- •ОГЛАВЛЕНИЕ
- •ВВЕДЕНИЕ
- •1.1. Основные понятия и определения теории вероятностей
- •1.2. Функции распределения вероятностей случайной величины
- •1.3. Числовые характеристики случайных величин
- •1.5. Случайные процессы и их основные статистические характеристики
- •1.6. Корреляционные функции случайных процессов
- •1.7. Спектральные плотности случайных процессов
- •1.9. Прохождение дискретного случайного процесса через дискретное динамическое звено первого порядка
- •ЗАДАЧИ
- •2. ЭЛЕМЕНТЫ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
- •2.1. Общие понятия и определения
- •2.2. Простейшие оценки
- •2.3. Интервальные оценки. Доверительный интервал
- •2.4. Проверка статистических гипотез о параметрах распределения
- •2.5. Критерии согласия
- •2.6. Последовательный анализ
- •2.7. Особенности статистического вывода
- •2.8. Статистики и измерения стационарного случайного процесса
- •2.9. Оценка корреляционной функции
- •2.10. Оценка спектральной плотности
- •ЗАДАЧИ
- •3. МОДЕЛИ ОБЪЕКТОВ УПРАВЛЕНИЯ
- •3.1. Средства и этапы описания объектов управления
- •3.2. Характеристика моделей объектов управления
- •3.3. Динамические модели объектов управления
- •3.4. Преобразование и исследование динамических моделей
- •3.5. Статические модели
- •3.6. Графическое представление статических моделей
- •3.7. Пример описания объекта управления
- •4. МЕТОДЫ ИДЕНТИФИКАЦИИ
- •4.1. Дисперсионный анализ
- •4.2. Метод регрессионного анализа
- •4.3. Рекуррентные алгоритмы идентификации линейных моделей
- •4.5. Идентификация параметров динамических моделей
- •4.6. Сглаживание временных рядов
- •ЗАДАЧИ
- •5. ПЛАНИРОВАНИЕ ЭКСПЕРИМЕНТА
- •5.1. Общие требования к плану эксперимента
- •5.2. Полный факторный эксперимент
- •5.3. Дробный факторный эксперимент
- •5.4. Планы для квадратичных моделей
- •ЗАДАЧИ
- •СПИСОК ИСПОЛЬЗУЕМЫХ АББРЕВИАТУР И ОБОЗНАЧЕНИЙ
случайного процесса, которая равна математическому ожиданию квадрата центрированного случайного процесса:
|
x mx (t) f (x,t)dx . |
|
x (t) |
(1.50) |
Дисперсия случайного процесса является неслучайной (регулярной) функцией времени, значение которой в каждый момент времени tk равно дисперсии соответствующего сечения X tk случайного процесса.
Среднее квадратическое отклонение случайного процесса равно
|
|
|
|
|
|
|
x |
(t) |
(t) . |
(1.51) |
|
|
|
x |
|
1.6. Корреляционные функции случайных процессов
Математическое ожидание и дисперсия являются важными характеристиками случайного процесса, но они не дают достаточного представления о том, какой характер будут иметь отдельные реализации случайного процесса. Это хорошо видно из рис. 1.10, где показаны реализации двух случайных процессов, совершенно различных по своей структуре, хотя и имеющих одинаковые значения математического ожидания и дисперсии. Штриховыми линиями на рис. 1.10. показаны значения x (t) для случайных процессов.
Процесс, изображенный на рис. 1.10,а, от одного сечения к другому протекает сравнительно плавно, а процесс на рис. 1.10,б обладает сильной изменчивостью от сечения к сечению. Поэтому статистическая связь между сечениями в первом случае больше, чем во втором, однако ни по математическому ожиданию, ни по дисперсии этого установить нельзя.
Чтобы в какой-то мере охарактеризовать внутреннюю структуру случайного процесса, т.е. учесть связь между значениями случайного процесса в различные моменты времени или, иными словами, учесть степень изменчивости случайного процесса, вводят понятие о корреляционной (автокорреляционной) функции случайного процесса [4].
