Теорема Винера-Хинчина.

При изучении детерминированных сигналов мы использовали гармони-ческий анализ. Однако в отношении случайных процессов непосредственное использование классического гармонического анализа невозможно, т.к.

1). Реализации случайного процесса xk(t) не удовлетворяют условию аб-солютной интегрируемости

2). Для случайного процесса x(t) частотный спектр также является слу-чайной функцией.

Но можно обобщить гармонический анализ, усредняя спектральные раз-ложения, полученные для отдельных реализаций.

Для этого введем новую функцию , совпадающую на интервале с реализацией xk(t) случайного процесса, а за пределами этого ин-тевала равную нулю:

xk(t)

 

 

 

0

 

при

при

 

 

Преобразование Фурье для этой функции:

Средняя мощность сигнала


С другой стороны, средняя мощность через частотный спектр:

 

 

Функция называется спектральной плотностью мощности реализации по спектру частот.

Для определения спектральной плотности совокупности реализаций не-обходимо провести усредненное по ансамблю возможных значений функции

·

 

mz – мат. ожидание

kk(t1t2) – корр. Функция

т.к.

то:

корр. функция выражает связь между значениями случайного процесса в различные моменты времени.

Переходя к пределу при , получим:

 

Т.o., спектральная плотность , являющаяся усредненной характери-стикой совокупности реализаций случайного процесса, представляет собой прямое преобразование Фурье для корр. функции.

Фурье для корр. функции.

Обр. преобр. Фурье:

Эти преобразования, связывающие функции и называется преобразованием Хингина-Винера.

Если вместо круг. частоты введем частоту в герцах f, то эти выражения примут вид:

 

Так как для стационарных эргодических процессов усреднение по множе-ству может быть заменено усреднением по времени, то функция мо-жет быть представлена в виде

 

Таким образом энергетический спектр стационарного случайного процес-са может быть вычислен двумя путями:

а) непосредственным наблюдением одной реализации xk(t) и нахождением предела (*).

б) нахождение преобразования Фурье коорр.-ной функции;

Для выяснения физического смысла функции примем в :

А т.к. К(0) выражает мощность сигнала, то дает усредненную энергетическую картину распределения мощности сигнала по частотному спектру.

Рассмотрим случай, те есть когда спектральная плотность мощности равномерна на всех частотах спектр называется «белым шумом».

               
   
 
 
     

 

 


( - предел прямоугольного импульса длительности и высота при ).

Таким образом корр. функция белого шума выражается - функцией:

 

¥ при t=0

K(t) =

0 при t¹0

 

Белый шум x(t) характеризуется тем, что значения x(t) в любые два момента времени некоррелированы. Такой случайный процесс называется абсолютно случайным.

Белый шум в точном смысле является идеальным, не встречающимся в реальных условиях, потому что:

1). Достаточно близкие значения случайной функции практически всегда зависимы;

2). Реальные процессы имеют конечную мощность, а для белого шума полная мощность процесса бесконечна.

Но: во многих случаях такая идеализация упрощает мат. Анализ и не вносит существенных погрешностей.

Спектры реальных процессов ограничены полосой частот из-за ограниченности полосы пропускания реальных каналов связи.

Если белый шум пропустить через идеальный фильтр низких частот с граничными частотами =0, , то на выходе получим шум с ограниченным спектром.

 

G( )

 

 

G0

 

 

0

vb

 

,

где P0=G0vb - средняя мощность процесса

 

t0 - инт. кореляции
k(t)

 

t

0

t0

Следовательно, ограничение спектра вызывает появление кореляции, причем по мере сокращения полосы частот Wэ=vb интервал кореляции увеличивается.

В случае, если для случайного процесса спектр непрерывен и сосредоточен около некоторой фиксированной частоты v0, причем выполняется условие

1,

то такой процесс называется узкополосным.

Если узкополосный спектр обладает максимумом при v0 и симметричен относительно этой точки, то коор. Функция процесса

 

G(v)

 

Т.к. по условию полоса спектра пренебрежимо мала по сравнению с частотой v0, то верхние пределы интегрирования могут расп.-ть до ¥.

где G*(v)=G(v0-v),

5. Эффективная ширина спектра случайного процесса

При анализе случайных процессов с неравномерным спектром часто пользуются понятием эквивалентной или эффективной ширины спектра, определяемой выражением:

,

где Gмакс.(v) – наибольшее значение функции спектр. плотности;

Средняя мощность процесса:

,

то может быть установлена следующая связь между интервалом корреляции и эффективной шириной спектра процесса:

 








Дата добавления: 2015-08-21; просмотров: 1977;


Поиск по сайту:

При помощи поиска вы сможете найти нужную вам информацию.

Поделитесь с друзьями:

Если вам перенёс пользу информационный материал, или помог в учебе – поделитесь этим сайтом с друзьями и знакомыми.
helpiks.org - Хелпикс.Орг - 2014-2024 год. Материал сайта представляется для ознакомительного и учебного использования. | Поддержка
Генерация страницы за: 0.019 сек.