Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

Случайный процесс

.pdf
Скачиваний:
17
Добавлен:
10.02.2015
Размер:
993.95 Кб
Скачать

с коэффициентами ковариации

Rij

M( (ti) m i ) ( (tj) m j)

 

,

 

(2.13)

i

j

 

 

 

 

 

 

математическим

ожиданием

mξi Mξ(ti )

 

и

дисперсией

σξ2i Dξ(ti),

 

 

 

 

 

 

 

Di j - алгебраическое дополнение к элементу

Rij

ковариационной

матрицы R.

Введем матрицу K с элементами Ki j i j Ri j, тогда совмест-

ная плотность распределения вероятности (2.6) запишется как

 

 

 

 

 

1

 

 

 

wξ (x1, ,xm, t1, ,tm)

 

 

 

 

 

 

 

n / 2 DetK

 

 

 

 

 

 

 

 

 

1

 

 

1

(X Mξ(t))),

(2.14)

exp(

(X

Mξ (t))K

 

2

 

 

 

 

 

 

 

 

где X (x1, ,xn ) (x(t1), ,x(tn ))

- транспонированный вектор

значений случайного процесса в дискретные

моменты времени

t1, ,tn ,

 

 

 

, ,mξn )

- транспонирован-

Mξ (t) Mξ(t1), ,Mξ(tn ) (mξ1

ный вектор значений математического ожидания в дискретные моменты времени t1, ,tn ,

DetK - определитель матрицы K.

В частности, одномерная и двумерная плотности распределения вероятности имеют вид

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

x mξ(t) 2

 

 

 

 

 

 

 

 

 

 

 

 

wξ (x, t)

 

 

 

 

 

e

ξ2

(t)

,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2π σξ (t)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

wξ (x1,x2,t1,t2)

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2πσξ1 σξ 2 1 r2

 

 

 

 

 

 

 

 

 

1

 

 

(x1

m

ξ1)

2

 

 

(x1 mξ1) (x2

mξ2)

 

(x2 m

ξ2)

2

 

 

 

 

 

 

 

 

 

 

 

 

 

,

exp

 

 

 

 

 

 

 

 

 

 

 

2r

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

2(1 r

 

 

σ2

 

 

 

 

 

 

σξ1

 

 

 

 

σξ2

σ

2

 

 

 

 

2)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ξ1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ξ2

 

 

 

 

где mξi mξ (ti), σξi σξ (ti), i 1, 2, r R12 R21 r(t1,t2).

43

Положим, процесс ξ(t) - стационарный хотя бы в широком смысле. Тогда коэффициент корреляции равен r r(t2 t1) и двумерная плотность распределения вероятности примет вид

wξ (x1, x2, t2 t1) w

ξ (x1, x2, τ)

 

 

 

1

 

 

 

 

 

 

 

2πσ2

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1 r2

 

 

 

 

 

1

 

 

(x

 

 

2

 

 

 

 

 

 

 

 

 

 

 

 

2

 

 

 

 

 

 

 

m)

2r(x

 

m)(x

 

m) (x

 

m)

 

exp

 

2

 

2

 

1

 

1

2

2

 

. (2.15)

 

(1 r

)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Если значения стационарного случайного процесса не коррелированны, то корреляционный момент равен нулю и плотность распределения вероятности равна

wξ (x1, ,xn, t1, ,tn )

 

1

 

 

 

1

 

n

 

n

 

 

 

 

 

(xi mξ )

2

wξ (xi,ti). (2.16)

 

 

 

exp

 

 

 

 

2

n / 2

2

 

(2πσξ )

 

 

 

ξ i 1

 

i 1

Если нормальный случайный процесс стационарен в широком смысле, то он будет стационарным и в узком смысле. Покажем это. Из формулы (2.11) получим

wξ (x1, ,xn , t1, ,tn )

 

(2 )n/2

n

D

 

2

2

 

n

n

 

 

 

D

 

 

1

 

 

exp

1

 

 

 

Di j(xi m ) (xj m ) . (2.17)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

i 1

j 1

 

Как видно из (2.6) и (2.17) совместная плотность распределения вероятности wξ (x1, ,xn , t1, ,tn ) зависит от нормированной ко-

вариационной матрицы R. Для стационарного процесса в широком смысле она будет равна

 

 

1

R(t1 t2)

R(t1

tn )

 

 

 

 

t1)

1

R(t2

 

 

 

R

R(t2

tn )

(2.18)

 

 

 

 

 

 

.

