Documente Academic
Documente Profesional
Documente Cultură
1. Introducere
Definitia 1: Doua procese aleatoare sunt egale daca realizarile lor sunt identice pentru orice
valoare a variabilei t. Egalitatea implica ca procesele sunt definite in acelasi experiment
aleator.
■
Definitia 2: Doua procese X(t) si Y(t) sunt necorelate in intervalul de timp I , daca functia
de intercovarianta este zero:
C XY (t 1, t 2) 0, t 1, t 2 I (2)
■
Definitia 3: Procesele aleatoare X(t) si Y(t) sunt ortogonale pe intervalul I , daca functia
de intercorelatie este zero pe acest interval:
R XY (t 1 , t 2) 0, t 1, t 2 I (3)
■
1). Functia de autocorelatie a proceselor aleatoare stationare in sens larg cu valori reale se
calculeaza cu relatia:
2). Daca X(t) este un semnal aleator de tensiune pe o rezistenta de 1, atunci media statistica
(pe multime) a valorilor lui X2(t) este puterea medie disipata pe rezistorul de 1 de procesul
aleator X(t):
E X 2 (t) Puterea medie R XX (0) 0 (2)
2 EX (t) X (t) E X 2 (t) 2 2 R XX (0) 2 (3a)
de unde rezulta
R XX (0)
2 2
(3.b)
6). Daca X(t) contine o componenta periodica, atunci si functia de autocorelatie contine o
componenta periodica de aceeasi perioada.
6. Daca RXX(T0)=RXX(0) pentru un anumit T00 atunci RXX este periodica cu perioada T0.
7. Daca RXX(0)< si RXX() este continua la =0, atunci ea este continua pentru orice .
Concluzii:
1). Functia de intercorelatie a doua procese aleatoare X(t) si Y(t) cu valori reale, procese
aleatoare stationare in sens larg, nu depinde de timp ci numai de diferenta momentelor de
timp. A fost definita de
2). Asimetrie:
R XY () RYX () (2)
3). Marginire:
R XY () R XX (0) RYY (0) (3)
R XY ()
1
R
2 XX
(0) RYY (0) (4)
4). Ortogonalitate
0, daca procesele sunt ortogonale
R XY () , daca procesele sunt independente (5)
X Y
unde N este numarul total de esantioane. Estimatorul este nedeplasat (unbiased) si estimarea
este cu atat mai buna cu cat numarul de esantioane este mai mare.
4 Lucrarea nr.4
1 N k 1
N k u(i) u(i k ), k N
i 0
R̂uu (k )
(8)
0, k N
R̂ (k ), k 0
uu
1 N 1
u(i) u(i k ), k N
N k i 0
R̂uu (k )
(8.bis)
0, k N
R̂ (k ), k 0
uu
Observatie: Relatiile de mai sus corespund unei scheme de observare prin masuratori la
intrarea si iesirea unui canal de transmisiune, de exemplu, ca in figura alaturata, unde exista
zgomot de masurare in ambele puncte de masurare.
Solutie: Calculand intercorelatia dintre semnalele X1(t) si X 2(t) si reprezentand grafic (ca in
figura 3) se observa existenta unui maxim ce corespunde unei valori a timpului egala cu
valoarea intarzierii. Deci, varful intercorelatiei a doua semnale intarziate poate fi utilizat
pentru estimarea intarzierii.
Functia de intercorelatie este
In baza ipotezei ca semnalul aleator X(t) si zgomotul de pe canal N(t) sunt necorelate se pot
scrie relatiile:
6. Modul de lucru
2). Se ruleaza programul “L4_2.m” pentru estimarea si studiul proprietatilor functiei de inter-
corelatie a doua semnale aleatoare. Un rezultat intermediar este prezentat in figura de mai jos.
Semnale aleatoare. Analiza in domeniul timp 7
4). Sa se parcurga punctele 1-2 pentru semnalul s(t) A0 A sin(2 f1 t) u(t) , unde
A0 1, A 0.25 , f1 100 , u(t) - zgomot gaussian cu medie zero si dispersie 0.25. Durata
inregistrarii 0.2 [s]. Comentati proprietatile. (Indicatie: Vezi programul “L4_3.m”). Sa se
ruleze programul si sa se deseneze formele de unda ale semnalului s(t) si functia de
autocorelatie pentru cazurile specificate in tabelul 1.
Tabel 1
Nr. caz. A0 A1 miu 2 Obs.
1. 0 0.1 0 0.25 Semnal inecat in zgomot
2. 1 0.1 0 0.25 Semnal determinist cu componenta
continua inecat in zgomot
3. 0 1 0 0.01 Semnal determinist afectat
putin de zgomot
4. 1 1 0 0.01 Semnal determinsit cu componenta
continua si afectat putin de zgomot
7. Tema de casa
Tabel 2
RSN [dB] 10 5 0 -5 -10 -15 -20 -30
Py
Pn = n 2
Timp
estimat
(intarziere)
Py Py Py RSNdB
RSNdB 10 lg
10 lg
10 10 2 Py ; Py var( y); ■
Pn
2 2 RSNdB
10 10
8 Lucrarea nr.4
---------------------------------------------L4_1.m-----------------------------------------------------
% estimarea functiei de autocorelatie
clc; clear;
figure(1); clf;
for k = 1:N-1,
ruu_min(k) = ruu_plus(N - k + 1);
end;
end;
ruu_plus(k) = ruu_plus(k) / (N-k+1);
end;
for k = 1:N-1,
ruu_min(k) = ruu_plus(N - k + 1);
end;
figure(3)
subplot(211), plot(time, ruu_biased, time,ruu,'r');
subplot(212), plot(time, ruu_biased - ruu);title('diferenta');
=========================END L4_1.m =============================
---------------------------------------------------L4_2.m --------------------------------------
% estimarea functiei de intercorelatie ...
clc; clear;
figure(1); clf;
rxu_plus = [];
for k = 1:N,
rxu_plus(k) = 0;
for i = 1:N,
10 Lucrarea nr.4
----------------------------------------------L4_3.m ------------------------------------------------------
miu = 0;
sigma = 0.025; % egala cu puterea semnalelor ...
sigmadB = 20*log10(sigma);
u = miu + wgn(N,1,sigmadB);
Semnale aleatoare. Analiza in domeniul timp 11
s = u + x';
-------------------------------------L4_4_gen_data.m -------------------------------------------------
% Aplicatia 4: Estimarea timpului de intarziere la sonar
% se extrag datele de emisie si receptie
clc; clear; clf;
load emisie.mat
load receptie_dr.mat
load receptie_st.mat
if 1,
u = x1a(1,1:2000) ;
else
u = x2a(1,1:2000) - 2048 ;
u = u .* hanning(length(u))';
end;
save data_sonar.mat u y Ts
========================END L4_4_data_gen.m ===================
12 Lucrarea nr.4
--------------------------------------------------L4_5.m ---------------------------------------------------
% Aplicatia 4: Estimarea timpului de intarziere la sonar
clc; clear; clf;
load data_sonar.mat % u y Ts
N = length(u);
time = (0:N-1) .* Ts;
subplot(211), plot(time, u); title('emisie'); xlabel('time[s]'); grid;
subplot(212), plot(time, y); title('receptie'); xlabel('time[s]'); grid;
disp('Enter ...'); pause;