- •Моделирование в системе MathCad типовых периодических сигналов (виртуальные генераторы);
- •Правило трёх сигм – (запомните!!!)
- •Вычисление спектра амплитуд и фаз периодического сигнала (ряда Фурье);
- •Приближенное вычисление спектра амплитуд периодического сигнала (формулы Бесселя);
- •Функции Бесселя первого рода
- •Вычисление спектра амплитуд и фаз периодических сигналов с помощью процедуры бпф;
- •Вычисление спектральной плотности импульсных сигналов с помощью бпф
- •Гармонический сигнал
- •Виды колебаний
- •Применение бпф для моделирования искажений сигналов в линейных цепях
- •Применение бпф для фильтрации сигналов
- •Аналогии цепей различной физической природы;
- •Математические модели накопителей потенциальной и кинетической энергии;
- •Кинетические механические накопители
- •Колебательные (резонансные) накопители энергии
- •Механические накопители с использованием сил упругости
- •Пружинные механические накопители
- •Тепловые накопители энергии
- •Электрические накопители энергии
- •Конденсаторы
- •Дифференциальные уравнения простейших цепей;
- •Передаточные функции простейших цепей;
- •Изображение по Лапласу простейших сигналов;
- •Структурные модели сложных цепей;
- •Моделирование переходных процессов
- •Моделирование частотных характеристик простейших цепей;
- •Встроенные функции MathCad законов распределения вероятностей;
- •Простейшие алгоритмы генераторов случайных чисел rnd(1);
- •Источники случайных чисел
- •Детерминированные гпсч
- •Гпсч с источником энтропии или гсч
- •Гпсч в криптографии
- •Примеры криптостойких гпсч Циклическое шифрование
- •Аппаратный генератор случайных чисел
- •Встроенные функции MathCad для оценки числовых характеристик случайной выборки.
- •Моделирование корреляционной матрицы системы случайных выборок
- •Встроенные функции MathCad для построения гистограмм случайных выборок
- •Имитационное моделирование разброса сопротивлений в партии резисторов;
- •Моделирование игры в кости;
- •Моделирование доски Гальтона;
- •Моделирование броуновского движения частицы;
- •Сущность явления
- •Теория броуновского движения Построение классической теории
- •Экспериментальное подтверждение
- •Броуновское движение как немарковский случайный процесс
- •Многомерный винеровский процесс
- •Корреляционная функция и ее свойства;
- •Спектральная плотность мощности и ее свойства;
- •Формальное определение
- •Связь корреляционной функции и спектральной плотности мощности;
- •Корреляционная функция белого шума на выходе фильтра низких частот;
- •Корреляционная функция узкополосного сигнала (белого шума на выходе полосового фильтра второго порядка);
Многомерный винеровский процесс
Многомерный ( -мерный) винеровский процесс — это -значный случайный процесс, составленный из независимых одномерных винеровских процессов, то есть
,
где процессы совместно независимы.
Корреляционная функция и ее свойства;
Корреля́ция (корреляционная зависимость) — статистическая взаимосвязь двух или нескольких случайных величин (либо величин, которые можно с некоторой допустимой степенью точности считать таковыми). При этом изменения значений одной или нескольких из этих величин сопутствуют систематическому изменению значений другой или других величин.[1] Математической мерой корреляции двух случайных величин служит корреляционное отношение [2], либо коэффициент корреляции (или )[1]. В случае, если изменение одной случайной величины не ведёт к закономерному изменению другой случайной величины, но приводит к изменению другой статистической характеристики данной случайной величины, то подобная связь не считается корреляционной, хотя и является статистической[3].
Корреляционная функция — функция времени или пространственных координат, которая задает корреляцию в системах со случайными процессами.
Зависящая от времени корреляция двух случайных функций X(t) и Y(t) определяется, как
,
где угловые скобки обозначают процедуру усреднения.
Если корреляционная функция вычисляется для одного и того же процесса, она называется автокорреляционной:
.
Аналогично, можно вычислить корреляционную функцию для процессов, происходящих в разных точках пространства в различные моменты времени:
.
Корреляционные функции широко используются в статистической физике и других дисциплинах, изучающих случайные (стохастические) процессы.
Свойства:
1) R(τ)=R(-τ). Функция R(τ) – является чётной.
2) Если х(t) – синусоидальная функция времени, то её автокорреляционная функция – косинусоидальная той же частоты. Информация о начальной фазе теряется. Если x(t)=A*sin(ωt+φ), то R(τ)=A2/2 * cos(ωτ).
3) Функция автокорреляции и спектра мощности связаны преобразованием Фурье.
4) Если х(t) – любая периодическая функция, то R(τ) для неё может быть представлена в виде суммы автокорреляционных функций от постоянной составляющей и от синусоидально изменяющейся составляющей.
5) Функция R(τ) не несёт никакой информации о начальных фазах гармонических составляющих сигнала.
6) Для случайной функции времени R(τ) быстро уменьшается с увеличением τ. Интервал времени, после которого R(τ) становится равным 0 называется интервалом автокорреляции.
7) Заданной x(t) соответствует вполне определённое R(τ), но для одной и той же R(τ) могут соответствовать различные функции x(t)
Спектральная плотность мощности и ее свойства;
Спектральная плотность мощности (СПМ) в обработке сигналов — функция, задающая распределение мощности сигнала по частотам. Её значение имеет размерность мощности, делённой на частоту, то есть энергии.
Формальное определение
Пусть — сигнал, рассматриваемый на промежутке времени . Тогда энергия сигнала на данном интервале равна Тогда
= = = ,
где — спектральная функция сигнала. При , средняя мощность
.
— спектральная плотность мощности (функция плотности спектра мощности).
Спектр плотности мощности сигнала сохраняет информацию только об амплитудах спектральных составляющих. Информация о фазе теряется. Поэтому все сигналы с одинаковым спектром амплитуд и различными спектрами фаз имеют одинаковые спектры плотности мощности.
Свойства:
Энергетический спектр стационарного процесса (вещественного или комплексного) – неотрицательная величина:
. |
((7)) |
Энергетический спектр вещественного стационарного в широком смысле случайного процесса есть действительная и четная функция частоты:
. |
((8)) |
Корреляционная функция и энергетический спектр стационарного в широком смысле случайного процесса обладают всеми свойствами, характерными для пары взаимных преобразований Фурье. В частности, чем «шире» спектр тем «уже» корреляционная функция , и наоборот. Этот результат количественно выражается в виде принципа или соотношения неопределенности.