Lucrarea nr.

Semnale aleatoare. Caracterizarea in domeniul frecventa

1. Obiectivul lucrării: Calculul densitatii spectrale de putere a unui semnal aleator si

valoarea puterii intr-o anumita banda de frecventa.

Aplicatia 5: Calculul puterii intr-o banda de frecventa

1. Densitatea spectrala de putere a proceselor aleatoare stationare in sens larg

Pentru un semnal determinist x(t), puterea medie a semnalului a fost definita prin:

 1 T x 2
P x T lim 2T (t)dt (1)
 T

Daca semnalul determisnist este periodic cu perioada T0, se poate defini o functie de
autocorelatie ca medie temporala <Rxx()>T0 prin relatia:

1 T0
 R xx ()  
T 0 T  x(t) x(t  )dt (2)
0 0

Densitatea spectrala de putere Sxx(f) si functia de autocorelatie sunt perechi Fourier:


Px   S xx ( f )df (3)
 

Pentru a aputea aplica insa analiza clasica si in cazul unei realizari particulare a unui proces
aleator, realizarea X(k)(t) se trunchiaza la o durata T, asa cum se indica in figura 1, dupa
relatia:

 t
T
X (k ) (t),
X (t)  
(k)
  2 (4)
T T
 0, t
 2

Se defineste densitatea spectrala de putere a semnalului trunchiat:

2
def X ( k ) ( j )
T
S X X (  ) 
(k)
(5)
T T

Densitatea spectrala de putere a semnalului aleator X(t) se defineste prin relatia

 2 Prelucrarea statistica a semnalelor

1  ( k ) 2
S XX (  )  lim E X T (  )  (6)
T   T  

Teorema Wiener-Hincin: Functia densitate spectrala de putere SXX() a unui proces aleator
X(t) este transformata Fourier a functiei sale de autocorelatie:

 S XX (  )  FR XX (  )  R XX (  )  e j  d (7)
  
si relatia inversa:
  
R XX (  )  F S XX (  )
 1
1  j d
2  S XX
( ) e (8)
 

2. Proprietatile functiei densitate spectrala de putere

Densitatea spectrala de putere a unui proces aleator X(t) stationar, pe scurt spectrul lui X(t),
are un numar important de proprietati:

1. Densitatea spectrala de putere este o functie nenegativa.

2. Puterea medie a procesului aleator X(t) se calculeaza cu relatia:

  
PX  E X2 ( t )
 R XX ( 0 ) 
1
2  S XX (  )  d   S XX ( f )  df
(1)
   

3. Pentru procese X(t) aleatoare reale, functia de autocorelatie este o functie para si, de
asemenea, functia densitate spectrala de putere este o functie para:

S XX (  )  S XX (  ), RXX (  )  R XX (  ) (2)

4. Daca procesul aleator X(t) are componente periodice, atunci densitatea spectrala de putere
SXX() are in componenta impulsuri.

3. Functia densitate spectrala de interactiune

Legatura dintre procesele aleatoare X(t) si Y(t) cu valori reale este exprimata in
domeniul frecventa prin intermediul functiei densitate spectrala de putere de interactiune
SXY(f), definta ca transformata Fourier a functiei de intercorelatie RXY():


S xy ( f )   R XY (  )  e j  d (1)
  
si relatia inversa:

R XY (  )  S XY ( f )  e j  df
 (2)
 
 Lucrarea nr. 5 - Calculul functiei densitate spectrale de putere 3

In opozitie fata de f.d.s.p., care este o functie reala de variabila frecventa, functia d.s.p. de
interactiune este, in general, o functie complexa. Cateva proprietati ale functiei densitate
spectrala de putere de interactiune:

1. Simetrie
S XY ( f )  S*XY ( f ) (3)

2. Partea rela este o functie para iar partea imaginara o functie impara: 

ReS XY ( f )  ReS XY ( f ) (4)

ImS XY ( f )   ImS XY ( f ) (5)

3. Densitatea spectrala de puetere de interactiune este zero daca procesele aleatoare sunt
ortogonale:

S XY ( f )  0 (6)

4. Daca procesele aleatoare X(t) si Y(t) sunt independente atunci:

S XY ( f )   X  Y  ( f ) (7)

In multe aplicatii ce folosesc f.d.s.p. de interactiune se utilizeaza si o functie reala:

2
2 S XY ( f )
 XY ( f )  1 (8)
S XX ( f )  SYY ( f )

numita functie de coerenta si utilizata ca indicator al dependentei intre doua procese aleatoare
X(t) si Y(t). Cand 2XY ( f 0)  0 la o frecventa particulara f0, atunci X(t) si Y(t) sunt necoerente
la frecventa respectiva. Daca 2XY ( f 0)  1 se spune ca procesele aleatoare sunt coerente
(corelate) total la frecventa considerata. Daca procesele X(t) si Y(t) sunt independente statistic,
atunci 2XY ( f )  0 pentru orice valoare a frecventei, mai putin pentru f=0.