Корреляционной (или автокорреляционной) функцией случайного процесса X (t) называют неслучайную функцию двух аргументов.
Kxx t ,t M X t X t . |
(1.52) |
Корреляционную функцию для центрированной случайной |
состав- |
ляющей X (t) называют центрированной и определяют из соотношения
R |
|
t ,t |
|
M |
|
|
|
|
|
. |
(1.53) |
xx |
|
|
X t |
X t |
|
|
|||||
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
Часто функцию K xx называют ковариационной, а Rxx |
– автокорреляционной. |
29
Различные случайные процессы в зависимости от того, как изменяются их статистические характеристики с течением времени, делят на стационарные и нестационарные. Различают стационарность в узком смысле и стационарность в широком смысле.
Стационарным в узком смысле называют случайный процесс X (t) , ес-
ли его n -мерные функции распределения и плотности вероятности при любом n не зависят от положения начала отсчета времени t . Это означает, что два процесса X (t) и X (t ) имеют одинаковые статистические свойства
для любого , т.е. статистические характеристики стационарного случайного процесса неизменны во времени. Стационарный случайный процесс – это своего рода аналог установившегося процесса в динамических системах.
Стационарным в широком смысле называют случайный процесс X (t) ,
математическое ожидание которого постоянно: |
|
M X (t) mx const , |
(1.54) |
а корреляционная функция зависит только от одной переменной — разности аргументов t t :
Kxx ( ) Kxx t ,t M X t X t . |
(1.55) |
|||
Дисперсия стационарного случайного процесса равна начальному зна- |
||||
чению центрированной корреляционной функции ( ) : |
|
|||
|
Rxx ( ) const . |
(1.56) |
||
x |
||||
Связь между дисперсией и корреляционной функцией |
K xx ( ) опреде- |
|||
лена следующим соотношением |
|
|
|
|
|
K |
xx |
( ) (x) const . |
(1.57) |
x |
|
|
|
Статистические свойства связи двух случайных процессов X(t) и U(t) можно охарактеризовать взаимной корреляционной функцией, которая для каждой пары произвольно выбранных значений аргументов t и t равна
Kxu t ,t M X t U t . |
(1.58) |
Взаимная корреляционная функция K xu ( ) характеризует взаимную |
|
статистическую связь двух случайных процессов X (t) и U (t) |
в разные мо- |
менты времени, отстоящие друг от друга на промежуток времени . Значение
K xu ( ) характеризует эту связь в один и тот же момент времени. |
|
Отметим, что |
|
Kxu ( ) Kux ( ) . |
(1.59) |
Центрированная корреляционная функция Rxx ( ) для неслучайных
функций времени тождественно равна нулю. Однако корреляционная функция K xx ( ) может вычисляться и для неслучайных (регулярных) функций.
30
|
Корреляционная |
функция |
|
|
|
суммы |
|
|
случайных |
|
процессов |
||||||||||||||||||||||||||||
Z (t) X (t) U (t) определяется выражением |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
a) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x(t ) |
|
|
|
|
|
K (τ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sxx(ω) |
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
xx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x(t) A0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S |
(ω) 2πA2 (ω) |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
x |
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Kxx(τ) A0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
0 |
|
|
|
|
t |
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
τ |
|
|
|
|
|
|
|
|
0 |
|
|
|
|
ω |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
б) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
белый шум |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
4 |
|
|
|
|
|
Kxx(τ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sxx(ω) |
|
|
|
|
|
|
|
|
|||||||
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
K |
xx |
(τ) σ 2 δ(τ) |
|
|
|
|
|
|
|
|
σ |
|
|
|
|
|
|
||||||||||
xk |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
ω) |
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
