- •Раздел 1: Элементы Теории Сигналов Параграф 1.1: Классификация сигналов.
- •Параграф 1.2: Пространство векторов и сигналов.
- •1.2.1: Общие сведения. Определение линейного векторного пространства.
- •1.2.2: Линейная независимость, размерность и базис линейного пространства.
- •1.2.3: Метрические и нормированные пространства. Скалярные произведения.
- •1.2.4: Функциональные пространства Евклида, Гильберта, Хемминга.
- •1.2.5: Операторы и функционалы.
- •1.2.6: Ортогональность элементов в пространстве.
- •1.2.7: Разложение сигналов в обобщенный ряд Фурье. Равенство Парсеваля
- •Параграф 1.3: Спектральное представление сигналов
- •Параграф 1.4: Тригонометрический ряд Фурье
- •Параграф 1.5: Комплексная и экспонентациальная форма представления ряда Фурье.
- •Параграф 1.6: Разложение в ряд Фурье периодическую функцию. Временное и частотное представление сигнала.
- •Параграф 1.7: Преобразования Фурье.
- •Параграф 1.8: Свойства преобразования Фурье.
- •Параграф 1.9: Сообщения, сигналы и помехи как случайные процессы. Параграф 1.9.1: Понятие случайного процесса.
- •Параграф 1.9.2: Вероятностное описание случайного процесса.
- •Параграф 1.9.3: Моментные функции случайных процессов.
- •Параграф 1.9.4: Стационарные случайные процессы.
- •Параграф 1.9.5: Эргодические случайные процессы.
- •Параграф 1.9.6: Случайные процессы, определяемые двумерной плотностью вероятности.
- •Параграф 1.9.7: Энергетический спектр случайного процесса.
- •Параграф 1.9.8: Теорема Винера - Хинчина.
- •Параграф 1.9.9: Квазибелый и белый шум.
- •Параграф 1.10: Комплексное и квазигармоническое представление сигналов. Параграф 1.10.1: Комплексное представление детерминированных сигналов.
- •Параграф 1.10.2: Комплексные случайные процессы.
- •Параграф 1.10.3: Огибающая и фаза комплексного случайного процесса. Квазигармоническое представление случайных процессов.
- •Параграф 1.10.4: Комплексная огибающая. Синфазная и квадратурная составляющая сигнала.
- •Параграф 1.10.5: Вероятностные характеристики огибающей фазы случайного процесса.
- •Раздел 2: Каналы электросвязи Параграф 2.1: Определение классификации каналов связи.
- •Параграф 2.2: Искажения и помехи в каналах связи.
- •Параграф 2.3: Математические модели каналов связи.
- •Параграф 2.3.1.: Математические модели непрерывных каналов.
- •Параграф 2.3.2: Канал с аддитивным шумом или гауссовский канал.
- •Параграф 2.3.3: Канал с неопределенной фазой сигнала.
- •Параграф 2.3.4: Канал с замиранием.
- •Параграф 2.3.5: Канал с межсимвольной интерференцией (мси) и аддитивным шумом.
- •Параграф 2.3.6: Математические модели дискретных и дискретно-непрерывных каналов.
- •Параграф 2.4: Преобразование сигналов в линейных и нелинейных звеньях каналов связи Параграф 2.4.1: Звенья каналов связи как физические системы и их математические модели. Классификация систем.
- •Параграф 2.4.2:Описание поведения линейных систем во временной области Параграф 2.4.2.1: Импульсная характеристика, интеграл Дюамеля, дифференциальные уравнения системы.
- •Параграф 2.4.2.2:Метод переменных состояний
- •Параграф 2.4.3:Описание поведения линейных систем в частной области
- •Параграф 2.4.4: Передаточная функция линейной системы
- •Параграф 2.4.5:Минимально-фазовые и неминимально-фазовые системы
- •Параграф 2.4.6.1: Основные принципы синтеза аналоговых электрических фильтров
- •Параграф 2.4.6.2: Синтез фнч
- •Параграф 2.4.6.3: Проектирование фвч и пф
- •Параграф 2.5: Нелинейные системы
- •Параграф 2.6: Параметрические системы
- •Параграф 2.7: Прохождение случайных сигналов, через линейные, параметрические и нелинейные системы Параграф 2.7.1: Прохождение случайных сигналов линейные параметрические системы. Общие сведения.
- •Параграф 2.7.2: Определение корреляционной функции отклика y4(t) линейной параметрической системы со случайной характеристикой при случайном входном воздействии
- •Параграф 2.7.3: Определение корреляционной функции отклика y3(t)
- •Параграф 2.7.4: Определение корреляционной функции отклика y2(t)
- •Параграф 2.7.5: Определение корреляционной функции отклика y1 (t)
- •Параграф 2.7.6: Определение распределения вероятностей отклика линейной системы на случайное входное воздействие
- •Параграф 2.7.7: Прохождение случайных воздействий через нелинейные системы
- •Раздел 3: Модуляция Параграф 3.1: Общие сведения.
Параграф 1.9: Сообщения, сигналы и помехи как случайные процессы. Параграф 1.9.1: Понятие случайного процесса.
