WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

Pages:     | 1 | 2 || 4 | 5 |   ...   | 18 |

Центрированным называется сигнал, лишенный постоянной составляющей X (t) = sin(kwt) + bk cos(kwt)) = Ak sin(kwt + k ). (1.40) (a k k =1 k =Полная энергия сигнала описывается соотношением T A = X (t)dt, T T 2 2 2 A = + bk )sin (kwt + n )dt = Ak, (1.41) (ak k =1 k =то есть энергия сигнала пропорциональная сумме квадратов амплитуд бесконечного ряда гармоник.

Часто в качестве модели сигнала используется усеченный ряд Фурье N X (t) = sin(kwt) + bk cos(kwt)), (1.42) m (ak k =причем N определяется в предложении, что энергия модели составляет 95 % энергии самого сигнала, что эквивалентно отысканию верхней граничной частоты и, следовательно, нахождению частного диапазона сигнала.

Физические явления, которыми соответствует полигармонические процессы, встречаются гораздо чаще явлений, описываемых простой гармонической функцией. В действительности, когда тот или иной процесс относят к типу гармонических, то зачастую при этом имеют в виду только приближенное представление процесса, который на самом деле является полигармоническим. Например, при тщательном исследовании колебаний напряжения на выходе генератора переменного тока можно обнаружить гармоники высших порядков.

Математическое описание непериодических сигналов Как уже говорилось выше, все непериодические сигналы условно можно подразделить на два класса:

1) сигналы, удовлетворяющие условию абсолютной интегрируемости x(t) dt < ;

2) сигналы, не удовлетворяющие этому условию. Вторые из них можно рассматривать и как процессы, которые формируются суммированием двух или более волн с произвольными частотами. Эти процессы обладают свойством x(t) dt =.

Как видим, интегрирование по времени здесь производится в пределах 0 t <.

На практике же мы всегда ограничены некоторым конечным временем, то есть 0 t < tu. Но чаще приходится давать описание сигналов на участке времени, значительно превосходящем время измерения tu << T. Сигнал x(t) также может быть представлен в виде ряда Фурье:

b0 N x(t) = + sin(kwt) + bk cos(kwt)) (a k k =Такие процессы так же обладают линейчатым спектром (в соответствии с рисунком 10), однако, в этом случае спектр не носит убывающего характера.

Аk w 2,5 %A wк wE 2,5 %A Рисунок 10 – Спектр непериодического сигнала, не удовлетворяющего условию абсолютной интегрируемости.

Модель центрированного сигнала строим точно так же, как и в случае полигармонического процесса:

N X (t) = Ak sin(kwt + k ). (1,43) m k =m Однако здесь частота w имеет совершенно другой смысл, так как Т в данном случае не есть период сигнала, а лишь интервал наблюдения.

Энергия модели так же принимается равной 95 % энергии сигнала. Нижняя и верхняя границы частотного диапазона определяется отсечением 5 % энергии, как это показано на рисунке 10.

m-T T 2 Am = 0,95A; Ak = 0,025A; Ak = 0,025A. (1,44) 2 k =1 k =N +или N T Ak = 0,975A; wн = mw;wв = Nw.

k =Обратимся теперь к вопросам математического описания детерминированных процессов, удовлетворяющих условию абсолютной интегрируемости:

x(t) dt <.

Для описания таких сигналов используется прямое и обратное преобразование Фурье, то есть сигналы этого типа обладают не линейчатым, а непрерывным, гладким спектром:

x( jw) = x(t)e- jwtdt ;

jwt x(t) = x( jw)e dw. (1.45) Фурье-образ сигнала x(t) – его спектр или частотная характеристика x(jw). Для удобства частотную характеристику представляет в нескольких формах:

x( jw) = x(t)e- jwt dt = x(t) cos(wt)dt - j x(t)sin(wt)dt. (1.46) - - Re X ( jw) = x(t) cos(wt)dt - вещественная частотная характеристика, четная функция частоты;

Im X ( jw) = x(t)sin(wt)dt - мнимая частотная характеристика, нечетная функция частоты.

Im X ( jw) X ( jw) = Re X ( jw) - j Im X ( jw) = exp- jarctd * Re2 X ( jw) + Im2 X ( jw), Re X ( jw) Im X ( jw) arctd - фазо-частотная характеристика;

Re X ( jw) Re2 + Im2 - амплитудно-частотная характеристика.

Амплитудно-частотная характеристика может быть найдена без предварительного определяется вещественной и мнимой частотных характеристик:

x( jw) = x( jw) = x( jw)x(- jw).

|x(jw)|w Wн W0 WB Рисунок 11 – Амплитудно-частотная характеристика детерминированного сигнала.

На рисунке 11 изображена АЧХ сигнала рассматриваемого типа. То значение частоты, при котором АЧХ имеет максимум, называется основной частотой сигнала. Диапазон частот, в котором амплитудно-частотный спектр имеет значения, сигнала. Его границы – wн, wв.w = wв - wн – ширина спектра сигнала.

