Documente Academic
Documente Profesional
Documente Cultură
Procese aleatoare
Capitolul 1.
PROCESE ALEATOARE
Obiective
Lecturnd acest capitol vei dobndi cunotine despre:
Definirea proceselor aleatoare
Clasificarea proceselor aleatoare
Caracterizarea statistic a proceselor aleatoare
Procese aleatoare periodice
Eantionarea proceselor aleatoare
Caracterizarea statistic a seriilor aleatoare
Valori medii statistice pentru perechi de procese (serii) aleatoare
Staionaritate n sens larg i n sens strict
Valori medii statistice pentru procese staionare n sens larg
Independen statistic, necorelare, ortogonalitate
Caracterizarea temporal a proceselor (seriilor) aleatoare
Ergodicitate
Proprietile funciei de autocorelaie pentru procese staionare i ergodice
1.1
Def Ludeman
Un proces aleator X (t , ) , sau prescurtat X(t), este o funcie de dou variabile, t i , unde t este
variabila timp, iar ia valori n spaiul eantioanelor (vezi figura 1.1).
Dac = i, atunci X (t , i ) este o funcie de timp particular, denumit traiectorie, realizare
particular sau funcie eantion a p.a.1 i este notat cu xi (t ) .
Pentru un moment de timp particular, t
alfabet X i .
ti , X (ti , )
X (ti )
X (t , 1 ), X (t , 1 ),
, X (t ,
),
x1 (t ), x2 (t ),..., xn (t ),
(1.1)
X (t1 , ), X (t2 , ),
, X (tn , ),
X (t1 ), X (t2 ),
V.a.
i
V.a.
X(t1)=X1
1
, X (tn ),
X 1, X 2 ,
, X n,
V.a.
X(t2)=X2
x1(t)
t
-1
1
P.a.
X(t)=X(t,)
x2(t)
t
2
-1
.
.
.
1
xn(t)
t
n
-1
t1
t2
Figura 1.1 Ilustrarea unui p.a. ca un ansamblu de traiectorii sau ca un ansamblu de v.a..
1
2
(1.2)
, nT ,
Timp
Proces
continuu
discret
Alfabet X i
continuu
discret
Proces aleator
(P.a.)
P.a. continuu
P.a. discret
Serie aleatoare
(S.a.)
S.a. continu
S.a. discret
xk(t)
Notaie
X (t )
X (ti , )
Xi ,
t , ti
X [ n]
X (nT , )
n
Xn ,
,T
xk(t)
t
a) p.a. continuu
b) p.a. discret
xk[n]
0
xk[n]
2
n
0
c) s.a. continu
d) s.a. discret
Figura 1.2 Ilustrarea unei realizri particulare pentru un: a) p.a. continuu, b) p.a discret,
c) s.a. continu, d) s.a. discret.
, pX i ( xi ),
Legea de distribuie a unei v.a. din secvena ce descrie irul este aceeai indiferent de momentul
de timp.
Dup valorile v.a. X i , un p.a. X (t ) , caracterizat de o secven de v.a. i.d., numit proces i.d., va
fi descris de:
un ir aleator dac valorile aleatoare ale irului sunt reale:
X (t ) ( X1, X 2 , , X i , ) ,
staionaritatea irului implicnd:
,
X i , pX i ( xi ) pX ( x), x
cu proprietile:
pX ( x) 0,
x,
p X ( x)dx 1 .
x X
un lan aleator dac v.a. sunt discrete i valorile acestora aparin unui alfabet finit X i ,
descris de o mulime numrabil, staionaritatea lanului implicnd:
X i , pX i ( xi ) P( X i xi ) pk , xi X , k 1, 2, ,| X |,
cu proprietile:
pk 0, k 1, 2, ,| X| ,
1.
pk
k
ntre v.a. X1 , X 2 ,
, Xi ,
, Xi,
Notam
FX1 X 2
Xn
x1 , x2 ,
, xn
P X1
x1 , X 2
x2 ,
, Xn
xn
F x1 , x2 ,
, xn ,
n , (1.3)
p X1 X 2
X n ( x1 , x2 ,
, xn )
FX1 X 2
Xn
( x1 , x2 ,
x1 x2
xn
, xn ) Notam
p( x1 , x2 ,
, xn ) .
(1.4)
pk ( x xk ) , unde pk sunt
k
p ( x) dx ,
(1.5)
pk .
(1.6)
E
k
aE[ X ] .
E[aX ] a X
Pentru un moment de timp fixat ti , se pot determina valorile medii statistice ale p.a. X(t), dac se
cunoate f.d.p. de ordinul 1, pX i ( xi ) p( xi , ti ) ce caracterizeaz v.a. X (ti ) X i .
Valoarea medie statistic (momentul de ordinul 1) a v.a. X i :
1, X
(ti )
Xi
E Xi .
(1.7)
X i2
(ti )
E X i2 .
(1.8)
(ti )
2
X
(ti )
Var X i
Xi
E
2, X
Xi
X i2
Xi
E Xi
(ti )
2
1, X
Xi
2
E X i2
E Xi
(1.9)
(ti ).
sau E
p ( x1 , x2 ) dx1dx2 ,
(1.10)
pk1 pk2 .
(1.11)
E
k1
k2
unde pk1 i pk2 sunt probabilitile elementare ale realizrilor particulare ale v.a. X 1 i X 2 .
Astfel, pentru cele dou v.a. X 1 i X 2 , vom defini:
Funcia de autocorelaie:
RX (t1 , t2 )
X1 X 2
E X1 X 2 .
(1.12)
Funcia de autocovarian:
C X (t1 , t2 )
X1
X1
RX (t1 , t2 )
X2
1, X
X2
(t1 )
E
1, X
X1 E X1
X2 E X2
(1.13)
(t2 ).
12
t2 t1 la
1n
X1, X 2 ,
, Xn
ce reprezint procesul
tn t1 ,
la ti , t j , i, j 1, 2,
p.a. X (t ) .
Matricea de autocorelaie a p.a. X(t):
RX (t1 , t2 )
RX (t1 , tn )
X1 X1
X1 X 2
X1 X n
RX (t2 , t1 ) RX (t2 , t2 )
RX (t2 , t n )
X 2 X1
X2X2
X2Xn
RX (tn , t1 ) RX (tn , t2 )
RX (tn , tn )
X n X1
XnX2
XnXn
RX (t1 , t1 )
RX
,n ,
C X (t1 , t2 )
C X (t1 , tn )
C X (t2 , t1 ) C X (t2 , t2 )
C X (t2 , tn )
C X (tn , t1 ) C X (tn , t2 )
C X (tn , tn )
RX (t1 , t1 )
1, X
(t1 )
1, X
(t1 )
RX (t1 , t2 )
1, X
(t1 )
1, X
(t2 )
RX (t1 , tn )
1, X
(t1 )
1, X
(tn )
RX (t2 , t1 )
1, X
(t2 )
1, X
(t1 ) RX (t2 , t2 )
1, X
(t2 )
1, X
(t2 )
RX (t2 , tn )
1, X
(t2 )
1, X
(tn )
RX (tn , t1 )
1, X
(tn )
1, X
(t1 ) RX (tn , t2 )
1, X
(tn )
1, X
(t2 )
RX (tn , tn )
1, X
(tn )
1, X
(tn )
1, X
(tn )
RX
T
1, X
1, X
unde
1, X
1, X
(t1 ),
1, X
(t2 ),
X1, X 2 ,
, Xn .
pX1 ( x1 ), pX 2 ( x2 ),
, pX i ( xi ),
p X ( x)dx 1 .
x,
x X
un lan aleator dac v.a. sunt discrete i valorile acestora aparin unui alfabet finit X i ,
descris de o mulime numrabil, staionaritatea lanului implicnd:
X i , pX i ( xi ) P( X i xi ) pk , xi X , k 1, 2, ,| X |,
cu proprietile: pk
0, k 1, 2,
,| X| ,
pk
1.
ntre v.a. X1 , X 2 ,
, Xi ,
X n1 ,
, X n2 ,
, X ni ,
X T,
, X 2T ,
, X iT ,
X (T ), X (2T ),
X1, X 2 ,
, Xi ,
,
,
(1.14)
, X (iT ),
.
