Xreferat.com » Рефераты по коммуникации и связи » Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех

Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех

border="0" />.

Сложные преобразования показывают, что центрированная корреляционная функция огибающей приближенно равна квадрату огибающей корреляционной функции исходного УСП. Спектральная плотность мощности огибающей имеет два слагаемых: дельта-функцию, соответствующую постоянной составляющей огибающей, и спектральную плотность флюктуационной составляющей, которая является преобразованием Фурье от квадрата огибающей корреляционной функции исходного УСП.

Если СП является суммой узкополосного нормального процесса и синусоиды со случайной начальной фазой, то мгновенные значения синусоиды распределены по закону арксинуса, сумма – по бимодальному закону, соответствующему свертке нормального закона и закона арксинуса. После применения тех же преобразований, что и для узкополосного нормального СП, получим для огибающей распределение Райса


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех,


где Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех, А0 – амплитуда синусоидального сигнала; Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех – среднеквадратическое отклонение шума.

При Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех распределение Райса переходит в распределение Рэлея.

При больших отношениях Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех, т.е. при А0 >> 1 (отношение сигнал/шум), распределение Райса может быть аппроксимировано нормальным распределением с математическим ожиданием, равным А0.

6. Временные характеристики случайных процессов


Во многих случаях, особенно при экспериментальных исследованиях, вместо ансамбля есть лишь одна реализация. Тогда усреднение производится по времени и при некоторых условиях дает результаты, близкие к усреднению по множеству.

Простейший вариант усреднения состоит в определении среднего арифметического значения. Выделим в отрезке реализации СП длительностью T n дискретных отсчетов с интервалом между ними Dt,


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех (рис. 24).


Среднее арифметическое значение определим известным образом:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


Умножим числитель и знаменатель этого выражения на Dt:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех

Рис. 24

При Dt ® 0 и n ® Ґ сумма перейдет в интеграл, описывающий временное усреднение реализации (обозначается чертой сверху или в данном пособии: Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех) или функции от нее:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех. (16)


В общем виде можно записать операцию (16) с помощью оператора временного усреднения ST:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


Для того чтобы результат не зависел от длительности отрезка T, возьмем предел при T ® Ґ:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


При экспериментальных исследованиях выполнение условия T ® Ґ невозможно, но достаточно выполнения условия Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.

Часто начало реализации и начало времени интегрирования не совпадают, поэтому оператор Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех правильнее записать в виде оператора текущего среднего:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех. (17)


Используется также симметричная форма этого оператора:

Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех. (18)


Частотные характеристики операторов (4.17) и (4.18) равны соответственно:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех, Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех,


т.е. отличаются лишь фазовым множителем Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.

Практически часто используется оператор экспоненциального сглаживания, реализуемый с помощью интегрирующей RC-цепи в форме


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех


и имеющий характеристику


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


Производя временное усреднение некоторой функции g[x(t)], лежащей в основе какой-либо вероятностной характеристики, получим соответствующую временную характеристику. В частности, дисперсия, полученная временным усреднением, равна


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех;

Временная корреляционная функция –


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


Аналогами распределений вероятностей являются величины относительного времени пребывания реализации ниже некоторого уровня и в интервале уровней (рис. 25).

Аналог интегральной функции распределения вероятностей – относительное время пребывания реализации ниже некоторого уровня (рис. 25а):


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех; Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


Аналог плотности вероятности – относительное время пребывания реализации в интервале Dx на уровне x (рис. 25б):


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех;

Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.

Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех

Рис. 25


Процессы, для которых временные характеристики сходятся в некотором смысле к вероятностным при T ® Ґ, называются эргодическими. Различают два вида сходимости.

Последовательность случайных величин Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех сходится по вероятности к случайной величине x, если для любого e > 0


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


Сходимость с вероятностью 1 (или почти всюду) определяется следующим образом:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.

Сходимость в среднем определяется из условия:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех,


в частности, сходимость в среднеквадратическом –


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


Из сходимости почти всюду следует сходимость по вероятности, а из сходимости в среднеквадратическом также следует сходимость по вероятности.