 

 

 

 

 

 

 

 

t1)

R(tn t2)

 

1

 

 

 

R(tn

 

 

44

Если сдвинуть все точки отсчёта по времени на одну и ту же величину , (t1 , ,tn ), то элементы нормированной ковариаци-

онной матрицы не изменятся, и многомерная плотность распределения не будет зависеть от сдвига . Отсюда следует, если нормальный случайный процесс стационарен в широком смысле, то он будет стационарным и в узком смысле.

Как видно из выше изложенного, нормальный случайный процесс содержит в качестве параметров математическое ожидание и ковариационную матрицу.

2.4 Каноническое разложение случайного процесса

Анализ случайных процессов при их прохождении через радиотехнические цепи бывает сложным из-за математических трудностей. На практике пользуются методами, упрощающими вычислительный процесс. Одним из этих методов является каноническое разложение случайного процесса.

Вводится элементарный случайный процесс ξ0(t) Vφ(t) , где V - случайная величина, φ(t) - не случайная функция времени,

называемая координатной функцией. Определим математическое ожидание и корреляционную функцию процесса ξ0(t):

0(t) mv φ(t), Bξ0

(t1,t2) M(ξ0(t10(t2)) M(V2)φ(t1)φ(t2),

ковариационная функция равна

 

o

o

2) mv2 ) φ(t1)φ(t2).

B o (t1,t2) M(ξ0(t10(t2)) (M(V

ξ0

 

 

Как видно из этих выражений, в общем виде элементарный случайный процесс не является стационарным хотя бы в широком смысле.

Представим случайный процесс ξ(t) через элементарные случайные процессы

N

 

ξ(t) mξ (t) Vi φi(t),

(2.19)

i 1

 

где mξ (t) - не случайная функция, Vi - коэффициенты разложения – некоррелированные случайные величины с математическим ожида-

нием, равным нулю и дисперсией σ2vi :

45

0

 

 

при j i ,

 

 

 

 

 

(2.20)

M(Vi Vj) D(V ) σ2

при j i .

 

i

vi

 

 

 

 

 

 

Множество координатных функций может быть как конечным, так и бесконечным. Представление случайного процесса в виде (2.19) с ограничениями (2.20) называется каноническим разложением слу-

о

чайного процесса. Для центрированного процесса ξ(t) ξ(t) mξ (t)

имеем

о

N

 

ξ(t) Vi φi(t).

(2.21)

i 1

Возможно интегральное представление

(t) m (t) V( ) (t, ) d ,

(2.22)

где V(τ) - белый шум с математическим ожиданием M(V(τ)) 0, φ(t,τ) - неслучайная функция времени t и параметра τ.

Такое представление случайного процесса называется интеграль-

ным каноническим разложением.

Будем полагать в дальнейшем в этом разделе, что процесс ξ(t) -

o

центрированный, т.е. ξ(t) ξ (t), и выразим корреляционную функцию процесса ξ(t), используя каноническое разложение:

 

N

N

 

 

 

Vi φi(t1) Vj φj(t2)

 

 

Bξ(t1,t2) M ξ(t1)ξ(t2) M

 

i 1

i 1

 

 

N

N

N

φi(t1i(t2)

 

M Vi Vj φi(t1j(t2) M Vi2

 

i 1

j 1

i 1

 

 

 

 

N

 

 

 

 

D Vi φi(t1i(t2) .

(2.23)

 

 

i 1

 

 

Разложение (2.23) называется каноническим разложением ковариационной функции. Дисперсия процесса ξ(t), выраженная через координатные функции, имеет вид

46

N

φ i2(t1) .