Valorile medii statistice sunt obinute n urma aplicrii operatorului de mediere statistic asupra
v.a. X i , observat la momentul de timp fixat ni iT . Pentru simplificare, vom presupune c
i.
n cazul unei s.a. continu, operatorul de mediere statistic este descris de Ecuaia
Error! Reference source not found., iar n cazul unei s.a. discrete, de Ecuaia
Error! Reference source not found..
Caracterizarea seriei aleatoare n termenii distribuiei de ordinul 1
[ni ]
E Xi .
Xi
(1.15)
X i2
[ni ]
E X i2 .
(1.16)
[ni ]
2
X
[ni ] Var X i
Xi
E
2, X
Xi
Xi
X i2
E Xi
2
1, X
[ni ]
Xi
2
E X i2
E2 Xi
(1.17)
[ ni ].
RX [n1 , n2 ]
X1 X 2
E X1 X 2 .
(1.18)
Funcia de autocovarian:
C X [n1 , n2 ]
X1 X1 X 2
E
X1 E X1
RX [n1 , n2 ]
1, X
X2
X1 X 2
X2 E X2
[n1 ]
1, X
X1 X 2
E X1 X 2
E X1 E X 2 .
(1.19)
[n2 ].
Observaie: Dac ntr-o situaie practic avem un singur p.a. X(t), indicele X din relaiile
anterioare poate fi omis, deoarece se subnelege c se vorbete numai despre acel p.a.
i pentru o s.a. continu sau discret, vom defini:
Matricea de autocorelaie a s.a. X[n]:
RX [n1 , nn ]
X1 X1
X1 X 2
X1 X n
RX [n2 , n1 ] RX [n2 , n2 ]
RX [n2 , nn ]
X 2 X1
X2X2
X2Xn
RX [nn , n1 ] RX [nn , n2 ]
RX [ nn , nn ]
X n X1
XnX2
XnXn
RX [n1 , n1 ]
RX
CX
C X [n1 , n1 ] C X [n1 , n2 ]
C X [n1 , nn ]
C X [n2 , n1 ] C X [n2 , n2 ]
C X [n2 , nn ]
C X [nn , n1 ] C X [nn , n2 ]
RX
1, X
1, X
C X [nn , nn ]
unde:
1, X
1, X
[n1 ],
1, X
[n2 ],
1, X
[nn ] .
F ( x, y)
P( X
x; Y
y) ,
(1.20)
i corespunztor f.d.p. reunit a celor dou p.a., respectiv f.m.p. reunit a celor dou s.a.:
2
p ( x, y )
F ( x, y )
.
x y
(1.21)
RXY (t1 , t2 )
X1Y2
E X1Y2 ,
(1.22)
RYX (t1 , t2 ) Y1 X 2
E Y1 X 2 .
(1.23)
RXY (t1 , tn )
X 1Y1
X 1Y2
X 1Yn
RXY (t2 , t n )
X 2Y1
X 2Y2
X 2Yn
RXY (tn , tn )
X nY1
X nY2
X nYn
RXY (t1 , t1 )
R XY
10
(1.24)
C XY (t1 , t2 )
X1
E
CYX (t1 , t2 )
X 1 Y2 Y2
X1 E X1
Y2
RXY (t1 , t2 )
1, X
Y1 Y1
X2
X2
E Y1 E Y1
RYX (t1 , t2 )
X 1Y2
(t1 )
1,Y
E Y2
1,Y
(t1 )
E X 1Y2
(1.25)
E Y1 E X 2
(1.26)
Y1 X 2
E X2
1, X
E X 1 E Y2
(t2 ).
Y1 X 2
X2
X1 Y2
E Y1 X 2
(t2 ).
C XY (t1 , t2 )
C XY (t1 , tn )
C XY (t2 , t1 ) C XY (t2 , t2 )
C XY (t2 , tn )
C XY (tn , t1 ) C XY (tn , t2 )
R XY
1, X
1,Y
(1.27)
C XY (tn , tn )
C XY
RXY [n1 , n2 ]
RXY [n1 , nn ]
RXY [n2 , nn ]
RXY [nn , nn ]
C XY [n1 , n1 ] C XY [n1 , n2 ]
C XY [n1 , nn ]
C XY [n2 , n1 ] C XY [n2 , n2 ]
C XY [n2 , nn ]
C XY [nn , n1 ] C XY [nn , n2 ]
R XY
(1.28)
T
1, X
1,Y
(1.29)
C XY [nn , nn ]
unde funciile de corelaie mutual i funciile de covarian mutual sunt definite mai jos:
X iY j
E X iY j .
(1.30)
RYX [ni , n j ] Yi X j
E Yi X j .
(1.31)
RXY [ni , n j ]
C XY [ni , n j ]
Xi
E
X i Yj Yj
Xi
E Xi
RXY [ni , n j ]
X iY j
Yj
1, X
[ni ]
X i Yj
E Yj
1,Y
E X iY j
E X i E Yj
(1.32)
[n j ].
11
Yi Yi
Xj
E Yi
E Yi
RYX [ni , n j ]
Xj
1,Y
Yi X j Yi X j
Xj
E Xj
[ni ]
1, X
E Yi X j
E Yi E X j
(1.33)
[n j ].
(1.34)
P.a. staionare caracterizate numai de momentele de ordinul unu i doi (respectiv de f.d.p. reunit
de ordin unu i doi) se numesc procese staionare n sens larg (s.l.) sau staionare slab sau
staionare pn la ordinul doi i formeaz o subclas a proceselor s.s.
Staionaritate n sens larg: funciile de repartiie i f.d.p de ordinul unu nu depind de timp, iar
funciile de repartiie i f.d.p. de ordinul 2 depind doar de diferena de timp
t2 t1 .
Consecin: media, media ptratic i variana sunt constante, iar autocorelaia este o funcie ce
depinde doar de diferena de timp
t2 t1 .
Staionaritate n sens strict: funciile de repartiie, respectiv de f.d.p. de orice ordin n sunt
invariante la o translaie n timp.
n general, procesele s.s. sunt s.l., dar reciproca nu este ntotdeauna adevrat. O excepie o
constituie p.a. caracterizat de distribuia Gaussian, care este un proces s.l. i este complet definit
de momentele de ordinul unu i doi; drept urmare este i s.s.