Часто имеет место не эргодичность процесса, а эргодичность по отношению к математическому ожиданию, корреляционной функции или иной вероятностной характеристике.


7. Особенности нестационарных случайных процессов


Нестационарные СП, в отличие от стационарных, составляют столь широкий класс, что в нем трудно выделить свойства, относящиеся ко всему классу. Одним из таких свойств, лежащих в основе определения нестационарности, является зависимость вероятностных характеристик этих процессов от времени.

В частности,


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех,

Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.

Пример процесса, существенно нестационарного по математическому ожиданию, приведен на рис. 26а, по дисперсии – на рис. 26б.

Нестационарность по математическому ожиданию хорошо описывается моделью аддитивного нестационарного процесса:


X(t) = Y(t) + j(t),


где Y(t) – стационарный СП; j(t) – детерминированная функция.

Нестационарность по дисперсии описывается моделью мультипликативного нестационарного процесса: X(t) = Y(t)·j(t).

Простейшие примеры нестационарности по моментным функциям в более общем виде описываются зависимостями вероятностных распределений от времени.


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех

Рис. 26


Более сложным является отображение нестационарности в рамках многомерных (и даже двумерных) вероятностных характеристик. Наиболее широко используются корреляционные и спектральные характеристики. Поскольку корреляционная функция нестационарного СП зависит от двух моментов времени, спектр нестационарного процесса не может быть определен столь однозначно, как в стационарном случае. Существует несколько определений спектра нестационарных процессов:

а) двойной по частоте спектр или биспектр:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех. (19)


В случае стационарного процесса Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех и соотношение (19) переходит в теорему Винера – Хинчина. Биспектр (19) трудно физически интерпретировать и использовать при анализе цепей, хотя он отображает всю информацию о частотных свойствах процесса;

б) мгновенный частотно-временной спектр.

Заменим в Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех переменные следующим образом: Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех, t = t1 – t2 и выполним преобразование Фурье от корреляционной функции по аргументу t:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех. (20)


Мгновенный спектр (20) зависит как от частоты, так и от времени и при медленной нестационарности имеет наглядную физическую интерпретацию как изменение «обычной» спектральной плотности мощности во времени (рис. 27);

в) усредненная спектральная плотность мощности


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех,

где Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.

Этот спектр не отображает динамики процесса, но дает представление о среднем распределении дисперсии процесса по частоте;

г) аппаратурный спектр определяется как среднее значение дисперсии процесса на выходе узкополосного фильтра с импульсной реакцией h(t):


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех

Рис. 27


Этот спектр допускает аппаратурное определение, но использование его в теории достаточно трудоемко.

ПРИМЕР

Решение примера Рассмотрим пример нестационарного СП, имеющего плотность вероятности, выраженную функцией


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех

где Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех; a0 = 1 1/В; k = 2 1/Вс.

Необходимо найти математическое ожидание процесса и нарисовать ориентировочно возможный вид реализации процесса.

Для решения задачи прежде всего определим незаданную функцию А(t) из условия нормировки:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


Отсюда A(t) = a(t).

Поскольку процесс нестационарный, его математическое ожидание может зависеть от времени и в данном случае равно


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


Учитывая известное значение определенного интеграла [1]


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех при Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех


где Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех – гамма-функция, Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех, получим


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


Возможный вид реализаций процесса, не противоречащий виду распределения, приведен на рис. 28.

Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех

Рис. 28


На рис. 28 штриховой линией показано изменение математического ожидания процесса.


8. Классификация случайных процессов


Классификация в любой науке служит для упорядочения объектов исследования, а значит, и используемых методов анализа и синтеза. В ряде случаев удачная, логически оправданная и естественная классификация процесса помогает вскрыть новые закономерности (например, периодическая система Менделеева, классификация звезд на основе диаграммы Герцшпрунга – Рассела в астрономии и т.д.).

