- •Министерство Российской Федерации
- •4. Математические модели случайных процессов
- •X1(t) x2(t)
- •Равномерное Нормальное (гауссовское) Распределение дискретной случайной величины
- •4.2. Сокращенное описание случайных процессов
- •Некоторые свойства корреляционной функции сп:
- •4.3. Спектральный анализ случайных процессов
- •Свойства энергетических спектров случайных процессов
- •Примеры энергетических спектров некоторых стационарных сп:
- •Контрольные вопросы
- •Рекомендации по проведению экспериментальных исследований случайных процессов
- •5. Прохождение случайных процессов через преобразователи сигналов
- •5.1. Прохождение случайных процессов через безынерционные цепи
- •Функциональное преобразование двух случайных процессов
- •5.2. Прохождение случайных процессов через линейные цепи
- •5.3. Узкополосные случайные процессы
- •Постановка задачи
- •Решение
- •Контрольные вопросы
- •Рекомендации по проведению экспериментальных исследований прохождения случайных процессов через различные фу
- •6. Оптимальный прием дискретных сообщений
- •6.1. Постановка задачи
- •6.2. Критерии качества приема дискретных сообщений
- •6.2.1. Критерий идеального наблюдателя (критерий Котельникова)
- •6.2.2. Критерий максимального правдоподобия
- •6.2.3. Критерий минимального среднего риска (байесовский критерий)
- •6.2.4. Критерий Неймана-Пирсона
- •Контрольные вопросы
- •6.3. Синтез оптимального демодулятора при известном ансамбле сигналов (когерентный прием)
- •6.3.1. Постановка и решение задачи когерентного приема
- •Постановка задачи:
- •6.3.2. Синтез оптимального когерентного демодулятора на согласованных фильтрах
- •Свойства согласованных фильтров
- •6.3.3. Согласованная фильтрация и корреляционный прием некоторых типичных сигналов
- •Прямоугольные видеоимпульсы
- •Прямоугольные радиоимпульсы
- •Сложные двоичные сигналы
- •ПроизвольныеF-финитные сигналы
- •6.3.4. Оптимальный когерентный прием при небелом шуме
- •Контрольные вопросы
- •Рекомендации по проведению экспериментальных исследований оптимального когерентного приема
- •6.4. Потенциальная помехоустойчивость когерентного приема Постановка задачи:
- •6.5. Сравнительный анализ потенциальной помехоустойчивости основных видов цифровой модуляции
- •Контрольные вопросы
- •Рекомендации по проведению экспериментальных исследований
- •6.7. Потенциальная помехоустойчивость некогерентного приема в двоичной системе связи
- •Контрольные вопросы
- •Рекомендации по проведению экспериментальных исследований некогерентного приема
- •Литература
- •Содержание
Равномерное Нормальное (гауссовское) Распределение дискретной случайной величины
И
F(x)
1
x
x1
x2
x3
x4
w(x)
x
x1
x2
x3
x4
или n-мерной плотности вероятности
,
где x1, x2…, xn – аргументы, t1, t2…, tn – параметры этих функций, а n – любое целое число.
Если n-мерная функция распределения (плотность вероятности) СП не меняется при сдвиге всех моментов tk (k = 1, 2, …, n) на один и тот же интервал t, то такой процесс называют стационарным в узком смысле.
4.2. Сокращенное описание случайных процессов
Полное описание СП не всегда возможно, да и не всегда требуется. Во многих случаях достаточно знать основные его характеристики. В качестве таковых широко используют:
Математическое ожидание СП – начальный момент первого порядка
Дисперсия СП – центральный момент второго порядка
Здесь использовано понятие центрированного СП .
В общем случае можно использовать моменты k-го порядка:
начальные
,
центральные
.
Нетрудно видеть, что моменты полностью определяются одномерным распределением и в общем случае произвольного СП являются детерминированными функциями времени. Для стационарных в узком смысле СП моменты от времени не зависят.
Корреляционная (автокорреляционная) функция – центральный смешанный момент второго порядка
.
Случайные процессы называют стационарными в широком смысле, если выполняются следующие условия:
,
,
, где τ = t2 – t1
Очевидно, что стационарность СП в узком смысле влечет его стационарность в широком смысле, но не наоборот.
Некоторые свойства корреляционной функции сп:
1.
2.
Доказательство:
,
откуда следует вышеуказанное неравенство
3. Корреляционная функция характеризует статистическую связь сечений СП (внутри процесса). Если связи между сечениями инет (сечения статистически независимы), то.
Доказательство:
.
Отсутствие связи влечет отсутствие корреляции, но не наоборот. Обратное утверждение справедливо лишь в случае нормального (гауссовского) процесса.
Нормальным называют СП, у которого одномерная плотность вероятности имеет вид
,
где ,,
а любая n-мерная плотность вероятности описывается выражением
,
где An, cij, ai, aj – константы, определяемые выбором сечений t1,t2,,,tn.
4. Корреляционная функция стационарного случайного процесса является четной .
Доказательство:
.
Подставляя , получим
.
5. Чтобы абстрагироваться от дисперсии и учитывать только связи внутри СП удобно пользоваться нормированной функцией корреляции (коэффициентом корреляции)
.
Очевидно, что .
6. Интервал корреляции – грубую числовую оценку связи внутри СП – чаще всего определяют методом равновеликого прямоугольника
.
7. Взаимная корреляционная функция двух процессов X(t) и Y(t)
.
8. Корреляционная функция суммы независимых случайных процессов есть сумма корреляционных функций каждого из слагаемых СП в отдельности
Доказательство:
.
Вместо усреднения по множеству реализаций случайного процесса можно ввести его усреднение по времени, определяя:
- постоянную составляющую СП,
- переменную составляющую СП,
- мощность переменной состав-
ляющей СП.
Нетрудно видеть, что эти характеристики являются случайными величинами, не зависящими от времени.
Случайные стационарные процессы называютэргодическими, если их усреднение по множеству и по времени приводит к одинаковым результатам:
Э
,
из которого вытекает схема коррелометра, приведенная на рис. 4.2.