4.4. Случайный синхронный телеграфный сигнал (сстс)

Для определения вероятностных характеристик случайных сигналов на входе и выходе блока ФМС рассмотрим случайный синхронный телеграфный сигнал и его вероятностные характеристики.

На рис. 3 изображена реализация случайного процессапод названием «случайный синхронный телеграфный сигнал». На вход ФМС этот сигнал поступает с выхода кодера К.

Рис. 3. Возможная реализация случайного сигнала

В [7, с. 11] амплитуда прямоугольных импульсов обозначена В целях последующего определения корреляционной функции случайного процесса амплитуду удобно обозначить.

Случайный сигнал обладает следующими свойствами:

1. Случайный процесс в дискретные моменты времени, разделенные интервалом , принимает значения 0 и с вероятностью 0,5 каждое, независимо от того, какое значение имел сигнал на предыдущем участке длительностью .

Определим функцию распределения вероятности , характеризующую случайный процесс. Исходя из определения функции, гдеесть вероятность того, что случайный процесспринимает значения меньшие или равные заданной величине, и, используя значения данныхв п. 1, строим график функции, изображенный на рис. 4, а.

Рис. 4. Законы распределения случайного телеграфного сигнала:

а) функция распределения вероятности

б) плотность вероятности

График функции построен на основе определения функциии свойств случайного процесса, отмеченных в п. 1.

Действительно, когда , вероятность, так как заданный сигнал значений, меньших, не принимает. Поэтомудля значений. Когда, вероятность,так как сигнал принимает значениес вероятностью. Поэтому криваяв точкескачком изменяется с нулевого уровня до уровня.

В интервале << 2сохраняется вероятностьдля любогоиз этого интервала, так как в этом интервале сигнал не принимает никаких значений, поэтому.

Когда , вероятность, так как значениесигнал принимает с вероятностью 0,5 и значениетакже с вероятностью 0,5. Отсюда. Поэтому в точкефункцияскачкообразно изменяется еще раз на величину 0,5, достигая значения, равного 1. Посколькуне может принимать значения больше 1 и не может убывать при увеличении аргумента, имеемпри значениях>2.

2. Как известно, плотность вероятности случайного процессасвязана с функциейформулой. Вычисляя производную от кривой(рис. 4, а), получим график плотности вероятности(рис. 4, б). На тех интервалах на оси, на которых дифференцируемая функцияпостоянна, производная равна нулю и только в точкахи, где функцияимеет разрывы непрерывности 1-го рода, производная отличается от нуля. Из теории обобщенных функций известно, что величина производной в этих точках равна δ-функции, умноженной на численный коэффициент, равный величине скачка дифференцируемой функции. Согласно рис. 4, б аналитическое выражение для функции имеет вид

, (3)

т. е. представляет собой сумму двух δ-функций. Видно, что найденная плотность вероятности удовлетворяет условию нормировки, так как каждая δ-функция в (3) ограничивает площадь, равную 0,5.

3. Определим математическое ожидание процесса :

. (4)

Полученный результат означает, что процесс не является центрированным случайным процессом, так как . Центрированный процессбудет равен

. (5)

4. На рис. 5 показаны четыре произвольные реализации ,,ицентрированного процесса.

Рис. 5. Реализации случайного сигнала

Границы тактовых интервалов для первой реализации обозначены, и эти же моменты времени обозначены на графиках других реализаций. На рис. 5 видно, что границы тактовых интервалов у разных реализаций не совпадают, т. е. любой момент времени на интервалеможетс равной вероятностью оказаться моментом начала такта для других реализаций: ,,и т. д.

Таким образом, интервал времени между точкойи началом тактового интервала есть случайная величина,равномерно распределенная на интервале .

Рис. 6. График плотности вероятности

График плотности вероятности этой случайной величины изображен на рис. 6.

Корреляционная функция для сигналаопределяется по формуле

. (6)

Определим для двух случаев: а)>; б).

