40156

ОБЩИЕ СВЕДЕНИЯ О РАДИОТЕХНИЧЕСКИХ СИГНАЛАХ И ПОМЕХАХ

Лекция

Коммуникация, связь, радиоэлектроника и цифровые приборы

Импульсный сигнал – это сигнал конечной энергии существенно отличный от нуля в течение ограниченного интервала времени соизмеримого со временем завершения переходного процесса в системе для воздействия на которую этот сигнал предназначен. Конкретный вид случайного процесса который наблюдается во время опыта например на осциллографе называется реализацией этого случайного процесса. Примером такого процесса является процесс характеризующий состояние системы массового обслуживания когда система скачком в произвольные моменты времени t...

Русский

2013-10-15

1.75 MB

29 чел.

PAGE   \* MERGEFORMAT 9

Тема №1 Сигналы и помехи в системах связи

2 ОБЩИЕ СВЕДЕНИЯ О РАДИОТЕХНИЧЕСКИХ

СИГНАЛАХ И ПОМЕХАХ

2.1 Классификация радиотехнических сигналов и помех

Прежде чем приступить к изучению каких – либо явлений, процессов или объектов, в науке всегда стремятся провести их классификацию по возможно большему количеству признаков. Предпримем подобную попытку применительно к радиотехническим сигналам и помехам.

Основные понятия, термины и определения в области радиотехнических сигналов устанавливает государственный стандарт «Сигналы радиотехнические. Термины и определения». Радиотехнические сигналы весьма разнообразны. Их можно классифицировать по целому ряду признаков.

1. Радиотехнические сигналы удобно рассматривать в виде математических функций, заданных во времени и физических координатах. С этой точки зрения сигналы делятся на одномерные и многомерные. На практике наиболее распространены одномерные сигналы. Они обычно являются функциями времени. Многомерные сигналы состоят из множества одномерных сигналов, и кроме того, отражают свое положение в n-мерном пространстве. Например, сигналы, несущие информацию об изображении какого-либо предмета, природы, человека или животного, являются функциями и времени и положения на плоскости.

2. По особенностям структуры временного представления все радиотехнические сигналы подразделяются на аналоговые, дискретные и цифровые. В лекции №1 уже были рассмотрены их основные особенности и отличия друг от друга.

3. По степени наличия априорной информации все многообразие радиотехнических сигналов принято делить на две основные группы: детерминированные (регулярные) и случайные сигналы. Детерминированными называют радиотехнические сигналы, мгновенные значения которых в любой момент времени достоверно известны. Примером детерминированного радиотехнического сигнала может служить гармоническое (синусоидальное) колебание, последовательность или пачка импульсов, форма, амплитуда и временное положение которых заранее известно. По сути дела детерминированный сигнал не несет в себе никакой информации и практически все его параметры можно передать по каналу радиосвязи одним или несколькими кодовыми значениями. Другими словами, детерминированные сигналы (сообщения) по существу не содержат в себе информации, и нет смысла их передавать. Они обычно применяются для испытаний систем связи, радиоканалов или отдельных устройств.

Детерминированные сигналы подразделяются на периодические и непериодические (импульсные). Импульсный сигнал – это сигнал конечной энергии, существенно отличный от нуля в течение ограниченного интервала времени, соизмеримого со временем завершения переходного процесса в системе, для воздействия на которую этот сигнал предназначен. Периодические сигналы бывают гармоническими, то есть содержащими только одну гармонику, и полигармоническими, спектр которых состоит из множества гармонических составляющих. К гармоническим сигналам относятся сигналы, описываемые функцией синуса или косинуса. Все остальные сигналы называются полигармоническими.

Случайные сигналы – это сигналы, мгновенные значения которых в любые моменты времени неизвестны и не могут быть предсказаны с вероятностью, равной единице. Как ни парадоксально на первый взгляд, но сигналом несущим полезную информацию, может быть только случайный сигнал. Информация в нем заложена во множестве амплитудных, частотных (фазовых) или кодовых изменений передаваемого сигнала. На практике любой радиотехнический сигнал, в котором заложена полезная информация, должен рассматриваться как случайный.

4. В процессе передачи информации сигналы могут быть подвергнуты тому или иному преобразованию. Это обычно отражается в их названии: сигналы модулированные, демодулированные (детектированные), кодированные (декодированные), усиленные, задержанные, дискретизированные, квантованные и др.

5. По назначению, которое сигналы имеют в процессе модуляции, их можно разделить на модулирующие (первичный сигнал, который модулирует несущее колебание) или модулируемые (несущее колебание).

