- •Введение
- •1. Случайные события. Сумма и произведение событий
- •2. Расчеты по формуле полной вероятности и формуле Бейеса
- •3. Характеристики случайных величин
- •4. Характеристики случайных процессов
- •5. Анализ линейных преобразований случайных процессов
- •6. Анализ нелинейных преобразований случайных процессов
- •Библиографический список
3.8. Найти интегральную |
функцию |
случайной величины с |
||
плотностью вероятности f (x)= |
C |
|
1 |
. Найти коэффициент C из |
1+4 x2 |
|
мА |
||
|
|
|
условия нормировки плотности вероятности.
3.9. Найти характеристическую функцию и математическое ожидание распределения Лапласа (двухстороннего показательного)
f (x)= λ2 e−λ|x| .
3.10. Случайная величина имеет равномерное распределение:
f ( x)={C,a x b, 0, x<a,x>b ,
где a = –1 В, b = 5 В. Найти значение константы C и характеристическую функцию распределения.
3.11. Найти коэффициент асимметрии и коэффициент эксцесса для равномерного распределения.
4. Характеристики случайных процессов
Необходимые теоретические сведения
Случайным процессом называется случайная функция времени ξ(t ) , значения которой в каждый момент времени t являются
случайной величиной.
Реализацией ξ(k )(t ) случайного процесса называется множество
зафиксированных (записанных, зарисованных) значений случайного процесса за некоторый промежуток времени; k – номер реализации.
В общем случае одна реализация не дает всей информации о случайном процессе, поэтому фиксируют множество (ансамбль)
реализаций {ξ(k )(t )}Nk =1 . На рис. 3 показаны первые две и последняя
реализации ( ξ(1)(t) , ξ(2)(t) , ξ(N )(t) ) из ансамбля, в котором всего N реализаций.
Совокупность значений случайного процесса ξ(t1)={ξ(k )(t1)}Nk =1 в
некоторый |
момент |
времени t=t1 |
называется |
сечением случайного |
процесса. |
На рис. |
3 показаны три |
сечения ( |
ξ(t1) , ξ(t 2) , ξ(t n) ), |
проведенные в моменты t1 ,t2 ,t n . Подразумевается, что всего сечений n штук.
21
|
|
Рис. 3. Ансамбль реализаций случайного процесса |
ξ(t) |
с |
|
|||||||
|
|
|
|
сечениями в моменты t1 ,t2 , ... ,tn . |
|
|
|
|||||
Пусть |
выбран некоторый уровень |
ξ1 , |
который в |
момент |
t1 |
|||||||
достигли |
N 1 |
из N реализаций (на рис. |
3 |
две из |
трех |
показанных |
||||||
реализаций в момент t1 |
не достигают уровня |
ξ1=10 мВ ). Вероятность |
||||||||||
того, что процесс ξ(t ) |
не достигнет уровня |
ξ1 в момент t1 , можно |
||||||||||
определить следующим образом: |
|
|
|
|
|
|||||||
P |
{ |
ξ(t |
)<ξ |
= lim |
|
N 1 |
. |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
1 1 } |
|
N |
|
|
|
|
|
|||
|
|
|
|
N ∞ |
|
|
|
|
|
|||
Эта вероятность есть не что иное, как значение интегральной |
||||||||||||
функции распределения случайного процесса ξ(t ) |
в точке ξ1 |
для |
||||||||||
момента времени t1 : F (ξ1 ,t1)=P {ξ(t1)<ξ1} . |
|
|
|
|
Таким образом, интегральная функция распределения случайного процесса является функцией двух переменных: уровня ξ1 и момента
22
времени |
t1 . |
Производная |
по |
ξ1 от |
интегральной функции |
||||
распределения |
F (ξ1 ,t1) |
равна |
плотности |
вероятности случайного |
|||||
процесса ξ(t ) |
в точке ξ1 |
для момента времени t1 : |
|||||||
f (ξ ,t )= |
∂ F (ξ1 ,t1) |
= lim |
|
P {ξ1− 2ξ<ξ(t1)<ξ1+ 2ξ} |
. |
||||
|
|
||||||||
1 |
1 |
∂ξ1 |
ξ 0 |
|
|
Δξ |
|||
|
|
|
|
|
|
|
|
Характеристическая функция случайного процесса по аналогии с характеристической функцией случайной величины задается
∞
выражением E ( ju ,t1)=∫ f (ξ1 ,t1)e juξ1 d ξ1 и зависит от t1 .