Ciclostaionare
Joint stationary
P.a nestaionare
(ti )
Xi
E Xi
ti
(1.35)
(ti )
Xi
Xi
Xi
E Xi
ti
(1.36)
Observnd p.a. staionar X(t) la dou momente de timp distincte t1 i t2 valoarea funciei de
autocorelaie, i a funciei de autocovarian, depind numai de diferena de timp
t2 t1 :
RX (t1 , t2 )
C X (t1 , t2 )
E X1 X 2
X1
X2
RX (t2 t1 )
RX ( ) ,
2
1
RX (t2 t1 )
(1.37)
2
1
RX ( )
(1.38)
RX
RX (0)
RX (t2 t1 )
RX (tn t1 )
RX (t1 t2 )
RX (0)
RX (tn t2 )
RX (t1 tn ) RX (t2 tn )
CX
RX (0)
C X (0)
C X (t2 t1 )
C X (tn t1 )
C X (t1 t2 )
C X (0)
C X (tn t2 )
C X (t1 tn ) C X (t2 tn )
RX
T
1
C X (0)
unde:
1
Pentru un p.a. staionar mediile statistice sunt independente de momentul de timp la care se face
observarea. Reciproca este adevrat: dac mediile statistice sunt invariante la translaii n timp,
atunci procesul este staionar.
Analog, putem scrie i valorile medii statistice pentru o s.a. staionar:
Valoarea medie:
1
[ n]
X [ n]
, n
0,1, 2,
(1.39)
Dispersia:
2
[n]
X [n] X [n]
, n 0,1, 2,
(1.40)
Funcia de autocorelaie:
RX [n1 , n2 ]
X [n1 ] X [n2 ]
X [ n ] X [ n m]
RX [m], cu m
n2 n1 ,
(1.41)
Notam
Notnd ni
iT
i
13
RX
RX [1]
RX [0]
RX [n 1]
RX [n 2]
RX [1 n] RX [2 n]
RX [0]
Funcia de autocovarian:
C X [n1 , n2 ]
X [n1 ]
X [n2 ]
C X [0]
C X [ 1]
CX
RX [n1 , n2 ]
C X [1]
C X [0]
2
1
C X [n 1]
C X [n 2]
C X [1 n] C X [2 n]
2
1
RX [m]
(1.42)
C X [0]
R HX
R T*
X
R X , deoarece RX (ti t j )
i, j 1, n .
RX (t j ti ),
, X n 1, X n , } , astfel:
, X 3 , X 2 , X 1} .
X (t ) { , X n , X n 1 ,
RX
( n 1)
X
RX (0)
rX
R (Xn )
(rX )T
rXT
R (Xn )
rX
RX (0)
unde:
rX
rX
6. Valorile proprii
RX (1) RX (2)
RX ( n ) ,
RX ( 1) RX ( 2)
RX ( n) .
i1
i2
in
, i 1, n ,
, i, j 1, n, i
0.
1
n
RX (0)
i , de unde
tr R X
i 1
n
i
i 1
10. Matricea de autocorelaie R X poate fi diagonalizat n cazul n care valorile proprii sunt
distincte:
T
,
RX
T
unde
diag
, i 1, n este
I.
matricea diagonal a valorilor proprii. Evident matricea
este unitar T
Din relaia de mai sus, putem scrie teorema lui Mercer sau teorema spectral:
n
T
RX
T
i
i 1
Independena statistic dintre dou p.a. X(t) i Y(t) implic existena condiiei de necorelare, dar
reciproca nu este adevarat ntotdeauna (excepie o fac p.a. Gaussiene). Dac cel puin unul din
cele dou semnale are o valoare medie nul, necorelarea implic i proprietatea de
ortogonalitate:
C XY (t1 , t2 )
RXY (t1 , t2 )
1, X
(t1 )
1,Y
(t2 )
RXY (t1 , t2 )
1, X
(t1 )
1,Y
(t2 )
0.
(1.43)
particulare
particulare
1
lim
T
2T
dt .
(1.44)
15
Et
lim
1
2N 1 i
(1.45)
Momentul temporal de ordinul 1 este valoarea medie sau componenta continu a realizrii
particulare:
m1 (k )
x(t )
Et x(t ) .
(1.46)
m2 (k )
x2 (t )
Et x 2 (t ) .
(1.47)
x(t t1 ) x(t t2 )
Et x(t t1 ) x (t t 2 ) .
(1.48)
Pentru un p.a. staionar X(t), oricare ar fi realizarea particular x(t) pe care se determin
funcia de autocorelaie n timp RX( k ) (t1 , t2 ) , valoarea rezultat nu depinde de originea
timpului, ci numai de diferena de timp = t2 - t1:
RX( k ) (t1 , t2 )
RX( k ) (t1 t2 )
RX( k ) ( ) .
(1.49)
C X( k ) (t1 , t2 )
x(t t1 ) m1 (k ) x(t t2 ) m1 (k )
Et
(1.50)
x(t t1 ) m1 (k ) x(t t2 ) m1 (k ) .
Pentru dou p.a. X(t) i Y(t) definite pe acelai spaiu al eantioanelor, se definete
funcia de corelaie mutual temporal pentru dou realizri particulare xk (t ) x(t ) i
yk (t ) y(t ) :
16
x(t t1 ) y (t t2 )
Et x(t t1 ) y (t t2 ) .
(1.51)
x(t t1 ) m1 (k ) y (t t2 ) m1 (k )
Et
(1.52)
x(t t1 ) m1 (k ) y (t t2 ) m1 (k ) .
x[n]
Et x[n] .
(1.53)
m2 (k )
x2 [n] Et x2 [n] .
(1.54)
Funcia de autocorelaie:
RX( k ) [n1 , n2 ]
x[n n1 ]x[n n2 ]
Et x[n n1 ]x[n n2 ] .
(1.55)
Et x[n n1 ] y[n n2 ] .
(1.56)
x[n n1 ] y[n n2 ]
1.10 Ergodicitate
Un p.a. este ergodic de ordinul j dac valorile medii temporale pn la ordinul j sunt
independente de alegerea realizrilor particulare x1(t), x2(t), pe care se face medierea. Altfel
spus, un p.a. ergodic de ordin j are proprietatea c valorile medii statistice sunt egale cu valorile
medii temporale pn la ordinul j.
Spunem c procesul X (t ) este ergodic n medie dac dou condiii sunt satisfcute:
1. Media n timp m1 tinde la media pe ansamblu
la infinit:
1
(ti )
(ti )
E Xi
1
m1
Xi
x(t )
m1 (k ),
(1.57)
m1 (k ).
17
lim P m1
0.
1,
(1.58)
0.
(1.59)
1
2T
,T
x t
x t dt ,
(1.60)
p.a. X (t ) este ergodic n funcia de autocorelaie dac urmtoarele dou condiii limit
sunt satisfcute:
lim RX
,T
lim Var RX
RX
,T
(1.61)
0.
(1.62)
Observaii:
n practic, ergodicitatea n medie i ergodicitatea n funcia de autocorelaie nu sunt
ntotdeauna suficiente.
Utilizarea ecuaiilor (1.57) i (1.60) pentru a calcula mediile n timp X t i RX , T
cer ca procesul X (t ) s fie staionar.
Deci, pentru ca un p.a. s fie ergodic, trebuie s fie staionar; reciproca nu este ntotdeauna
adevrat.
RX ( )
RX (t , t
X (t ) X (t
E X (t ) X (t
) .
