Файл: Бахтадзе 3 курс.doc

Для многих процессов справедливость этого свойства строго доказана. Для некоторых процессов это свойство не доказано, но есть все основания считать его справедливым.

Физический смысл эргодической теоремы сводится к следующему.

Стационарный случайный процесс неизменен во времени в том смысле, что все плотности вероятности не зависят от начала отсчета времени. Поэтому, взяв два различных, достаточно длинных отрезка одной и той же случайной функции можно их рассматривать как две случайные функции, относящиеся к одной и той же статистической совокупности. Любую бесконечную кривую случайного процесса X(t) можно разрезать на сколь угодно большое количество достаточно длинных участков, которые могут рассматриваться как реализации одного и того же процесса.

Эргодическое свойство позволяет существенно упрощать исследование процесса. Поскольку вероятностные характеристики стационарного случайного процесса с течением времени не меняются, то длительное наблюдение случайного процесса на одном объекте дает в среднем такую же картину, как и большое число наблюдений, сделанное в одинаковые моменты времени на большом числе одинаковых объектов.

Таким образом, одна реализация случайного процесса на достаточно большом отрезке времени определяет собой весь случайный процесс со всеми его бесчисленными возможными реализациями.

5.6.2. Корреляционная функция стационарного случайного процесса

Для стационарного случайного процесса удобно рассматривать корреляционную функцию как среднее от произведения двух значений функции, рассчитанное по времени:

Эту же функцию можно рассчитать как среднее по множеству:

Замечание: ранее рассматривалась корреляционная функция как среднее от произведения двух центрированных значений

при изучении стационарных случайных процессов чаще используют корреляционную функцию, рассчитанную по не центрированным значениям

Корреляционная функция стационарного случайного процесса обладает следующими свойствами:

1. Корреляционная функция является четной функцией, т.е. . Действительно,

2. При =0 корфункция равна среднему квадрату случайной функции:

3. При  корфункция равна квадрату среднего значения случайной функции. Действительно, если  велико, то величины x₁=x(t) и x₂=x(t+) можно считать независимыми. Тогда f₂(x₁,x₂, )=f₁(x₁)f₂(x₂). Следовательно

4. Значение корфункции при =0 является ее наибольшим значением, т.е. R(0)R().

Рассмотрим очевидное неравенство:

[x(t)-x(t+)]²0;

x(t)²+x(t+)²2x(t)x(t+);

2R(0) 2R(); R(0) R().

Примеры корфункции. Для постоянной величины X(t)=A_o (например, для постоянного тока)

Это соответствует полной корреляции. Если случайная функция содержит постоянную составляющую А_о, то корфункция также содержит постоянную составляющую, равную квадрату постоянной составляющей функции.

Для гармонической функции X(t)=Asin(t+)

Функция R() имеет тот же период, что и функция X(t), но в отличие от нее является четной и не зависит от . Появление в корфункции члена вида указывает на наличие в случайном процессе скрытой периодичности, которая может не обнаруживаться при первом взгляде на отдельные записи реализаций случайного процесса.

Пусть к полезному сигналу x(t)=Asin(t+) добавляется шум y(t), не имеющий постоянной составляющей. Рассмотрим корфункцию для сигнала, смешанного с шумом, т.е. для суммы x(t)+y(t).

Сигнал и «шум» не коррелированны между собой (независимые случайные функции), поэтому R_xy()=R_yx()=0. Тогда R()=R_x()+R_y().

R_y() резко спадает при увеличении  и стремится к нулю при  т.е. при достаточно больших  остается лишь одна периодическая функция R_x(). Следовательно, находя значение R() при больших  можно обнаружить синусоидальный сигнал, «утонувший» в шуме, и узнать его частоту.

5.6.3. Расчет корреляционной функции по экспериментальным данным

Пусть стационарный случайный процесс задан одной реализацией (рис.62). Промежуток времени наблюдения процесса Т делим на N малых интервалов  так, чтобы функция x(t) мало изменялась на протяжении интервала . T=N. Будем придавать t и  дискретные значения, кратные : t=, =1,2,...; =, =0,1,2,....

Обозначим: R() = R() = R(), x(t) = x() = x_, x(t+) = x(+) = x_+.

Тогда

Так, и т.д.

Рис.62

5.7. Спектральная плотность стационарного случайного процесса

Пусть функция x(t) на любом конечном интервале удовлетворяет условиям Дирихле и, кроме того, интеграл сходится, тогда функцию X(t) можно представить в виде

(6)

где (7)

Формула (6) называется «обратное преобразование Фурье» или интеграл Фурье, а формула (7)- «прямое преобразование Фурье». Функция X(j) называется изображением Фурье функции времени x(t).

Интеграл Фурье позволяет представить непериодическую функцию в виде бесконечной суммы гармонических составляющих с непрерывным спектром частот. X(j) представляет собой спектральную плотность амплитуд или частотный спектр функции X(t).

Рассмотрим энергетическую форму интеграла Фурье. Пусть имеется некоторая функция (например, случайная) времени X(t).

Имеем:

Рассмотрим выражение

Меняем порядок интегрирования:

Итак,

Эта формула выражает энергетическую форму интеграла Фурье и называется формулой Релея. Правая часть представляет собой величину, пропорциональную энергии рассматриваемого процесса. Например, если x(t) представляет собой напряжение на резисторе 1 Ом, то представляет собой энергию, выделенную на этом сопротивлении, за бесконечно большой промежуток времени -<t<+.

Таким образом, для нахождения энергии рассматриваемого процесса за бесконечный интервал наблюдения с равным основанием можно интегрировать квадрат функции времени в интервале -<t<+ или интегрировать квадрат модуля изображения Фурье по всем частотам от - до +.

Перейдем к средней мощности процесса. Ее можно получить, если поделить энергию процесса на интервал наблюдения.

Тогда

Левая часть представляет собой средний квадрат X(t). Величина

называется спектральной плотностью мощности или просто спектральной плотностью стационарного случайного процесса. Очевидно,

Интегрирование по всем частотам от  до  S() дает средний квадрат функции времени X(t). По физическому смыслу спектральная плотность есть величина, пропорциональная средней мощности процесса в интервале частот от  до +d.

S() является четной функцией частоты, т.к. .