Выберем временной интервал так, чтобы выполнялось условие 1 << << р и перепишем интеграл Дюамеля
где
, N = р/ >> 1. Поскольку >> 1считаем, что величины n некоррелированы, а выходной процесс 2(t) является суммой большого числа некоррелированных СВ; тогда в силу центральной предельной теоремы он является нормальным процессом. При прохождении через узкополосную систему любой стационарный случайный процесс нормализуется – в этом состоит суть так называемой теоремы о нормализации.