Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
14.7. Преобразование спектров негауссовых процессов1. Известно, что безынерционные нелинейные системы могут различным образом изменять спектр негауссова случайного процесса. В настоящем параграфе мы ставим задачу найти общие закономерности и особенности трансформации спектра и на сравнительно простых примерах выявить и проанализировать причины указанного разнообразия. При этом мы ограничимся рассмотрением только спектра второго порядка, т. е. спектра мощности случайного процесса.
Пусть имеется стационарный входной процесс
В случае произвольного вероятностного распределения
вместо (14.4.5) получим ряд
где
Следовательно,
Учтем теперь, что согласно (14.4.4) функции
Это значит, что спектр выхода Если ввести обозначение
и воспользоваться операцией свертки то ряд (14.7.1) может быть записан в виде
Таким образом, вклад в
которые входят в спектральные функции При одном и том же 2. Проведем теперь более подробное исследование некоторых простейших примеров нелинейного преобразования. Прежде всего рассмотрим квадратичное преобразование
выходная корреляционная функция которого дается формулой(14.5.4)
где
Такова структура спектра после квадратичного преобразования при произвольном вероятностном распределении на входе. Этот спектр определяется спектром мощности входа, а также входными спектрами третьего и четвертого порядков. При этом входные спектры более высоких порядков не дают вклада в выходной спектр. Это значит, что если имеются различные негауссовы случайные процессы, для которых спектры второго, третьего и четвертого порядка одинаковы, а спектры более высоких порядков различны, то только по выходному спектру мощности эти процессы мы отличить друг от друга не сможем. Легко при этом понять, что отличие проявится лишь в выходных спектрах третьего, четвертого и т. д. порядков. Таким образом, для нахождения спектра на выходе квадратичного детектора при произвольном вероятностном распределении входа само это вероятностное распределение, характеризуемое полным набором кумулянтных функций, знать не нужно. Подобная ситуация, однако, наблюдается лишь для нелинейных преобразований полиномиального типа, а во многих других случаях приходится задаваться полным набором кумулянтных функций или, что то же самое, полным набором спектров высших порядков. В самом деле, для нелинейного преобразования 3. Вернемся к квадратичному детектору и рассмотрим ряд конкретных примеров входного процесса
Детектирование пуассоновского случайного процесса. Пусть имеется стационарный пуассоновский случайный процесс с заданной формой элементарного импульса
Следовательно,
Приняв во внимание, что входящие сюда интегралы представляют собой функции корреляции первого рода (см. § 11.2) элементарного импульса и его квадрата
запишем кумулянтные функции как
Сопряженные Фурье этих функций равны
где Тем самым
Таков спектр флуктуаций «продетектированного» пуассоновского шума. Его первое слагаемое, представляющее негауссовость пуассоновского шума, является положительным. Это значит, что в рассматриваемом примере негауссовость входного шума увеличила на всех частотах спектральную плотность выходного процесса. Конкретизируем теперь вид элементарного импульса, придав ему прямоугольную форму длительностью
В этом случае корреляционные функции импульса равны
Здесь
Таким образом,
а выходной спектр на основании (14.7.6) принимает вид
где
Принимая во внимание, что
найдем следующее окончательное выражение для полного спектра мощности выхода идеального квадратичного детектора, на вход которого подан пуассоновский случайный процесс с прямоугольным элементарным импульсом:
На рис. 14.4 изображены спектры мощности на входе и на выходе.
Рис. 14.4. Детектирование телеграфного сигнала. Рассмотрим симметричный телеграфный сигнал, осциллограмма которого изображена на рис. 7.5. Будем полагать, что значения 1) Если число перемен знака определяется законом Пуассона со средним числом перемен знака в единицу времени, равным
Спектр мощности такого телеграфного сигнала имеет вид
2) Если перемены знака происходят в моменты времени, кратные
так
где 3) Если, наконец, перемены знака обусловливаются переходами через нуль вспомогательного гауссова стационарного случайного процесса, обладающего ковариационной функцией
В этом случае спектр Тем самым, телеграфный сигнал может обладать совершенно различными спектрами, и это различие обязано различной «статистике» перемен знака. Перейдем теперь к детектированию телеграфного сигнала. Как уже отмечалось, в этом случае на выходе идеального квадратичного детектора вообще отсутствует шум, а имеется лишь постоянная составляющая. Это значит, что и ковариационная функция выхода, и спектр, определяемые формулами
Из этих соотношений может быть извлечена полезная информация о неизвестном нам негауссовом двумоментном вероятностном распределении телеграфного сигнала. Так, очевидно, для любого телеграфного сигнала
Поскольку правые части (14.7.11) отрицательны, постольку у телеграфного сигнала и четвертая кумулянтная функция, и спектр четвертого порядка всегда отрицательны. Первое соотношение (14.7.11) дает нам возможность найти четвертую кумулянтную функцию для трех рассмотренных случаев телеграфного сигнала:
Интересно сравнить эти всюду отрицательные кумулянтные функции с четвертой кумулянтной функцией пуассоновского случайного процесса (14.7.8), которая всюду положительна. 4. Обратимся к спектрам телеграфного сигнала. Второе соотношение (14.7.11) означает, что каков бы ни был спектр второго порядка телеграфного сигнала, а как мы показали ранее, он может быть практически любым, спектр четвертого порядка всегда будет
Рис. 14.5. и Рис. 14.6. определяться его автосверткой, т. е. он уже не может быть произвольным. Этот результат весьма интересен. Если изобразить спектр входного телеграфного сигнала и спектр, имеющийся на выходе идеального квадратичного детектора (рис. 14.5), и сравнить эту картину с картиной преобразования спектра пуассоновского случайного процесса (рис. 14.4), то возникают три вопроса: чем объясняется разница в картинах выходных спектров, тем более разительная, что входные спектры могут быть одинаковыми. Куда «делся» выходной шум в случае телеграфного сигнала? Как понять «механизм исчезновения» спектральных компонент входного шума, и в каких случаях вообще может быть такое исчезновение? Ответ на первый вопрос может быть дан сразу на основании проведенного анализа. Возможное разнообразие картин выходного спектра при одном и том же входном спектре и одном и том же нелинейном преобразовании связано с возможным разнообразием спектров высших порядков входного сигнала, т. е. фактически — с разнообразием негауссовости входа. В конкретном случае квадратичного детектора это разнообразие связано с различным видом входных спектров четвертого порядка Ответы на второй и третий вопросы требуют специального рассмотрения, которое будет проведено в § 14.9. 5. Детектирование гауссова шума. В этом случае формула (14.7.5) переходит в
Таким образом, спектр выхода равен свертке спектров входа. В качестве конкретного случая возьмем гауссов случайный процесс, обладающий прямоугольным спектром (рис. 14.6):
имеющим центральную частоту Операция свертки такого спектра выполняется чрезвычайно легко графически, и в результате мы получаем спектр, имеющий низкочастотную часть треугольной формы, простирающуюся до частоты Таким образом, при квадратичном преобразовании входной спектр «расщепился» на две части: на низкочастотную часть и на часть, находящуюся в области удвоенных частот.
|
1 |
Оглавление
|