Слайд 2Случайные процессы с одинаковыми параметрами
![Случайные процессы с одинаковыми параметрами](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-1.jpg)
Слайд 3Корреляционная функция
Корреляционная функция – такая неслучайная функция Rx(t1, t2) двух аргументов, которая
![Корреляционная функция Корреляционная функция – такая неслучайная функция Rx(t1, t2) двух аргументов,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-2.jpg)
для любой пары фиксированных значений аргументов t1 и t2 равна корреляционному моменту, соответствующих этим сечениям случайных величин x(t1) и x(t2).
Слайд 4автокорреляционная функция
Корреляционная функция математически выражает корреляцию двух функций или корреляцию функции с
![автокорреляционная функция Корреляционная функция математически выражает корреляцию двух функций или корреляцию функции](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-3.jpg)
самой собой (автокорреляционная функция).
где t1 и t2 – любые моменты времени
Слайд 5Корреляционные функции двух различных процессов
При совпадении моментов t1 и t2 корреляционная
![Корреляционные функции двух различных процессов При совпадении моментов t1 и t2 корреляционная функция равна дисперсии](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-4.jpg)
функция равна дисперсии
Слайд 6Нормированная корреляционная функция
Нормированная корреляционная функция вычисляется по формуле
![Нормированная корреляционная функция Нормированная корреляционная функция вычисляется по формуле](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-5.jpg)
Слайд 7Корреляционная функция
Знание о случайном процессе будет тем полнее, чем больше сечений будем
![Корреляционная функция Знание о случайном процессе будет тем полнее, чем больше сечений](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-6.jpg)
рассматривать совместно и, следовательно, чем больше размерность плотности вероятности.
Следовательно рассматривая n сечений нужно знать n- мерную плотность.
Для полного описания случайного процесса необходимо знать бесконечномерную плотность вероятности. На практике обычно ограничиваются знанием первой и второй плотности вероятности.
Слайд 8Корреляционная функция
Чтобы установить связь, между X(t) и Y(t) вводится понятие взаимной корреляционной
![Корреляционная функция Чтобы установить связь, между X(t) и Y(t) вводится понятие взаимной](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-7.jpg)
функции (корреляционная функция связи), показывающая связь двух и более сечений процессов x(t) и y(t)
Слайд 9корреляционная функция связи
нормированная корреляционная функция связи
![корреляционная функция связи нормированная корреляционная функция связи](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-8.jpg)
Слайд 10Свойства корреляционных и взаимно корреляционных функций
Корреляционная функция Rx(t1, t2) симметрична относительно своих аргументов.
Корреляционная
![Свойства корреляционных и взаимно корреляционных функций Корреляционная функция Rx(t1, t2) симметрична относительно](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-9.jpg)
функция комплексной случайной функции при перестановке аргументов заменяется комплексной сопряжённой функцией.
Слайд 11Свойства корреляционных и взаимно корреляционных функций
При добавлении к случайной функции X(t) произвольного
![Свойства корреляционных и взаимно корреляционных функций При добавлении к случайной функции X(t)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-10.jpg)
неслучайного слагаемого, корреляционная функция случайной величины не изменяется
Слайд 12Свойства корреляционных и взаимно корреляционных функций
При умножении случайной функции X(t) на произвольный
![Свойства корреляционных и взаимно корреляционных функций При умножении случайной функции X(t) на](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-11.jpg)
неслучайный множитель ψ(t) корреляционная функция Rx(t1, t2) умножается на ψ(t1)ψ(t2).
Слайд 13Свойства корреляционных и взаимно корреляционных функций
![Свойства корреляционных и взаимно корреляционных функций](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-12.jpg)
Слайд 14Свойства корреляционных и взаимно корреляционных функций
Корреляционная функция является положительно определённой функцией
т.е.
![Свойства корреляционных и взаимно корреляционных функций Корреляционная функция является положительно определённой функцией](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-13.jpg)
дисперсия случайной функции всегда неотрицательна.
Слайд 15Свойства корреляционных и взаимно корреляционных функций
Взаимная корреляционная функция двух случайных функций X(t)
![Свойства корреляционных и взаимно корреляционных функций Взаимная корреляционная функция двух случайных функций](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-14.jpg)
и Y(t) не изменяется при добавлении к этим случайным функциям произвольных неслучайных функций.
Слайд 16Свойства корреляционных и взаимно корреляционных функций
![Свойства корреляционных и взаимно корреляционных функций](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-15.jpg)
Слайд 17СПЕКТРАЛЬНАЯ ПЛОТНОСТЬ СЛУЧАЙНЫХ ПРОЦЕССОВ
Спектр стационарного случайного процесса характеризует распределение дисперсий случайных амплитуд
![СПЕКТРАЛЬНАЯ ПЛОТНОСТЬ СЛУЧАЙНЫХ ПРОЦЕССОВ Спектр стационарного случайного процесса характеризует распределение дисперсий случайных](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-16.jpg)
по частотам.