−∞
Моменты случайного процесса также зависят от выбора момента времени t1 :
∞ |
k |
|
1 d |
k |
E ( ju ,t1) |
|
||||
αk (t1)=∫ |
f (ξ1 , t1)d ξ1= |
|
; |
|||||||
ξ1 |
|
|
|
|
|
|
|
|||
j |
k |
|
|
du |
k |
|||||
−∞ |
|
|
|
|
|
|
k |
|u=0 |
||
∞ |
|
|
|
|
|
|
|
|
|
|
μk (t1)=∫ |
[ξ1−mξ(t1)]k f (ξ1 ,t1)d ξ1=∑Cik (−1)i α1i (t1)αk −i (t1) ; |
|||||||||
−∞ |
|
|
|
|
|
|
|
|
i=0 |
|
где mξ (t1)≡α1(t1) – математическое ожидание случайного процесса в момент времени t1 .
Приведенные выше функциональные и числовые характеристики случайного процесса определяются только по одному сечению в момент t1 и называются одномерными. Такие характеристики описывают
случайный процесс лишь в один момент времени и никак не отражают динамику его развития. Более полное описание случайного процесса можно получить, если одновременно рассмотреть два сечения в некоторые моменты t1 и t2 .
Два сечения ξ(t1) , ξ(t 2) можно рассматривать как систему из
двух случайных величин или случайный вектор в двумерном пространстве. Поэтому можно определить двумерную интегральную функцию распределения случайного процесса:
F (ξ1 ,ξ2 ,t1 ,t2)=P {ξ(t1)<ξ1 ,ξ(t2)<ξ2} .
Эта функция равна вероятности того, что в момент времени t1 процесс не достигнет уровня ξ1 и в момент t2 не достигнет уровня
ξ2 .
23
Двумерная плотность вероятности – вторая смешанная производная от двумерной интегральной функции распределения:
f (ξ1 ,ξ2 ,t1 ,t 2)= ∂2 F (ξ1 ,ξ2 ,t1 ,t2) .
∂ξ1∂ξ2
Двумерная плотность вероятности случайного процесса – предел отношения вероятности того, что при t=t1 процесс примет значение из
интервала |
[ξ1− |
ξ1 |
; ξ1+ |
ξ1 |
] |
|
и в |
момент |
времени t=t 2 |
примет |
||||||||||||||
2 |
2 |
|
||||||||||||||||||||||
значение из интервала [ξ2− |
Δξ |
2 |
;ξ2+ |
|
ξ2 |
], к произведению длин этих |
||||||||||||||||||
2 |
|
|
2 |
|||||||||||||||||||||
интервалов при их стремлении к нулю: |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
P {ξ1− |
|
|
ξ |
|
|
|
|
|
|
ξ |
|
ξ |
|
|
Δξ |
} |
|
||
|
|
|
1 |
<ξ(t1)<ξ1 + |
|
1 |
, ξ2− |
2 |
<ξ(t2 )<ξ2 |
+ |
2 |
. |
||||||||||||
f (ξ1 , ξ2 , t1 ,t2 )= |
|
lim |
2 |
|
2 |
2 |
2 |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
Δξ1 Δξ2 |
|
|
|
|
||||||||||
|
|
Δξ1 0, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
Δξ2 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Двумерные |
функции |
F (ξ1 ,ξ2 ,t1 ,t2) , |
f (ξ1 ,ξ2 ,t1 ,t 2) |
связаны |
|
с |
||||||||||||||||||
одномерными: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
F (ξ1 ,t1)=F (ξ1 ,+∞ , t1 ,t2), F (ξ2 ,t 2)=F (+∞ , ξ2 ,t1 ,t 2) ; |
|
|
|
|
|
|||||||||||||||||||
|
|
∞ |
|
|
|
|
|
|
|
|
|
|
|
|
∞ |
|
|
|
|
|
||||
f (ξ1 |
,t1)=∫ f (ξ1 ,ξ2 ,t1 ,t 2)d ξ2 , f (ξ2 , t2)=∫ f (ξ1 ,ξ2 ,t |
1 ,t2) d ξ1 . |
||||||||||||||||||||||
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
По двумерной плотности вероятности можно найти смешанные моменты случайного процесса. Смешанным начальным моментом порядка k +s называется величина:
αk , s(t1 ,t2)=∫ ∫ ξk1 ξ2s f (ξ1 , ξ2 , t1 , t2)d ξ1 d ξ2 .