(1.63)
Pentru un proces aleator staionar n sens larg, funcia de autocorelaie statistic are
urmtoarele proprieti:
1. Este o funcie par:
RX ( )
X (t ) X (t
X (t
) X (t )
RX (
).
(1.64)
RX (0)
X 2 (t )
X (t ) X (t )
PX .
(1.65)
R 1
X (t )
3. valoarea din origine a funciei de autocorelaie este un maxim absolut:
RX (0)
RX ( ) ,
(1.66)
4. Pentru
are loc un proces de decorelare ntre X (t ) i X (t
de autocorelaie tinznd ctre ptratul componentei continue:
lim RX ( ) lim X (t ) X (t
X (t ) X (t
X (t )
) , valoarea funciei
2
1
(1.67)
5. Cu ct p.a. X(t) se schimb mai rapid n funcie de timp, cu att funcia de autocorelaie
RX
va descrete de la maximul su RX (0) , pe msur ce crete, dup cum este
ilustrat n Figura 1.3. Aceast descretere este caracterizat de timpul de decorelare 0,
pentru care > 0 amplitudinea funciei de autocorelaie va rmne sub anumite valori
prescrise.
Proces ce
variaz ncet
R()
Proces ce
variaz rapid
Figura 1.3 Ilustrarea funciei de autocorelaie pentru dou p.a. ce variaz diferit.
RX
RXY
RYX
RY
, unde
t2 t1 .
(1.68)
(1.69)
19
Alte proprietati
20
1
p( f )
f2
f1
0
,
,
[ f1 , f 2 ]
in rest
Cteva realizri particulare ale p.a. X(t) sunt date n Figura 1.4 i sunt de form
sinusoidal, avnd amplitudinea A, faza 0 i frecven variabil dat de realizrile
particulare ale v.a. f.
X (t )
x1 (t ), x2 (t ), x3 (t )
A
t [s]
0
-A
x1 (t )
A cos(2 3 t )
x2 (t )
A cos(2 3.5 t )
x3 (t )
A cos(2 5 t )
Figura 1.4 Trei realizri particulare ale p.a. X(t), avnd frecvena aleatoare.
a. Momentele statistice ale p.a. X(t) se vor calcula pentru un moment de timp ti fixat. n
acest caz, valoarea semnalului va depinde de v.a. f.
Media statistic de ordin 1 este:
1
(ti )
X (ti )
Xi
A sin(2 f ti
A sin(2 f ti
A sin(2 f ti ) cos
cos(2 f ti ) sin
A sin(2 f ti ) cos
A cos(2 f ti ) sin .
21
sin(2 f ti )
sin(2 f ti ) p( f )df
sin(2 f ti )
f1
1
f2
cos(2 f ti )
f1
2 ti
f2
1
f2
1
2 ( f2
f1
cos(2 f1 ti ) cos(2 f 2 ti ) ,
f1 )ti
f2
cos(2 f ti )
cos(2 f ti ) p ( f )df
cos(2 f ti )
f1
1
f2
sin(2 f ti )
f1
2 ti
f2
1
2 ( f2
f1
f1 )ti
df
f1
1
f2
df
f1
sin(2 f 2 ti ) sin(2 f1 ti ) .
n final, obinem:
1
A cos
cos(2 f1 ti ) cos(2 f 2 ti )
2 ( f 2 f1 )ti
(ti )
A sin
sin(2 f 2 ti ) sin(2 f1 ti ) .
2 ( f 2 f1 )ti
Pentru valori date ale frecvenelor f1 i f2, rezult c media statistic de ordin 1 (valoarea
medie) va depinde de momentul de timp ti la care este evaluat.
Media ptratic a p.a. X(t) se calculeaz tot pentru un moment de timp particular ti :
2
(ti )
X 2 (ti )
X i2
A2 sin 2 (2 f ti
A2 sin 2 (2 f ti ) cos 2
A2 sin(2 f ti ) cos
cos(2 f ti )sin
sin (2 f ti )
sin 2 (2 f ti )
sin (2 f ti ) p( f )df
f1
f2
1
2( f 2
f1 )
1
2
1 cos(4 f ti ) df
f1
1
f2
f1
df
f2
1
2( f 2
f1 )
cos(4 f ti ) df
f1
1
1
sin(4 f 2 ti ) sin(4 f1 ti ) ;
2 8 ( f 2 f1 )ti
1
1
sin(4 f 2 ti ) sin(4 f1 ti ) ;
2 8 ( f 2 f1 )ti
cos2 (2 f ti ) 1 sin 2 (2 f ti )
sin(2 f ti ) cos(2 f ti )
1
sin(4 f ti )
2
1
2
f2
sin(4 f ti )
f1
1
4 ( f2
Deci, media ptratic devine:
22
f1 )ti
sin(4 f ti ) p( f )df
1
f2
f1
df
1
f2
cos(4 f ti )
f1
4 ti
cos(4 f1 ti ) cos(4 f 2 ti ) ;
f2
f1
A2 cos 2
2
A2 sin 2
2
A2 cos 2
sin(4 f 2 ti ) sin(4 f1 ti )
8 ( f 2 f1 )ti
A2 sin cos
cos(4 f1 ti ) cos(4 f 2 ti )
2 ( f 2 f1 )ti
A2
2
A2 sin 2
sin(4 f 2 ti ) sin(4 f1 ti )
8 ( f 2 f1 )t
A2 sin cos
cos(4 f1 ti ) cos(4 f 2 ti )
2 ( f 2 f1 )ti
A2 cos 2
sin(4 f 2 ti ) sin(4 f1 ti ) .
8 ( f 2 f1 )ti
(ti )
(ti )
A2
2
2
1
(ti )
A2 sin cos
cos(4 f1 ti ) cos(4 f 2 ti )
2 ( f 2 f1 )ti
A cos
cos(2 f1 ti ) cos(2 f 2 ti )
2 ( f 2 f1 )ti
A2 cos 2
sin(4 f 2 ti ) sin(4 f1 ti )
8 ( f 2 f1 )ti
A sin
sin(2 f 2 ti ) sin(2 f1 ti )
2 ( f 2 f1 )ti
RX (t1 , t2 )
X (t1 ) X (t2 )
A2 cos(2 f t1
) cos(2 f t2
A2
A2
cos 2 f (t1 t2 )
cos 2 f (t1 t2 )
2
2
A2 cos 2
A2 sin 2
cos 2 f (t1 t2 )
sin 2 f (t1 t2 )
2
2
A2
cos 2 f (t1 t2 ) ,
2
unde:
sin 2 f (t1 t2 )
cos 2 f (t1 t2 )
cos 2 f (t1 t2 )
Deci:
RX (t1 , t2 ) A2
cos 2 f1 (t1 t2 ) 2
4 ( f2
A2
cos 2 f 2 (t1 t2 ) 2
f1 )(t1 t2 )
sin 2 f 2 (t1 t2 )
4 ( f2
sin 2 f1 (t1 t2 )
f1 )(t1 t2 )
23
p( )
[0, 2 ]
0 ,
in rest
(t )
X (t )
A sin(2 f t
A sin(2 f t )cos
Asin(2 f t ) cos
cos(2 f t )sin
A cos(2 f t )sin .
unde:
2
cos
d
2
sin
d
2
cos
2
sin
sin
2
cos
2
0,
0
2
0,
0
adic:
1
(t )
A sin(2 f t ) 0 A cos(2 f t ) 0 0.