6. По принадлежности к тому или иному виду систем передачи информации различают телефонные, телеграфные, радиовещательные, телевизионные, радиолокационные, управляющие, измерительные и другие сигналы.

Рассмотрим теперь классификацию радиотехнических помех. Под радиотехнической помехой понимают случайный сигнал, однородный с полезным и действующий одновременно с ним. Для систем радиосвязи помеха – это любое случайное воздействие на полезный сигнал, ухудшающее верность воспроизведения передаваемых сообщений. Классификация радиотехнических помех возможна также по ряду признаков.

1. По месту возникновения помехи делят на внешние и внутренние. Основные их виды были уже рассмотрены в лекции №1.

2. В зависимости от характера взаимодействия помехи с сигналом различают аддитивные и мультипликативные помехи. Аддитивной называется помеха, которая суммируется с сигналом. Мультипликативной называется помеха, которая перемножается с сигналом. В реальных каналах связи обычно имеют место и аддитивные, и мультипликативные помехи.

3. По основным свойствам аддитивные помехи можно разделить на три класса: сосредоточенные по спектру (узкополосные помехи), импульсные помехи (сосредоточенные во времени) и флуктуационные помехи (флуктуационные шумы), не ограниченные ни во времени, ни по спектру. Сосредоточенными по спектру называют помехи, основная часть мощности которых находится на отдельных участках диапазона частот, меньших полосы пропускания радиотехнической системы. Импульсной помехой называется регулярная или хаотическая последовательность импульсных сигналов, однородных с полезным сигналом. Источниками таких помех являются цифровые и коммутирующие элементы радиотехнических цепей или работающих рядом с ними устройств. Импульсные и сосредоточенные помехи часто называют наводками.

Между сигналом и помехой отсутствует принципиальное различие. Более того, они существуют в единстве, хотя и противоположны по своему действию.

2.2 Случайные процессы

Как указывалось выше, отличительная черта случайного сигнала состоит в том, что его мгновенные значения заранее не предсказуемы. Практически все реальные случайные сигналы и помехи представляют собой хаотические функции времени, математическими моделями которых являются случайные процессы, изучаемые в дисциплине статистическая радиотехника. Случайным процессом  принято называть случайную функцию аргумента t, где t текущее время. Случайный процесс обозначается прописными буквами греческого алфавита , , . Допустимо и другое обозначение, если оно заранее оговорено.  Конкретный вид случайного процесса, который наблюдается во время опыта, например на осциллографе, называется реализацией этого случайного процесса. Вид конкретной реализации x(t) может задаваться определенной функциональной зависимостью аргумента t или графиком.

В зависимости от того, непрерывные или дискретные значения принимают аргумент t и реализация х, различают пять основных видов случайных процессов. Поясним эти виды с указанием примеров.

Непрерывный случайный процесс характеризуется тем, что t и х являются непрерывными величинами (рис. 2.1,а). Таким процессом, например, является шум на выходе радиоприемного устройства.

Дискретный случайный процесс характеризуется тем, что t является непрерывной величиной, а  х - дискретной (рис. 2.1,б). Переход от  к  происходит в любой момент времени. Примером такого процесса является процесс, характеризующий состояние системы массового обслуживания, когда система скачком в произвольные моменты времени t переходит из одного состояния в другое. Другой пример  это результат квантования непрерывного процесса только по уровню.

Рис. 2.1

Случайная последовательность характеризуется тем, что t является дискретной, а х — непрерывными величинами (рис. 2.1,в). В качестве примера можно указать на временные выборки в конкретные моменты времени из непрерывного процесса.

Дискретная случайная последовательность характеризуется тем, что t и х являются дискретными величинами (рис. 2.1,г). Такой процесс может быть получен в результате квантования по уровню и дискретизации по времени. Такими являются сигналы в цифровых системах связи.

Случайный поток представляет собой последовательность точек, дельта-функций или событий (рис. 2.1, д, ж) в случайные моменты времени. Этот процесс широко применяется в теории надёжности, когда поток неисправностей радиоэлектронной техники рассматривается как случайный процесс.