−∞ −∞
Аналогично смешанный центральный момент порядка k +s :
∞ ∞
μk , s(t1 ,t2)=∫ ∫ [ξ1−mξ(t1)]k [ξ2−mξ (t 2)]s f (ξ1 , ξ2 ,t1 ,t2) d ξ1 d ξ2 .
−∞ −∞
При k =0 или s=0 смешанные моменты обращаются в моменты одномерного распределения: α0, s(t1 ,t2)=αs (t 2) , μk ,0(t1 ,t2)=μk (t1) .
Второй смешанный центральный момент называется корреляционным моментом, а его зависимость от моментов времени t1
и t2 называется корреляционной функцией:
24
K (t1 ,t2)=∫ ∫ [ξ1−mξ(t1)][ξ2−mξ (t 2)] f (ξ1 , ξ2 , t1 , t2)d ξ1 d ξ2 .
−∞ −∞
Корреляционная функция K ξ(t1 , t2) является мерой линейной статистической связи между значениями случайного процесса ξ(t ) в моменты времени t1 и t2 . При t2=t1 корреляционная функция равна дисперсии случайного процесса в момент t=t1 : K (t1 ,t1)=Dξ (t1) .
Двумерные характеристики также не дают всей информации о случайном процессе. Полностью описывает случайный процесс любая
из |
n-мерных |
характеристик |
F (ξ1 ,ξ2, ... , ξn ,t 1 ,t 2 ,... ,t n) , |
f |
(ξ1 ,ξ2, ... , ξn ,t1 ,t2 ,... , tn) при n ∞ . |
|
Если n-мерная плотность вероятности случайного процесса при любом n зависит только от взаимного расположения моментов времени t1 ,t2 ,... , tn и не зависит от выбора момента t1 , то процесс называется
стационарным в узком смысле.
На практике чаще используется менее строгое определение стационарности. Процесс называется стационарным в узком смысле, если его двумерная плотность вероятности не зависит от выбора t1 и
зависит лишь от интервала τ=t2−t1 . Если процесс стационарен в
узком смысле, то он стационарен и в широком, обратное не всегда верно.
Одномерная плотность вероятности, одномерная интегральная функция распределения, одномерная характеристическая функция, а также одномерные моменты стационарного процесса не зависят от времени. Моменты одномерного распределения при этом становятся константами:
∞ |
k |
|
1 dk E ( ju) |
|
||||
αk =∫ |
ξ1 |
f (ξ1)d ξ1= |
|
|
|
k |
|
; |
j |
k |
du |
|
|||||
−∞ |
|
|
|
|
|
|u=0 |
||
∞ |
|
|
|
|
k |
|
|
|
μk =∫ |
[ξ1−mξ]k f (ξ1)d ξ1=∑ Cki (−1)i α1i αk −i . |
|||||||
−∞ |
|
|
|
|
i=0 |
|
|
|
Корреляционная функция стационарного процесса является |
||||||||
функцией одного аргумента |
τ ( t1 |
– любой момент времени): |
||||||
|
∞ |
∞ |
|
|
|
|
|
|
K (τ)=∫ ∫ [ξ1−mξ ][ξ |
2−mξ] f (ξ1 , ξ2 ,t1 ,t1+τ)d ξ1 d ξ2 . |
|||||||
|
−∞ −∞ |
|
|
|
|
|
|
Спектральной плотностью мощности (дисперсии) стационарного
25
случайного |
процесса |
G(ω) называется предел отношения мощности |
||
случайного |
процесса |
PΔω , сосредоточенной в полосе |
частот |
|
[ω− Δω2 ;ω+ Δω2 ] |
к ширине полосы Δω при стремлении ее к нулю: |
|||
G(ω)=2π lim |
PΔω . |
(4.1) |
||
