- •Системы электрической связи. Общие сведения о системах электросвязи. Основные понятия и определения
- •Часть 1
- •Раздел 1. Элементы общей теории сигналов
- •1.1 Классификация сигналов
- •1.2. Некоторые элементы функционального анализа сигналов
- •1.3 Основы теории ортогональных сигналов
- •Раздел 2. Спектральные представления сигналов
- •2.1. Понятие о спектре периодических и непериодических сигналов
- •2.2 Спектральное представление периодических сигналов
- •2.3 Спектральное представление непериодических сигналов
- •2.4 Теоремы о спектрах
- •2.5 Спектральные представления сигналов с использованием негармонических функций
- •Раздел 3. Сигналы с ограниченным спектром
- •3.1. Некоторые математические модели сигналов с ограниченным спектром
- •3.2 Теорема Котельникова
- •3.3. Узкополосные сигналы
- •3.4. Аналитический сигнал и преобразования Гильберта
- •Раздел 4. Основы корреляционного анализа сигналов
- •4.1. Взаимная спектральная плотность сигналов. Энергетический спектр
- •4.2. Автокорреляционная функция сигналов
- •4.3. Акф дискретного сигнала
- •4.4. Взаимокорреляционная функция двух сигналов
- •Раздел 5. Модулированные сигналы
- •5.1. Сигналы с амплитудной модуляцией
- •5.2 Сигналы с угловой модуляцией
- •5.3. Дискретные формы угловой модуляции
- •5.4 Сигналы с импульсной модуляцией
- •Раздел 6. Основы теории случайных процессов
- •6.1. Случайные процессы. Основные понятия и определения
- •6.2. Характеристики случайных процессов
- •6.3. Моментные функции случайных процессов
- •6.4. Свойства случайных процессов
- •6.5. Функция корреляции двух случайных процессов
- •6.6. Измерение характеристик случайных процессов
- •6.7. Спектральное представление стационарных случайных процессов. Теорема Винера-Хинчина
- •6.8 Типовые модели случайных сигналов
- •6.9 Узкополосные случайные сигналы
- •Раздел 7. Основные элементы цифровой обработки сигналов
- •7.1. Дискретное преобразование Фурье
- •7.2. Быстрое преобразование Фурье
- •7.3 Z-преобразование
- •Раздел 1.Каналы электросвязи
- •Тема1.1 Общие сведения о каналах электросвязи и их классификация
- •1.2 Математические модели каналов электросвязи
- •1.2.1 Математические модели непрерывных каналов связи
- •1.2.2 Математические модели дискретных каналов связи
- •Раздел 2 Основные положения теории передачи информации
- •2.1 Информационные параметры сообщений и сигналов
- •2.2 Взаимная информация
- •Эффективное кодирование дискретных сообщений
- •Тема 2.4. Информация в непрерывных сигналах
- •Тема 2.5. Пропускная способность канала связи
- •Тема 2.6. Теорема к. Шеннона
- •Тема 2.7. Информация в непрерывных сообщениях. Эпсилон-энтропия
- •Раздел 3. Оптимальный приём дискретных сообщений
- •Тема 3.1. Постановка задачи оптимального приёма дискретных сообщений как статистической задачи. Понятие помехоустойчивости
- •3.2. Элементы теории решений
- •3.3. Критерии качества оптимального приёмника
- •3.4 Алгоритм оптимального приёма при полностью известных сигналах. Когерентный приём
- •3.5 Структурное построение оптимального приёмника
- •3.6 Реализация алгоритма оптимального приёма на основе согласованных фильтров. Свойства согласованного фильтра
- •3.8 Потенциальная помехоустойчивость систем с различными видами манипуляции
- •3.9 Приём сигналов с неопределённой фазой (некогерентный приём)
Раздел 4. Основы корреляционного анализа сигналов
4.1. Взаимная спектральная плотность сигналов. Энергетический спектр
Пусть имеется два вещественных сигнала U(t) и V(t). Назовём взаимным энергетическим спектром двух вещественных сигналов функцию (4.1)
такую что:
(4.2)
причём:
(4.3)
Взаимный энергетический спектр - функция, принимающая в общем случае, комплексные значения:
(4.4)
где - чётная, анечётная функция частоты. Вклад в интеграл даёт только вещественная часть, поэтому:
(4.5)
Последняя формула даёт возможность проанализировать взаимосвязь сигналов. Более того формула (4.5) указывает путь, позволяющий уменьшить связи между двумя сигналами, добившись в пределе их ортогональности. Для этого один из сигналов нужно подвергнуть обработке частотным фильтром. К этому фильтру предъявляется требование не пропускать на выход спектральные составляющие, находящиеся в пределах частотного интервала, где вещественная часть взаимного энергетического спектра велика. Частотная зависимость к-та передачи такого сигнала ортогонализирующего фильтра будет обладать резко выраженным минимумом в пределах указанной области частот.