4. Desfasurarea lucrarii

1). Se ruleaza programul “L5_1.m” pentru calculul densitatii spectrale de putere, dupa
definitie (M2) si dupa Matlab (M1). Se remarca influenta numarului de esantioane asupra
preciziei de estimare a spectrului de putere.

Sa se completeze tabelul 1, cu valorile estimate ale frecventelor si amplitudinilor

componentelor. Valorile reale sunt: f1 =100 Hz, f2 = 320 Hz, A1=A2=1 V.

Se reprezinta/tiparesc figurile obtinute.

Sa se explice/prezinte cauza diferentelor in reprezentarea dsp-ului.

4 Prelucrarea statistica a semnalelor

Care este lungimea cadrului ce determina cea mai buna rezolutie in frecventa ?

Care metoda este mai buna din pdv al estimarii ?

Tabel 1
N f1ˆ fˆ2 Â1 Â2
M1 M2 M1 M2 M1 M2 M1 M2
50
100
150
200
250

2). Se ruleaza programul “L5_2.m” pentru calculul densitatii spectrale pe cadre de lungime
NF = 256, 512, 1024, prin doua metode: spectrul instantaneu (al cadrului prelucrat) (M1) si
spectrul mediat pe cadrele prelucrate (M2).

Sa se completeze tabelul 2, cu valorile estimate ale frecventelor si amplitudinilor

componentelor. Valorile reale sunt: f1 =100 Hz, f2 = 320 Hz, A1=A2=1 V.

Se reprezinta/tiparesc figurile obtinute.

Care este lungimea cadrului ce determina cea mai buna rezolutie in frecventa ?

Care metoda este mai buna din pdv al estimarii ?

Tabel 2
N f1ˆ fˆ2 Â1 Â2
M1 M2 M1 M2 M1 M2 M1 M2
256
512
1024

3). Se ruleaza programul “L5_3.m” pentru calculul dsp din functia de autocorelatie.

Sa se completeze tabelul 3, cu valorile estimate ale frecventelor si amplitudinilor

componentelor. Valorile reale sunt: f1 =100 Hz, f2 = 320 Hz, A1=A2=1 V.

M1- bias este metoda cu autocorelatie deplasata (xcorr(., ‘biased) )

M2- unbiased este metoda cu autocorelatie nedeplasata (xcorr(., ‘unbiased) )
M3- este metoda de estimare cu periodograma

Se reprezinta/tiparesc figurile obtinute.

Care metoda este mai buna din pdv al estimarii ?

Tabel 3
 Lucrarea nr. 5 - Calculul functiei densitate spectrale de putere 5

N f1ˆ fˆ2 Â1 Â2

M1- M2- M3 M1- M2- M3 M1- M2- M3 M1- M2- M3
bias unbised bias unbised bias unbised bias unbised

256
512
1024

Tema pentru acasa: Sa se scrie un program pentru calculul puterii intr-o anumita banda de
frecventa, limitele benzii, f1 si f2 , fiind citite de la tastatura, pentru

a A
S XX ( f )  2 , f   ,
a  2  f 
2 2

Parametrii sunt:
a = ziua_nasterii /10;
A = a / luna nasterii;


Se vor considera perechile (f1, f2) = (0,100), (0, 200), (100,500).

Sa se reprezinte grafic SXX(f) si banda de frecventa in care se gaseste jumatate din puterea
semnalului.

Se intomeste un referat cu rezultatele obtinute la punctele 1-3 din desfasurarea lucrarii.

■
6 Prelucrarea statistica a semnalelor

Anexa 1 – Codul sursa pentru “L5_1.m”

clc; clear; clf;
% analiza spectrala cu DFT ...... pe o singura inregistrare..
% doua componnete spectrale plus zgomot

figure(1);
f0 = 100; % prima frecventa;
f1 = 320; % a doua frecventa;
fs = 1000; % frecventa de esantionare

for N = [50:50:250],
t = 0:1/fs:(N-1)*(1/fs);
u = cos(2*pi*t*f0) + cos(2*pi*t*f1);
v = 0.1 * randn(size(t));
y = u + v;

df = fs / N;
f = (0: N/2-1) * df;
ys = fft(y,N);
abs_ys = ys .* conj(ys)./ N;
nf = length(f);
specp_plus = abs_ys(1:nf);
specp = specp_plus ./ N;
specp_dB = 10 * log10(specp);
% axa frecventei
% densitatea spectrala de energie
% patratul modulului dse
% numarul de puncte de pe axa frecventei
% modulul dsp (+)

subplot(211), plot(t,y, t,v,'r'); legend('y','v'); title(num2str(N));

subplot(223), periodogram(y,[],N,fs); title('Periodograma (Matlab)');
subplot(224), plot(f,specp_dB); xlabel('f[Hz]'); ylabel('S(w)');
title('DSP [dBm/Hz] - dupa definitie'); grid;
pause;
end;
============================END================================