|
ω 0 Δω |
|
Спектральная плотность мощности может быть определена как результат усреднения по множеству реализаций квадрата модуля преобразования Фурье от случайного процесса:
|
1 |
N T |
|
|
|
|
2 |
|
|
(k ) |
|
− j ωt |
|
|
|||
G(ω)= lim |
|
∑k =1|∫0 |
ξ |
|
(t )e |
|
dt . |
(4.2) |
NT |
|
|
||||||
T ∞ |
|
|
|
|
| |
|
||
N ∞ |
|
|
|
|
|
|
|
|
Из (4.2) следует, что при наличии у случайного процесса ненулевой |
||||||||
постоянной составляющей |
mξ≡α1≠0 на частоте |
ω=0 спектральная |
плотность мощности будет иметь вид δ-функции:
|
1 N |
T |
|
|
2 |
mξ2 N |
T |
|
|
2 |
|
|||||
|
|
− j ωt |
|
|
− j ωt |
|
|
2 |
|
|||||||
G(0)= lim |
|
|
|∫0 |
m |
e |
dt |
= lim |
|
|
|∫0 |
e |
dt |
| |
=m |
δ(ω) . |
|
NT k∑=1 |
NT ∑k =1 |
|||||||||||||||
T ∞ |
ξ |
|
| |
T ∞ |
|
|
ξ |
|
||||||||
N ∞ |
|
|
|
|
|
|
N ∞ |
|
|
|
|
|
|
|
|
Как правило, рассматриваются процессы, спектральная плотность мощности которых не содержит δ-функции при ω=0 , т. е. процессы без постоянной составляющей: mξ≡α1=0 .
В соответствии с теоремой Винера-Хинчина спектральная плотность мощности и корреляционная функция случайного процесса с нулевым математическим ожиданием ( mξ≡α1=0 ) связаны парой
преобразований Фурье:
|
|
|
|
∞ |
|
|
|
|
G(ω)=∫ K (τ)e−j ω τ d τ ; |
(4.3.1) |
|||||
|
|
|
−∞ |
|
|
||
|
|
|
1 |
∞ |
|
|
|
|
K (τ)= |
∫G (ω) e jω τ d ω . |
(4.3.2) |
||||
|
|
|
|||||
|
|
|
2π −∞ |
|
|
||
|
Интервалом корреляции стационарного случайного процесса |
||||||
называется величина: |
|
|
|||||
|
|
1 |
∞ |
|
|
||
|
τК = |
∫ K (τ)d τ , |
|
(4.4) |
|||
|
|
|
|||||
|
|
Dξ 0 |
|
|
|||
где |
Dξ=K (0)=max K (τ) |
– дисперсия случайного процесса. |
|
||||
|
|
|
|
|
τ |
|
|
26
Энергетической шириной спектра стационарного случайного процесса называется величина:
|
|
|
1 |
∞ |
|
|
ΔωЭ= |
|
∫G (ω)d ω , |
(4.5) |
|
|
|
|
|||
|
|
maxG (ω) 0 |
|
||
|
|
ω |
|
|
|
где |
max G(ω) |
– максимальное значение спектральной плотности. |
|
||
|
ω |
|
|
|
|
В ряде случаев стационарные процессы обладают эргодическим свойством, которое заключается в том, что усреднение по множеству реализаций можно заменить усреднением по времени для одной, достаточно длинной реализации длительностью T :
|
|
1 |
T |
k |
|
|
|
|
|
|
|
1 T |
|
|
|
|
|
k |
|
||
α |
= |
|
|
ξ (t) dt |
, μ |
=lim |
|
|
|
|
ξ(t)−m |
|
|
dt ; |
|||||||
T |
∫0 |
|
T ∫0 |
( |
ξ) |
|
|||||||||||||||
k |
|
|
|
|
|
k |
T ∞ |
|
|
|
|
|
|
||||||||
K (τ)=lim |
1 |
T |
|
ξ(t )−m |
|
ξ(t−τ)−m |
|
dt . |
|||||||||||||
T |
∫0 |
( |
ξ)( |
ξ) |
|||||||||||||||||
|
|
|
T ∞ |
|
|
|
|
|
|
|
|
|
|
|
При решении задач, если не указано другое, случайные процессы следует считать стационарными и эргодическими.
