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.

Spaiul realizrilor
s1 posibile, S
x1 ( t ) x1 ( tk )
s2

t
sn x2 ( t ) x2 ( tk )

xn ( t ) xn ( tk )

t

t1 tk

Figura 1. Un ansamblu de realizri posibile

1
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 k 2 k n k k 1 k 2 k k
(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 ) :

(4)
X ( t ) = E { X ( t )} = x p X ( t ) ( x ) dx

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

(6)
X (t ), X (t ) = E { X ( t1 ) X ( t2 )} =
1 2 x1 x2 p X ( t1 ), X ( t2 ) ( x1 , x2 ) dx1 dx2

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 ) , t <T 2 (12)
xT ( t ) = n
0, 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

1 (13)
ST ( ) = X T ( )
2

T
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 :

3
 F ( ) = lim m {ST ( )} = lim
T
1
T T
{
m X T ( )
2
} (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
T
(18)
x (T ) = x ( t ) dt
2T T

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:
1
T
1
T
(19)
E { x (T )} = E { x ( t )} dt = X dt = X
2T T
2T T

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)
T

4
 2. Dispersia lui x (T ) , considerat ca variabil aleatoare, tinde spre zero, atunci cnd

T :

lim var { x (T )} = 0 (22)

T

O alt medie de interes este autocorelaia. Se poate defini o medie temporal pentru estimarea
autocorelaiei:
1
T
(23)
Rx ( , T ) = x ( t + )x ( t ) dt
2T T

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:
No (25)
SW ( ) =
2
Parametru N 0 se raporteaz de obicei, etajul de intrare al receptorului i se exprim cu:

5
 N 0 = kTe (26)
unde Te fiind temperatura echivalent de zgomot a receptorului.
Funcia de autocorelaie a zgomotului alb este:
No (27)
RW ( ) = ( )
2
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}');