Anexa 2 – Codul sursa pentru “L5_2.m”

clc; clear; clf;

% analiza spectrala cu DFT....
% calculul pe ferestre de lungime NF

figure(1);

f0 = 100;
f1 = 320;
fs = 1000;

% se genereaza un semnal de lungime maxima N = 5000;

N = 5000;
t = 0:1/fs:(N-1)*(1/fs);
u = cos(2*pi*t*f0) + cos(2*pi*t*f1);
 Lucrarea nr. 5 - Calculul functiei densitate spectrale de putere 7

v = 0.1 * randn(size(t));
y = u + v;

% se considera lungimea cadrului NF ... 256;

NF = 1024; % lungimea cadrului
df = fs / NF;
F = (0: NF/2-1) * df; % axa frecventei
gata = 0;
yp = y;
SXX = zeros(1,length(F));
k = 1;
while ~gata,
ny = length(yp);
if ny > NF,
x = yp(1:NF);
yp = yp(NF+1 : ny);
else
x = yp;
for i = 1:NF - ny, % completare cu zerouri ...
x = [x 0];
end;
gata = 1;
end;
[s,f] = f_SXX(x,fs);
SXX = (SXX + s)/2;

subplot(211), plot(f,s);
title('DSP cadru curent (instantaneu)'); % cadrul curent ...
ylabel(strcat('cadrul = ', num2str(k)));
grid; xlabel('Hz');
subplot(212), plot(f,SXX);title('spectrul mediat'); grid;
disp('numarul de esantioane neprelucrate'); xlabel('Hz');
length(yp)
pause;
k = k+1;
end;
============================END================================
8 Prelucrarea statistica a semnalelor

Anexa 3 – Codul sursa pentru “L5_3.m”

clc; clear; clf;

% calculul dsp plecand de la autocorelatie .....

figure(1);

f0 = 100; f1 = 320; fs = 1000;

% se genereaza un semnal de lungime maxima N = 5000;

N = 256;
t = 0:1/fs:(N-1)*(1/fs);
u = cos(2*pi*t*f0) + cos(2*pi*t*f1);
v = 0.3 * randn(size(t));
y = u + v;

% calculul autocorelatiei..
metoda = 'bias'; % 'unbiased';
metoda = 'unbiased';
ryy = xcorr(y, metoda);

% calculul dsp cu Wiener-Hincin...

ycorr = ryy(N:length(ryy)); % se extrage partea cu tau > 0;
N = length(ycorr);
df = fs / N;
F = (0: N/2-1) * df; % axa frecventei pozitive
ys = fft(ycorr,N); % densitatea spectrala de energie
abs_ys = ys .* conj(ys)./ N; % patratul modulului densitatii spectrale de putere
nf = length(F); % numarul de puncte de pe axa frecventei
specp_plus = abs_ys(1:nf); % modulul densitatii spectrale de putere (+)
specp = specp_plus ./ N;
specp_dB = 10 * log10(specp);
syy = specp_dB;

figure(1);
subplot(211), plot(ryy); grid; title('functia de autocorelatie')
subplot(212), plot(F, syy);grid; title('DSP cu Wiener-Hincin')

% calculul dsp. .. cu DFT

NF = N;
df = fs / NF;
F = (0: NF/2-1) * df; % axa frecventei
[SYY,F] = f_SXX(y,fs);

figure(2);
subplot(211), plot(F,syy); title('DSP cu/din din corelatie (M1/M2)');
xlabel('frecventa [Hz]'); grid;
subplot(212), plot(F,SYY);title('Periodograma (M3)');
xlabel('frecventa [Hz]'); grid;
============================END================================
 Lucrarea nr. 5 - Calculul functiei densitate spectrale de putere 9

function [SXX, F] = f_SXX(y, fs)

% analiza spectrala cu DFT....

% SXX densitatea spectrala de putere in "dB"
% numarul de puncte FFT este egal cu lungimea vectorului y;
% fs este frecventa de esantionare ..
% F este axa pozitiva a frecventei

N = length(y);
df = fs / N;
F = (0: N/2-1) * df; % axa frecventei
ys = fft(y,N); % densitatea spectrala de energie
abs_ys = ys .* conj(ys)./ N; % patratul modulului densitatii spectrale de putere
nf = length(F); % numarul de puncte de pe axa frecventei
specp_plus = abs_ys(1:nf); % modulul densitatii spectrale de putere (+)
specp = specp_plus ./ N;
specp_dB = 10 * log10(specp);

SXX = specp_dB;

============================END================================