( |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
τ |
|
|
|
|
|
|
|
|
|
0 |
|
|
|
ω |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
0 |
|
5 |
1 0 1 5 2 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
1 |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
K |
|
( ) |
|
|
|
|
cos ( ) d |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
xx |
|
|
|
S |
( ) |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
xx |
|
|
|
|
) |
|
|
|
|
|
xx |
|
|
|
) d |
|
|
|
|
|
|
|
|
||||||||
в) |
|
|
|
|
|
|
|
|
K |
|
( |
|
|
|
|
xx |
|
S ( |
) |
|
cos ( |
|
|
|
|
|
|
|
|
|
|||||||||
цветной шум |
|
|
|
|
|
|
|
|
|
|
|
0 |
|
0 |
|
|
|
|
|
|
|
|
|
|
α |
|
|
|
|
|
|||||||||
|
|
|
K xx |
(τ) |
|
2 |
|
α τ |
|
α τ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
σ xe |
|
2 |
|
|
|
|
|
|
|
|
|
|
2 |
2 |
|
ω |
2 |
||||||||||||||
|
|
|
|
|
|
|
|
Kxx ( ) |
σxe |
|
|
|
|
|
|
|
Sx (ω) 2σ xα / |
|
|
||||||||||||||||||||
|
6 |
|
|
|
|
|
|
5 |
|
|
|
5 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4 |
|
|
|
|
|
|
4 |
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
30 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
2 |
|
|
|
|
Kxx( )3K |
xx |
( )3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S ( ) |
20 |
|
|
|
|
|
|
|
|
||||||
x1k |
0 |
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xx |
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
2 |
|
|
|
|
|
|
1 |
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
4 |
|
|
|
|
|
|
0 |
|
|
|
0 |
|
|
|
|
|
0 |
|
|
|
5 |
|
10 |
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
10 |
|
5 |
|
|
|
|
|
|
|
|
10 |
|
|
|
2 |
1 |
0 |
|
|
1 |
2 |
||||||||||
|
6 |
|
|
|
|
|
|
|
|
|
|
|
10 |
|
|
5 |
|
|
0 |
|
5 |
|
|
|
|
|
|
|
|||||||||||
|
0 |
5 10 15 20 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
г) |
|
|
|
|
|
|
|
(τ) A2 / 2 cos ω |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
x(t ) A sin ω t |
K |
xx |
τ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
2 |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
Sxx(ω) |
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
1 |
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
4/δ ω ω |
|
4/δ ω ω |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
xc |
0 |
|
|
|
Kxck 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
2 |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2π A |
|
2π A |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
2 |
0 |
5 |
10 15 20 |
|
|
2 |
0 |
|
5 |
10 15 20 |
|
|
|
|
|
|
|
- ω1 |
0 |
|
ω 1 |
|
|
ω |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 1.11. Реализации случайных процессов и их характеристики |
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
31 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
K |
zz |
( ) K |
xx |
( ) Kuu ( ) K |
xu |
( ) K |
ux |
( ) . (1.60) |
|
|
|
|
|
Если каждая реализация x(t) тождественно равна постоянному случайному параметру A с определенным распределением вероятностей, то этим вполне определяется случайный процесс. Такой процесс является стационар-
ным, но не эргодическим. Корреляционная функция процесса x(t) A |
равна |
||||
квадрату этой постоянной величины A (рис. 1.11, а). |
|
||||
|
|
|
|
|
|
|
|
K |
xx |
( ) A , |
(1.61) |
|
|
|
|
|
|
а математическое ожидание |
|
|
|
|
|
|
|
mx (t) A . |
(1.62) |
||
Корреляционная функция |
периодической функции, например, |
||||
x(t) Asin( t ), представляет собой косинусоиду (рис. 1.11, д), т.е. |
|
||||
K |
xx |
( ) ( A / )cos , |
(1.63) |
||
|
|
|
|
|
имеющую ту же частоту , что и x(t) , и не зависящую от сдвига фазы .
Корреляционная функция временной функции, разлагаемой в ряд Фу-
рье
n |
|
x(t) A Ak sin k t k , |
|
k |
|
имеет на основании изложенного выше следующий вид |
|
n |
|
K xx ( ) A Ak / cos k . |
(1.64) |
k
Корреляционная функция стационарного случайного процесса, на который наложена периодическая составляющая с частотой k , также будет
содержать периодическую составляющую той же частоты.
