4.
Основы корреляционной теории случайных
процессов
-
Основы корреляционной теории случайных процессов
Как уже упоминалось в п. 3.2, одной из важнейших характеристик случайного процесса является его корреляционная функция. В данном разделе для изучения свойств случайных процессов мы будем пользоваться именно корреляционными функциями, то есть смешанными моментами второго порядка.
-
Функция автокорреляции
Рассмотрим комплексную случайную функцию вида (t) = (t) + j(t), которую можно рассматривать как двумерную случайную функцию, либо как комбинацию из двух действительных случайных функций. Как уже упоминалось в п.. 3.2, функцией автокорреляции называется смешанный момент второго порядка вида
. |
(4.1) |
Здесь введены обозначения i = (ti) и i = (ti). Естественно, B(t, t) является действительной положительной величиной:
. |
(4.2) |
Из определения функции автокорреляции комплексного процесса (4.1) следует также ее эрмитовость:
,
что для процессов, стационарных в широком смысле, дает . Из выражения (4.2) следует, что дисперсия функции (t) может быть вычислена как
.
Ограничим класс рассматриваемых нами случайных функций непрерывными в среднеквадратичном смысле функциями второго порядка, то есть имеющими ограниченный и непрерывный в любой момент времени средний квадрат модуля. Представим функцию автокорреляции в показательной форме B(t1,t2) = |B(t1,t2)|exp{(t1,t2)} и рассмотрим при произвольном a величину
Поскольку среднее от квадрата модуля любой величины неотрицательно, а |cos( – a)| 1,
получаем
,
то есть функция автокорреляции ограничена по модулю. Очевидно, для стационарного случайного процесса |B()| <|(t)|2> = B(0). Кроме того, функция автокорреляции непрерывной в среднеквадратичном смысли случайной функции равномерно непрерывна на плоскости (t1, t2).
Для того, чтобы производная случайной функции (t) существовала и была случайной функцией второго порядка, непрерывной в среднеквадратичном смысле, необходимо и достаточно, чтобы существовала непрерывная в любые моменты времени смешанная производная . Тогда
.
Для стационарного случайного процесса
.
Аналогично можно показать, что
, ,
а для стационарных процессов
.
-
Спектральные характеристики случайных процессов
-
Рассмотрим стационарный в широком смысле непрерывный в среднеквадратичном смысле случайный процесс второго порядка (t). Как было показано в предыдущем параграфе, функция автокорреляции B() такого процесса ограничена и непрерывна для любого , а это означает, что существует ее преобразование Фурье:
. |
(4.3) |
Функция G(j) называется спектральной плотностью интенсивности случайного процесса. Для электрических сигналов эта функция имеет смысл спектральной плотности мощности. Соответственно, существует и обратное преобразование
. |
(4.4) |
Соотношение (4.4) носит название теоремы Винера-Хинчина.
Положив в выражении (4.4) = 0 и учитывая соотношение (4.2), получим:
. |
(4.5) |
Если стационарный случайный процесс (t) – вещественный, то его функция автокорреляции B() также вещественная и четная; тогда и спектральная плотность интенсивности G(j) тоже будет вещественной и четной функцией частоты. Поэтому имеет смысл изменить пределы интегрирования в теореме Винера-Хинчина и ввести другую спектральную функцию:
.
Здесь
и G+(f) = 2G+(2f). Выражения для спектральных интенсивностей G+(f) и G+() легко получить из формулы (4.3):
. |
(4.6) |
Если все реализации случайного процесса (t) – финитные функции, для любой из этих реализаций s(t) можно построить ее спектр S(j):
,
который, очевидно, будет являться случайной функцией частоты. Если случайный процесс стационарен, то, используя спектр реализации процесса и теорему Винера-Хинчина (4.4), мы можем записать:
Полученное равенство может выполняться только в случае, когда
. |
(4.7) |
Именно это соотношение часто принимают за определение спектральной интенсивности случайного процесса; в этом случае выражение (4.4) действительно имеет смысл теоремы.
Рассмотрим случайный процесс с нулевым средним 1 (t) = (t) – <(t)>. Легко показать, что для его спектральной плотности интенсивности справедливо
.
Введем среднюю частоту , среднее время корреляции , ширину полосы и интервал корреляции , которые определяются следующими выражениями
, ,
, ,
если существуют соответствующие интегралы. Из теории интегралов Фурье известно, что для произведения квадратов ширины полосы и интервала корреляции справедливо соотношение неопределенностей:
. |
(4.8) |
В квантовой механике энергия , поэтому из выражения (4.8) следует
–
классическое соотношение неопределенности Гайзенберга. Доказано, что равенство в выражении (4.8) реализуется только для гауссовых функции корреляции и спектральной плотности интенсивности:
, . |
(4.9) |
В качестве примера найдем спектральную плотность интенсивности пуассоновского импульсного процесса вида (2.3), рассмотрев сначала процесс с нулевым срелним (t) = (t) – <(t)>. По аналогии с выводом соотношения (2.10) выразим B() через условные моменты и, учитывая, что < (t)> = 0, получим:
.
Применив теорему о спектре свертки, запишем спектральную плотность интенсивности:
,
где
–
спектр импульса F(t). Таким образом, форма спектральной плотности интенсивности пуассоновского импульсного процесса полностью определяется формой спектра импульсов F(t), а их средняя частота следования и амплитуда влияют только на общий уровень шума.
В задаче о дробовом эффекте мы полагали импульс F(t) прямоугольным c единичной высотой и длительностью 0. Соответствующий такому импульсу спектр равен
;
соответственно, спектральная плотность интенсивности дробового шума с учетом выражений и равна
. |
(4.10) |
Вид этой функции показан на рис. 4.1. Видно, что при 0 << 1 ее можно считать практически постоянной и равной G0 = iаe.
Случайный процесс, спектральная плотность интенсивности которого постоянна G(j) = G0, называется белым шумом. Ясно, что такого шума в природе быть не может, поскольку в соответствии с выражением (4.5) для него . Однако эта абстрактная модель может применяться в случаях, когда спектральная плотность интенсивности реального процесса постоянна в некотором частотном диапазоне. Рассмотрим случайный процесс, функция автокорреляции которого локализована на интервале –0 < < 0, то есть B() = 0 при || > 0. Тогда на частотах << 1/0 спектральная плотность интенсивности равна
Рис. 4.1. Спектральная
плотность интенсивности дробового
шума
то есть шум можно считать белым. В пределе при 0 0 так, чтобы интеграл от функции автокорреляции оставался постоянным, получим белый шум во всем частотном диапазоне G(j) = G0, которому соответствует автокорреляционная функция
. |
(4.11) |
По этой причине белый шум часто называют дельта-коррелированным процессом.