а) Если >, то моменты времениив каждой реализации принадлежатразным тактовым интервалам. В случае а) случайная величина будет равна произведению двухнезависимых случайных величин и. Как известно, математическое ожидание произведения независимых случайных величин равно произведению математических ожиданий сомножителей, т. е.. Поскольку данный процессявляетсяцентрированным (т. е. ), то из (6) при>следует

. (7)

б) Если <, то моменты времениидля одной части реализаций ансамблябудут принадлежать одному тактовому интервалу, а для другой части реализаций ансамблямоменты времениибудут принадлежать соседним тактовым интервалам.

На рис. 5 проведены две вертикальные линии, пересекающие все реализации, левой линии соответствует момент времени , а правой линии – момент времени. Расстояние между вертикальными линиями обозначено через<. Все реализации из ансамбля случайного процессав данном случае можно разделить на две группы:и.

В группу введем все реализации, у которых моменты времениипринадлежатодному тактовому интервалу. В эту группу из четырех реализаций (рис. 5) попадут реализации: и.

В группу введем все реализации, у которых моменты времениипринадлежатразным (соседним) тактовым интервалам. В эту группу попадут реализации: и.

Математическое ожидание случайной величины по всему ансамблю случайного процессаполучим, если вначале раздельно найдем математические ожидания этого произведения по реализациям группыи по реализациям группыа затем найденные математические ожидания усредним по обеим группам. Тогда

(по и) (по) (по)

==+, (8)

где и– вероятности того, что реализация войдет, соответственно, в группуили группу.

(по )

Определим . Для любой реализации, попавшей в группу, произведение. Например:

если , то произведение;

если , то произведениеи т. д.

Таким образом, получим

(по )

. (9)

(по )

Величина определяется аналогично, но при этом надо учитывать, что у реализации группымоменты времениипринадлежатразным тактовым интервалам, поэтому случайные величины ииз группыбудутнезависимы, что позволяет написать:

по () (по) (по)

= 0 · 0 = 0. (10)

Подставляя (9) и (10) в (8), получим

. (11)

Для определения вероятности на каждой реализации (рис. 5) введем интервал, равный расстоянию от моментадо ближайшего момента времени, при которомможет произойти изменение знака реализации. На рис. 5 видно, что каждая реализация имеет свою величину этого интервала и поэтому интервал есть величина случайная. Если момент времениперенести в точку момента времени, то по смыслу величина интервалазаменится на величину интервалана рис. 5. Следовательно, величина интервалаесть случайная величина, имеющая ту же плотность вероятности, что и случайная величина, т. е. равномерную (рис. 7).

Рис. 7. Плотность вероятности случайной величины

На рис. 5 видно, что для всех реализаций группы выполняется неравенство

, (12)

где – известная детерминированная величина.

Неравенство (12) является формальным (математическим) признаком того, что реализация илипринадлежит группеДля реализаций группыаналогичным признаком является выполнение неравенства

. (13)

Таким образом, вероятность равна вероятности выполнения неравенства (12), т. е.

(14)

Зная плотность вероятности (рис. 7), можно найти величину

===== . (15)

При вычислении интеграла (15) верхний предел интегрирования, равный , заменяем конечной величиной, так как при значенияхподынтегральная функция(рис. 7) равна нулю. Таким образом,равна той части площади прямоугольника, которая на рис. 7 обозначена штриховкой. Аналогично, используя неравенство (13), можно найти величину. Подставляя величинув (11) при, запишем корреляционную функцию

=. (16)

Правая часть (16) зависит только от , т. е.. Учитывая это свойство корреляционной функции, а также то, что(т. е. математическое ожидание не зависит от времени), делаем вывод, что рассматриваемый процессявляетсястационарным процессом в широком смысле. Используя (7) и (16), можно построить график функции при(рис. 8).

Рис. 8. График при

На интервале графикимеет форму прямой линии, имеющей отрицательный наклон, проходящий через точкуна оси ординат, и точкуна оси абсцисс.

Линейная зависимость графика (рис. 8) с отрицательным наклоном объясняется тем, что аргумент входит в (16) в первой степени и перед ним стоит знак «минус».

Стационарность процесса позволяет продолжить кривуюв область отрицательных значений<, используя свойство симметрии корреляционной функции стационарного процесса.

Аналитическое выражение для корреляционной функции , справедливое, как для значений>, так и для значений<, имеет вид

(17)

Корреляционной функции соответствует график рис. 9.

