- •Случайная величина. Числовые характеристики.
- •Быстрое преобразование Фурье: назначение и способы реализации. Графы бпф.
- •Случайные процессы: классификация и примеры. Ансамбль реализаций.
- •Математическое описание случайных процессов. Плотности распределения вероятностей.
- •Дискретное преобразование Фурье.???
- •Количественное оценивание плотностей распределения. Начальные и центральные моменты функции.
- •Дискретные экспоненциальные функции: определение и свойства.
- •Стационарные случайные процессы. Определение стационарности в узком и широком смысле.
- •Теорема Шеннона для дискретных каналов без шумов и с шумами.
- •Корреляционные функции стационарных процессов. Физический смысл и свойства.??????
- •Борьба с помехами. Классификация методов.
- •Спектральные представления случайных процессов. Теорема Виннера-Хинчина.
- •Теория информации. Определения и свойства энтропии.
- •Спектральные плотности мощности: физический смысл и свойства.????
- •Полная и условная энтропия.
- •Белый шум.
- •Цифровые фильтры как частный случай конечных динамических систем. Способы описания. Ких- и бих-фильтры. Сравнительный анализ.
- •Гауссовские случайные процессы.
- •Расчет ких-фильтров во временной области. Метод окон. Окна Хемминга.
- •Пуассоновские случайные процессы и их применения.
- •Теория информации. Общая структура информационных систем.
- •Узкополосные случайные процессы.
- •Энтропия как мера неопределенности. Энтропия по Хартли и Шеннону.
- •Определение по Шеннону
- •Телеграфный сигнал как частный случай случайного процесса.????
- •Коды Хемминга.
- •Теорема Парсевалля применительно к случайным процессам. Пример использования для определения интервала дискретизации.
- •Эргодические случайные процессы. Необходимое и достаточное условие эргодичности.
- •Количественные оценки эргодических случайных процессов.
- •Количество информации: определение и свойства.
- •Экспериментальные исследования случ. Процессов. Определение тренда и скрытой периодичности.
- •Эргодические последовательности. Поток энтропии и поток информации. Связь энтропии с полосой занимаемых частот.
- •Теорема Котельникова: смысл, ограничение и практические приложения.
- •Поток информации и избыточность. Назначение избыточности.
- •Дэф и их свойства.
- •Избыточность информационных потоков и ее практическое использование.
- •Приведение дэф по модулю и свойства приведения для четного и нечетного n.
- •Эффективное кодирование. Коды Шеннона-Фано.
- •Коды Хафмана.
- •Общая задача помехоустойчивого приема. Методы борьбы с помехами.
- •Сжатие графических изображений. Стандарты gpeg и mpeg.
Белый шум.
Белый шум - наиболее часто используемая модель флуктуационной помехи. Это "абсолютно случайный" сигнал, для которого корреляционная функция вырождается в -функцию ( функцию Дирака ): . Это означает, что взаимосвязь между значениями процесса отсутствует при любых, сколь угодно малых, значениях . Спектральная плотность не зависит от частоты. Такого рода сигнал физически нереализуем, так как требует бесконечно большой мощности, поэтому спектр шума ограничивают пределами спектра полезного сигнала.
Если случайный процесс обладает равномерным энергетическим спектром в бесконечно широкой полосе частот то такой шум называют белым по аналогии с белым светом, имеющим в видимой части равномерный сплошной спектр. На рис.1 показана спектральная характеристика белого шума, где Wx(f) = W0 .
Рис. 1
Безусловно, такое представление случайного сигнала является идеализацией, т. к. дисперсия его должна иметь значение, равное бесконечности (см. равенство (2)). В то же время такая идеализация вполне применима, когда АЧХ исследуемой цепи дает возможность считать спектральную плотность на входе приближенно постоянной.
Использование понятия белого шума позволяет находить все необходимые характеристики случайного процесса на выходе радиосистемы только через собственные параметры радиоцепей, входящих в ее состав.
Законы распределения плотности вероятности белого шума могут быть любыми и часто их удобно считать нормальными.
К белому шуму обычно относят сигналы, имеющие игольчатую структуру с бесконечно тонкими случайными выбросами.
Цифровые фильтры как частный случай конечных динамических систем. Способы описания. Ких- и бих-фильтры. Сравнительный анализ.
Согласно разностному уравнению дискретного фильтра:
очередной выходной отсчет рассчитывается на основе предыдущих выходных отсчетов. Таким образом получается рекурсия и фильтр называется рекурсивным или фильтром с бесконечной импульсной характеристикой (БИХ). Бесконечная импульсная характеристика получается ввиду того, что предыдущее значение на выходе фильтра отлично от нуля, значит текущее значение также будет отлично от нуля (и оно же будет предыдущим для следующего отсчета на выходе), значит и следующий отсчет на выходе будет отличен от нуля. Рассмотрим пример. Пусть имеется БИХ-фильтр первого порядка с передаточной функцией:
|
(20) |
Очевидно, что и . Разностное уравнение данного фильтра имеет вид:
Рассчитаем импульсную характеристику фильтра. Для этого необходимо подать на вход сигнал . Графически расчет импульсной характеристики представлен на рисунке 4.
Рисунок 4: Импульсная характеристика БИХ фильтра
Видно, что следующий отсчет импульсной характеристики в 2 раза меньше чем предыдущий, и таким образом импульсная характеристика убывает, но никогда не достигает нуля, хотя стремится к нему, т.е. является бесконечной.
Если же все коэффициенты (разумеется кроме коэффициента , который нельзя приравнивать к нулю), то получим фильтр, отсчеты на выходе которого, зависят только от входных отсчетов:
|
(22) |
Такой фильтр называется нерекурсивным или фильтром с конечной импульсной характеристикой (КИХ) или как еще говорят FIR (finite impulse response). Отсчеты импульсной характеристики КИХ фильтра полностью совпадают с коэффициентами и при импульсная характеристика КИХ фильтра равна нулю. Важно также отметить, что передаточная характеристика КИХ фильтра имеет в знаменателе только и не имеет полюсов.