2.3 Способы описания случайных процессов

Существуют два способа представления случайных процессов. Во первых, случайный процесс представляется в виде совокупности или ансамбля всех своих возможных реализаций. То, какая конкретно реализация будет наблюдаться в испытании, является случайным событием. На рис. 2.2,а показан случайный процесс , в ансамбль которого входят три реализации x1(t), x2(t), x3(t), наблюдаемые в испытании с определенными вероятностями. Во вторых, случайный процесс  рассматривается как n-мерная случайная величина или n-мерный вектор (,,...,), каждая проекция которого является отсчетом случайного процесса в моменты времени t1,t2,...,tn  (рис.2.2,б). Эти проекции вектора или отсчеты процесса будем называть сечениями случайного процесса:

      (2.1)

Сечения (2.1) являются случайными величинами, так как из-за случайного выбора реализации их конкретные значения до опыта неизвестны. На рис. 2.2. пунктиром показан возможный ход случайного процесса и соответственно случайные величины ,,..., на осях возможных значений

При достаточно большом п задание процесса n-мерным вектором эквивалентно заданию самого процесса. В теории случайных процессов доказывается, что для используемых на практике процессов число n конечно. Этот вывод базируется на том, что реализации случайного процесса имеют ограниченную ширину спектра.

Рис. 2.2

Представление случайного процесса n-мерным вектором позволяет свести вероятностное описание процесса к описанию n-мерной случайной величины. Рассмотрим функцию распределения, плотность вероятности и числовые характеристики непрерывного случайного процесса, представленного n-мерным вектором.

В соответствии с этим n-мерная функция распределения случайного процесса  определится выражением

             (2.2)

Выражение (2.2) показывает, что в общем случае  зависит от 2n аргументов: от n наперед заданных возможных значений сечений () и от п моментов времени (t1, t2, ..., tn), в которых эти сечения берутся.

Многомерная плотность вероятности по определению равна частной производной n-го порядка от функции распределения  по возможным значениям

  (2.3)

Плотность вероятности n-го порядка в общем случае также зависит от тех же 2п аргументов. Произведение двумерной плотности вероятности на dx1dx2

характеризует вероятность того, что реализация x(t) случайного процесса в моменты времени t1, t2 пройдет через интервалы . Это означает, что двумерная плотность вероятности содержит сведения о связи между двумя сечениями случайного процесса, проведенными в моменты t1 и t2.

Одномерная плотность вероятности , где х1 = х, t1 = t определяет закон распределения случайной величины, полученной в результате сечения случайного процесса в момент t1= t. Индекс 1 у времени и возможного значения здесь опускается, потому что сечение одно и надобность в индексе отпадает.

Представление случайного процесса n-мерным вектором позволяет получить такие числовые характеристики случайного процесса, как математическое ожидание, дисперсия, корреляционная функция. Эти характеристики, являющиеся соответственно начальными моментами первого порядка, центральным моментом второго порядка, смешанным центральным моментом второго порядка, зависят от моментов времени, в которые берутся сечения случайного процесса, и поэтому являются моментными функциями времени.

Математическое ожидание  и дисперсия  требуют для своего определения использование одномерной плотности вероятности:

      (2.4)

   (2. 5)

Для определения  корреляционной функции  требуется использование двумерной плотности вероятности

.             (2.6)

Математическое ожидание определяет траекторию положения координаты центра тяжести одномерной плотности вероятности. Дисперсия характеризует изменение значения средней удельной мощности флуктуаций процесса во времени. Корреляционная функцияхарактеризует случайный процесс с двух сторон: с одной стороны определяет среднею удельную мощность флуктуаций, а с другой – устанавливает степень линейной связи между сечениями случайного процесса, взятыми соответственно в моменты времени t1 и  t2.

2.4. Стационарные и нестационарные случайные процессы

Стационарным случайным процессом в узком смысле называется случайный процесс, у которого n-мерная плотность вероятности не изменится, если все отсчеты времени сместить на одну и ту же величину:

  (2.7)

Если выбрать , то n-мерная плотность вероятности не будет зависеть от начала отсчета времени

   (2.8)

Таким образом, для стационарного процесса одномерная плотность вероятности вообще не зависит от времени, а двумерная плотность зависит не в отдельности от t1 и t2 , а от их разности

     (2.9)

   (2.10)

В свою очередь, из выражений (2.9) и (2.10) вытекает, что математическое ожидание и дисперсия стационарного процесса не зависят от времени, а корреляционная функция зависит от :

    (2.11)

    (2.12)

  (2.13)

Из (2.11), (2.12) и (2.13) следует, что математическое ожидание  постоянно и поэтому для стационарного процесса характеризует постоянную составляющую процесса; постоянность  характеризует то, что в каждой точке времени t средняя удельная мощность флюктуаций (то есть мощность переменной составляющей) одна и та же; зависимость  от  означает, что для стационарного процесса неважно, в каких точках t1 и t2 берутся сечения, важна разность между ними .

