- •Глава 2. Регрессионные математические модели сигналов и помех
- •2.1. Математические модели антенных систем
- •2.2. Математические модели сигналов и помех Временная структура сигналов.
- •Пространственно-временные сигналы.
- •Случайные процессы как модели сигналов и помех
- •2.3. Регрессионные статистические характеристики нецентрированных параметров сигналов и помех
- •Оценки начальных коэффициентов регрессии и остаточной суммы квадратов
- •2.4. Регрессионные статистические характеристики сигналов и помех в автономных информационных системах
- •Коэффициенты начальной регрессии интервалов между нулями стационарных случайных процессов
- •Длительностью
- •Ширины полосы гауссова энергетического спектра при различных сдвигах между сечениями
- •Оценка средней частоты энергетического спектра сигнала
- •Коэффициенты центральной регрессии интервалов между нулями входных реализаций сигналов
- •Статистические характеристики отсчетов огибающих узкополосных случайных процессов
- •2.5. Экспериментальные исследования регрессионных статистических характеристик непрерывных сигналов
Длительностью
Тогда количество отсчетов на интервале
будет (N+1), где
,
а интервал дискретизации
,
т. е. в моменты времени, отстоящие друг
от друга на интервал
(рис.2.3), производится выборка из отдельной
реализации х(t)
случайного процесса с непрерывным
временем. Выбор (q+1)
– го отсчета в качестве первого,
а N – го отсчета
в качестве последнего определяется
спецификой систем ближней локации.
Пусть
–
численные значения реализации в
точках
при
.
Точка
,
соответствующая m
– му отсчету, задается при вычислении
скользящих оценок и, если п принимает
значения от 1 до N,
а не от 0 до (N – 1),
в дальнейшие формулы не входит.
Оценки начальных моментов взаимо – и авторегрессионных функций могут быть получены по формулам:
при
;
,
где r – номер шага; k – макcимальное число шагов;
;
;
(2.41)
,
(2.42)
где
и
–
несмещенные оценки взаимо – и
авторегрессионных функций.
Для оценки регрессионных характеристик,
осредненных на интервале принятия
решения Т при
необходимо выбрать равным моменту
срабатывания
определяемому требованиями
эффективности системы ближней локации.
Для получения доверительных интервалов
оценок по формулам (2.41) и (2.42) нельзя
воспользоваться зависимостями (2.38) и
(2.39), так как при дискретизации по
Котельникову случайного процесса (за
исключением полосового белого шума)
отсчеты
или
оказываются в общем случае коррелированными,
кроме того, очень часто интервал
дискретизации выбирается меньше
требуемого.
Однако если экспериментально удается определить время корреляции процесса, то приблизительно объем выборки некоррелированных отсчетов можно считать равным
,
тогда на основании выражений (2.36), (2.37) и (3.39) для нормальных случайных процессов
.
(2.43)
Доверительные интервалы для
и
при
можно определить как
,
.
Иногда достаточно оценить лишь дисперсию
.
На основании П2.6 дисперсия
.
Используя для
оценку
,
получаем
,
где
определяется по равенству (2.43).
Коэффициенты начальной регрессии интервалов между нулями стационарных случайных процессов
Для параметрических оценок в нелинейных регрессионных системах обнаружения и распознавания узкополосных случайных процессов необходимо установление зависимости коэффициентов начальной регрессии (КНР) параметров процесса от его основных характеристик, в частности от параметров энергетического спектра случайного процесса.
Исследуется связь КНР длительностей интервалов между нулями узкополосного стационарного в широком смысле случайного процесса с его энергетическим спектром.
Узкополосный стационарный в широком смысле случайный процесс может быть представлен аналитической зависимостью
,
где Е(t) – огибающая
случайного процесса
;
– случайная составляющая полной фазы
процесса;
– средняя частота энергетического
спектра процесса.
Рассмотрим последовательные моменты
времени
прохождения через нуль случайной
реализации х(t)
(рис.2.4). Количество нулей узкополосного
случайного процесса
совпадает с количеством нулей
,
поэтому, полагая
,
получаем
,
откуда
.
