Спектральное разложение случайных стационарных процессов.
Спектральное представление ССП.
Спектры детерминированных сигналов.
Сигнал - функция, переносящая информацию.
Среди разнообразных систем ортогональных функций, которые могут быть использованы в качестве базиса для представления сигналов, исключительное место занимают гармонические функции потому, что
1) гармонические сигналы инвариантны относительно линейных преобразований,
2) техника генерирования этих сигналов относительно проста.
Если сигнал представлен в виде суммы гармонических колебаний с различными частотами, то говорят, что осуществлено спектральное разложение сигнала. Гармонические компоненты образуют его спектр.
Разложение периодических сигналов в ряд Фурье.
Периодический сигнал ,
.
, где
- ортонормированный базис,
-коэффициенты.
Основная частота: .
Угловая частота: .
Циклическая частота: Гц.
Ряд Фурье для сигнала:
В общем случае сигнал содержит не зависящие от времени постоянную составляющую и бесконечный набор гармонических колебаний, так называемых гармоник с частотами , кратными основной частоте последовательности.
У каждой гармоники своя амплитуда.
Ряд Фурье в комплексной форме.
Базисные функции - экспоненты с мнимыми показателями.
,
( * )
( ** )
Спектр сигнала s(t) содержит компоненты и на отрицательной полуоси частот, причем ( для действительных сигналов они совпадают ).
Отрицательная частота - понятие не физическое, а математическое, вытекающее из способа представления комплексных чисел.
Преобразование Фурье.
Для непериодических процессов устремляем и переходим к интегралу. Что происходит? Частоты соседних гармоник
и
окажутся сколь угодно близкими и дискретную частоту
можно заменить непрерывной
.
Прямое преобразование Фурье имеет вид:
Это преобразование существует, если существует
Тогда обратное преобразование Фурье будет иметь вид:
, где S(w) - спектр сигнала.
Преобразование Фурье обладает следующими основными свойствами:
1. линейность ;
2. если сигнал - действительный, то
-является четной, а
-нечетной функцией;
3. для смещенного во времени сигнала ;
4. при изменении масштаба времени .
Спектральное разложение случайных стационарных процессов.
Если периодична , то с вероятностью 1 периодична реализация и наоборот.
Корреляционную функцию можно разложить в ряд Фурье:
,
( * )
Теорема.
Если - случайный стационарный периодический процесс и его корреляционная функция представлена в виде разложения в ряд Фурье ( * ), то сам процесс тоже может быть представлен в виде ряда:
где - случайные величины такие, что:
,
Каноническое разложение:
Спектральная плотностьcтационарныx процессов..
.
Для удобства говорим о центрированных случайных процессах.
Периодический процесс (периодическая корреляционная функция).
,
,
где
Так как корреляционная функция - четная функция, то есть , для центрированного процесса
- действительная, то мы можем перейти к косинус преобразованиям Фурье:
Дисперсия стационарного периодического процесса:
Дисперсия стационарного случайного процесса, представленная спектральным разложением, равна сумме всех дисперсий гармоник его спектрального разложения.
Непериодический процесс:
,
-интервал между соседними частотами.
W(w) -спектральная плотность стационарного случайного процесса, плотность распределения дисперсий по непрерывным частотам.
Она же - спектр мощности, спектральная плотность мощности, энергетический спектр. W(w) характеризует удельную меру мощности.
Опять вернемся к общему преобразованию Фурье.
- формулы Винера-Хинчина
Функция корреляции и спектр плотности связаны между собой преобразованиями Фурье.
Еще раз о физическом смысле W(w).
- распределение энергии по частоте.
- средняя мощность флуктуации процесса.
- односторонний спектр мощности.
Свойства спектральной плотности.
1. Если - вещественный, то
- четная функция.
2. Спектральная плотность - неотрицательная функция, то есть: .
3. Если дисперсия ограничена, то W(w) - интегрируемая функция:
Примеры.
1. Спектр плотности действительного случайного процесса
:
Найти: .
В точках , то есть сечения
,
- некоррелируемы.
2. Существует ли стационарный случайный процесс, имеющий корреляционную функцию вида:
?
Эта корреляционная функция не может быть корреляционной функцией стационарного процесса, так как спектральная плотность должна быть больше 0, а в данном случае есть синус, который приводит к минусу.
Белый шум.
Белый шум – случайный процесс с постоянной спектральной плотностью для всех частот, то есть . Для белого шума характерно равномерное распределение энергии по всем частотам. Реально он не существует.
Корреляционная функция белого шума имеет вид:
Интервал корреляции.
Многие случайные процессы обладают свойством: их функция корреляции стремится к 0 с увеличением временного сдвига .
Чем быстрее убывает , тем меньше оказывается статистическая связь между мгновенными значениями случайного сигнала в два несовпадающие момента времени.
Числовой характеристикой, служащей для оценки скорости изменения реализации случайного процесса, является интервал корреляции :
Если известна информация о поведении какой-либо реализации в прошлом, то возможен вероятностный прогноз на время .
Пример.
характеризует скорость уменьшения корреляции между сечениями.
Эффективная ширина спектра.
Заменим мысленно стационарный случайный процесс процесс другим, у которого спектральная плотность мощности постоянна, ,так, что
Вне пределов эффективной ширины спектра спектральную плотность мощности считают равной 0.
- есть постоянное число порядка 1.
Чем меньше интервал корреляции, тем шире его спектр.