 

D(ξ) Bξ (t1 t2) D Vi

(2.24)

i 1

Доказано [7], если ковариационная функция случайного процесса ξ(t) имеет вид (2.23), то случайный процесс ξ(t) может быть представим в виде (2.21). На практике часто применяют это утверждение. Выбор координатных функций φi(t) зависит от свойств случайного процесса ξ(t) и набора известных случайных величин V1, V2 , , VN. Более подробно теория и практика канонического разложения случайной функции изложена в [7].

Рассмотрим стационарный случайный процесс ξ(t) в интервале (0, Tн). Корреляционная функция Bξ (τ) может быть представима разложением в ряд Фурье на интервале ( Tн τ Tн):

 

 

 

 

 

 

 

 

 

 

Bξ (τ) Bξ (t2

t1) D0 Di

сos ωiτ ,

 

 

 

 

 

i 1

 

 

 

 

 

 

 

 

 

π

 

 

D0 Di

сos(ωi (t2 t1)), ωi 0 i

.

(2.24)

 

i 1

 

 

 

 

 

Tн

 

Коэффициенты разложения определяются как

 

 

 

 

 

 

 

 

1

Tн

 

 

 

 

 

 

 

D0

Bξ (τ) dτ,

 

 

 

(2.25)

 

 

 

2T

 

 

 

 

 

 

 

н

T

 

 

 

 

 

 

 

Tн

 

н

 

 

 

 

 

1

 

 

 

 

 

 

Di

Bξ (τ) сosωiτdτ, i 1,2, ,

(2.26)

T

 

 

н T

 

 

 

 

 

 

 

 

 

н

 

 

 

 

 

 

Перепишем выражение (2.24) в виде

Bξ (t2 t1) D0 Di сos(ωi (t2 t1))

 

i 1

 

 

D0 Di

сosωit1 сosωit2 Di sinωit1 sinωit2 . (2.27)

i 1

i 1

В результате получили разложение ковариационной функции случайного процесса ξ(t) по координатным функциям cosωit и sinωit на интервале ( Tн,Tн). Ввиду взаимной однозначности представле-

47

ния канонического разложения случайного процесса ξ(t) и его ковариационной функции имеем

 

 

 

ξ(t) U0 Ui cosωit Vi sinωit,

(2.28)

i 1

i 1

 

где U0, Ui, Vi - не коррелированные случайные величины с математическими ожиданиями и дисперсиями соответственно

M(U0) M( Ui) M(Vi) 0 ,

D(U0) D0, D( Ui ) D(Vi ) Di.

Представление (2.28) называется спектральным разложением случайного процесса ξ(t) на интервале (0,Tн). Наличие случайной величины U0 свидетельствует о том, что процесс ξ(t) не является эргодическим, так как нарушается условие эргодичности Слуцкого. Если коэффициент D0 в (2.28) будет равен нулю, то процесс ξ(t) будет эргодическим.

2.5 Квазидетерменированный случайный процесс

Случайный процесс ξ(t, A, , ) называется квазидетерменированным, если он описывается неслучайной функцией времени, содержащий в качестве параметра одну или несколько случайных величин с известными совместными плотностями распределения вероятности.

Случайность проявляется в том, что в момент начала отсчета случайные параметры принимают одно из своих возможных значений и в дальнейшем не изменяются во время наблюдения процесса, т.е. процесс в дальнейшем будет детерминированным. Многомерная плотность распределения вероятности зависит от распределения вероятности в момент t t1. Выразим многомерную плотность распределения вероятности квазидетерменированного процесса через одномерную плотность и условную плотности распределения вероятности:

wξ (y1, , yn , t1, tn )

wξ (y1, t1) wξ (y2, , yn , t2, tn / y1, t1) (2.29)

48

Положим, что найдена одномерная плотность распределения wξ (y1, t1). Ввиду того, что значения случайных величин в моменты

времени t2, tn известны и неизменны, то можно использовать - функцию для описания условной плотности распределения wξ (y2, , yn, t2, tn / y1, t1):

 

n

 

wξ (y2, , yn, t2, tn / y1, t1) δ(yi Q(ti / y1, t1)),

где Q(ti / y1, t1)

i 2

 

- функция, описывающая процесс ξ(t)

в моменты

времени t t2 при условии, что значение процесса в момент t t1

известно.

