- •3 В.К. Игнатьев. Статистическая радиофизика
- •Литература:
- •Основы теории вероятностей
- •1.1.Предмет статистической радиофизики
- •1.2.Случайные события. Вероятность
- •1.3.Случайные величины. Распределение вероятностей
- •1.4. Закон больших чисел. Аксиома измерений
- •1.5.Совместные распределения. Условные функции распределения
- •1.6. Характеристическая функция. Семиинварианты
- •1.7.Центральная предельная теорема
- •Случайный импульсный процесс
- •2.1.Функции случайной величины
- •2.2.Пуассоновский импульсный процесс
- •Случайные функции
- •3.1.Понятие случайной функции. Задание случайной функции
- •3.2.Сходимость, дифференцируемость, непрерывность и стационарность случайных функций
- •3.3.Моменты случайных функций
- •3.4.Эргодические случайные процессы
- •Корреляционная теория случайных процессов
- •4.1.Функция автокорреляции
- •4.2.Спектральная плотность интенсивности случайных процессов
- •4.3. Случайные последовательности
- •Воздействие случайного процесса на линейную систему
- •5.1. Спектральные характеристики процесса на выходе линейной системы
- •5.2.Распределение вероятностей на выходе линейной системы
- •5.3.Узкополосный гауссов процесс
- •5.4.Спектр колебаний с флуктуирующей частотой
- •5.5. Спектральное оценивание
- •Нелинейные преобразования случайных процессов
- •6.1.Нелинейное безинерциальное преобразование
- •6.2.Корреляционные функции на выходе умножителя частоты
- •Марковские процессы
- •7.1. Процесс без последействия
- •7.2. Уравнение Смолуховского
- •7.3.Марковский процесс с дискретными состояниями
- •7.4.Двумерные случайные блуждания
- •7.5.Уравнение Фоккера – Планка – Колмогорова
- •Стохастические дифференциальные уравнения
- •8.1. Постановка задачи
- •8.2. Случайные функции с независимыми приращениями
- •8.3. Усреднение точного решения стохастического дифференциального уравнения
- •8.4. Уравнение для средних
- •8.5.Уравнение Лиувилля
- •Случайные поля
- •9.1.Функция автокорреляции и спектр случайного поля
- •9.2.Электромагнитная волна в статистически неоднородной среде
- •9.3.Метод медленно меняющихся амплитуд
- •9.4.Плоская случайная волна в диспергирующей среде
- •Флуктуации в электрических цепях
- •10.1. Тепловой шум в линейных диссипативных системах
- •10.2.Дробовой шум
- •10.3.Фликкер-шум
- •10.4. Шумы электронно-дырочного перехода
- •10.5. Шум биполярного транзистора
- •10.6.Шумы полевых транзисторов
- •10.7.Шумы усилителей
- •Флуктуации в лазерных системах
- •11.1.Корреляционная функция одномодового лазерного излучения
- •11.2. Корреляционная функция многомодового лазера
- •11.3.Флуктуации в одномодовом лазере
- •Содержание
Стохастические дифференциальные уравнения
8.1. Постановка задачи
Уравнение ФПК (7.20) получено для марковского процесса первого порядка, то есть случайного процесса в системе первого порядка. Однако многие задачи радиофизики описываются моделями более высокого порядка, например, генератор с обратной связью и так далее. Для анализа этих систем можно применить разные методы, например,свести систему к первому порядку, для автогенератора это возможно в рамках метода медленно меняющейся амплитуды. Другой способ –учесть, что для однозначного решения n-го порядка необходимо задатьпначальных условий(0), …,(n – 1)(0), или, что то же самое, значения функции(t) вппредшествующих точках. Такой случайный процесс, для которого распределение вероятности в момент времениt0определяется значениями функции в ппредшествующих моментах времени, называется марковским процессомп-го порядка. Но если ввести n-мерную случайную функцию, то для такой векторной функции случайный процесс будет марковским процессом первого порядка, то есть все его конечномерные распределения приt>t0зависят только от ,следовательно, можно использовать многомерное уравнение ФПК вида(7.40).
Однако непосредственное применение уравнений ФПК к реальным физическим процессам не всегда очевидно. Неясно, как связать коэффициенты АиВс параметрами системы. Процессы в физических системах описываются дифференциальными уравнениями вида
, (8.0)
где – дифференциальные операторы,f(t) – воздействие на систему,x(t)–реакция системы. В статистической радиофизике можно считать, что уравнение (8.1) записано для реализациих(t) случайного процесса(t) в системе.
Случайный характер уравнения (8.1) обычно подразделяют на 3класса:
а) система под воздействием случайной силы f(t); б) система со случайными параметрами; в) система со случайными начальными или граничными условиями. В этих случаях уравнение (8.1)называетсястохастическимдифференциальнымуравнением. Его решение –это нахождение средних и корреляционных функций для случайного процесса(t). Разумеется, если известно аналитическое решение уравнения (8.1), его можно усреднить по общим правилам, хотя такое усреднение может оказаться очень трудным. Однако специфика стохастических дифференциальных уравнений состоит в том, что даже если не известно аналитическое решение уравнения (8.1),можно, используя стохастичность процесса, составить и решить уравнение для средних значений(t)или корреляционных функцийB(), не решая само уравнение (8.1).
Для теории стохастических дифференциальных уравнений важен также вопрос, при каких условиях случайный процесс (t) в системе, описываемой уравнением (8.1),будет марковским, и как при этом связаны коэффициентыАиВуравнения ФПК (7.20)с операторами уравнения (8.1).Для ответа на этот вопрос следует рассмотреть ещё один класс случайных функций.
8.2. Случайные функции с независимыми приращениями
Рассматривая такие функции, как координата броуновской частицы, заряд, перенесённый на анод лампы и так далее, мы каждый раз имеем дело со случайными функциями (t),приращение которых на перекрывающихся интервалах времени независимы. Разобьем промежуток времени от 0доtна nпроизвольных интервалов времениti=ti + 1–ti,t0= 0,tn=tи запишем:
, (8.0)
где i=(ti + 1) –(ti) – независимые случайные величины. Тогда
. (8.0)
Если функция (t) непрерывна почти наверняка и её приращения на сколь угодно малых интервалах независимы, то, переходя в уравнениях (8.2)и (8.3)к пределу n , в силу центральной предельной теоремы можно утверждать, что функция (t) =(t) –(0) имеет нормальное распределение
, (8.0)
где , причёмB() 0.
Пусть теперь (t) – однородный поt(стационарный) процесс и для определённости <(t)> = 0. Это значит, что в силу соотношения (8.2):
i = (ti + 1) – (ti) = (ti + 1 – ti) (ti), (t) = (t – 0) = (t),
. (8.0)
Единственное неотрицательное решение функционального уравнения (8.5) –это линейная зависимость вида (5.23):
D[(t)] = Bt, B 0. (8.0)
То есть однородная непрерывная функция с независимыми приращениями распределена по нормальному закону (8.4)с дисперсией, пропорциональной времени (8.6),то есть по диффузионному закону вида(7.19).
Рассмотрим теперь производную стационарной случайной функции (t) с независимыми приращениями. Тогда
.
Вычисляя теперь дисперсию функции (t) аналогично тому, как то было сделано при выводе формулы (3.6),с учётом соотношения(8.6),получим
.
Это равенство возможно лишь в том случае, если производная '(t) является дельта-коррелированным процессом вида(4.7):
.