В
основе большинства методов исследования
общей ТЭС лежит представление о процессе
передачи сообщения как о некотором
случайном процессе, а развивающемся
чаще всего во времени. Словом «случайный»
подчеркивается то обстоятельство, что
предопределить заранее точное протекание
процесса во времени невозможно. Типичным
примером случайного процесса может
служить напряжение
на входе приемника (s(t)
– сигнал, N(t)
–
шум). Наблюдая напряжение в данный момент
времени, мы не можем с полной определенностью
предсказать, каким будет его значение
в последующий момент времени. Это
объясняется тем, что параметры, формируемые
передатчиком канального сигнала s(t)
(амплитуда,
частота, фаза) с точки зрения получателя
изменяется случайным образом в
соответствие с передаваемым сообщением
a(t).
Кроме того, в процессе передачи сигнал
подвергается воздействию различных
аддитивных помех N(t),
имеющих случайный характер (например,
возникающих в результате электрических
разрядов в атмосфере, помех от других
радиостанций и т.д.). Случайность процесса
х(t)
проявляется в том, что вид наблюдаемой
функции произвольным образом меняется
от одного наблюдения в другому. Функция
x(t),
наблюдаемая в результате отдельного
опыта, называется реализацией случайного
процесса. Совокупность всех возможных
реализаций и образует случайный процесс
или случайную функцию x(t).
Для непрерывного случайного процесса
число реализаций образует несчетное
множество. Наличие случайности
результатом многократных наблюдений
одного и того же процесса не означает,
что в этом процессе нет никаких
закономерностей. оказывается, что
средний результат, найденный по конечному
числу наблюдений, устойчивый. Иначе
говоря, случайные процессы подчиняются
определенной статистическим
закономерностям. Множество значений
реализаций случайных функций x(t1)
в
некоторый момент времени t1,
называемый сечением случайного процесса,
образует случайную величину Х,
значения которой заранее неизвестны.
Но при этом оказывается возможным
установить некоторые закономерности,
позволяющие судить о том, насколько
вероятным в данном случае является
попадание значений случайной величины
в ту или иную область. Итак, сообщения,
сигналы и помехи являются случайными
процессами для их исследования и описания
необходимо использовать основные
положения теории случайных процессов.
Параграф 1.9.2: Вероятностное описание случайного процесса.
Рассмотрим
N
реализаций случайных процессов X(t).
Для общности рассуждений будем
рассматривать непрерывный случайный
процесс. Выделим из этого числа те n1
реализаций, значения в определенный
момент времени t1
не превышают некоторого числа х1.
При достаточно большом числе N
относительная доля
функций, находящихся в момент t1
не
выше уровня х1,
будет обладать статистической
устойчивостью, т.е. будет оставаться
приблизительно постоянным числом. Это
число определяет вероятность того, что
при t=t1
случайная
функция x(t)
не
превышает уровень х1,
и обозначается
.
Указанная вероятность зависит от
фиксированного момента времени t1
и
от выбранного уровня х1,
т.е. является функцией двух переменных.
Это функция
называется одномерной интегральной
функцией распределения случайного
процесса
в некотором сечении
t1
при каждом значении своего аргумента
x1
численно
равно вероятности того, что реализация
сечения процесса x
(t1)
не
превышает уровня значения х1.
Вероятностные из N
реализаций те n1,
которые попадают в некоторый интервал
.
При большом N
относительная доля
функций,
попадающих в этот интервал, так же будет
оставаться приблизительно постоянной,
и определяет вероятность того, что при
t=t1
случайная
величина x
(t1)
будет
находиться внутри интервала
,
и обозначим это как:
Очевидно,
что при
происходит следующее:
рассматриваемая вероятность превращается в вероятность того, что x (t1) = х1, т.е.
Однако, если рассматривать функцию
,
то
при каждом значении x1
она
будет конечной и позволит охарактеризовать
плотность распределения вероятностей
возможных значений х1.
Нетрудно показать, что
.
Поэтому
называют одномерной дифференциальной
функцией распределения, или плотностью
распределения вероятностей.
Более полно свойство случайного процесса можно охарактеризовать, если для любого набора n моментов времени t1, t2, …, tn и любых значений x1, x2, …, xn вычислить вероятность того, что X (t) принимает в указанные моменты времени значения, не превышающие значения x1, x2, …, xn.
Функция
называется n-мерной
интегральной функций распределения
вероятностей процесса X
(t).
Если
существует частная производная n-мерной
интегральной функции распределения по
всем xk
(k
= 0, …, n),
то можно определить n-мерную
плотность распределения вероятности:
по
которой так же можно определить процесс.
Т.о., вероятностные свойства случайного
процесса можно охарактеризовать с
помощью n-мерной
функции распределения (интегральной
или дифференциальной) тем полнее, чем
больше n.
При этом, если мы имеем финитный случайный
процесс, дискретный по времени, или
дискретный и по уровню и по времени (1 –
случайная последовательность, 2 –
дискретный случайный процесс),
представляющий собой конечный отрезок
последовательности, содержащий n
отсчетов, то n-мерная
функция распределения дает исчерпывающее
вероятностное описание этого процесса
или представляет собой его полную
вероятностную модель. Для непрерывных
во времени процессов полной вероятностной
моделью является бесконечно-мерная
функция распределения, определить
которую в принципе невозможно. Однако,
если ширина спектра такого процесса
ограничена сверху частотой fn,
то в соответствие с теоремой Котельникова,
каждую реализацию случайной функции
длительностью Т можно полностью
определить дискретной выборкой,
содержащей
отсчетов, следующих с интервалом
.
В этом случае, непрерывные случайные
процессы можно так же с высокой точностью
определить n-мерным
законом распределения.
