- •Тема 1. Теория сигналов.
- •Свойства преобразования ф.
- •Тема 2. Вероятностные методы теории информационных процессов.
- •Моментные функции случайных процессов
- •Свойства корреляционных функций
- •Эффективный интервал корреляции
- •Взаимные моменты случайных процессов
- •Нормирование случайных процессов и корр. Функции.
Свойства преобразования ф.
Теорема Парсеваля
Для математического моделирования операций преобразования типов сигналов используют специальные пробные функции:
δ - функция Дирака:
функция Кронекера (аналог δ функции для дискретных сигналов):
Единичная функция Хевисайда: для создания математических моделей сигналов конечной длительности.
(или 1,=0)
Тема 2. Вероятностные методы теории информационных процессов.
Случайные события
Любой принятый сигнал апостериорно представляет собой детерминированный процесс или событие. Априорно наблюдатель/приемник не знает в точности поведение сигнала, он для него не определен, т.е. случаен.
Математический аппарат описания априорно неопределенных процессов или событий:
Теория вероятности
Теория нечетных множеств
Теория вероятностей:
Статистический подход
Аксиоматический подход (Колмогоров)
Объекты теории вероятности:
случайные события
случайные величины
случайные вектора
случайные процессы
Случайное событие – произошло или нет, мера случайности – вероятность.
- да
N – всего событий,
Случайная величина
Случайный вектор , где - случайная величина.
Другой пример случайных событий – сигналы систем контроля состояния (логические сигналы). ИИС может одновременно фиксировать несколько случайных событий, т.е. ансамбль событий, например, смотрите рисунок выше.
А:
B:
С:
Эти события могут быть зависимыми или независимыми.
Отношения событий
Сумма: – по крайней мере одно событие имеет место.
Формула сложения вероятности:
Произведение: – и то, и это событие одновременно.
Формула умножения вероятности:
Здесь - условная вероятность.
Несовместимые события:
Несовместимые события образуют полную группу, если ∑ вероятности этих событий = 1. Обычно - ансамбль гипотез,
Формула полной вероятности
- ансамбль гипотез (полный).
Событие может произойти только совместно с одной из гипотез.
Очевидно,
Тогда
- апостериорная условная вероятность.
Пусть – вероятность состояния сигнала (сообщения), и нас интересуют априорные условные вероятности посылки , если мы получили .
Тогда формула Байеса:
Но , следовательно:
Случайный процесс как модель сигнала
В общем случае определяемая одномерной или многомерной функцией распределения и плотностью распределения вероятности.
Одномерная модель (модель сечения сигнала в момент t=t0)
ξ - фиксируемая случайная величина или
Многомерная модель (случайный процесс – статистический ансамбль выборочных функций)
Здесь
Чаще всего ограничиваются исследованием одномерных и двумерных моделей.
Свойства функций и плотности распределения вероятности.
Если то
|
|
Для дискретных по величине случайных сигналов (квантованных):
Моментные функции случайных процессов
Математическое ожидание случайного сигнала (по сечению)
Непрерывный сигнал:
Дискретный по амплитуде (квантованный) сигнал:
Начальные моменты k-го порядка:
Центральные моменты k-го порядка:
Центральный момент 2-го порядка – дисперсия:
Для описания/моделирования временной взаимосвязи сечений случайного процесса используется:
корреляционная функция:
Ковариационная функция
При
Нормирование корреляционной и ковариационной функции:
Свойства:
Допущения и упрощения при моделировании случайных процессов:
Стационарность:
В широком смысле: и – инвариантны относительно сдвига во времени:
В узком смысле: - инвариантны относительно сдвига во времени.
Эргодичность:
Моментные функции, полученные для сечений с вероятностью, стремящейся к 1, совпадают со средними значениями, полученными на оной реализации по времени наблюдения
Для характеристики стационарных в широком смысле случайных процессов в частотной области используется – спектральная плотность стационарного случайного процесса – преобразования Ф от корреляционной функции (в комплексной форме):
Физический смысл - разложение средней мощности случайного сигнала по частотам.
Действительная форма спектрального разложения:
При этом при