Существует несколько способов определения частотного диапазона.

Рассмотрим эти способы.

Основным являются энергетический подход к определению частотного диапазона. Вычислим энергию сигнала в предложении, что время изменяется в бесконечных пределах.

A = x2 (t)dt.

Перепишем выражение для энергии:

1 jwt jwt A = x(t)x(t)dt = x(t) x( jw)e dwdt = x(t)dt x(t)e dtdw, - - 2 - - - но выражение в скобках равно X(-jw), тогда:

1 A = x2 (t)dt = x( jw) dw, - то есть энергия сигнала зависит только от амплитудно-частотного спектра и не зависит от фазо- частотного спектра. Вклад в энергию дают все частоты. Соотношение:

1 A = x2 (t)dt = x( jw) dw (1.47) - называют равенство Парсеваля. Под частотным диапазоном сигнала понимают полосу частот, в которой сосредоточено 95 % всего сигнала (в соответствии с рисунком 12).

|x(jw)|wн wв w w Рисунок 12 – Определение частотного диапазона по энергетическому критерию Запишем уравнения для определения границ частотного диапазона:

wн 2 x( jw) dw = 0,95 x( jw) dw. (1.48) wн Отсюда находим верхнюю и нижнюю границы полосы частот. Однако, уравнение одно, а неизвестных два. Поэтому логично воспользоваться следующим подходом:

H w x( jw) dw= 0.025 x( jw) dw (1.49) 2 x( jw) dw= 0.025 x( jw) dw.

Оба эти уравнения имеют единственное решение. Далее можно найти ширину полосы частот w=wв-wн. Или, при известной основной частоте сигнала, можно предположить, что частотный диапазон симметричен относительно основной частоты w0:

w = wo - w н (1.50) w wв = wo +.

Полученные значения верхней и нижней граничных частот подставляем в равенство Парсеваля:

w wo + 2 x(jw) dw=0.95 x(jw) dw.. (1.51) w wo При известной основной частоте это уравнение с одним неизвестным и единственным решением.

Рассмотрим теперь некоторые другие подходы к определению частотного диапазона. Согласно первого из них, называемому метрологическим (в соответствии с рисунком 13), под полосой частот понимают координаты пересечения АЧС с некоторой прямой, проведенной параллельно оси частот.

Рисунок 13 - Метрологический подход к определению частотного диапазона 2 2 x( jw) = x( jw) - x( jw), (1.52) max max x( jw) =1- =1-. (1.53) 2 x( jw) x( jw) max max Часто выбирают =0.05, а вообще назначают исходя из конкретных технических условий, например, в радиотехнике принято считать =0.5.

Следующий и последний подход позволяет определить ширину спектра по формуле:

x( jw) dw wc =. (1.54) x( jw) max Нижняя и верхняя границы частотного диапазона определяются в предположении их симметричности относительно wo:

w = wo - w н w wв = wo + На практике все сигналы подразделяются на две группы:

широкополосные и узкополосные. К узкополосным относятся сигналы, ширина спектра которых значительно меньше основной частоты:

wc << wo.

Широкополосные – это такие сигналы, у которых частотный диапазон значительно превышает основную частоту:

wc >> wo.

Обобщенный подход к описанию детерминированных сигналов В качестве модели обобщенной модели любого детерминированного сигнала можно предположить модель следующего вида:

N xт (t) = k (t), (1.55) k k где:

k(t) – координатные (базисные функции);

k – параметры модели сигнала или коэффициенты разложения сигнала, то есть всегда существует разница xт(t) - x(t).

Станем рассматривать сигнал на 0 t T отрезке, а в качестве критерия T адекватности модели возьмем величину = {xт (t) - x(t)} dt – квадратичную o погрешность или взвешенную квадратичную погрешность T = {xт (t) - x(t)} p(t)dt, (1.56) o p(t) – весовая функция, выбираемая из технических условий и вводимая для того, чтобы на данном временном отрезке обеспечить наилучшую адекватность модели.

T T T = xm(t) p(t)dt - 2 xт(t) p(t)dt + x2(t) p(t)dt.

o o o Рассмотрим как функцию параметров модели : >0, - квадратичная форма и поэтому имеет единственный экстремум.

Условия экстремума функции нескольких переменных:

= 0, (m = o, N) m TT xm (t) xm (t) = 2 xm (t) p(t)dt - 2 x(t) p(t)dt = m 00 m m T T xm (t) xm (t) xm (t) = m (t), xm (t) p(t)dt = x(t) p(t)dt.

0 m m m Однако, подставляем в наше выражение:

TT 2 xm(t)m(t) p(t)dt = 2 m(t)x(t) p(t)dt, и подставляем это в выражение для модели N xm (t) = k (t) k k =N T T. (1.57) 2 { ( t ) ( t ) p ( t ) dt }- 2 ( t ) x ( t ) p ( t ) dt = k k m m 0 m k = То есть, чтобы отыскать параметры k, необходимо решить систему (N+1) уравнений с (N+1) неизвестными, что достаточно неудобно. Но существует и другой путь.

