ANALIZA SPECTRAL A SEMNALELOR ALEATOARE

1. Scopul lucrrii
Se studiaz caracterizarea n domeniul frecven a semnalelor aleatoare de tip zgomot alb i
zgomot roz i aplicaiile acesteia la determinarea modulelor rspunsurilor n frecven ale
unor sisteme liniare i invariante n timp.
2. Introducere
Modelarea matematic a zgomotelor care apar n dispozitivele i circuitele electronice, dar i a
semnalelor vehiculate de sistemele de transmisie a informaiei au necesitat introducerea
noiunii de semnal aleator, echivalent cu noiunea de proces aleator sau stochastic din teoria
probabilitilor.
Pentru a defini un semnal aleator se consider o experien oarecare. Prin rezultatul unei
experiene se nelege una din posibilitile de realizare a acesteia. Mulimea rezultatelor
posibile se va numi n continuare spaiul eantioanelor i va fi notat cu S .
Un semnal aleator este deci o colecie de semnale uzuale n timp continuu, numite traiectorii
sau realizri.
Procesele aleatoare sunt semnale, cu dou proprieti:
1. ele sunt funcii de timp
2. ele sunt aleatoare, n sensul c nainte de a realiza un experiment, nu este posibil s
descriem exact forma de und ce se va genera.

s1
s2

Spaiul realizrilor
posibile, S
x1 ( tk )

x1 ( t )

sn

x2 ( tk )

x2 ( t )

t
xn ( tk )

xn ( t )

t1

tk

Figura 1. Un ansamblu de realizri posibile

Spaiul realizrilor posibile conine, ca puncte realizrile procesului, ca funcii de timp. Un

astfel de spaiu sau mulimea funciilor de timp se numete proces stochastic sau proces aleator.
Este evident c se consider noiunile de distribuii n probabilitate ale diferitelor evenimente
posibile. Evenimentul, sau realizarea, constituie producerea unui anume semnal.
3. Procese staionare
Fiecrui punct s din spaiul S i se va asocia o funcie, cu durata limitat n timp:
X ( t , s ) , T t T

(1)

Durata 2T se mai numete i intervalul de observare.

Dac punctul s este fixat, s = s j , funcia de timp X ( t , s ) se mai numete i realizare (de durat
limitat) sau funcie eantion:

x j (t ) = X (t, s j )

(2)

n figura 1 se arat o mulime de funcii eantion (realizri) { x j ( t ) j = 1, 2, , n} . Fixnd timpul,

t = tk , mulimea de valori:

{ x ( t ) , x ( t ) ,, x ( t )} = { X ( t , s ) , X ( t , s ) ,, X ( t , s )}
1

(3)

este o variabil aleatoare. Prin urmare, un proces poate fi privit ca i o mulime de variabile
aleatoare, indexate dup timp: { X ( t , s )} . Pentru simplificarea notaiilor nu se evideniaz s i
procesul se noteaz simplu cu X ( t ) .
Se consider un proces aleator strict staionar X ( t ) . Prin definiie media procesului X ( t ) este
sperana matematic a variabilei aleatoare X ( t ) i se noteaz cu X ( t ) :

X ( t ) = E { X ( t )} =

x p X ( t ) ( x ) dx

(4)

unde p X ( t ) este densitatea de repartiie a variabilei aleatoare X ( t ) , pentru t fixat.

Pentru un proces strict staionar este valabil egalitatea:

X (t ) = X

(5)

adic media unui astfel de proces este o constant.