Это обстоятельство можно использовать как один из способов обнаружения «скрытой периодичности» в случайных процессах, которая может не обнаруживаться при первом взгляде на отдельные записи реализации случайного процесса.
Примерный вид корреляционной функции процесса X (t) , содержащего
в своем составе кроме случайной также и периодическую составляющую, показан на рис. 1.12, где Rxx ( ) обозначена (штриховая линия) корреляцион-
ная функция, соответствующая случайной составляющей.
32
30
20
Rxx( ) 10
0
10 |
|
|
|
|
20 |
20 |
|
|
|
40 |
0 |
20 |
40 |
Рис. 1.12. Корреляционная функция стационарного случайного процесса с периодической составляющей
Чтобы выявить скрытую периодическую составляющую (такая задача возникает, например, при выделении малого полезного сигнала на фоне большой помехи), лучше всего определить корреляционную функцию K xx (t)
для больших значений , когда случайный сигнал уже сравнительно слабо коррелирован и случайная составляющая слабо сказывается на виде корреляционной функции.
Типичная корреляционная функция стационарного случайного процесса с не равным нулю средним значением, не содержащего скрытых периодичностей, приведена на рис. 1.13.
|
|
|
Kxx ( ) |
|
|
K |
xx |
(0) x2 |
|
|
|
|
|
|
|
|
|
|
|
|
K |
xx |
( ) (x )2 |
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 1.13. Корреляционная функция без периодической составляющей |
Если среднее значение случайного процесса равно нулю, то его типичная корреляционная функция (совпадающая с центрированной корреляционной функцией) будет иметь вид, представленный на рис.1.11,б,в. В этом случае ее можно аппроксимировать следующим аналитическим выражением:
33
|
R |
xx |
( ) R |
xx |
( )e | | e | | , |
(1.65) |
||
|
|
|
|
|
x |
|
||
где |
— дисперсия; const |
— параметр затухания. |
|
|||||
x |
|
|
|
|
|
|
|
|
С ростом связь между |
X (t) |
и |
X (t ) ослабевает и корреляционная |
функция становится меньше. На рис. 1.11,б,в приведены, например, две корреляционные функции и две соответствующие им реализации случайного процесса. Легко заметить, что корреляционная функция, соответствующая случайному процессу с более тонкой структурой, убывает быстрее. Другими словами, чем более высокие частоты присутствуют в случайном процессе, тем быстрее убывает соответствующая ему корреляционная функция.
Иногда встречаются корреляционные функции, которые могут быть
аппроксимированы аналитическим выражением |
|
|||||||
|
|
|
|
|
|
|
||
|
R |
xx |
( ) e |
|
|
|
cos , |
(1.66) |
|
|
|
||||||
|
|
x |
|
|||||
где |
— дисперсия; const — параметр затухания; const |
— резо- |
||||||
x |
|
|
|
|
|
|
|
|
нансная частота.
Корреляционные функции подобного вида имеют, например, случайные процессы типа турбулентности атмосферы, фединга радиолокационного сигнала, углового мерцания цели и т. п.
Выражения (1.65) и (1.66) часто используются для аппроксимации корреляционных функций, полученных в результате обработки экспериментальных данных.
Чем слабее взаимосвязь между предыдущими X (t) и последующими X (t ) значениями случайного процесса, тем быстрее убывает корреляционная функция K xx ( ) . Время K , при котором имеет место неравенство
K x K x , либо
Rxx K ,
где — достаточно малая величина, называют временем корреляции стационарного случайного процесса.
Случайный процесс, в котором отсутствует связь между предыдущими и последующими значениями, называют чистым случайным процессом или белым шумом. В случае белого шума время корреляции K , и корреляци-
онная функция представляет собой - функцию (см. рис. 1.11, г): |
|
||
R |
xx |
( ) ( ) , |
(1.67) |
|
x |
|
где const .
x
При решении практических задач часто пользуются нормированной корреляционной функцией
34