(t )
X 2 (t )
A sin(2 f t
A2 sin 2 (2 f t )cos 2
A2 sin(2 f t ) cos
cos(2 f t )sin
A2 cos 2 (2 f t )sin 2 ,
unde:
2
sin 2
0
cos 2
sin cos
sin 2
d
2
1 sin 2
1
2
1 sin 2
1
sin 2
2
1 cos 2
d
2
1
4
1
sin 2
8
0
4
1 0.5 0.5 ,
sin 2
d
4
1
cos 2
8
0.
0
Deci:
2 (t )
A2
sin 2 (2 f t ) 0
2
A2
cos 2 (2 f t )
2
A2
.
2
Dispersia v.a. ce rezult din observarea p.a. la momentul de timp fixat t este:
24
0.5 ,
(t )
2
1
2 (t )
(t )
X 2 (t ) X (t )
A2
2
A2
.
2
X (t1 ) X (t2 )
A sin(2 f t1
A2 sin(2 f t1 ) cos
) A sin(2 f t2
cos(2 f t1 )sin
sin(2 f t2 ) cos
0 i sin 2
A2
sin(2 f t1 ) sin(2 f t2 )
2
A2
cos 2 f (t1 t2 ) .
2
RX (t1 , t2 )
cos(2 f t2 )sin
Deoarece cos 2
[0, 2 ] , atunci:
A2
cos(2 f t1 ) cos(2 f t2 )
2
b. Pentru a observa staionaritatea p.a. X(t), trebuie s observm urmtoarele lucruri: media,
media ptratic i dispersia sunt independente de momentul de timp la care s-a fcut
observarea. Astfel, putem scrie:
1
(t )
2 (t )
(t )
t;
0,
A2
,
2
t;
A2
,
2
t.
RX ( )
A2
cos 2 f
2
, unde =t1 t2
ct,
t1 , t2 .
0,
[0, ]
in rest
; cos
0 ; sin cos
0 ; sin 2
1
; cos 2
2
1
.
2
25
(t )
A sin(2 f t )cos
A cos(2 f t )sin
2
A sin(2 f t ) 0 A cos(2 f t )
2
A2 sin 2 (2 f t )cos 2
(t )
2A
A2 2
A2
sin (2 f t ) 0
cos 2 (2 f t )
2
2
2
(t )
2
1
2 (t )
(t )
A2
2
2A
A2 cos 2 (2 f t )sin 2
A2
;
2
cos(2 f t );
A2
sin(2 f t1 )sin(2 f t2 )
2
RX (t1 , t2 )
cos(2 f t );
A2
cos(2 f t1 ) cos(2 f t2 )
2
A2
cos 2 f (t1 t2 ) .
2
Deci p.a. X(t) nu este staionar deoarece media de ordin 1 i dispersia nu sunt constante
n timp, chiar dac media ptratic i funcia de autocorelaie ndeplinesc condiiile de
staionaritate.
1.3
a.
b.
c.
d.
e.
p(a)
A
exp
(a 2) 2
, respectiv p ( )
2 2A
1
,
4
0,
[0, 4 ]
in rest
p()
1
A
2
1
4
a
0
2
Figura 1.5 F.d.p. ale v.a. A distribuit N (2,
26
2
A
-A
Figura 1.6 O realizarea particular x(t) a p.a. X(t), avnd o anumit amplitudine A i o anumit faz .
b. O form de und care nu poate fi o realizare particular a p.a. X(t) este cea din Figura 1.7,
deoarece o form de und triunghiular nu poate fi realizare particular a unui p.a. de tip
sinusoidal.
f(t)
A
t
-A
Figura 1.7 O form de und care nu poate fi realizare particular a p.a. X(t).
(t )
X (t )
A cos(2 ft
).
(t )
A cos(2 ft
2cos(2 ft
).
cos(2 f t
cos(2 f t
) p( )d
0
cos(2 f t
4
sin(2 f t
4
0.
0
Deci:
1
(t ) 0,
t.
X 2 (t )
2
A
A2 cos 2 (2 f t
2
A
1 cos(4 f t 2 )
1 cos(4 f t 2 ) .
Deoarece:
4
cos(4 f t 2 )
0
cos(4 f t 2 )
d
4
sin(4 f t 2 )
8
0
0,
atunci:
2
A
2 (t )
2
A
1 0
t.
X (t1 ) X (t2 )
A2 cos(2 f t1
1 2
A cos 2 f (t1 t2 ) 2
2
1 2
A cos 2 f (t1 t2 ) 2
2
e. Deoarece:
1. A2
2, A
2
A
2
1, A
2. cos 2 f (t1 t2 ) 2
2
A
) cos(2 f t2
cos 2 f (t1 t2 )
1 2
A cos 2 f (t1 t2 ) .
2
4;
0 , pentru
[0, 4 ] ;
RX ( )
2
A
t1 t2 ,
cos(2 f ), unde
t1 t2 .
1.4
2
Y
) , cu
2
X
2
Y
cunoscute.
Rezolvare
a. Media procesului aleator, pentru un moment de timp t fixat, este :
1, Z
28
(t ) Z (t )
X cos(2 f t ) Y sin(2 f t )
X cos(2 f t ) Y sin(2 f t ) 0,
t.
(t )
Z 2 (t )
X cos(2 f t ) Y sin(2 f t )
Z 2 (t )
(t )
2
X
2
Y
sin(2 f t ).
XY
cos 2 (2 f t )
2
Y
sin 2 (2 f t ).
Dispersia va fi:
2
Z
(t )
2, Z
2
1, Z
(t )
Z 2 (t ) Z (t )
(t )
2
X
cos 2 (2 f t )
2
Y
sin 2 (2 f t ) .
RZ (t1 , t2 )
Z (t1 ) Z (t2 )
cos(2 f t1 ) cos(2 f t2 )
2
X
2
Y
2
Y
sin(2 f t1 )sin(2 f t2 ).
2
Y
sin 2 (2 f t )
(t )
Z 2 (t )
2
Z
(t )
2, Z
RZ (t1 ,t2 )
(t )
cos 2 (2 f t )
2
1, Z
(t )
2
Z
cos(2 f t1 ) cos(2 f t2 )
cos 2 f (t1 t2 )
cos 2 f
RZ ( ), cu
, obinem:
2, Z
t;
t;
2
sin(2 f t1 ) sin(2 f t2 )
t1 t2 ,
1.5
p( x)
1
x
p0.5
, pentru t
3 2sin(t )
3 2sin(t )
1
x
p0.5
, pentru t
3
3
p(x)
1
3 2sin t
1
3
x
3
sin t
2
3
sin t
2
x
3
2
3
2
b) t 0
a) t < 0
Figura 1.8 F.d.p. de tip poart pentru un p.a. X(t).
Pentru t < 0, o realizare particular x(t) a p.a. X(t) poate lua valori n intervalul
1.5 sin t ,1.5 sin t cu aceeai probabilitate. A se observa c dimensiunea intervalului
depinde de momentul de timp. Analog, i pentru t 0, numai c acum avem un interval
de dimensiune constant 1.5,1.5 , ce nu depinde de momentul de timp. De asemenea,
i n acest caz, valorile semnalului au aceeai probabilitate.
a. Pentru a reprezenta realizrile particulare ale p.a. X(t), trebui s reprezentm domeniul n
care procesul poate lua valori (linii continue, Figura 1.9.). Orice realizare particular,
reprezentat cu linie ntrerupt, nu trebuie s aib valori n afara acestui domeniu.
x(t)
2
1
t
0
-1
-2
posibile realizri
Figura 1.9 Dou realizri particulare ale p.a. X(t) avnd o anumit amplitudine A i o anumit faz .