Спектральное разложение
является разложением случайной функции X(t) на конечном интервале наблюдения T
Слайд 18Коэффициенты разложения Zk, Uk, Ck определяются по формулам Эйлера- Фурье. Zk, Uk
![Коэффициенты разложения Zk, Uk, Ck определяются по формулам Эйлера- Фурье. Zk, Uk](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-17.jpg)
– некоррелированные центрированные случайные величины (амплитуды колебаний) с дисперсиями, одинаковыми для каждой пары случайных величин Zk и Uk с одним и тем же индексом k.
Координатными функциями разложения являются функции sin wkt и cos wkt при различных частотах wk.
Слайд 19Спектральное разложение
Спектральное разложение представляет собой случайную функцию X(t) в виде гармонических колебаний
![Спектральное разложение Спектральное разложение представляет собой случайную функцию X(t) в виде гармонических](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-18.jpg)
различных частот со случайными амплитудами
Слайд 20Для исследования спектрального разложения удобно представлять его в комплексной форме.
![Для исследования спектрального разложения удобно представлять его в комплексной форме.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-19.jpg)
Слайд 22корреляционная функция случайного процесса X (t)
![корреляционная функция случайного процесса X (t)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-21.jpg)
Слайд 23корреляционная функция случайного процесса X (t)
Дисперсия случайной гармоники Xk(t) при представлении её
![корреляционная функция случайного процесса X (t) Дисперсия случайной гармоники Xk(t) при представлении](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-22.jpg)
в комплексной форме делится пополам между гармоникой положительной частоты wk и отрицательной частоты (–wk)
Слайд 24случайный процесс
представим случайный процесс X(t) в комплексной форме
Суммируем отдельно слагаемые, соответствующие
![случайный процесс представим случайный процесс X(t) в комплексной форме Суммируем отдельно слагаемые,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-23.jpg)
положительным и отрицательным частотам.
Заметим, что сумму отрицательных слагаемых можно выразить таким же образом, как и сумму положительных слагаемых
Слайд 25Спектр дисперсий
Распределение дисперсии по частотам определяет так называемый спектр дисперсий стационарной случайной
![Спектр дисперсий Распределение дисперсии по частотам определяет так называемый спектр дисперсий стационарной](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-24.jpg)
функции.
Спектр дисперсий можно изобразить на графике в виде линейчатого спектра
Слайд 27Спектр дисперсий
Так как отрицательные частоты физически не существуют.
можно переписать только для положительных
![Спектр дисперсий Так как отрицательные частоты физически не существуют. можно переписать только](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-26.jpg)
частот
w1, w2, … wk. При этом дисперсии, соответствующие этим частотам, необходимо удвоить.
Слайд 29
показывает, что дисперсия стационарного процесса X(t) равна дисперсий всех гармоник его спектрального
![показывает, что дисперсия стационарного процесса X(t) равна дисперсий всех гармоник его спектрального](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-28.jpg)
разложения.
даёт разложение корреляционной функции Rx(τ) случайного процесса X(tв ряд Фурье, коэффициентами которого являются дисперсии dk. А dk вычисляются как коэффициенты ряда Фурье
Слайд 30Спектральное разложение стационарных случайных функций (процессов) в непрерывный спектр дисперсии
Для этого будем
![Спектральное разложение стационарных случайных функций (процессов) в непрерывный спектр дисперсии Для этого](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-29.jpg)
рассматривать X(t) при T стремящемуся к бесконечности. Тогда расстояния между опорными частотами будут неограниченно уменьшаться.
При этом дискретный спектр дисперсии будет неограниченно приближаться к непрерывному, в котором бесконечно малому интервалу частот Δωk = ωk – ωk–1 будет соответствовать элементарная дисперсия dk(ωk).
Слайд 32спектральная плотность
dk/Δω имеет физический смысл средней плотности дисперсии и называется спектральной плотностью
![спектральная плотность dk/Δω имеет физический смысл средней плотности дисперсии и называется спектральной плотностью](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-31.jpg)
Слайд 33Переход от дискретного спектра к непрерывному
![Переход от дискретного спектра к непрерывному](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-32.jpg)
Слайд 34Переход от дискретного спектра к непрерывному
![Переход от дискретного спектра к непрерывному](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-33.jpg)
Слайд 35Переход от дискретного спектра к непрерывному
![Переход от дискретного спектра к непрерывному](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-34.jpg)
Слайд 36Формула, выражающая корреляционную функцию стационарного случайного процесса через её спектральную плотность, была
![Формула, выражающая корреляционную функцию стационарного случайного процесса через её спектральную плотность, была](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-35.jpg)
впервые получена в начале 30-х годов для ограниченного класса случайных процессов американским математиком, «отцом» кибернетики Норбертом Винером (1894- 1964).
