- •1. Передача информации между двумя оконечными устройствами. Тип соединения оконечных устройств
- •2. Основные определения: информация, сообщение, система связи, сигнал, алфавит.
- •3. Обобщенная структура схемы системы связи
- •4. Источники сообщения в системах связи. Вероятностный характер источников сообщений.
- •5. Форматирование информации. Форматирование текстовых данных. Существующие стандарты.
- •6. Передача сообщений по каналу, искажения, краевые искажения, дробление
- •7. Аналоговые источники сообщений. Преобразование аналоговых сигналов в цифровые. Квантование по уровню. Ошибка квантования.
- •8. Дискретизация аналоговых сигналов по времени. Понятие о теореме Котельникова.
- •9. Преобразование аналоговых сигналов в цифровые. Дискретизация по методу «выборка-хранение». (доработать)
- •10. Сигнал, как реализация процесса. Классификация процессов.
- •11. Классификация процессов. Детерминированные процессы. Гармонические и переходные непериодические процессы.
- •12. Полигармонические и непериодические процессы их спектральные характеристики.
- •13. Определение случайного процесса. Непрерывные и дискретные случайные процессы.
- •14. Измерение случайных процессов.
- •15. Числовые характеристики случайных процессов, их инженерно-физический смысл.
- •16.Законы распределения и основные характеристики случайных процессов
- •17. Автокорреляционная функция случайного процесса. Примеры автокорр. Функций.
- •18. Взаимная корреляционная функция случайных процессов. Примеры применения корреляционных характеристик.
- •19. Усреднение по ансамблю и по времени. Эргодическое свойство случайных процессов.
- •20. Стационарность случайных процессов. Стационарность в широком и узком смыслах.
- •21. Информационные модели сигналов. Формула Хартли.
- •22. Информационные модели сигналов. Формула Шеннона.
- •23. Энтропия источника сообщений. Свойства энтропии источника дискретных сообщений.
- •24. Избыточность при передаче сообщений. Роль избыточности при передаче информации.
- •25. Математические модели сигналов. Временное и частотное представление сигналов.
- •26. Ряд Фурье по произвольной ортогональной системе функций.
- •31. Спектральные характеристики непериодического сигнала. Прямое и обратное преобразования Фурье.
- •32. Оценивание спектральной плотности с помощью дпф
- •33. Дискретное преобразование Фурье (дпф). Гармонический анализ.
- •34. Примеры ортогональных базисов. Функции Уолша.
- •35. Модуляция. Зачем она нужна
- •36. Амплитудная модуляция.Спектр ам сигнала. Примеры модуляторов.
- •37 Амплитудно-модулируемый сигнал сложной формы, его спектр.
- •38 Демодуляция ам сигнала. Работа простейшего амплитудного детектора.
- •43. Спектр колебаний с угловой модуляцией
- •44. Сравнение методов амплитудной и угловой модуляций
- •45. Двоичное представление информации. Механизм восстановления двоичных импульсов.
- •46. Спектральные характеристики случайных процессов.
- •47. Преобразование кодов.
- •48. Корректирующие коды. Ход Хемминга
- •49. Неравномерные коды. Код Хаффмана.
- •50. Неравномерные коды. Код Шеннона-Фано
- •51. Дискретизация аналоговых сигналов по времени. Понятие о теореме котельникова.
- •52. Спектр прямоугольного сиганала
- •53. Свойства энтропии источника дискретных сообщений.
17. Автокорреляционная функция случайного процесса. Примеры автокорр. Функций.
К орреляционные хар-ки явл. наиболее широко применимыми в инженерной практике и в научных исслед., связ. с анализом случ. процессов.
Автокорреляционная функция отражает общую зависимость ординат процесса в данный момент времени от ординат процесса, отстоящего на некоторое время: t2-t1=τ.
Автокорреляц. ф-ция: , .Если t2-t1=τ:
С-ва автокорреляц. ф-ции:
1) Эта величина всегда действительная.
2) Rx(τ)= Rx(-τ)
3) Rx(0)≥ Rx(τ) для любого τ
4) Rx(∞)=mx Хвост автокор. ф-ции стремится к мат. ожиданию.
5
Rx(τ)
) Rx(0)=DxВиды автокорреляц. ф-ций:
1)Для гармонического процесса:
x(t)=A0sinωt
2) Случ. процесс:
3) Смесь: случ. + гармонич.