30
t.
(t ) 0,
1
y
dy
2a
a
2
1 y3
2a 3
1 a3 a3
2a 3
a2
.
3
2
X
(3 2sin t ) 2
, pentru t
12
3
, pentru t 0
4
(t )
d. Un proces este s.l. dac media i dispersia sunt independente de momentul de timp la
care se face observarea, iar funcia de autocorelaie depinde de diferena de timp dintre
momentele de observare.
n cazul nostru, media este zero, iar dispersia depinde de timp, pentru t < 0. n concluzie,
procesul nu este staionar n sens larg.
1.6
1/ T , 0 td
p td
1 0 0
0,
altfel
0 1
1 0 1
mesajul binar
x(t)
+A
0
-A
td
31
Fie v.a. X i i X j obinute prin observarea p.a. X(t) la momentele de timp ti , respectiv tj.
Dac ti t j
Dac ti t j
T , cu ti
0 i t j
Xi X j
Xi X j
0.
A2 , td T | ti t j |
P[ X i X j | td ]
0,
altfel
Mediind acest rezultat peste toate valorile posibile ale lui t d , obinem:
T |ti t j |
T |ti t j |
2
Xi X j
A p td dtd
0
A2
dtd
T
A2 1
| ti t j |
T
, | ti t j | T .
Printr-un raionament asemntor, pentru orice alt valoare a lui ti , gsim c funcia de
autocorelaie a semnalului binar aleator, este o funcie ce depinde numai de diferenele
de timp :
RX ( )
A2 1
| |
, | | T
,
T
0,
| | T
ti t j .
-T
32
RXY ( )
c.
RXY ( )
RX (0) RY (0) ;
X (t )Y (t
) Y (t
) X (t ) .
RYX (
).
X (t ) Y (t
0,
de unde:
X 2 (t ) 2 X (t )Y (t
) Y 2 (t
) 0.
Y (t
X (t )
0,
de unde:
X 2 (t ) 2 X (t )Y (t
1.8
) Y 2 (t
) 0
[n] Y [n]
2,Y
[ n] Y 2 [ n ]
X [n] 2 X [n 1] X [n 2] ,
X [n] 2 X [n 1] X [n 2]
X [n] 2 X [n 1] X [n 2]
X 2 [n] 4 X 2 [n 1] X 2 [n 2] 4 X [n] X [n 1]
2 X [n] X [n 2] 4 X [n 1] X [n 2]
Deoarece seria X[n] este pur aleatoare, eantioanele sunt independente ntre ele i putem
scrie:
2,Y
[ n]
X 2 [n] 4 X 2 [n 1] X 2 [n 2]
4 X [n] X [n 1] 2 X [ n] X [ n 2] 4 X [ n 1] X [ n 2]
Pentru a calcula aceste medii avem nevoie de mediile statistice ale s.a. X[n]. F.d.p. pentru
o distribuie uniform a eantioanelor s.a. X[n], n intervalul [-1,1], este:
1
, x [ 1,1]
.
2
0, n rest
p( x)
[ n]
X [ n]
x p( x) dx
X 2 [ n]
x 2 p ( x) dx
1
x dx 0 ,
2
1
1
2, X [ n]
x2
1
1
1
dx
.
2
3
[n]
X [n] 2 X [n 1] X [n 2] 0 2 0 0 0 ,
2,Y
[ n]
X 2 [n] 4 X 2 [n 1] X 2 [n 2] 4 X [n] X [n 1] 2 X [ n] X [ n 2]
4 X [n 1] X [n 2]
1
1 1
4
0 0 0
3
3 3
[ n]
2,Y
[ n]
2
1,Y
[ n] 2 0
2.
Deoarece o s.a. staionar, printr-o transformare liniar, devine tot o s.a. staionar,
putem scrie funcia de autocorelaie a s.a. Y[n] ca fiind:
34
RY [m] Y [n]Y [n m]
X [n] 2 X [ n 1] X [ n 2] X [ n m] 2 X [ n m 1] X [ n m 2]
X [n] X [n m] 2 X [ n] X [ n m 1] X [ n] X [ n m 2] 2 X [ n 1] X [ n m]
4 X [n 1] X [n m 1] 2 X [n 1] X [n m 2] X [n 2] X [n m]
2 X [n 2] X [n m 1) X [n 2] X [n m 2]
RX [m] 2 RX [ m 1] RX [m 2] 2 RX [m 1] 4 RX [m] 2 RX [m 1]
RX [m 2] 2 RX [m 1] RX [m]
RX [m 2] 4 RX [m 1] 6 RX [m] 4 RX [m 1] RX [ m 2].
unde funcia de autocorelaie a seriei pur aleatoare X[n] este:
RX [ m ]
[m], m 0
0,
RY [m]
1.9
[m 2] 4 [m 1] 6 [m] 4 [m 1]
[m 2] .
1
1
1
X [ n]
X [n 1]
X [n 2] .
2
4
4
1
1
1
1
1
1
X [ n]
X [n 1]
X [n 2]
X [ n m]
X [n m 1]
X [n m 2]
2
4
4
2
4
4
1
1
1
X [ n] X [ n m]
X [n] X [n m 1]
X [n] X [n m 2]
4
8
8
1
1
1
X [n 1] X [n m]
X [n 1] X [n m 1]
X [n 1] X [ n m 2]
8
16
16
1
1
1
X [n 2] X [n m]
X [n 2] X [n m 1]
X [n 2] X [n m 2]
8
16
16
1
3
3
3
1
RX [m 2]
RX [m 1]
R X [ m]
RX [m 1]
RX [m 2] .
8
16
8
16
8
Funciile de corelaie mutual dintre cele dou s.a. se pot calcula astfel:
35
RXY [m]
1
1
1
X [ n m]
X [n m 1]
X [n m 2]
2
4
4
1
1
1
X [ n] X [ n m]
X [n] X [n m 1]
X [n] X [n m 2]
2
4
4
1
1
1
RX [ m]
RX [m 1]
RX [m 2] .
2
4
4
X [n]Y [n m]
X [ n]
b. Pentru cazul n care s.a. X[n] este un zgomot alb, funcia de autocorelaie este:
RX [ m ]
[m], m 0
0,
1
3
3
3
1
[m 2]
[m 1]
[ m]
[m 1]
[m 2] ,
8
16
8
16
8
1.10
RYX [m]
1
1
1
[ m]
[m 1]
[m 2] ;
2
4
4
RXY [m]
1
1
1
[ m]
[m 1]
[m 2] .
2
4
4
1
1
X [ n]
X [n 1] i Z[n]
2
2
1, X
0 i dispersie
2
X
. Pe baza
X [n] X [n 1] .
Pentru aceste noi serii, s se calculeze mediile, mediile ptratice, dispersiile, funciile de
autocorelaie precum i funciile de corelaie mutual.
Rezolvare
Din ipotez, avem c media s.a. X[n] este zero
1, X
0.
n aceste condiii, media ptratic s.a. X[n] este egal cu dispersia acesteia,
Dac s.a. X[n] este staionar, atunci i s.a. Y[n] i Z[n] sunt staionare.
