- •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)
6.4. Свойства случайных процессов
1. Стационарность.
Случайные процессы, статистические
характеристики которых одинаковы во
всех сечениях называются стационарными
случайными процессами. Различаются
стационарные случайные процессы в узком
смысле и широком смысле. Случайный
процесс стационарен в узком смысле,
если любая n-мерная
плотность вероятности инвариантна
относительно временного сдвига
:
(6.9)
Если же ограничить
требования тем, чтобы математическое
ожидание m
и дисперсия
процесса не зависели от времени, а
функция корреляции зависела лишь от
разности
,
т.е.
,
то подобный случайный процесс будет
стационарен в широком смысле. Из
стационарности в узком смысле следует
стационарность в широком смысле, но не
наоборот. Как следует из определения,
функция корреляции стационарного
случайного процесса является чётной:
![]()
Кроме того,
абсолютные значения этой функции при
любом
не превышают её значения при
:
(6.10)
Часто удобно использовать нормированную функцию корреляции:
(6.11)
Для которой
![]()
2. Эргодичность. Стационарный случайный процесс называется эргодическим, если при нахождении его моментных функций усреднение по статистическому ансамблю можно заменить усреднением по времени.
Операция усреднения выполняется над единственной реализацией x(t), длительность Т которой теоретически может быть сколь угодно велика. Обозначая усреднение по времени угловыми скобками, запишем математическое ожидание эргодического случайного процесса:
, (6.12)
которое равно постоянной составляющей выбранной реализации.
Дисперсия подобного процесса.
(6.13)
Поскольку величина
представляет собой мощность реализации,
а величина
- мощность постоянной составляющей,
дисперсия имеет наглядный смысл мощности
флуктуационной составляющей эргодического
процесса.
Аналогично находим функцию корреляции:

(6.14)
Достаточным
условием эргодичности случайного
процесса, стационарного в широком
смысле, является стремление к нулю
функции корреляции при неограниченном
росте временного сдвига
:
(6.15)
Это требование можно несколько ослабить и применительно к гармоническому процессу со случайной начальной фазой. Случайный процесс эргодичен если выполняется условие Слуцкого:
(6.16)
6.5. Функция корреляции двух случайных процессов
Во многих случаях представляет интерес вопрос о том, какова статистическая связь между двумя стационарными случайными процессами X(t) и Y(t). Принято вводить взаимные функции корреляции этих процессов по формулам:
![]()
(6.17)
Случайные процессы
называются стационарно связанными,
если функции
и
,
зависят не от самих аргументов
,
а лишь от разности
.
В этом случае, очевидно,
(6.18)
Предположим, что
случайные процессы X(t)
и Y(t)
статистически независимы, в том смысле,
что для мгновенных значений
и
независимо от величины
двумерная совместная плотность
вероятности
.
Тогда:
![]()
То есть из статистической независимости случайных процессов вытекает их некоррелированность. Однако в общем случае обратное утверждение не справедливо.
