- •Системы электрической связи. Общие сведения о системах электросвязи. Основные понятия и определения
- •Часть 1
- •Раздел 1. Элементы общей теории сигналов
- •1.1 Классификация сигналов
- •1.2. Некоторые элементы функционального анализа сигналов
- •1.3 Основы теории ортогональных сигналов
- •Раздел 2. Спектральные представления сигналов
- •2.1. Понятие о спектре периодических и непериодических сигналов
- •2.2 Спектральное представление периодических сигналов
- •2.3 Спектральное представление непериодических сигналов
- •2.4 Теоремы о спектрах
- •2.5 Спектральные представления сигналов с использованием негармонических функций
- •Раздел 3. Сигналы с ограниченным спектром
- •3.1. Некоторые математические модели сигналов с ограниченным спектром
- •3.2 Теорема Котельникова
- •3.3. Узкополосные сигналы
- •3.4. Аналитический сигнал и преобразования Гильберта
- •Раздел 4. Основы корреляционного анализа сигналов
- •4.1. Взаимная спектральная плотность сигналов. Энергетический спектр
- •4.2. Автокорреляционная функция сигналов
- •4.3. Акф дискретного сигнала
- •4.4. Взаимокорреляционная функция двух сигналов
- •Раздел 5. Модулированные сигналы
- •5.1. Сигналы с амплитудной модуляцией
- •5.2 Сигналы с угловой модуляцией
- •5.3. Дискретные формы угловой модуляции
- •5.4 Сигналы с импульсной модуляцией
- •Раздел 6. Основы теории случайных процессов
- •6.1. Случайные процессы. Основные понятия и определения
- •6.2. Характеристики случайных процессов
- •6.3. Моментные функции случайных процессов
- •6.4. Свойства случайных процессов
- •6.5. Функция корреляции двух случайных процессов
- •6.6. Измерение характеристик случайных процессов
- •6.7. Спектральное представление стационарных случайных процессов. Теорема Винера-Хинчина
- •6.8 Типовые модели случайных сигналов
- •6.9 Узкополосные случайные сигналы
- •Раздел 7. Основные элементы цифровой обработки сигналов
- •7.1. Дискретное преобразование Фурье
- •7.2. Быстрое преобразование Фурье
- •7.3 Z-преобразование
- •Раздел 1.Каналы электросвязи
- •Тема1.1 Общие сведения о каналах электросвязи и их классификация
- •1.2 Математические модели каналов электросвязи
- •1.2.1 Математические модели непрерывных каналов связи
- •1.2.2 Математические модели дискретных каналов связи
- •Раздел 2 Основные положения теории передачи информации
- •2.1 Информационные параметры сообщений и сигналов
- •2.2 Взаимная информация
- •Эффективное кодирование дискретных сообщений
- •Тема 2.4. Информация в непрерывных сигналах
- •Тема 2.5. Пропускная способность канала связи
- •Тема 2.6. Теорема к. Шеннона
- •Тема 2.7. Информация в непрерывных сообщениях. Эпсилон-энтропия
- •Раздел 3. Оптимальный приём дискретных сообщений
- •Тема 3.1. Постановка задачи оптимального приёма дискретных сообщений как статистической задачи. Понятие помехоустойчивости
- •3.2. Элементы теории решений
- •3.3. Критерии качества оптимального приёмника
- •3.4 Алгоритм оптимального приёма при полностью известных сигналах. Когерентный приём
- •3.5 Структурное построение оптимального приёмника
- •3.6 Реализация алгоритма оптимального приёма на основе согласованных фильтров. Свойства согласованного фильтра
- •3.8 Потенциальная помехоустойчивость систем с различными видами манипуляции
- •3.9 Приём сигналов с неопределённой фазой (некогерентный приём)
6.2. Характеристики случайных процессов
Определим в начале основные характеристики случайных величин. Пусть Х – случайная величина, т.е. совокупность всевозможных вещественных чисел x, принимающих случайное значение. Исчерпывающее описание статистических свойств Х можно получить, располагая неслучайной функцией F(x) вещественного аргумента x, которая равна вероятности того, что случайное число из X примет значение, равное или меньшое конкретного х:
(6.1)
Функция F(x) называется функцией распределения случайной величины Х. Если Х может принимать любые значения, то F(x) является гладкой неубывающей функцией, значения которой лежат на отрезке . Имеют место следующие предельные равенства:
Производная от функции распределения есть плотность распределения вероятности (или, короче плотность вероятности) данной случайной величины.
(6.2)
То есть величина есть вероятность попадания случайной величины Х в интервал.
Для непрерывной случайной величины Х плотность вероятности р(x) представляет собой гладкую функцию. Если же Х – дискретная случайная величина, принимающая фиксированные значения с вероятностямисоответственно, то для неё плотность вероятности выражается как сумма дельта-функций.
(6.3)
В обоих случаях плотность вероятности должна быть неотрицательной: и удовлетворять условию нормировки:
(6.4)
Рассмотрим теперь плотность вероятности для случайных процессов. Пусть Х(t) случайный процесс, заданный ансамблем реализаций а - некоторый произвольный момент времени. Фиксируя величины, получаемые в отдельных реализациях, осуществляем одномерное сечение данного случайного процесса и наблюдаем случайную величину. Её плотность вероятностиназывается одномерной плотностью вероятности процессаX(t) в момент времени .
Информация которую можно извлечь из одномерной плотности вероятности, недостаточна для того, чтобы судить о характере развития реализаций случайного процесса во времени. Гораздо больше сведений можно получить, располагая двумя сечениями случайного процесса в несовпадающие моменты времени и.
Возникающая при таком мысленном эксперименте двумерная случайная величина описывается двумерной плотностью вероятности.
Естественным обобщением является n-мерное сечение случайного процесса (n>2), приводящее к n-мерной плотности вероятности .
Многомерная плотность вероятности случайного процесса должна удовлетворять обычным условиям, налагаемым на плотность вероятности совокупности случайных величин. Помимо этого, величина не должна зависеть от того, в каком порядке располагаются её аргументы (условие симметрии).
6.3. Моментные функции случайных процессов
Вполне удовлетворительные для практики, хотя и менее детальные, характеристики случайных процессов можно получить, вычисляя моменты тех случайных величин, которые наблюдаются в сечениях этих процессов. Поскольку в общем случае эти моменты зависят от временных аргументов, они получили название моментных функций.
Для техники наибольшее значение имеют три моментные функции низших порядков, называемые математическим ожиданием, дисперсией и функцией корреляции.
Математическое ожидание – начальный момент I-го порядка:
(6.5)
есть среднее значение процесса X(t) в текущий момент времени t: усреднение проводится по всему ансамблю реализаций процесса.
Дисперсия центральный момент II-го порядка:
(6.6)
позволяет судить о степени разброса мгновенных значений, принимаемых отдельными реализациями в фиксированном сечении t, относительно среднего значения.
Двумерный центральный момент II-го порядка.
(6.7)
называется функцией корреляции случайного процесса X(t). Эта моментная функция характеризует степень статистической связи тех случайных величин, которые наблюдаются при . Из сравнения формул (6.6) и (6.7) видно, что при совмещении сечений функция корреляции численно равна дисперсии:
(6.8)