Dac s.a. X[n] este de tip zgomot alb, atunci funcia de autocorelaie este:
RX [ m ]
36
[m], m 0
0,
2, X
2
X
1
2
1, X
1, X
1
2
1, X
0,
0.
1
1
1 2
1
1 2
X [ n]
X [n 1]
X [ n]
X [n] X [n 1]
X [n 1]
2
2
4
2
4
1 2
1
1 2
1, X
2, X
X ,
2
4
2
Y [ n]
2,Y
1
4
2, Z
2, X
Z 2 [ n]
2, X
X [n] X [n 1]
2
2
1, X
2, X
2
X
X 2 [n] 2 X [n] X [n 1] X 2 [n 1]
n condiiile n care mediile s.a. Y[n] i Z[n] sunt zero, atunci dispersiile vor fi egale cu
mediile ptratice:
2
Y
2,Y
1
2
2
X
2
Z
2, Z
1
2
2
X
1
1
X [ n]
X [n 1]
2
2
1
1
X [ n ] X [ n m]
X [n] X [ n m 1]
4
4
1
1
1
RX [m 1]
RX [ m]
RX [m 1]
4
2
4
RY [m] Y [n]Y [n m]
RZ [m] Y [n]Y [n m]
1
1
X [ n m]
X [n m 1]
2
2
1
1
X [ n 1] X [ n m]
X [ n 1] X [ n m 1]
4
4
1
1
1
[ m 1]
[ m]
[ m 1].
4
2
4
X [n] X [n 1] X [n m] X [n m 1]
X [n] X [n m] X [ n] X [ n m 1] X [ n 1] X [ n m] X [ n 1] X [ n m 1]
RX [m 1] 2 RX [m] RX [m 1] [m 1] 2 [ m] [ m 1].
1
1
X [n m]
X [n m 1]
2
2
1
1
1
1
1
1
X [ n ] X [ n m]
X [n] X [n m 1]
RX [m]
RX [m 1]
[m]
[ m 1],
2
2
2
2
2
2
RXZ [m]
X [ n ]Z [ n m ]
X [ n] X [ n m] X [ n m 1]
X [n] X [n m] X [n] X [n m 1]
RX [ m] RX [ m 1]
[ m]
[ m 1],
37
1
1
X [ n]
X [n 1]
2
2
1
1
X [ n ] X [ n m]
X [n] X [ n m 1]
2
2
1
1
1
RX [m 1]
RX [m 1]
[m 1]
2
2
2
1.11
X [n m] X [n m 1]
1
1
X [ n 1] X [ n m]
X [ n 1] X [ n m 1]
2
2
1
[m 1].
2
X (t )
A sin(2 f t
),
1
m1 (k ) lim
T
2T
x(t )dt
T
1
lim
T
2T
A sin 2 f t
dt
T
T
A cos 2 f t
lim
T
2T
2 f
lim
k
T
A cos(2 f T
) A cos( 2 f T
4 fT
m1
0,
38
RX ,k (t1 , t2 ) lim
T
1
2T
2 T
lim
T
A
2T
A2
lim
T
4T
lim
sin 2 f (t t1 )
T
cos 2 f (t1
A2 cos 2 f (t1 t2 )
dt
4T
cos 2 f (t1 t2 )
cos 2 f (2t t1 t2 ) 2
dt
A2 sin 2 f (2t t1 t2 ) 2
2T lim
T
4T
4 f
sin 2 f (t t2 )
A2
t2 ) dt lim
T
4T
T
k
T
cos 2 f (t1 t 2 ) .
RX( k ) ( )
RX (t1 , t2 )
RX ( )
A2
cos 2 f
2
, unde
t1 t2 .
1.12
(t ) Y (t )
a0
a1 X (t ) cos(2 f 0t
a0 cos(2 f 0t
) a1 X (t ) cos(2 f 0t
,
)
unde a0 i a1 sunt parametri determiniti. Deoarece p.a. X(t) este independent de i cum
media p.a. X(t) este zero avem:
1,Y
(t ) a0 cos(2 f0t
) a1 X (t ) cos(2 f0t
) a0 cos(2 f0t
).
Deoarece parametrul este distribuit uniform n intervalul [0,2], acesta are f.d.p.:
39
p( )
[0, 2 ]
in rest
(t )
a0 cos(2 f t
a0
cos(2 f t
cos(2 f t
2
) p( )d
0
sin(2 f t
2
0.
0
) cos(2 f 0t2
).
a02 a0 a1
1, X
(t1 ) a0 a1
1, X
(t1 )
1, X
).
(t2 ) 0, t1 , t2 i
RX ( ),
cos a cos b
1, X
) cos(2 f 0t2
1
1
cos(a b)
cos(a b) ,
2
2
obinem:
RY (t1 , t2 )
1
cos 2 f 0 (t1 t2 ) 2
2
a02 a12 RX ( )
1
cos 2 f 0 (t1 t2 )
2
Dar
2
cos 2 f (t1 t2 ) 2
0
cos 2 f (t1 t2 ) 2
2
sin 2 f (t1 t2 ) 2
4
0,
0
i obinem:
1 2
a0
2
RY (t1 , t2 )
sau
RY ( )
1 2
a0
2
a12 RX ( ) cos(2 f 0 ), cu
t1 t2 , t1 , t2 .
Y (t )
lim
1
2T
y (t )dt
Y (t )
1,Y
0.
y(t)
anvelopa (a0+a1x(t))
a0+a1
a0
-a0
-a0-a1
anvelopa (-a0-a1x(t))
Figura 1.12 O realizare particular a p.a. Y(t) modulat n amplitudine.
Pentru ca transmisia s fie eficient, trebuie ca frecvena semnalului modulator x(t) s fie
mult mai mic dect frecvena f0 a semnalului purttor. Astfel, ntr-o perioad a
semnalului modulat y(t), a0+a1x(t) poate fi considerat constant, deci:
m1,Y
lim
1
2T
cos 2 f 0t
dt
0,
1.13
X (t1 ) X (t2 )
X (t1 ) X (t2 )
2
1
Notam
2
1
lim RX ( )
t1 t2
| |
adic limita cnd tinde la infinit din funcia de autocorelaie este ptratul componentei
continue.
Puterea este valoarea funciei de autocorelaie n zero, fiind egal i cu media ptratic:
RX (0)
X 2 (t )
X (t ) X (t )
X (t )
2
1
X (t )2 2 X (t )
2
1
X (t )2 2 1 X (t )
2
1
2
1
RX (0) RX ( ) .
RX ( )
X (t ) X (t
X (t
) X (t )
RX (
),
1.14
0
Figura 1.15 Funcia de autocorelaie RX() pentru p.a. ergodic X(t).
m1
X (t )
m2
X 2 (t )
2
2
42
2
1
X (t )
X 2 (t )
A B B
lim R( )
RX (0)
A;
B;
A B;
Pm
A B.
RX (0)
(x
1
exp
2
p ( x)
1
2
)2
1
exp
2 A
p ( x)
1.15
B )2
.
2A
(x
x(t )
1, t
0, 2
0, t
2, 6 .
2, t
6, 7
m1
x(t )
1
x(t )dt
T0
Et x(t )
1
1
dt
2dt
70
76
T 7
2
7
2
7
0.