Дополнительные сведения по теме раздела могут быть найдены в [1, 3–5].
Пример 4.1
Случайный процесс ξ(t ) представляет собой нормальный квазибелый шум и имеет спектральную плотность мощности:
G(ω)={G0 , |ω| ωm , 0, |ω|>ωm .
Найти дисперсию, математическое ожидание, плотность вероятности, размах, корреляционную функцию, интервал корреляции и энергетическую ширину спектра случайного процесса, если
G0 |
=10−6 |
В2 |
, |
ωm=104 рад |
. Построить примерный вид реализации |
|
Гц |
||||||
|
|
|
с |
|
случайного процесса.
Решение
Из определения спектральной плотности (4.1) мощности следует,
что
27
|
1 |
∞ |
|
1 |
ωm |
G0 ωm |
|
10−6 104 |
|
−3 2 |
|
|
|
|
|
|
|||||||
Dξ= |
|
∫G |
(ω)d ω= |
|
|
∫ G0 d ω= |
|
= |
π |
≈3,18 10 |
В . |
|
2 |
|
π |
||||||||
|
2π −∞ |
|
π−ωm |
|
|
|
|
|
|||
По условию |
G(ω) не содержит δ-функции при ω=0 , значит (см. |
пояснение выше) mξ=0 .
По условию процесс имеет нормальное распределение. Запишем
его |
плотность |
|
вероятности, |
|
учитывая, |
что |
mξ=0 , |
|||||
σξ=√ |
|
≈5,64 10−2 В |
|
|
|
|
|
|
|
|||
Dξ |
|
|
|
|
|
|
|
|||||
|
|
|
1 |
|
|
e− |
ξ2 |
1 |
|
|
|
|
f (ξ)= |
|
|
6,36 10−3 |
, |
. |
|
|
|||||
5,64 10−2 |
|
|
|
|
|
|||||||
|
|
|
√2 π |
|
|
|
В |
|
|
|||
В соответствии с «правилом 3-х сигма» (см. разд. 4) в среднем |
||||||||||||
99,7% |
|
значений |
процесса должны лежать |
в |
интервале |
|||||||
[mξ−3σξ ;mξ +3σξ] , |
|
то есть |
примерная величина |
размаха |
Ξр≈6σξ≈0,339 В .
Корреляционную функцию процесса найдем в соответствии с теоремой Винера-Хинчина как обратное преобразование Фурье от спектральной плотности мощности (4.3.2):
|
|
|
|
|
1 ∞ |
|
|
|
jω τ |
|
|
|
|
1 ωm |
|
|
|
|
|
jω τ |
|
|
G0 e j ω τ |
|
ωm |
|
|||||||||||
K (τ)= |
|
|
|
−∫∞ G (ω) e |
|
|
d ω= |
|
−∫ωm |
|
G0 e |
|
|
d ω= |
|
|
|
j τ |
|−ωm = |
||||||||||||||||||
2π |
|
|
2π |
|
|
|
2π |
|
|
||||||||||||||||||||||||||||
|
G0 |
e j ωm τ −e−j ωm τ |
|
|
e j ωm τ−e− j ωm |
τ |
= |
|
|
G0 |
|
sin ωm τ |
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
= |
|
|
|
|
|
j τ |
|
|
= |
|
|
2 j |
|
|
|
|
|
= |
|
|
|
|
= |
|
|
|
|
|
|
||||||||
2 π |
|
|
|
|
|
|
|
|
|
|
|
|
π |
τ |
|
|
|
|
|
|
|||||||||||||||||
|
G0 ωm sin ωm τ |
|
|
|=sin ωm τ |
|
|
|
| |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
−3 sin 104 τ |
, В |
2 |
. |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
= |
|
|
|
|
|
|
=3,18 10 |
|
|
|
|
|
4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
π |
|
|
ω τ |
|
|
|
10 |
τ |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
m |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Числитель и |
знаменатель |
|
были |
|
|
домножены на |
ωm , |
чтобы |
|||||||||||||||||||||||||||||
разрешить |
неопределенность при |
|
|
τ=0 . После домножения |
первый |
||||||||||||||||||||||||||||||||
замечательный предел |
lim |