 

 

Пример 2.1.

Случайный процессξ(t) Aсos( t )

содержит

случайные величины амплитуду A, частоту

и фазу , не завися-

щие от времени. Для простоты будем считать

амплитуду A случай-

ной величиной

с известной плотностью распределения wA(x),

x1 x x2, а

частоту и фазу будем считать известными, т.е.

ω, 0, ξ(t) Acosωt. Случайный процесс принимает значе-

ния y(t) xcosωt. В момент времени

 

t t1имеем y(t1) xcosωt1, и

амплитуда сигнала будет равна

 

x

 

y(t1)

. Одномерная плотность

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

cosωt1

 

 

 

 

 

 

 

 

 

распределения wξ(y1, t1) будет равна

 

 

 

 

 

 

 

 

 

 

 

 

 

 

w

(y , t

1

) w

A

(

y1

 

)

 

dx

 

w

A

(

y1

)

 

1

 

 

.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ξ 1

 

 

cos ωt

1

 

 

 

 

dy

 

 

 

cos ωt

1

 

 

cos ωt

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Функция Q(ti / y1, t1) равна:

 

y(t1)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Q(t

 

/ y , t

 

)

 

 

 

 

cosωt

 

.

 

 

 

 

 

 

 

 

 

 

 

 

cosωt1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

i

1

 

 

1

 

 

 

 

 

 

i

 

 

 

 

 

 

 

 

Таким образом, многомерная плотность распределения примет вид w(y1, ,yn ,t1, ,tn )

 

y(t1)

1

 

 

n

y(t1)

 

 

 

δ(yi

wA (

 

)

 

 

 

 

 

 

cosωti ).

cosωt1

 

 

cosωt1

 

 

cosωt1

 

 

 

 

 

 

 

 

 

 

i 2

 

 

 

 

 

 

 

 

 

 

 

2.6 Узкополосный случайный процесс По свойствам спектральной плотности мощности случайные про-

49

F( )

цессы могут быть разделены на широкополосные и узкополосные.

Случайный процесс ξ(t) называется узкополосным, если его спектральная плотность мощности сосредоточена вблизи какой-либо частоты, (Рис 2.1). Другими словами, узкополосный процесс характеризуется полосой частот ω0, в пределах которой сосредоточена основная мощность процесса по отношению к частоте ω0, т.е. признаком узкополосности процесса является соотношение

ω ω0.

Определим ковариационную функцию процесса, исходя из определения. Считаем, что спектральная плотность мощности F(ω) известна

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

B(τ)

 

 

F(ω)exp( jωτ)dω.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Перейдем к полосе частот в преде-

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

- 0

 

 

0

 

0

 

 

 

лах (0, )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

F( )

 

 

 

 

 

 

B(τ)

 

F0(ω)сosωτ dω

,

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

сделаем зеркальное отображение спек-

 

 

 

 

 

 

 

 

 

 

 

 

 

тральной плотности мощности по от-

 

 

-∞

 

 

 

 

 

 

 

 

 

ношению к точке ω0 и переместим на-

 

 

 

 

 

 

 

 

 

 

 

чало координат в точку ω0

при

 

 

 

 

 

 

 

 

0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

помощи преобразования ν ω0 ω,

 

 

 

 

Рис. 2.1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

(Рис. 2.1). Это преобразование позво-

ляет рассматривать спектральную плотность мощности в области

низких частот.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

В результате получим

 

 

 

 

 

 

ω0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

B(τ)

F0(ν)сos(ω0 ν)τ dν

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

ω0

 

 

 

 

 

 

 

 

 

 

 

 

ω0

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

F (ν)сosντdν

 

сosω

 

τ

 

F (ν)sinντdν sinω

 

τ .

 

 

 

0

 

0

 

 

0

 

 

 

 

 

 

0

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

50

Введем обозначения

 

 

 

 

 

 

 

 

ω0

 

 

 

 

 

ω0

 

 

 

ac(τ) 1 F0(ν)cosντ dν;

as(τ) 1 F0(ν)sin ντ dν.

