- •60. Обобщенный ряд Фурье, условие ортогональности базисных функций. Понятие нормы базисной функции. Понятие спектра сигнала.
- •62.Спектральное представление непериодического сигнала. Энергетический спектр и его связь с корреляционной функцией сигнала.
- •63 Основные свойства преобразования Фурье
- •1) Сдвиг сигналов во времени
- •Изменение масштаба времени
- •3) Смещение спектра сигнала
- •Дифференцирование и интегрирование сигнала
- •Сложение сигналов
- •Произведение двух сигналов
- •65. Амплитудная и угловая модуляция гармонического колебания. Ширина спектра при ам и ум.
- •1.4.2 Угловая модуляция. Фаза и мгновенная частота колебания
- •66. Случайный сигнал. Основные вероятностные характеристики случайного сигнала.
- •67. Спектральное представление случайного сигнала (теорема Винера-Хинчина).
- •68. Формулировка теоремы Котельникова. Спектр дискретизованного сигнала.
- •Дискретное преобразование Фурье и его основные свойства.
- •70 Алгоритм быстрого преобразования Фурье.
- •76.Обобщенная схема цифровой обработки сигналов. Понятия импульсной характеристики цифрового фильтра.
- •Системная функция h(z) и ее связь с частотным коэффициентом передачи k(jω). Основные свойства k(jω).
- •Согласованный фильтр. Частотный коэффициент передачи и импульсная характеристика. Вид сигнала на выходе согласованного фильтра.
- •Трансверсальный линейный цифровой фильтр. Алгоритм работы, системная функция. Структурные схемы.
- •Рекурсивный линейный цифровой фильтр. Структурная схема. Каноническая структурная схема. Понятие устойчивости.
- •Синтез цифровых фильтров методом дискретизации дифференциального уравнения.
- •Синтез цф на основе дискретизации дифференциального уравнения
- •Синтез цифровых фильтров методом инвариантных импульсных характеристик.
- •Метод инвариантных импульсных характеристик.
- •Синтез цифровых фильтров методом инвариантных частотных характеристик.
66. Случайный сигнал. Основные вероятностные характеристики случайного сигнала.
Основные характеристики случайных сигналов
Информация, передаваемая по каналу связи или извлекаемая в результате измерения, заключена в сигнале.
До приема сообщения (до испытания) сигнал следует рассматривать как случайный процесс, представляющий собой совокупность (ансамбль) функций времени, подчиняющихся некоторой общей для них статистической закономерности. Одна из этих функций, ставшая полностью известной после приема сообщения, называется реализацией случайного процесса. Эта реализация является уже не случайной, а детерминированной функцией времени.
Важной, но не исчерпывающей характеристикой случайного процесса является присущий ему одномерный закон распределения вероятностей.
На рис.1.19 изображена совокупность функций х1(t), х2(t), ..., образующих случайный процесс X(t). Значения, которые могут принимать отдельные функции в момент времени t =t1 образуют совокупность случайных величин х1(t), х2(t), ...
Вероятность того, что величина xk(t1)при измерении попадает в какой-либо заданный интервал (а, b) (рис.1.19), определяется выражением
Pt1 (а < х b) . (1.132)
Рис.1.19. Совокупность функций, образующих случайный процесс
Д ля практических приложений наибольшее значение имеют следующие параметры случайного процесса:
математическое ожидание , (1.134)
д исперсия , (1.135)
средне-квадратическое отклонение
. (1.136)
П ри анализе случайных процессов часто основной интерес представляет его флуктуационная составляющая. В таких случаях применяется корреляционная функция.
(1.139)
Исследование случайного процесса, а также воздействия его на радиоцепи существенно упрощается при стационарности процесса.
Случайный процесс называется строго стационарным, если его плотность вероятности
р (х1 ,х2, ..., хп; t1 ,t2, ..., tn) произвольного порядка п зависит только от интервалов t2—t1, t3—t1, ..., tn—t1 и не зависит от положения этих интервалов в области изменения аргумента t.
В радиотехнических приложениях теории случайных процессов условие стационарности обычно ограничивается требованием независимости от времени только одномерной и двумерной плотностей вероятности (случайный процесс, стационарный в широком смысле). Выполнение этого условия позволяет считать, что математическое ожидание, средний квадрат и дисперсия случайного процесса не зависят от времени, а корреляционная функция зависит не от самих моментов времени t1 и t2 , а только от интервала между ними τ = t2 — t1.
67. Спектральное представление случайного сигнала (теорема Винера-Хинчина).
С одной стороны, скорость изменения х(t) во времени определяет ширину спектра. С другой стороны, скорость изменения х (t) определяет ход ковариационной функции. Очевидно, что между Wх(ω) и Кх(τ) имеется тесная связь.
Теорема Винера — Хинчина утверждает, что Кх(τ) и Wx(ω) связаны между собой преобразованиями Фурье:
(1.157)
(1.158)
Для случайных процессов с нулевым средним аналогичные выражения имеют вид:
, (1.159)
.(1.160)
Из этих выражений вытекает свойство, аналогичное свойствам преобразований Фурье, для детерминированных сигналов: чем шире спектр случайного процесса, тем меньше интервал корреляции, и соответственно чем больше интервал корреляции, тем уже спектр процесса (см.рис.1.20).
Рис.1.20. Широкополосный и узкополосный спектры случайного процесса; границы центральной полосы : ±F1
Большой интерес представляет белый шум, когда спектр равномерен на всех частотах .
Е сли в выражение 1.158 подставить Wx(ω) = W0 = const, то получим
(1.161)
где δ(τ) — дельта-функция.
Для белого шума с бесконечным и равномерным спектром корреляционная функция равна нулю для всех значений τ, кроме τ = 0, при котором Rx(0) обращается в бесконечность. Подобный шум, имеющий игольчатую структуру с бесконечно тонкими случайными выбросами, иногда называют дельта-коррелированным процессом. Дисперсия белого шума бесконечно велика.