Рис.2.4. Отрезок реализации узкополосного случайного процесса
Рассмотрим нецентрированные случайные величины:
,
,
(2.44)
где
и
– математические ожидания случайных
величин. Для узкополосного стационарного
случайного процесса
,
(2.45)
поэтому
.
Ковариационный момент центрированных случайных величин
и
можно записать как
,
(2.46)
где
– корреляционная функция случайной
фазы процесса
.
(В (2.46) усреднение осуществляется по
случайной фазе и по случайному интервалу
между нулями стацинарного случайного
процесса.)
Для рассматриваемого стационарного процесса
(2.47)
и определение ковариации параметров
и
сводится к вычислению суммы слагаемых
вида
.
Для непрерывных случайных величин
можно записать
,
(2.48)
где
– плотность распределения вероятностей
случайной величины
.
Предполагая непрерывность и
дифференцируемость корреляционной
функции фазы для процесса
в окрестности
,
ее можно разложить в ряд
,
где
– первая производная по
в точке
.
Ограничиваясь первыми двумя членами в
разложении и подставляя
в выражение (2.48), получаем
.
(2.49)
В уравнении (2.49) второе слагаемое равно нулю, поэтому
.
(2.50)
Тогда с учетом выражений (2.44), (2.47) и (2.50) выражение (2.46) для ковариационного момента параметров и приводим к виду
.
(2.51)
Аналогично можно получить выражение
для ковариационного момента любых
и
интервалов между нулями стационарного
случайного процесса:
(2.52)
Дисперсию случайного параметра определим из равенства (2.52) при l=k
.
(2.53)
Тогда коэффициент начальной регрессии интервалов между нулями узкополосного случайного процесса на основании выражения (2.22) с учетом равенств (2.45) (2.52) и (2.53) будет иметь вид
.
(2.54)
Из уравнения (2.54) следует, что для
нахождения
необходимо определить корреляционную
функцию
при фиксированных значениях аргумента
,
.
(2.55)
Выражение для
может быть получено в виде степенного
ряда по
[14]
,
(2.56)
где
–
–
функция;
– огибающая нормированного коэффициента
корреляции случайного процесса
;
.
Причем
;
,
где
– энергетический спектр случайного
процесса
.
При прямоугольном энергетическом спектре с шириной полосы
определяется выражением
.
(2.57)
Если спектральная плотность случайного процесса аппроксимируется гауссоидой
,
где
,
то выражение для имеет вид
.
(2.58)
Обозначим относительную ширину
энергетического спектра
,
тогда интересующие значения
в соответствии с равенствами (2.57) и
(2.58) получим в виде:
для прямоугольного энергетического спектра
;
(2.59)
для гауссова спектра
.
(2.60)
Коэффициент р определяется из равенства (2.55).
Из выражений (2.59) и (2.60) видно, что корреляционная функция случайной фазы (2.56), а, следовательно, и КНР длительностей интервалов между нулями (2.54) при значениях аргумента, определяемых уравнениями (2.55), для каждого из рассмотренных видов энергетических спектров являются функциями только относительной ширины полосы энергетического спектра и не зависят от средней частоты .
В доплеровских системах ближней локации
относительная ширина полосы
доплеровского сигнала, при прочих равных
условиях, не зависит от относительной
скорости, т. е. от средней частоты
,
а определяется пространственно–геометрическими
свойствами объектов и параметрами
приемопередающего тракта [16]. При
перемещении объекта в диаграмме
направленности происходит изменение
средней частоты в спектре доплеровского
сигнала, при этом для каждого значения
средней частоты относительная ширина
полосы постоянна
.
Предположим, что скорость изменения
доплеровской частоты мала по сравнению
с
,
обозначим
среднюю частоту на интервале между
нулями
и
среднюю частоту на интервале
.
В [16] показано, что для такого процесса
при усреднении по множеству реализаций
коэффициент начальной регрессии будет
определяться относительной шириной
полосы стационарного процесса
и зависеть от скорости изменения средней
частоты на интервалах
и
.
а б
Рис. 2.5. Зависимость коэффициента начальной регрессии интервалов между нулями стационарного процесса от относительной ширины полосы гауссова энергетического спектра (а) и прямоугольного энергетического спектра (б)
Рис. 2.6. Зависимость корреляционной функции фазы от относительной