Рис. 9. График корреляционной функции

5. Определим дисперсию заданного случайного процесса . Известно, что дисперсия стационарного процесса равна значению корреляционной функции при значении, т. е.

. (18)

Из графика рис. 9 следует, что удовлетворяет следующему пределу

, (19)

что является необходимым и достаточным условием эргодичности данного стационарного процесса.

Таким образом, рассматриваемый случайный процесс является не только стационарным, но и эргодическим процессом. Тогда вероятностные характеристики, такие как математическое ожидание, дисперсия и корреляционная функция, могут быть определены с помощью только одной реализации из ансамбля процесса путем соответствующих усреднений этой реализации по времени.

6. Для определения спектральной плотности мощности случайного процессаиспользуется теорема Винера–Хинчина, которая справедлива только для стационарных центрированных процессов.

=. (20)

Имеем, посколькуявляется четной функцией аргумента, а– нечетная функция(произведение четной функции на нечетную является нечетной функцией, а интеграл от любой нечетной функции в указанных пределах интегрирования равен нулю).

Учитывая четность подынтегральной функции в (20), а также формулу (17), вместо (20) можно написать

=

(21)

Используя метод интегрирования по частям, после элементарных преобразований получим окончательный результат

(22)

График функции представлен на рис. 10.

Рис. 10. Спектральная плотность

Функция (22) в точках обращается в нуль, и криваяпри этих значенияхкасается оси абсцисс.

Основная доля мощности сигнала сосредоточена в ограниченной полосе частот вблизи частоты . Случайный синхронный телеграфный сигнал, имеющий теоретически бесконечную протяженность спектра, является нефинитным, с практической точки зрения его можно считать низкочастотным, но занимающим достаточно широкую полосу частот.

Корреляционные функции ислучайных процессовина выходе блока ФМС определяются по аналогичной методике определения корреляционной функции случайного процесса , поступающего на вход блока ФМС. Если необходимо найти, то существует небольшое отличие при определении математического ожидания произведенияпо группев которую попадают реализации случайного процессапри выполнении неравенства.

Во-первых, изначально, процессы и являются центрированными случайными процессами.

Во-вторых, поскольку реализации случайного процесса в отличие от реализаций случайного процесса принимают четыре дискретных значенияс одинаковой вероятностью, то математическое ожидание произведенияпо группеопределяется формулой

(по )

=

. (23)

Корреляционная функция случайного процессабудет соответствовать структуре корреляционной функциислучайного процесса, определяемой выражением (17), тогда

(24)

Отличие от корреляционной функциипроявляется в том, что вместо множителяиспользуется множительи вместо параметраиспользуется параметр, где– символьный интервал.

Рис. 11. График корреляционной функции

Случайный процесс имеет такие же вероятностные характеристики, какие имеет процесс, поэтому имеет место равенство

(25)

Используя теорему Винера–Хинчина и равенство (25), получим

(26)

Форма графика функций и будет похожа на форму графика на рис. 10. Величина главного максимума станет равной и в точках график этих функций будет касаться оси абсцисс.

В случае КАМ-16 величина ,где – бинарный интервал, и поэтому график функций и ,оставаясь нефинитным, станет в 4 раза уже, чем график на рис. 10.

Изложенную методику определения корреляционной функции для случайного синхронного телеграфного сигнала несложно обобщить и получить корреляционные функции для случайных процессов, в которых в качестве переносчиков информационных символов используются импульсы, форма которых отличается от прямоугольной формы. Примерами таких импульсов, используемых на практике, являются импульсы, форма которых похожа на форму гауссовской плотности вероятности, а также импульсы, связанные с сигналами со спектром «приподнятого косинуса».

Сигналы со спектром «приподнятого косинуса» используются в спутниковой и мобильной связи.

Например, если задан случайный процесс

, (27)

где – случайная величина, заданная на символьном интервалес номером, которая принимает известные дискретные значения с заданными вероятностями, величина их не зависит от значения;– детерминированный импульс заданной формы (не обязательно прямоугольной), тогда корреляционная функцияслучайного процессаможет быть определена как

, (28)

где – математическое ожидание случайной величины;– частота поступления в канал связи информационных символов.

Автокорреляционная функция импульса определяется формулой:

(29)