Pm
m2
x (t )
Et x (t )
1 2
x (t )dt
70
1
dt
70
1
4dt
76
2
7
4
7
6
.
7
m2
6
.
7
x(t ) x(t
y (t , )
m1, y .
Pentru semnalul particular x(t), y(t,) va fi calculat pentru fiecare interval de valori a lui
:
43
(0,1)
(1, 2)
(2,3)
(3,3.5]
y(t , )
y(t , )
y(t , )
1, t [0, 2
0, t [2
, 6)
m1, y
4, t [6, 7 )
2, t [7 , 7]
1, t [0, 2 )
0, t [2 , 6)
2, t [6, 7]
m1, y
0, t [0,6)
2, t [6,9 ]
m1, y
y(t , ) 0
m1, y
1
7
1
7
dt
4dt
6
7
dt
0
1
7
2dt
2dt
6
2dt
6
6
7
2
;
7
0.
Analog, se calculeaz i pentru domeniul de valori negative al lui , astfel nct funcia de
T T
autocorelaie poate fi scris pentru
,
3.5,3.5 :
2 2
0,
6
7
2
,
7
[ 3, 2)
[ 2, 1)
7
R( )
[ 3.5, 3)
6
7
,
6
7
[ 1, 0)
,
[0,1)
,
7
6 2
,
7 7
0,
[1, 2)
[2,3)
[3,3.5]
Deoarece funcia de autocorelaie este periodic, aceasta se poate extinde pe toat axa
valorilor reale i se poate reprezenta ca n Figura 1.16:
R( )
44
R(
iT ),
T T
, ,i
2 2
-7
7
T =7
1.16
x(t )
0,
t [1, 2]
m1
1
x(t )dt
T0
x(t )
1
Adt
20
A
.
2
Pm
1 2
x (t )dt
T0
x (t )
1 2
A dt
20
A2
.
2
[ 1, 0)
[0,1]
R( )
R( )
x(t ) x(t
x(t ) x(t
1
2
)
)
1
2
A2 dt
1
2
A dt
0
) A2
(1
2
(1
) A2
2
(1
R( )
) A2
,
2
(1 ) A2
,
2
[ 1, 0)
[0,1]
45
-3
-2
-1
T=2
Figura 1.17 Funcia de autocorelaie pentru un semnalul periodic x(t), cu T=2.
1.17
1,
0,
t T
altfel
i f 2 (t ) | t | e |t| ,
f 2 (1) .
1.18
Rezolvare
a. Fie p.a. X (t ) A B cos(2 f t ) , unde A, B, f sunt constante, iar t variaz. Funcia de
autocorelaie este dat de:
RX ( )
46
X (t ) X (t
A B cos(2 f t ) A B cos 2 f (t
A2
AB cos(2 f t ) cos 2 f (t
B 2 cos 2 f (t
) cos(2 f t )
A2
AB cos(2 f t ) cos 2 f (t
B 2 cos 2 f (t
) cos(2 f t )
) .
b. Fie p.a. X (t ) A B cos(2 f t ) , unde A, B sunt constante, iar f este o v.a. distribuit
uniform n intervalul [0, fmax]. Funcia de autocorelaie va fi:
RX ( )
A2
AB cos(2 f t ) cos 2 f (t
B2 cos(2 f t ) cos 2 f (t
) .
cos(2 f t )
cos(2 f t ) p( f ) df
cos(2 f t )
0
1
f max
sin(2 f t ) max
2 t
0
1
f max
df
1
sin(2 f max t ) sinc(2 f max t ).
2 f max t
f max
cos 2 f (t
cos 2 f (t
) p( f ) df
cos 2 f (t
f max
cos
t cos
sin 2 f (t
f max
2 (t
)
)
1
cos
2
1
cos
2
df
f max
sinc 2 f (t
) .
1
cos 2 t
2
1
sin 2 t
2
1
sin
2
1.19
Z (t ) Z (t
X (t ) X (t
X (t ) Y (t ) X (t
) X (t )Y (t
) Y (t
) Y (t ) X (t
) Y (t )Y (t
).
RX ( ) X (t ) Y (t
) Y (t ) X (t
) RY ( )
RZ ( )
RX ( ) X (t ) Y (t ) Y (t ) X (t ) RY ( )
RX ( ) 2 X (t ) Y (t ) RY ( ).
RX ( ) RY ( ) .
RZ ( )
b. Pentru a deduce o relaie general, care s fie valabil i pentru medii nenule, trebuie s
inem seama de o proprietate a funciei de autocorelaie:
lim RX ( )
X (t ) ,
astfel:
RZ ( )
1.20
RX ( ) RY ( ) 2 RX ( ) RY ( ) .
f3()
f4()
f5()
f6()
Rezolvare
Funciile f1(), f2(), f3() i f4() nu pot fi funcii de autocorelaie, pentru c:
1. f1() i f3() nu sunt funcii pare;
2. f2() nu are valoarea maxim n origine;
3. valoarea din origine a lui f4() nu reprezint un maxim absolut.
Funciile f5() i f6() pot fi funcii de autocorelaie, pentru c sunt funcii pare, au
maximul n origine.
48
a.
b.
c.
d.
e.
1.22
X (t )
A cos(2 f t
),
unde frecvena f i faza sunt constante iar amplitudinea A este o v.a. uniform
distribuit n intervalul [0,1] V.
a. S se determine dac procesul este s.l.;
b. S se verifice ergodicitatea procesului X(t).
1.23
49
1.24
A cos(2 f t ) ,
X (t )
unde A este o v.a. cu distribuie Gaussian de medie zero i dispersie 2A iar f este
constant. Acest p.a. este aplicat la intrarea unui integrator ideal, producnd ieirea:
t
X( )d .
Y (t )
0
1.25
1.26
F.d.p., medii statistice, medii temporale, staionaritate, ergodicitate. [Hay01] Comm 1.6.
Fie p.a. X(t) reprezentat de forma de und dretunghiular din Figura 1.19, de amplitudine
constanta A, perioad T i defazaj td.
Defazajul este aleator, dat de f.d.p.:
p(td )
1
,
T
0,
1
T td
2
altfel
1
T
2 .
x(t)
A
t
td
50
S se determine f.d.p. a v.a. X(tk) obinut prin observarea p.a. X(t) la momentul tk;
S se determine mediile statistice ale p.a. X(t);
S se determine mediile temporale ale p.a. X(t);
P.a. X(t) este staionar? De ce ordin? Dar ergodic?
1.27
1.28
RY ( ) [V 2 ]
5T
4T
3T
2T
2T
3T
4T
5T
1.29
2sin 2
2sin 2 cos 2
2
2
1
(1 cos 2 ) .
4
1.30
51
b. RX [k ] E x[n] x[n k ]
unde E A2
1.31
E A2 ,
1.32
X (t , 1 )
x1 (t ) 2cos(2 t ) ,
X (t , 3 )
x3 (t ) t ,
X (t ,
x2 (t ) sin(2 t ) ,
X (t ,
x4 (t ) e t .
1.33
X (t )
Ai , iT
(i 1)T , pentru i (
1
1
1
(ai 1)
(ai )
(ai 1) .
4
2
4
),
1.34
1
1
(ai 1)
(ai ) ,
2
2
Ai s (t iTb ) .
i
53
Suma a n v.a.
Valoarea medie
54
Varianta
55
56
57