Вопрос 14

Индекс модуляции m=7

Вопрос № 15

Андреев стр. 87-90

СМХ

ΔС- изменение заряда конденсатора, а соответственно и девиация частоты.

Задача

Вопрос 15

Индекс модуляции m=5

Вопрос № 16

Ограничитель Огр снижает амплитудные иска­жения. Дискриминатор Д преобразует изменения частоты сигнала в изменение амплитуды. Фильтр нижних частот ФНЧ подавляет составляющие преобразованного сигнала частотами  и др. Решение о принимаемом сигнале принимается решающим уст­ройством РУ.

Вопрос № 17

Устройства, генерирующие автоколебания, называются автоколебательными системами или автогенераторами.

амплитуды, частоты или фазы колебания, может служить причиной возникновения помех в канале радиосвязи. Требование монохроматичности включает в себя также и требование стабильности частоты автоколебания.

Баскаков стр. 375

Вопрос 17

Суммарный сдвиг фаз автогенератора по условию баланса фаз должен быть равен:

где сдвиг фазы на каскадах усилителя;

сдвиг фазы в цепи обратной связи.

Сдвиг фазы после одного каскада составляет π, тогда, зная что в автогенераторе 3 усилительных каскада, найдем сдвиг фазы усилителя:

Взяв n=4, найдем необходимый сдвиг фазы в цепи обратной связи:

Вопрос №18

Баскаков стр. 374 – 376.

Андреев стр. 151 – 156

Вопрос № 19

Теорема Котельникова: произвольный сигнал, спектр которого не содержит частот выше f_в Гц, может быть полностью восстановлен, если известны отсчетные значения этого сигнала, взятые через равные промежутки времени 1/(2f_в) с.

Сигнал в виде непрерывной функции S(t) с ограниченным спектром полностью определяется своими отсчетами значениями S(kΔt) взятыми с интервалом времени Δt где f_в – верхняя частота в спектре сигнала

Характер спектра отсчетов

Вопрос 19

Дан телефонный сигнал. Его верхняя частота составляет:

.

По теореме Котельникова минимальная частота дискретизации:

Определим максимальный шаг дискретизации, как величину, обратную частоте дискретизации:

Проведем те же расчеты для вещания:

По теореме Котельникова минимальная частота дискретизации:

Определим максимальный шаг дискретизации, как величину, обратную частоте дискретизации:

Проведем те же расчеты для телевизионного аналогового сигнала:

Вопрос №20 Баскаков 142

    Случайные процессы, основные определения.

С лучайными сигналами (процессами) называются сигналы, математическим описанием которых являются случайные функции времени. Случайный процесс представляет собой изменения во времени какой-либо физической величины, которые заранее предсказать невозможно.

Случайной называется функция, значения которой при каждом значении аргумента являются случайными величинами. Случайная функция времени , описывающая случайный процесс, в результате опыта может принять ту или иную конкретную форму , неизвестную заранее (рис.1). Эти возможные формы случайной функции называются реализациями случайного процесса.В фиксированный момент времени значения случайного процесса являются случайной величиной с определенным распределением вероятностей. Случайные процессы могут быть непрерывными и дискретными. Реализации первых являются непрерывными функциями времени 

   Вероятностные характеристики. Если рассматривать не каждую реализацию в отдельности, а совокупность их большого числа, то окажется, что некоторые средние результаты обладают статистической устойчивостью, т.е. могут быть оценены количественно. Устойчивость средних результатов носит вероятностный характер.

П усть имеется случайный процесс , который задан совокупностью N реализации (рис. 2). Произведем сечение случайного процесса в некоторый фиксированный момент времени t. Выделим из общего числа N те реализаций, значения которых в момент времени меньше некоторого уровня . При достаточно большом N относительная доля реализации, находящихся в момент времени ниже уровня , будет обладать статистической устойчивостью, т.е. будет оставаться приблизительно постоянной, колеблясь при изменении N и вокруг некоторого среднего значения. Это среднее значение определяет вероятность пребывания значений случайного процесса ниже уровня . Функция ,определяющая вероятность нахождения значений случайного процесса момент времени ниже уровня , называется одномерной интегральной функцией распределения вероятностей случайного процесса. Ее производная, если она существует, называется одномерной плотностью вероятности или дифференциальной функцией распределения случайного процесса.

В веденные функции , и дают представление о процессе лишь для изолированных друг от друга моментов времени . Для более полной характеристики процесса необходимо учитывать статистическую связь между значениями случайного процесса в различные моменты времени. Эту связь для двух моментов времени учитывает двумерная интегральная функция распределения вероятностей определяющая вероятность того, что значения случайного процесса в момент времени , будут находиться ниже уровня , а в момент времени - ниже уровня . Частная производная второго порядка

называется двумерной плотностью вероятностей случайного процесса. Эти функции зависят уже от четырех аргументов.

Аналогично определяются многомерные интегральная и дифференциальная функции распределения случайного процесса

которые зависят от 2n -аргументов.

Если значения случайного процесса при любых значениях t зависимы, то многомерная функция распределения равна произведению одномерных

(3.1.7)