Se consider n continuare dou momente fixate, t1 i t2 i fie p X ( t1 ), X ( t2 ) ( x1 , x2 ) densitatea de
repartiie comun a variabilelor aleatoare X ( t1 ) i X ( t2 ) . Atunci media variabilei aleatoare
produs, X ( t1 ) i X ( t2 ) este:
2

 X (t ), X (t ) = E { X ( t1 ) X ( t2 )} =
1

x1 x2 p X ( t1 ), X ( t2 ) ( x1 , x2 ) dx1 dx2

(6)

Funcia care asociaz fiecrei perechi ( t1 , t2 ) valoarea X ( t1 ), X ( t2 ) se numete funcie de corelaie

statistic a semnalului aleator i se noteaz RX ( t1 , t2 ) :
RX ( t1 , t2 ) = X ( t1 ), X (t2 )

(7)

Dac X ( t ) este un proces aleator strict staionar, p X ( t1 ), X ( t2 ) ( x1 , x2 ) depinde numai de diferena

t2 t1 i nu de valorile absolute ale timpului. Prin urmare, avem:

RX ( t1 , t2 ) = RX ( t2 t1 ) = RX ( ) , t1 , t2

(8)

Proprietile funciei de autocorelaie

1. Valoarea medie ptratic a procesului aleator X ( t ) este valoarea funciei de autocorelaie

calculat n origine:
RX ( 0 ) = E { X 2 ( t )}

(9)

2. Autocorelaia este o funcie par:

RX ( ) = RX ( ) ,

(10)

3. Funcia de autocorelaie RX ( ) are un maxim n origine:

RX ( ) RX ( 0 ) ,

(11)

Analiza spectral a semnalelor aleatoare nu se poate face asupra traiectoriilor individuale,

pentru c acestea sunt semnale de putere finit, dar aceast analiz se poate face pe criterii
statistice i energetice. Fie, n acest scop, xn ( t ) , cu n fixat, o traiectorie a semnalului aleator.

Se consider traiectoria trunchiat:

x ( t ) ,
xT ( t ) = n
0,

(12)

t <T 2
in rest

i X T ( ) transformata sa Fourier. Densitatea spectral medie de putere a acestui semnal,

ST ( ) , se obine mprind densitatea sa energetic X T ( ) la durata semnalului:
2

ST ( ) =

2
1
X T ( )
T

(13)

Se observ c ST ( ) este, pentru fixat, o variabil aleatoare, definit pe cmpul S . Notnd

cu m { } operatorul de mediere i fcnd T se obine o funcie de :

2
1
m X T ( )
T T

F ( ) = lim m {ST ( )} = lim

T

(14)

numit densitatea spectral de putere a semnalului aleator.

Conform teoremei Wiener-Hincin, funcia de corelaie statistic i densitatea spectral de
putere formeaz o pereche Fourier:

F { R ( )} = F ( )

(15)

F ( ) este o funcie par (vezi relaia 10) i pozitiv:

F ( ) 0 , R

(16)

F ( ) = F ( ) , R

(17)

4. Procese ergodice

Sperana matematic E { } este o mediere de ansamblu, pe toate realizrile unui proces aleator
X ( t ) . Se mai poate obine un alt tip de medie, efectuat n lungul procesului, o medie

realizat pe un eantion al procesului i efectuat n timp. Aceast mediere poate fi mai uor
implementat, motiv pentru care se dorete s tie dac exist vreo legtur ntre mediile
statistice i mediile temporale.
Se consider o realizare a procesului X ( t ) , funcia eantion x ( t ) , intervalul de observare fiind
de la T la T . Se consider c X ( t ) este un proces staionar. Media temporal a lui x ( t ) este:
1
x (T ) =
2T

(18)

x ( t ) dt

Este evident, c x (T ) este o variabil aleatoare, depinznd de realizarea x ( t ) curent i de

durata 2T a intervalului de observare. Media sa statistic este:
E { x (T )} =

1
2T

E { x ( t )} dt =

1
2T

dt = X

(19)

adic
E { x (T )} = X

(20)

Prin urmare x (T ) este o estimare neabtut a mediei X .