Если в формуле (4.1) сигналы U(t) и V(t) считать одинаковыми то эта формула приобретает вид:
(4.6)
Величина носит название спектральной плотности энергии сигналаU(t) или, короче, его энергетического спектра. Формула равенства Парсеваля при этом запишется так:
(4.7)
Подход, основанный на спектральном представлении энергии сигнала, выгодно отличается относительной простотой. Энергии, отвечающие различным областям частотной оси, складываются так же, как вещественные числа. Однако, изучая сигнал с помощью его энергетического спектра, мы неизбежно теряем информацию, которая заключается в фазовом спектре сигнала, поскольку в соответствии с формулой (4.6) энергетический спектр есть квадрат модуля спектральной плотности и не зависит от её фазы. Однако понятие энергетического спектра широко применяется для инженерных оценок, устанавливающих ширину спектра сигнала и копи:
4.2. Автокорреляционная функция сигналов
Задача корреляционного анализа возникла из радиолокации, когда нужно было сравнить одинаковые сигналы, смещённые во времени.
Для количественного определения степени отличия сигнала U(t) и его смещённой во времени копии принято вводить автокорреляционную функцию (АКФ) сигналаU(t), равную скалярному произведению сигнала и его сдвинутой копии.
(4.8)
Свойства АКФ
1) При автокорреляционная функция становится равной энергии сигнала:
(4.9)
2) АКФ – функция чётна
(4.10)
3) Важное свойство автокорреляционной функции состоит в следующем: при любом значении временного сдвига модуль АКФ не превосходит энергии сигнала:
4) Обычно, АКФ представляется симметричной линей с центральным максимумом, который всегда положителен. При этом в зависимости от вида сигнала U(t) автокорреляционная функция может иметь как монотонно убывающей, так и колеблющийся характер.
Например:
АКФ прямоугольного видеоимпульса
АКФ пачки из трёх прямоугольных видеоимпульсов, сдвинутых друг относительно друга на время T.
АКФ бесконечной периодической последовательности видеоимпульсов:
Существует тесная связь между АКФ и энергетическим спектром сигнала.
В соответствии с формулой (4.8) АКФ есть скалярное произведение . Здесь символомобозначена смещённая во времени копия сигнала.
Обратившись к теореме Планшереля – можно записать равенство:
Спектральная плотность смещённого во времени сигнала , откуда. Таким образом приходим к результату
(4.12)
Квадрат модуля спектральной плотности представляет собой энергетический спектр сигнала. Итак энергетический спектр и автокорреляционная функция связаны парой преобразований Фурье.
Ясно что имеется и обратное соотношение
(4.13)
Эти результаты принципиально важны по двум причинам: во-первых оказывается возможным оценивать корреляционные свойства сигналов, исходя из распределения их энергии по спектру. Во-вторых, формулы (4.12), (4.13) указывают путь экспериментального определения энергетического спектра. Часто удобнее вначале получить АКФ, а затем, используя преобразование Фурье, найти энергетический спектр сигнала. Такой приём получил распространение при исследовании свойств сигналов с помощью быстродействующих ЭВМ в реальном масштабе времени.
Часто вводят удодный числовой параметр – интервал корреляции , представляющий собой оценку ширины основного лепестка АКФ.
Например:
В данном случае:
Отсюда: (4.14)
Интервал корреляции тем меньше, чем выше верхняя граничная частота спектра сигнала. (Чем шире полоса частот сигнала тем уже основной лепесток АКФ.)