Если выполняется условие ортогональности базисных функций, T 0, k m k (t)m(t) p(t)dt = (t)m(t) p(t)dt = m, k = m k то наше выражение примет вид:

TT m 0 m(t) p(t)dt - m(t)x(t) p(t)dt = 0, T mm - m(t)x(t) p(t)dt = 0.

Таким образом, система уравнений сводится к совокупности (N+1) уравнений, каждое из которых имеет единственное неизвестное, которое может быть найдено:

T m = m (t)x(t) p(t)dt. (1.58) 1.2.3 Математическое описание случайных процессов Классификация случайных процессов Как говорилось ранее, процессы, соответствующие случайным физическим явлениям, нельзя описать точными математическими соотношениями, поскольку результат каждого наблюдения над процессом не воспроизводим. То есть, исход любого наблюдения представляет собой лишь один из многих возможных результатов. Рассмотрим, изменение напряжения на выходе генератора некоторого шума.

Рисунок 14 - Реализация на выходе генератора шума Как видно из рисунка 14, записи выходного напряжения генератора от реализации к реализации меняются. Кроме того, напряжение на выходе второго такого же генератора будет изменяться совершенно другим образом, чем у первого.

Функция времени, описывающая случайное явление, называется выборочной функцией или реализацией.

Множество всех реализаций, которые могут быть получены при регистрации данного случайного явления, называется случайным или стохастическим процессом. То ест реализация, полученная в результате наблюдений над случайным физическим явлением, представляет собой элемент множества возможных физических реализаций случайного процесса.

Случайные Стационарные Нестационарные Эргодические Неэргодические Частные случаи нестационарных процессов Рисунок 15 - Классификация случайных процессов Различают стационарные и нестационарные случайные процессы. В свою очередь стационарные процессы могут быть эргодическими ни неэргодическими. Для нестационарных существует специальная классификация нестационарности. Классификация случайных процессов и связь между различными их классами показана на рисунке 15.

Обсудим теперь общие черты и физический смысл указанных категорий процессов.

Стационарные случайные процессы Физическое явление при рассмотрении с позиций теории случайных процессов (сигналов) можно описать в любой момент времени осреднением по ансамблю реализации, представляющих данный случайный процесс.

Рассмотрим ансамбль выборочных функций, образующий случайный процесс (рисунок 16). Математическое ожидание или среднее значение (первый начальный момент распределения) процесса в момент времени t может быть найдено путем суммирования мгновенных значений каждой реализации ансамбля в момент времени t деления этой суммы на число реализаций. Аналогичным образом корреляция между значениями случаного процесса в два различных момента времени (второй смешанный центральный момент, который называют автокорреляционной функцией) определяется путем осреднения по ансамблю произведений мгновенных значений центрированного процесса X (t) = X (t) - mx (t) в моменты времени t и t+.

То есть, математическое ожидание mx(t) и автокорреляционная функция Rx(t,t+) процесса {X(t)} (фигурные скобки означают ансамбль реализаций) определяются из соотношений N mx (t) = lim X (t), (1.59) k N N k =N 0 Rx (t,t + ) = lim X (t) X (t + ), k N N k =причем при суммировании предполагается, что появление всех реализаций равновероятно. В общем случае, когда функции mx(t) и Rx(t,t+) меняются с изменением момента времени t, случайный процесс {X(t)} называется нестационарным. В частном случае независимости mx(t) и Rx(t,t+) от t, случайные процесс {X(t)} называется стационарным в широком смысле.

Математическое ожидание такого процесса постоянно, а автокорреляционная функция представляет собой функцию единственной переменной – временного сдвига между сечениями процесса, то есть mx(t)=mx, Rx(t,t+)=Rx.

Для случайного процесса {X(t)}можно отыскать бесконечное множество начальных и центральных (в том числе и смешанных) моментов;

их совокупность полностью описывает плотность распределения процесса.

Когда все начальные и центральные моменты не зависят от времени, процесс называют стационарным в узком смысле (более точное определение такого типа стационарности будет приведено ниже).

Рисунок 16 - Ансамбль реализаций, образующих случайный процесс Любой процесс, стационарный в узком смысле, является стационарными и в широком, но не наоборот.

Эргодические случайные процессы Выше был рассмотрен вопрос об определении свойств случайного процесса путем осреднения по ансамблю в отдельные моменты времени.

Однако, во многих случаях представляется возможным описать свойства стационарного случайного процесса путем осреднения по времени отдельных достаточно продолжительных реализаций ансамбля. Рассмотрим, например, К-ю выборочную функцию случайного процесса, изображенного на рисунке.

Математическое ожидание mx(t) и автокорреляционная функция этой реализации Rx(,k) определяется выражениями T M (k) = lim X (t)dt, (1.60) x k T T T 0 Rx (, k) = lim X (t) X (t + )dt.

Pages:     | 1 | 2 || 4 | 5 |   ...   | 18 |



© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.