- •Классификация случайных процессов
- •Законы распределения
- •Основные положения ковариационной теории
- •Корреляционная функция
- •Стационарность и эргодичность процессов
- •Спектральная плотность мощности случайного процесса
- •Теорема Винера – Хинчина
- •Узкополосный случайный процесс
- •Прохождение случайного сигнала через линейные цепи с постоянными параметрами
- •Спектральная характеристика мощности и корреляционная функция случайного процесса на входе цепи
- •Гармонические колебания со случайной амплитудой
- •Гармонические колебания со случайной фазой
- •Нормирование случайный процессов в узкополосных линейных цепях
- •Комплексный случайный процесс
- •Преобразование нормального процесса в безынерционных нелинейных цепях
- •Воздействие узкополосного шума на амплитудный детектор
- •Совместное воздействие гармонического сигнала и гаусовского шума на амплитудный детектор
- •Совместное влияние гармонического сигнала и нормального шума на частотный детектор
- •Принцип оптимальной фильтрации сигнала на фоне помех
- •Передаточная характеристика оптимального (согласованного) фильтра
- •Импульсная характеристика согласованного фильтра
- •Оценка реализуемости согласованного фильтра.
- •Сигнал и помеха на выходе согласованного фильтра.
- •Примеры построения согласованных фильтров.
- •1.Согласованный фильтр для прямоугольного импульса.
- •Фильтр согласованный с лчм сигналом.
- •Фильтрация сигнала при небелом шуме
- •Формирование сигнала сопряженного с заданным фильтром
Нормирование случайный процессов в узкополосных линейных цепях
Пусть на входе линейной цепи действует стационарный случайный процесс с распределением отличным от нормального. Если интервал корреляции этого процесса меньше постоянной времени линейной цепи (т. е. ширина энергетического спектра больше полосы пропускания цепи), то распределение случайного процесса на выходе приближается к нормальному. Эффект нормализации тем выше, чем меньше полоса пропускания цепи.
В широкополосных линейных цепях при некоторых условиях происходит обратный процесс денормализация т. е. нормальный процесс на входе порождает случайный процесс на выходе отличный от нормального.
Но такое отличие только в частности, в целом же если рассматривать бесконечное число импульсов, то процесс остается нормальным.
Комплексный случайный процесс
Пусть есть случайный процесс x(t). Подберем ему сопряженный по Гильберту сигнал x1(t) ( .
Тогда комплексный случайный процесс: .
П усть , тогда . Отсюда комплексный случайный процесс: .
Спектры сигналов x(t) и x1(t) равны: . Отсюда следует, что корреляционные функции одинаковы .
Дисперсии: .
Предположим, что соответствует , тогда , где . Т. е.
Отсюда следует, что при w>0 , а при w<0 .
Вывод: спектр случайного сигнала отличен от 0 только на положительных частотах.
Преобразование нормального процесса в безынерционных нелинейных цепях
В нелинейных безынерционных элементах основная трудность состоит в нахождении корреляционной функции. Поэтому общих методов анализа преобразования случайный процессов в нелинейных устройствах не существует. Приходится ограничиваться частными задачами поддающимися решению.
Пусть на нелинейный элемент действует случайное колебание с заданной плотностью вероятности p(x). Требуется найти плотность вероятности выходной величины y p(y). Связь между x и y определяется нелинейной зависимостью y=f(x). Для безынерционного элемента очевидно соотношение: , откуда вытекает .
Если обратная функция х=j(у) неоднозначна, то
Нахождение р(у) проще пояснить на конкретных примерах.
Воздействие гаусовского процесса на элемент с
симметричной квадратичной характеристикой
Подставляя данные в выражение получим:
Воздействие нормально распределенного процесса на
однополупериодный детектор с линейно ломаной характеристикой
Плотность распределения вероятности в этом случае:
Плотность вероятности р(у=0)=¥, так как у=0 при х меньше 0. Это можно учесть записав следующее выражение для р(у):
Первое слагаемое будет всюду равно 0, кроме точки у=0, где оно обращается в бесконечность. При интегрировании же по у это слагаемое дает 1/2.
Воздействие нормально распределенного
процесса на ограничитель
По аналогии с предыдущим случаем составим выражение:
Преобразование спектра случайного процесса
в безынерционном нелинейном элементе
Непосредственно по формулам определить спектр на выходе по известному спектру на входе невозможно, нужно сначала находить корреляционную функцию на выходе и применить обратное преобразование Фурье.
Если на входе есть нелинейная функция, то можно найти ее ковариационную функцию:
. Если известна двумерная плотность вероятности входного процесса, то: .
Этот интеграл довольно трудно вычислять, поэтому прибегают к различным упрощениям.
Пример: пусть у=ах2. Двумерная плотность вероятности процесса x(t) равна:
, где rx=rx(t) – нормированная корреляционная функция входного процесса.
Проделав необходимые преобразования и использовав соотношение прейдем к выражению: .
Пусть x(t) узкополосный процесс, тогда, учитывая, что , где r0 – огибающая корреляционной функции узкополосного процесса, запишем окончательное выражение: .
Применим теперь прямое преобразование Фурье и получим выражение для энергетического спектра процесса на выходе элемента:
Первое слагаемое (дискретное соответствует постоянной составляющей выходного колебания, второе – низкочастотной составляющей спектр которой примыкает к нулевой частоте, третье – высокочастотной составляющей со спектром, группирующимся вблизи частоты 2w0.
Вывод: Спектр на выходе существенно отличается от спектра на входе и имеет 3 составляющих.