Если условие (2.7) не выполняется, то случайный процесс называется нестационарным. Иногда о стационарности судят только по выполнению равенств (2.9), (2.10) и, соответственно, (2.11) - (2.13). Говорят, что, если выполняются равенства (2.9) и (2.10), то процесс является стационарным, не интересуясь при этом, выполняется условие (2.7) или нет. Такой подход дает более широкое толкование стационарности.

Определение стационарного процесса в широком смысле является более приемлемым для решения практических задач, так как проще получать данные об одномерной и двумерной плотностях вероятности, чем о многомерной.

В строгом смысле физически не существует стационарных случайных процессов, так как любой процесс должен начаться в определенный момент времени в прошлом и, вероятно, завершиться в некоторый момент в будущем. Однако есть много физических ситуаций, когда статистические характеристики процесса не изменяются на интервале времени наблюдения. В этих случаях предположение о стационарности приводит к удобной математической модели, которая является достаточно точной аппроксимацией реальной ситуации.

2.5 Эргодическое свойство стационарных случайных процессов

Среди всех стационарных процессов имеется часть, которая обладает эргодическим свойством. Поясним это свойство. Пусть имеется одна длинная реализация x(t) случайного процесса (t). Эта реализация определена на интервале  Найдем среднее значение этой реализации путем ее усреднения во времени на достаточно большом интервале:

      (2.14)

где черта сверху означает усреднение по времени, среднее значение  является постоянной величиной, не зависящей от t.

Аналогично можно найти среднее значение квадрата флюктуаций и среднее значение произведения флюктуаций, смещенных одна относительно другой на интервал :

      (2.15)

   (2.16)

По своему физическому смыслу величины (2.14) - (2.16) являются числовыми характеристиками, совпадающими со средним значением, дисперсией и корреляционной функцией процесса (t). Однако они получены в результате усреднения во времени одной длинной реализации x(t) или функции от нее.

Говорят, что стационарный процесс обладает эргодическим свойством, если с вероятностью, близкой к единице, числовые характеристики, полученные в результате усреднения одной длинной реализации по времени, равны этим же характеристикам, полученным в результате усреднения по ансамблю. При этом усреднением по ансамблю называют определение числовых характеристик с использованием плотности вероятности, то есть по формулам  (2.11) - (2.13), так как плотность вероятности характеризует всю совокупность или ансамбль реализаций.

Таким образом,  для эргодического стационарного процесса справедливы равенства:

,                        (2.12)

Само слово «эргодический» происходит от греческого «эргон», что означает «работа». Эргодическое свойство является удобной рабочей гипотезой для расчета числовых характеристик стационарного процесса, когда располагают одной длинной его реализацией. Физически это обосновано тем, что одна длинная реализация может содержать сведения обо всех реализациях этого случайного процесса.

Заметим, что стационарность процесса является необходимым, но недостаточным условием эргодичности. Это означает, что не все стационарные процессы являются эргодическими. В общем случае трудно, если только вообще возможно, доказать, что эргодичность - обоснованное допущение для какого-либо физического процесса, так как может наблюдаться только одна реализация этого процесса. Тем не менее, обычно имеет смысл предположить эргодичность процесса, если только отсутствуют веские доводы физического характера, препятствующие этому.


 