(2.30)

 

 

 

 

 

 

 

 

 

 

 

Функции ac(τ) и as(τ) - медленно меняющиеся функции времени,

так как их спектры принадлежат низкочастотной области.

 

В новых обозначениях имеем

 

 

 

 

B(τ) ac(τ) cosω0τ as(τ) sinω0τ a(τ) cos(ω0τ φ(τ)),

(2.31)

где ac(τ) a(τ) cosφ(τ) ,

as(τ) a(τ) sinφ(τ),.

 

 

 

 

aс(τ)

2

as(τ)

2

 

a

s

(τ)

 

a(τ)

,

 

 

 

 

 

φ(τ) arctan

 

.

 

 

 

 

 

 

 

 

aс

(τ)

 

Как видно из (2.30) и (2.31), корреляционная функция узкополос-

ного процесса является гармоническим колебанием с частотой ω0,

модулированным низкочастотным сигналом a(τ), фаза гармониче-

F( )

 

ского колебания φ(τ) зависит от τ.

 

 

 

 

 

На практике обычно спектральная плотность

 

 

 

мощности F(ν) бывает симметричной функци-

 

 

 

ей (Рис. 2.2). В этом случае, если пренебречь

 

 

 

мощностью процесса в области (ω0, ), синус-

0

0

 

ная составляющая as(τ) обратится в нуль и по-

Рис. 2.2

 

 

лучим простое выражение B(τ) ac(τ) сosω0τ.

 

 

 

 

В частности, если спектральная плотность

мощности определяется как (Рис 2.3а , f0 50 Гц,

30 1/Сек)

 

 

 

 

2α(α2 ω2 ω02)

 

 

 

 

F(ω) 2 (ω ω0)2) (α2 (ω ω0)2),

ω ,

 

 

F( )

 

 

 

 

 

B( )

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

- 0

 

 

0

 

 

 

 

 

 

 

 

 

 

51

 

 

 

 

Рис. 2.3а

 

 

 

 

 

 

 

 

 

 

Рис. 2.3б

 

корреляционная функция случайного процесса имеет вид

B(τ) e α

 

τ

 

cosω

0

τ,

 

 

которая изображена на Рис. 2.3б.

 

 

 

Представление корреляционной функции в виде (2.31) позволяет записать модель узкополосного процесса в виде

ξ(t) A(t)сos(ω0 t (t)),

(2.32)

где A(t) - огибающая узкополосного случайного процесса, является также случайным процессом, (t) - случайная фаза узкополосного случайного процесса.

Представим случайный процесс (2.32) в виде

ξ(t) A(t)сos (t)сosω0 t A(t)sin (t)sinω0t

 

Ac(t)cosω0 t As(t)sinω0 t,

(2.33)

y(t)

Рис. 2.4

где

Ac(t) A(t)cos (t),

 

As(t) A(t)sin (t)

(2.34)

 

Одна из возможных реализаций уз-

t

кополосного

случайного

процесса

представлена на Рис.2.4.

 

 

 

 

Составляющие Ac(t) и

As(t) яв-

 

ляются медленно меняющимися функ-

 

циями по сравнению с

функциями

сosω0t и sinω0t.

Рассмотрим плотность распределение вероятности огибающей A(t) и фазы (t) узкополосного процесса. Положим косинусная Ac(t) и синусная As(t) составляющие являются стационарными случайными процессами хотя бы в широком смысле, взаимно независимы и распределены по нормальному закону с соответствующи-

ми

математическими

ожиданиями (mc, ms )

и

 

дисперсиями

σс2 σs2 σ2:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

1

 

 

 

x

c

m

c

2

 

x

s

m

s

2

 

w

(x

c

,x

s

)

 

 

exp

 

 

 

 

 

 

 

 

 

 

 

, (2.35)

 

2

 

 

 

2

 

 

 

 

 

2

 

 

 

Ac,As

 

 

2πσ

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

где

xc(t) x(t)cosφ(t) f1,

 

 

 

xs(t) x(t)sinφ(t) f2.

52