Классификация производится по каким-либо признакам. Наиболее существенными признаками для СП являются зависимости их вероятностных характеристик от времени и номера реализации.

Обозначим через q(l) произвольную вероятностную характеристику;

Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех – оператор усреднения по множеству;

Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех – оператор усреднения по времени.

Если одновременно используется усреднение и по множеству, и по времени, то получаемая при этом оценка вероятностной характеристики Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех(l) имеет такой вид:

Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех,


где l – аргумент вероятностной характеристики (частота Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех в спектральной плотности мощности; интервал Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех в корреляционной функции).

Истинное значение оценки вероятностной характеристики получается с помощью предельного перехода при неограниченном возрастании числа реализаций N и их длительностей T, т.е.


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


Характеристику, полученную усреднением и по множеству, и по времени, будем называть средней вероятностной характеристикой. Если же усреднение производится только по множеству, то получается t – текущая вероятностная характеристика:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех;


только по времени – k-текущая вероятностная характеристика:


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех.


В зависимости от видов получаемых характеристик СП можно классифицировать таким образом:

– Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех(k, l) = Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех(l) – однородный процесс, т.е. получаемая характеристика не зависит от номера реализации;

– Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех(t, l) = Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех(l) – стационарный процесс, т.е. получаемая характеристика не зависит от начала отсчета времени;

– Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех(t, l) = Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех(k, l) = Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех(l) – эргодический случайный процесс.

Схематично процессы могут быть представлены в виде множеств, изображенных на рис. 29.


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех

Рис. 29


Приведенная укрупненная классификация, конечно, не является исчерпывающей, поэтому используется классификация по многим другим признакам.

По виду областей существования и значений случайной функции СП делятся на непрерывные (непрерывные области существования и значений – рис. 30а), дискретные (непрерывное множество значений аргумента и дискретное множество значений – рис. 30б), непрерывные случайные последовательности (дискретная область существования и непрерывная область значений – рис. 30в) и дискретные случайные последовательности (дискретная функция дискретного аргумента – рис. 30г).

По виду распределений вероятностей различают процессы с конечной и бесконечной областями значений, с симметричной и несимметричной плотностью вероятности, гауссовы (нормальные) и негауссовы.

Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех

Рис. 30


По корреляционной связи значений различают коррелированные и некоррелированные СП, по виду спектра – широкополосные и узкополосные СП, по характеру временной связи – периодические, непериодические и почти периодические.

По виду нестационарности процессы делятся на аддитивные, мультипликативные, стационарные на интервале (квазистационарные), со стационарными приращениями, периодически нестационарные, с быстрой и медленной нестационарностью и т.д.

Выбор признаков классификации определяется характером решаемой задачи.

Рассмотрим пример классификации СП.

ПРИМЕР 4.

Решение примера 4. Охарактеризовать процесс X(t) в отношении стационарности, однородности и эргодичности, если процесс представлен моделью:

Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех,

где А – случайная амплитуда с рэлеевским распределением; Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех– случайная величина с равномерным распределением на интервале [–p, p]; Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех0 = const.

Выборочные реализации процесса X(t) представлены на рис. 31.


Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех

Рис. 31


Из рис. 31 и аналитического представления квазидетерминированного процесса X(t) очевидно, что его вероятностные характеристики (например, математическое ожидание, дисперсия, плотность вероятности и т.д.) не зависят от времени, т.е. процесс является стационарным. В то же время каждая из реализаций характеризуется своей дисперсией, поэтому процесс неоднороден и не является эргодическим, т.е. его характеристики нельзя оценить по одной реализации.

ПРИМЕР 5. По заданной графически функции распределения Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех стационарного случайного колебания (рис. 32) определить плотность вероятности и изобразить возможный вид реализации этого процесса.

Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех

Рис. 32


Рассчитать математическое ожидание, второй начальный момент и дисперсию процесса.

Решение примера 5. Плотность вероятности Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех связана с функцией распределения Постановка задачи синтеза оптимальных алгоритмов приема сигналов на фоне помех

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: