76230

Спектр плотности мощности и его связь с функцией корреляции

Реферат

Коммуникация, связь, радиоэлектроника и цифровые приборы

В процессе обработки и анализа физико-технических данных обычно приходится иметь дело с тремя типами сигналов, описываемых методами статистики. Во-первых, это информационные сигналы, отображающие физические процессы, вероятностные по своей природе, как, например...

Русский

2015-01-30

94.43 KB

10 чел.

Международная образовательная корпорация

Факультет Прикладных Наук

Реферат

на тему «Спектр плотности мощности и его связь с функцией корреляции»

По дисциплине «Теория электрической связи»

Выполнила: студент группы

ФПН-РЭиТ(з)-4С* 

Джумагельдин  Д

Проверила: Глухова Н.В 

Алматы, 2015

Содержание

І Введение

ІІ Основная часть

  1.  Спектральная плотность мощности
  2.  Случайные величины
  3.  Плотность вероятности функции от случайной величины
  4.  Случайный процесс
  5.  Метод  определения  спектральной  плотности мощности по корреляционной функции

ІІІ Заключение

ІV Список использованной литературы

Введение

Теория вероятностей рассматривает случайные величины и их характеристики в "статике". Задачи описания и изучения случайных сигналов "в динамике", как отображения случайных явлений, развивающихся во времени или по любой другой переменной, решает теория случайных процессов.

 Спектральная плотность мощности позволяет судить о частотных свойствах случайного процесса. Она характеризует его интенсивность при различных частотах или, иначе, среднюю мощность, приходящуюся на единицу полосы частот.

В качестве универсальной координаты для распределения случайных величин по независимой переменной будем использовать, как правило, переменную "t" и трактовать ее, чисто для удобства, как временную координату. Распределения случайных величин во времени, а равно и сигналов их отображающих в любой математической форме, обычно называют случайными процессами. В технической литературе термины "случайный сигнал" и "случайный процесс" используются как синонимы.

В процессе обработки и анализа физико-технических данных обычно приходится иметь дело с тремя типами сигналов, описываемых методами статистики. Во-первых, это информационные сигналы, отображающие физические процессы, вероятностные по своей природе, как, например, акты регистрации частиц ионизирующих излучения при распаде радионуклидов. Во вторых, информационные сигналы, зависимые от определенных параметров физических процессов или объектов, значения которых заранее неизвестны, и которые обычно подлежать определению по данным информационным сигналам. И в третьих, это шумы и помехи, хаотически изменяющиеся во времени, которые сопутствуют информационным сигналам, но, как правило, статистически независимы от них как по своим значениям, так и по изменениям во времени.

Спектральная плотность мощности

Спектральная плотность мощности позволяет судить о частотных свойствах случайного процесса. Она характеризует его интенсивность при различных частотах или, иначе, среднюю мощность, приходящуюся на единицу полосы частот.

Картину распределения средней мощности по частотам называют спектром мощности. Прибор, при помощи которого измеряется спектр мощности, называется анализатором спектра. Найденный в результате измерений спектр называется аппаратным спектром.

Работа анализатора спектра основана на следующих методах измерений:

методе фильтрации;

методе преобразования по теореме Винера-Хинчена;

методе Фурье-преобразования;

методе с использованием знаковых функций;

методе аппаратного применения ортогональных функций.

Особенность измерения спектра мощности состоит в значительной продолжительности эксперимента. Нередко она превышает длительность существования реализации, или время, в течение которого сохраняется стационарность исследуемого процесса. Оценки спектра мощности, получаемые по одной реализации стационарного эргодического процесса, не всегда приемлемы. Часто приходится выполнять многочисленные измерения, так как необходимо усреднение реализаций как по времени, так и по ансамблю. Во многих случаях реализации исследуемых случайных процессов предварительно запоминают, что позволяет многократно повторять эксперимент с изменением  продолжительности анализа, использованием различных алгоритмов обработки и аппаратуры.

В случае предварительной записи реализаций случайного процесса аппаратурные погрешности могут быть уменьшены до значений, обусловленных конечной длительностью реализации и нестационарностью.

Запоминание анализируемых реализаций позволяет ускорить аппаратурный анализ и автоматизировать его.

Случайные величины

     Случайная величина описывается вероятностными законами. Вероятность того, что непрерывная величина х при измерении попадет в какой-либо интервал х1 <х <х2, определяется выражением:

, где p(x) - плотность вероятности, причем . Для дискретной случайной величины хi P(x = xi)=Pi, где Pi - вероятность, соответствующая i-у уровню величины х. 

     Моменты случайной величины:

а) среднее значение (математическое ожидание)

б) средний квадрат

в) средний квадрат флуктуаций (дисперсия)

     Вид функции р(х) плотности вероятности для различных случайных величин может быть различен. Часто выполняется нормальный закон распределения вероятности: ,

где  - среднее значение,  - дисперсия.

     Имеет место «центральная предельная теорема»: распределение вероятности для суммы независимых случайных величин с ростом числа слагаемых, при которых нет доминирующих, стремится к нормальному закону независимо от законов распределения слагаемых.

     Плотность вероятности функции от случайной величины

Пусть y - случайная величина, связанная с x однозначной функциональной зависимостью вида у = f(x). Попадание случайной точки х в интервал шириной dx и попадание случайной точки у в отвечающий ему интервал шириной  являются эквивалентными событиями, поэтому вероятности их совпадают:

. Отсюда .

     Если функциональная связь между х и у неоднозначна, так что имеется несколько значений  для одного значения у (х=g(у) - функция, обратная по отношению к у=f(х)), то выражение для плотности вероятности ру(у) обобщается:

.

     Многомерная плотность вероятности

Пусть имеем n случайных величин х12, …, хn. Можно ввести n-мерную плотность вероятности p12, …, хn), определяющую вероятность одновременного осуществления событий , , ..., ,

причем . Зная n-мерную плотность вероятности, всегда можно найти m-мерную (m < n) плотность вероятности меньшего порядка, интегрируя по лишним координатам:

.

Располагая многомерной плотностью вероятности, можно находить среднее значение любых комбинаций этих случайных величин и определять их моменты. В частности, для двумерной случайной величины будем иметь:

  

Новым по сравнению с одномерным случаем является смешанный момент второго порядка - ковариационный момент

 

или центрированный корреляционный момент

Вводят также безразмерный коэффициент корреляции

Для статистически независимых случайных величин

Статистически независимые случайные величины некоррелированы между собой:

 при . Обратное утверждение в общем случае неверно: из некоррелированности не вытекает автоматически статистическая независимость случайных величин.

Случайный процесс

     Под случайным процессом понимают множество (ансамбль) случайных функций хк(t), называемых возможными реализациями этого случайного процесса. В каждый выбранный момент времени t1 конкретная реализация есть случайная величина с плотностью вероятности  и ее среднее значение определяется усреднением по всем возможным реализациям:

     Различают стационарные и нестационарные случайные процессы. Для стационарных процессов плотность вероятности от времени не зависит: . Стационарный процесс называется эргодическим, если усреднение по множеству реализаций эквивалентно усреднению по времени в пределах одной реализации.

       

     Кроме одномерной плотности вероятности  вводят двумерную плотность вероятности совместной реализации двух значений: х1 в момент времени t1  и х2 в момент времени t2.

.

Для стационарных процессов двумерная плотность вероятности зависит только от разности моментов времени   

     Двумерная плотность вероятности определяет дополнительный момент - автокорреляционную функцию случайного процесса.

Иногда используют нормированные автокорреляционные функции:

    

Для стационарного процесса:

     .

Если процесс не только стационарный, но и эргодический, усреднение по множеству может быть заменено усреднением по времени в пределах одной реализации:

Условие эргодичности для стационарного процесса с нулевым средним значением:

Это определяет стремление функции корреляции к нулю с увеличением временного сдвига t. Можно ввести интервал корреляции , который определяет время статистической зависимости между мгновенными значениями случайного сигнала.

Метод  определения  спектральной  плотности мощности по корреляционной функции

Спектральная плотность мощности стационарного случайного процесса и его корреляционная функция связаны согласно теореме Винера – Хинчена парой преобразования Фурье:

.

Для действительных стационарных случайных функций

.

Измерения носят косвенный характер, так как непосредственно измеряют Kх, а спектр плотность вычисляют согласно приведенному выражению. Имеет место оценка

,

.

При экспериментальном  определении ее значения вычисляются для ограниченного диапазона величин аргумента от 0 до м.к.. Однако, для того, чтобы найти спектральную плотность мощности необходимо просмотреть весь участок изменения аргумента от до . Отсечение участка кривой для может привести к значительным искажениям спектра в низкочастотной области.

Эти искажения можно уменьшить, если использовать следующую оценку

,

где – весовая функция, которую часто называют «окном» (корреляционным окном). Выбор «окна» зависит от характера определяемого спектра мощности.

Заключение

Спектральная плотность мощности (СПМ) в физике и обработке сигналов — функция, описывающая распределение мощности сигнала в зависимости от частоты, то есть мощность, приходящаяся на единичный интервал частоты. Имеет размерность мощности, делённой на частоту, то есть энергии. Например в СИ: Вт/Гц = Вт/с−1 = Дж.

Часто термин применяется при описании спектральной мощности потоков электромагнитного излучения или других колебаний в сплошной среде, например, акустических. В этом случае подразумевается мощность на единицу частоты на единицу площади, например: Вт/Гц/м2.

Спектральная плотность мощности стационарного случайного процесса и его корреляционная функция связаны согласно теореме Винера – Хинчена парой преобразования Фурье:

.

Список использованной литературы

  1.  Интернет ресурс http://dee.karelia.ru/files/circuit/Ps6.htm
  2.   Отнес Р., Эноксон Л. Прикладной анализ временных рядов. Основные методы. — М.: Мир, 1982.
  3.  Интернет ресурс http://scask.ru/book_brts.php?id=32

 

А также другие работы, которые могут Вас заинтересовать

33180. Финансовые отношения организаций. Особенности финансов организаций различных организационно-правовых форм и отраслей экономики 18.84 KB
  59 Финансовые отношения возникают только при наличии денежных отношений: формирование имущества предприятия получение доходов привлечение заемных источников финансирования хозяйственной деятельности распределение доходов образующихся в результате этой деятельности их использование на цели развития предприятия. Финансовые отношения возникают между: учредителями в момент создания предприятия при формировании уставного капитала; предприятиями и организациями в процессе формирования и распределения валового дохода при оплате поставок...
33181. Характеристика активов, их группировка по степени ликвидности, обязательств – по степени срочности погашения. Оценка ликвидности баланса 17.13 KB
  скорости превращения в денежные средства все активы организации условно можно подразделить на пять групп. Наиболее ликвидные активы А денежные средства и краткосрочные финансовые вложения. Быстрореализуемые активы А2 активы для обращения которых в наличные средства требуется определенное время. Медленно реализуемые активы А3 производственные запасы незавершенное производство и готовая продукция.
33182. Взаимосвязь выручки, расходов и прибыли от реализации продукции. Показатели анализа безубыточности 41.86 KB
  61 Для прогнозирования максимально возможной прибыли в плановом году целесообразно сопоставить выручку от реализации продукции с общей суммой затрат подразделяемых на переменные постоянные и смешанные. Разность между фактическим количеством реализованной продукции и безубыточным объемом продаж продукции это зона безопасности прибыли и чем она больше тем стабильнее финансовое состояние предприятия. График позволяет установить при каком объеме реализации продукции предприятие получит...
33183. Понятие и расчет показателей рентабельности 273.64 KB
  62 РЕНТАБЕЛЬНОСТЬ это показатель характеризующий степень прибыльности или убыточности производства фирмы в целом или отдельных видов продукции. Расчет показателей рентабельности: Общая рентабельность определяется как отношение прибыли до налогообложения к выручке от реализации продукции. Рентабельность собственного капитала определяется как отношение чистой прибыли к величине собственного капитала организации.Формула расчета:где ЧПУОП чистая прибыль убыток отчетного периода;СК0 – собственный капитал на начало года;СК1 –...
33184. Расчет порога рентабельности, запаса финансовой прочности, производственный леверидж 22.1 KB
  Рн объем реализации в натуральном выражении. ПРд порог рентабельности в денежном выражении. ПРн порог рентабельности в натуральном выражении. Формула расчета порога рентабельности в денежном выражении: ПРд = ВЗпост В Зпер Формула расчета порога рентабельности в натуральном выражении в штуках продукции или товара: ПРн = Зпост Ц ЗСпер Насколько далеко предприятие от точки безубыточности показывает запас финансовой прочности.
33185. Экономическое содержание оборотного капитала. Структура оборотных активов организации и источники их финансирования 16.37 KB
  Иными словами это средства фирмы вложенные в текущие активы оборотные средства. Оборотные средства это денежные средства авансируемые для образования оборотных производственных фондов и фондов обращения с целью обеспечения непрерывного процесса производства и реализации продукции. В состав оборотных средств входят: запасы товарноматериальных ценностей дебиторская задолженность средства в расчетах денежные средства. Кроме разделения по составу оборотные средства можно классифицировать: по месту и роли в процессе воспроизводства...
33186. Определение потребности в оборотном капитале организации и эффективность его использования 21.76 KB
  66 Эффективное использование оборотных средств во многом зависит от правильного определения потребности в них. Это обусловливает необходимость формирования оборотных средств в определенном размере. Выяснение потребности организации в финансовых ресурсах для создания конкретных видов запасов осуществляется посредством нормирования оборотных средств. Нормирование оборотных средств осуществляется на каждом предприятии в строгом соответствии со сметами затрат на производство и непроизводственные нужды и бизнеспланом отражающим все стороны...
33187. Сущность, содержание, принципы, предмет и метод бухгалтерского учета 17.45 KB
  67 Бухгалтерский учет представляет собой упорядоченную систему сбора регистрации и обобщения информации в денежном выражении об имуществе обязательствах организаций и их движении путем сплошного непрерывного и документального учета всех хозяйственных операций. Принципы бухгалтерского учета используемые в российской учетной практике: 1 бухгалтерский учет имущества обязательств и хозяйственных операций осуществляется способом двойной записи в соответствии с Планом счетов бухгалтерского учета финансовохозяйственной деятельности...
33188. Сущность аудита и его задачи. Постулаты аудита. Классификация видов аудита 15.83 KB
  Постулаты аудита. Классификация видов аудита.68 Аудит предпринимательская деятельность аудиторов аудиторских организаций по осуществлению независимых проверок бухгалтерской отчетности платежнорасчетной документации налоговых декларации и других финансовых обязательств и требований экономических субъектов с целью установления достоверности их бухгалтерской отчетности и соответствия совершенных ими финансовых и хозяйственных операций нормативным актам действующим в Российской Федерации.