Лекция 7 Статистические характеристики огибающей суммы гармонического сигнала и узкополосного шума.

Презентация:



Advertisements
Похожие презентации
СЛУЧАЙНЫЕ ПРОЦЕССЫ И ИХ СТАТИСТИЧЕСКИЕ ХАРАКТЕРИСТИКИ.
Advertisements

Лекция 6 СПЕКТРАЛЬНО- КОРРЕЛЯЦИОННАЯ ТЕОРИЯ СТАЦИОНАРНЫХ СЛУЧАЙНЫХ ПРОЦЕССОВ.
Лекция 10 ИССЛЕДОВАНИЕ ПАРАМЕТРИЧЕСКИХ АЛГОРИТМОВ ОБНАРУЖЕНИЯ СИГНАЛОВ.
Лекция 5 Спектральный анализ непериодических сигналов Между сигналом и его спектральной плотностью существует однозначное соответствие. Для практических.
Некогерентный приём сигналов Презентация лекции по курсу «Общая теория связи» © Д.т.н., проф. Васюков В.Н., Новосибирский государственный.
Лекция 4 Плотность распределения системы двух случайных величин Распределение системы непрерывных величин обычно характеризуют не функцией распределения,
Выпускная работа « Цифровое моделирование и исследование характеристик системы частотной автоподстройки при совместном действии сигнала и шума » студент.
Лекция 8 ЭЛЕМЕНТЫ ТЕОРИИ СТАТИСТИЧЕСКОГО СИНТЕЗА ОПТИМАЛЬНЫХ РАДИОТЕХНИЧЕСКИХ УСТРОЙСТВ.
Числовые характеристики случайной величины. Применяются вместо закона распределения случайной величины В сжатой форме выражают наиболее существенные особенности.
Кафедра математики и моделирования Старший преподаватель Е.Г. Гусев Курс «Высшая математика» Лекция 15. Тема: Случайные величины и их числовые характеристики.
Лекция 7. Характеристики случайных сигналов (процессов).
Лекция 4 Спектральные характеристики непериодических сигналов Если функция, отображающая реальный сигнал, абсолютно интегрируема, то ее спектральная плотность.
Непрерывные случайные величины Лекция 15. План лекции Непрерывные случайные величины. Закон распределения. Функции распределения и плотности распределения.
Лекция 6. Физические системы и их математические модели В общем виде математическая модель такой системы может быть записана следующим образом: где – системный.
Домашнее задание 2 Имитационное моделирование. Цель работы Ознакомление с методом имитационного моделирования поведения систем на примере расчета характеристик.
НОРМАЛЬНЫЙ ЗАКОН РАСПРЕДЕЛЕНИЯ. ЗАКОН БОЛЬШИХ ЧИСЕЛ.
Статистические оценки параметров распределения Доверительные интервалы.
Лекция 2 Часть I: Многомерное нормальное распределение, его свойства; условные распределения Часть II: Парная линейная регрессия, основные положения.
Стохастическое программирование выполнили Шпарик Анна Кутас Юлия.
АНАЛИЗ ДАННЫХ НА КОМПЬЮТЕРЕ. Регрессионный анализ.
Транксрипт:

Лекция 7

Статистические характеристики огибающей суммы гармонического сигнала и узкополосного шума

Пусть на входе радиотехнического устройства присутствует сумма узкополосного нормального шума и и детерминированного гармонического сигнала : Очевидно, что

Плотность распределения вероятностей синфазной и квадратурной составляющих Переходя к новым переменным, получаем (якобиан преобразования равен ):

Чтобы получить одномерную ПРВ огибающей,надо проинтегрировать выражение для по фазе: Т.е. это выражение носит название закона Раиса

Плотность распределения вероятности огибающей суммы гармонического сигнала и нормального шума

При отсутствии детерминированного гармонического сигнала, т.е. при из выражения получим закон Рэлея. При больших значениях ПРВ огибающей стремится к нормальной с дисперсией равной, и матожиданием.

Одномерное распределение фазы можно получить проинтегрировав выражение где - интеграл вероятности.

Плотность вероятности фазы Плотность распределения вероятности фаз суммы гармонического сигнала и нормального узкополосного шума

При больших соотношениях сигнал/шум распределение фаз стремится к нормальному с дисперсией : распределение фаз стремится к нормальному с дисперсией :

Несколько сложнее получить соотношение для мгновенной частоты. Частота – это производная от фазы, можно получить четырехмерную плотность для огибающей, фазы и их производных: здесь

Одномерная ПРВ производной от фазы После интегрирования формула приобретет вид: где

Здесь - мгновенная частота. Показана зависимость для разных отношений сигнал/шум. При большом сигнале ПРВ стремится к нормальной с дисперсией.

Линейное и квадратичное детектирование смеси нормального случайного процесса и гармонического сигнала

Линейный и квадратичный детекторы выделяют огибающую сигнала и ее квадрат. Непосредственное исследование системы "нелинейный элемент-инерционный элемент (фильтр) достаточно сложно, поэтому ограничимся сравнением статистических характеристик огибающей и ее квадрата. Матожидание и дисперсия определяются следующими выражениями:

Воспользовавшись асимптотическими представлениями Бесселевых функций, получим Если

Из выражений видно, что при слабых сигналах ( ) и растут пропорционально среднеквадратическому отклонению шума, а при больших значениях сигнала, - пропорционально амплитуде сигнала, а - дисперсия (практически постоянна). Эти зависимости показаны далее.

Зависимость среднего и среднеквадратического отклонения огибающей от отношения сигнал/шум

Таким образом, при малых значениях амплитуды на огибающую большее влияние оказывает значение шума, при больших значениях отношения сигнал/шум большее влияние на огибающую оказывает амплитуда гармонического сигнала. Если провести такие же преобразования для квадрата огибающей, то можно получить матожидание и среднеквадратическое отклонение для квадратичного детектора: Эти зависимости показаны далее.

Зависимость среднего и среднеквадратического отклонения квадрата огибающей от отношения сигнал/шум Таким образом, зависимости для квадратического детектора похожи на зависимости для линейного в режиме малого сигнала.