|
sin ωm |
τ |
=1 |
, тогда K (τ)= |
G0 ωm |
=Dξ , что |
|||||||||||||||||||||||||||||
|
ω |
m |
τ |
|
|
|
π |
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
τ 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
соответствует свойству корреляционной функции. |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
Графики f (ξ) |
и K (τ) |
|
показаны на рис. 4. |
|
|
|
|
|
|
|
Воспользуемся выражением (4.4) для определения интервала корреляции:
28
|
1 ∞ |
|
π |
∞ |
G0 ωm sin ωm τ |
∞ |
sin ωm τ |
|
|||||
τК = |
|
∫ K (τ)d τ= |
∫ |
|
|
|
|
d τ=∫ |
|
d τ= |
|||
|
|
π |
|
ωm τ |
ωm τ |
||||||||
|
Dξ 0 |
|
G0 ωm 0 |
|
|
|
|
|
0 |
|
|
||
= ωm τ=z ; z1=ωm 0=0; == 1 ∫ sin z |
dz= 1 π ≈1,57 10−4 с . |
||||||||||||
|d |
|
|
; z2=ωm ∞=∞| |
|
∞ |
|
|
|
|
|
|
||
|
dz |
ωm |
|
|
z |
|
ωm 2 |
|
|
||||
τ= ωm |
|
0 |
|
|
|
|
|
|
Последний несобственный интеграл является табличным (см., например, [6]).
Рис. 4. Плотность вероятности (слева) и корреляционная функция (справа) случайного процесса
Найдем энергетическую ширину спектра по формуле (4.5):
|
1 |
∞ |
1 |
ωm |
рад |
|
|
ΔωЭ= |
∫G (ω)d ω= |
∫G0 d ω=ωm=104 |
. |
||||
|
G0 |
|
|||||
|
maxG (ω) 0 |
0 |
с |
||||
|
ω |
|
|
|
|
|
При построении временной диаграммы учтем, что случайный процесс имеет нулевое среднее значение и область значений примерно
[−0,169 ;0,169]В ( ±Ξ2р ). Так как плотность вероятности спадает к
краям плавно и имеет максимум в нуле, среднее число пересечений нулевого уровня будет максимально, а пересечения уровней ±0,169 В практически невозможны. Поскольку спектр ограничен частотой
ωm=104 радс , реализация не должна содержать видимых колебаний с
|
|
2π |
−4 |
с . |
|
|
|
периодом менее |
|
|
≈6,28 10 |
|
|
||
|
ωm |
|
|
||||
Возможная |
реализация |
случайного |
процесса |
ξ(t ) показана на |
|||
рис. 5. |
|
|
|
|
|
|
|
Ответ: |
|
Dξ≈3,18 10−3 В2 , |
mξ=0 , |
τК ≈1,57 10−4 с , |
29
ΔωЭ=104 радс .
Рис. 5. Возможный вид реализации случайного процесса ξ(t)
Пример 4.2
В условиях примера 4.1 случайный процесс ξ(t ) на входе усилителя суммируется с процессом η(t ) , имеющим дисперсию
3 10−3 В2 и математическое ожидание 0,3 В . Найти математическое ожидание и дисперсию процесса на выходе усилителя, если его коэффициент усиления равен 50.
Решение
Обозначим процесс на входе усилителя ζвх (t ) , на выходе – ζвых (t ). По условию ζвх (t )=ξ(t )+η(t) , поэтому, используя свойства математического ожидания и дисперсии, найдем:
mζ , вх=mξ+mη=0,3В ;
Dζ , вх=Dξ +Dη=6,18 10−3 В2 .
Усиление процесса ζвх (t ) в 50 раз равносильно умножению его на 50, поэтому можно записать:
mζ , вых=50 mζ ,вх=15 В
Dζ , вых=502 Dζ , вх=15,45 В2 .
Ответ: mζ , вых=15 В , Dζ , вых=15,45 В2 .
Задачи
4.1. Случайный процесс представляет собой белый шум: G(ω)=G0 . Каковы дисперсия, энергетическая ширина спектра и
интервал корреляции?
30