Se spune c procesul X ( t ) este ergodic n medie, dac sunt satisfcute dou condiii:
1. Media temporal x (T ) tinde spre media statistic, X , cnd T , adic:
lim x (T ) = X

(21)

2. Dispersia lui x (T ) , considerat ca variabil aleatoare, tinde spre zero, atunci cnd
T :

lim var { x (T )} = 0

(22)

O alt medie de interes este autocorelaia. Se poate defini o medie temporal pentru estimarea
autocorelaiei:
Rx ( , T ) =

1
2T

x ( t + )x ( t ) dt

(23)

Rx ( , T ) este o variabil aleatoare, dependent de realizarea x ( t ) i de lungimea 2T a

intervalului de mediere.
Se spune, c procesul X ( t ) este ergodic n autocorelaie dac sunt satisfcute dou condiii:
1. lim Rx ( , T ) = RX ( )
T

2. lim var { Rx ( , T )} = 0
T

Pentru a avea deci proprietile de ergodicitate trebuie ca procesul s fie staionar Reciproca nu
este adevrat.
5. Semnale aleatoare n sisteme liniare

Se consider un sistem cu rspunsul la impuls h ( t ) presupus real. Dac la intrarea acestui

sistem se aduce un semnal aleator staionar i ergodic, atunci semnalul de la ieire este tot un
semnal staionar i ergodic i:
SY ( ) = H ( ) S X ( )
2

(24)

unde S X ( ) , SY ( ) sunt densitile spectrale de putere ale semnalelor de intrare, respectiv de

la ieire, iar H ( ) este rspunsul n frecven al sistemului.

6. Zgomotul alb

Analiza de zgomot a sistemelor de comunicaii se bazeaz de obicei, pe o form de zgomot

idealizat, numit zgomot alb, a crei densitate spectral de putere este independent de
frecven. Adjectivul alb se folosete n sensul n care se spune c lumina alb conine n
spectrul vizibil componente de diverse culori, cu aceeai intensitate. O realizare a zgomotului
alb se noteaz cu w ( t ) i densitatea spectral de putere a procesului este:
SW ( ) =

No
2

(25)

Parametru N 0 se raporteaz de obicei, etajul de intrare al receptorului i se exprim cu:

N 0 = kTe

(26)

unde Te fiind temperatura echivalent de zgomot a receptorului.

Funcia de autocorelaie a zgomotului alb este:
RW ( ) =

No
( )
2

(27)

Se vede c RW ( ) = 0 pentru 0 . Ca urmare, dou eantioane prelevate din zgomotul alb,

indiferent ct de apropiate sunt ele n timp, sunt necorelate. Dac, n plus, zgomotul alb este i
gaussian , eantioanele sunt i statistic independente. Zgomotul alb ar avea puterea medie
infinit i deci el nu este realizabil fizic. Este, mai curnd, un concept ce uureaz mult
calculele i conduce la rezultate foarte apropiate de cele din practic.
Semnalele reale se numesc colorate i au forme diferite pentru funciile de corelaie i cea de
densitate spectral de putere. Ct timp un semnal are o funcie de corelaie ngust, banda de
densitate spectral a puterii este larg i n acest caz semnalul este mai apropiat de zgomotul
alb. Dac funcia de corelaie este larg, banda spectral a semnalului este ngust i semnalul
este mai apropiat de un semnal periodic (determinist).

Desfurarea lucrrii
1. S se gseasc i s se reprezinte grafic densitatea spectral de putere al secvenei
x [ n ] = sin ( 0.1* 2 * pi * n ) + 1.5 * randn (1,32 ) cu n = [1 2 3 31] .

n=0:31;
s=sin(0.1*2*pi*n);
v=randn(1,32);
x=s+v;
r=xcorr(x,'biased');
fs=fft(s);
fr=fft(r,32);
subplot(3,2,1); stem(n,s,'r'); xlabel('n'); ylabel('s(n)');
subplot(3,2,2); stem(n,v,'k'); xlabel('n'); ylabel('v(n)');
subplot(3,2,3); stem(n,x,'r'); xlabel('n'); ylabel('x(n)');
subplot(3,2,4); stem(n,r(1,32:63),'k'); xlabel('k, timp'); ylabel('r(n)');
subplot(3,2,5); stem(n,abs(fs),'k'); xlabel('Frecventa');
ylabel('S_s(e^{j\omega}');
subplot(3,2,6); stem(n,abs(fr),'k'); xlabel('Frecventa');
ylabel('S_x(e^{j\omega}');