А также другие работы, которые могут Вас заинтересовать

38957. Общая методика анализа спектра типовых входных сигналов с использованием процедуры ДПФ. Зеркальная особенность (mirror). Эффект появления ложных спектральных компонент (aliasing) 1.76 MB
  Эффект появления ложных спектральных компонент lising. Выбирается интервал Т ограничения сигнала в соответствии с выражениями: для бесконечного апериодического сигнал: где интервал по шкале частот между отсчетами спектра определяющей требуемое по условию задачи разрешение по частоте; для сигнала в виде одиночного импульса или группы импульсов: при отсутствии разрыва хотя бы в одной краевой точке т. Вследствие нарушения условия Котельникова происходит наложение отсчетов спектра соответствующих соседним периодам сто приводит к...
38958. Принципы построения обучаемых АТСН 43.5 KB
  Назначение обучаемых ТВК может быть различным всевозможные измерительные приборы системы технического зрения астронавигационные системы тепловизионные обзорнопоисковые системы и т. Однако режиму автономного функционирования должен предшествовать период обучения системы при временном участии оператора. Изображение эталона посредством оптической системы ОС и телевизионного датчика ТВД преобразуется сначала в аналоговый видеосигнал а затем с помощью формирователя бинарного сигнала ФБС в эталонный бинарный сигнал фиксируемый в...
38959. Функции узла предварительной обработки видеосигнала в структуре ТВК. Состав и назначение его основных компонентов 235.5 KB
  Состав и назначение его основных компонентов Основная функция устройства предварительной обработки УПО – преобразование видеосигнала представляющего собой последовательность видеоимпульсов соответствующих освещенностям в анализируемых точках изображения в адекватные значения кодов двоичных чисел. Кроме АЦП в составе УПО должны быть дополнительные аппаратные средства обеспечивающие условия оптимального согласования параметров видеосигнала с параметрами АЦП независимо от содержания кадра рис. Функциональная схема устройства...
38960. Методы моделирования на этапе проектирования ТВК. Достоинства и недостатки математического (компьютерного) и физического моделирования 30 KB
  Методы математического и физического моделирования проектируемой системы помогают решать задачи связанные с уточнением параметров решающих правил при реализации различных алгоритмов обработки сигналов в ТВК. Они способствуют выявлению обоснованных требований к отдельным звеньям системы особенно в тех случаях когда аналитические расчётные методики оказываются малоэффективными или достаточно сложными. Эта модель обычно включает в себя модели основных звеньев системы: изображения объекта оптической системы фотоприёмного узла анализатора...
38961. Задачи, решаемые на этапе предварительной обработки изображений в ТВК. Назовите и поясните некоторые из методов, которые могут использоваться для решения этих задач 53.5 KB
  Сокращение массива [E ij ] за счет исключения отсчетов сигнала от фона; – использование алгоритмов сглаживания для подавления некоррелированных шумов; – применение методов трансформирования двумерных массивов исходных изображений в двумерные массивы коэффициентов на основе ортогональных преобразований для последующей фильтрации выделения признаков наблюдаемых объектов и т. Подробнее рассмотрим алгоритмы предварительной фильтрации используемые при решении задачи обнаружения и селекции точечных объектов при наличии неоднородного фона....
38962. Алгоритмы трансформирования исходных изображений на основе ортогональных преобразований 68 KB
  Алгоритмы трансформирования исходных изображений на основе ортогональных преобразований С какой целью могут использоваться алгоритмы трансформирования исходных изображений на основе ортогональных преобразований Что общего и в чём различия между дискретным преобразованием Фурье и другими видами ортогональных преобразований. Один из видов ортогональных преобразований дискретное преобразование Фурье. В процессе ортогональных преобразований изображения имеющего сильные корреляционные связи между соседними элементами происходит...
38963. Алгоритмы выделения границ (контуров) объектов наблюдения в полутоновых и бинарных изображениях 166 KB
  После этого границы объекта могут быть найдены следующим образом.15 где: ij ∈ωгр – множество координат точек принадлежащих области изображения вблизи границ объекта; D – пороговое значение нормы градиента.15 обычно недостаточно для успешного выделения контуров объекта. Изменяя величину D можно в принципе менять соотношение между вероятностью выделения лишних точек ошибки первого рода и вероятностью пропуска контурных точек объекта ошибки второго рода.
38964. Методы автоматической идентификации объектов без выделения геометрических признаков. Их достоинства и недостатки 46.5 KB
  Идентификация заключается в сравнении изображения одного объекта со всеми эталонами заданного класса. Способ прямого сравнения изображения объекта с эталонным изображением. Пусть [Eij] – исходное изображение объекта; [Fij] – эталонное изображение.4 и следовательно могут возникнуть ошибки связанные с неправильной идентификацией объекта ошибки первого рода.
38965. Классификация телевизионных вычислительных комплексов (ТВК). На каких разделах теории статистических решений базируется разработка ТВК, решающих задачи обнаружения, распознавания или измерения параметров объектов наблюдения. Приведите примеры подобных зад 35.5 KB
  На каких разделах теории статистических решений базируется разработка ТВК решающих задачи обнаружения распознавания или измерения параметров объектов наблюдения. Приведите примеры подобных задач Понятие телевизионные вычислительные комплексы ТВК включает в себя очень широкий спектр телевизионных систем ТС предназначенных для решения самых разнообразных задач так или иначе связанных с наблюдением за объектами. Научной основой для проектирования ТВК является теория статистических решений включающая в себя три основных раздела: теорию...