4)Белый шум
5)Узкополосный процесс
П римеры применения автокор. ф-ций:
1) Фильтры (когда оч. большой период: 11 лет –активность Солнца)
2) Геологич. разведка (полезные ископаемые): отделить шумы,
принимаемые сейсмо-датчиками, при взрыве зарядов.
Кор. ф-цию описывают нек. характеристиками:
- Rx(0)
- задают максимумы и минимумы
- корнями
Кор. ф-ция величина размерная, и значения зависят от единиц измерения.
18. Взаимная корреляционная функция случайных процессов. Примеры применения корреляционных характеристик.
Для оценки статистической связи между двумя процессами используется понятие взаимокорреляционной функции:
Заменим на .
Получим:
Применение:
1) Для определения путей прохождения сигнала
2) Выделение полезного сигнала на уровне помех (Корреляционный приём), когда помеха намного больше сигнала.
Св-ва корреляц. функции:
1) Эта величина всегда действительная.
2) Rx(τ)= Rx(τ)
3) Rx(0)≥ Rx(τ) для любого τ
4) Rx(∞)=mx Хвост автокор. ф-ции стремится к мат. ожиданию.
5) Rx(0)=Dx энергетич.
19. Усреднение по ансамблю и по времени. Эргодическое свойство случайных процессов.
Измерить случ. процесс – определить его статистич. хар-ки, кот. определяются по одной или нескольким реализациям и эти хар-ки отражают с-ва всего процесса. Случ. процесс, набл. за короткий промежуток времени – наз. РЕАЛИЗАЦИЕЙ. Совокупность реализаций случ. процесса наз. АНСАМБЛЕМ.
К хар-кам случ. процесса можно отнести среднее значение квадрата, мат. ожидание, дисперсию, среднеквадрат. отклонение, закон распред-я. Все статистич. хар-тики получ. путём осреднения, при этом осреднение может осущ. осреднением по ансамблю либо осреднению по времени.
Случ. процесс обладает с-вом ЭРГОДИЧНОСТИ, если статистич. хар-ки, найдены осреднением по времени и по ансамблю равны, например, x=∫f{x)Xdx =1/T ∫x{t)dt.
Будем исходить из гипотезы эргодичности и осреднять будем по времени.
. (3)
. (4)
Формулы (3) и (4) показывают, как можно определить характеристики случайного процесса путем усреднения по ансамблю в определенные моменты времени. Однако в большинстве случаев характеристики стационарного случайного процесса можно вычислить, усредняя по времени в пределах отдельной выборочной функции, входящей в ансамбль. Возьмем, например, k-ую выборочную функцию ансамбля Среднее значение и ковариационная функция , вычисленные по k-ой реализации равны
, (7 а)
. (7 б)
Если случайный процесс стационарен, а и , вычисленные по различным реализациям согласно формулам (7), совпадают, то случайный процесс называется эргодическим. Для эргодических процессов средние значения и ковариационные функции, полученные усреднением по времени (как и другие характеристики, вычисленные усреднением по времени), равны аналогичным характеристикам, найденным усреднением по ансамблю, т. е. и .
Эргодические случайные процессы образуют очень важный класс случайных процессов, поскольку все свойства эргодических процессов можно определить по единственной выборочной функции. На практике стационарные случайные процессы обычно оказываются эргодическими. Стационарные процессы называются эргодическими, если для них усреднение по времени приводит к тем же результатам, что и статистическое усреднение, т. е. математическое ожидание равно постоянной составляющей, а дисперсии — мощности переменной составляющей. Грубо говоря, эргодичность процесса заключается в том, что все его реализации похожи друг на друга. Эргодические процессы часто используются в качестве математических моделей реальных сообщений, сигналов и помех.
По этой причине свойства стационарных случайных явлений можно определить по одной наблюдаемой реализации.
Особую практическую значимость имеют стационарные процессы, называемые гауссовыми или нормальными процессами. Гауссов случайный процесс характеризуется тем, что совместная плотность распределения величин , определенных для всевозможных временных сечений t, является многомерной нормальной (гауссовой) плотностью. Случайная выборка гауссова процесса, определенная для сечений , описывается N-мерным совместным гауссовым распределением компонент.