Несколько позже эту формулу для любых стационарных случайных процессов вывел советский математик Александр Яковлевич Хинчин (1894- 1959).
Поэтому формулы, связывающие Rx(τ), Sx(w) называют формулами Винера-Хинчина.
Слайд 37плотность распределения дисперсии
Графический смысл предельного перехода от конечного интервала [0, T] к
![плотность распределения дисперсии Графический смысл предельного перехода от конечного интервала [0, T]](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-36.jpg)
бесконечному при T → ∞, Δω → 0 выражается в том, что ступенчатая функция sx(wk) будет неограниченно приближаться к непрерывной функции sx(w), которая будет изображать плотность распределения дисперсии случайных амплитуд по частотам непрерывного спектра.
Слайд 38спектральной плотностью стационарного случайного процесса
Непрерывная функция sx(ω) называется спектральной плотностью стационарного случайного
![спектральной плотностью стационарного случайного процесса Непрерывная функция sx(ω) называется спектральной плотностью стационарного](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-37.jpg)
процесса. sx(ω) характеризует частотный состав стационарного случайного процесса X(t) и полностью определяется его корреляционной функцией Rx(τ)
Слайд 39Разложение дисперсии
представляет собой разложение дисперсии Dx на сумму элементарных слагаемых sx(ω)dω, каждая
![Разложение дисперсии представляет собой разложение дисперсии Dx на сумму элементарных слагаемых sx(ω)dω,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-38.jpg)
из которых представляет собой дисперсию, приходящуюся на элементарный бесконечно малый интервал частот dω, прилежащей к точке ω при (– ∞ < ω < ∞).
Слайд 40Спектральная плотность стационарного случайного процесса
![Спектральная плотность стационарного случайного процесса](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-39.jpg)
Слайд 42нормированная спектральная плотность
![нормированная спектральная плотность](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-41.jpg)
Слайд 43Свойства спектральной плотности
Спектральная плотность действительного стационарного случайного процесса является чётной действительной функцией
![Свойства спектральной плотности Спектральная плотность действительного стационарного случайного процесса является чётной действительной](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-42.jpg)
аргумента ω
Дисперсия действительного стационарного случайного процесса равна интегралу от спектральной плотности этого процесса в бесконечных пределах
Слайд 44Спектральная плотность стационарного случайного процесса – функция неотрицательная.
![Спектральная плотность стационарного случайного процесса – функция неотрицательная.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-43.jpg)
Слайд 45Корреляционные функции и спектральные плотности типовых стационарных процессов
Белый шум
Формирующий фильтр
Нерегулярная качка
![Корреляционные функции и спектральные плотности типовых стационарных процессов Белый шум Формирующий фильтр Нерегулярная качка](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-44.jpg)
Слайд 46Белый шум
Белый шум – это центрированный случайный процесс X(t) с некоррелированными сечениями.
корреляционная
![Белый шум Белый шум – это центрированный случайный процесс X(t) с некоррелированными](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-45.jpg)
функция белого шума
Слайд 47Белый шум
Множитель G(t) = G(t1) = G(t2) называется интенсивностью белого шума.
Если
![Белый шум Множитель G(t) = G(t1) = G(t2) называется интенсивностью белого шума.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-46.jpg)
G(t) = G – белый шум стационарный.
Белый шум – идеализированная случайная функция, реализовать которую на практике невозможно.
Слайд 49Формирующий фильтр
Из белого шума ξ(t) можно получить случайный процесс с заданными характеристиками,
![Формирующий фильтр Из белого шума ξ(t) можно получить случайный процесс с заданными](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-48.jpg)
пропуская ξ(t) через апериодическое звено.
Слайд 50Корреляционная функция формирующего фильтра
![Корреляционная функция формирующего фильтра](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-49.jpg)
Слайд 51спектральная плотность формирующего фильтра
![спектральная плотность формирующего фильтра](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-50.jpg)
Слайд 52Экспоненциальная корреляционная функция
![Экспоненциальная корреляционная функция](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-51.jpg)
Слайд 54Формирующий фильтр
При уменьшении параметра α (при возрастании постоянной времени Т) корреляционная функция
![Формирующий фильтр При уменьшении параметра α (при возрастании постоянной времени Т) корреляционная](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-53.jpg)
будет убывать медленнее, что соответствует более плавным реализациям случайного процесса X(t).
Кривая sx(w) при этом вытягивается вверх, сжимаясь с боков, т.е. повышается удельный вес низких частот.
При α → ∞ (T → 0) X(t) вырождается в белый шум.
Слайд 55Нерегулярная качка
Некоторые объекты, например корабли, самолёты, находясь под действием нерегулярных возмущений (волнение
![Нерегулярная качка Некоторые объекты, например корабли, самолёты, находясь под действием нерегулярных возмущений](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-54.jpg)
моря, турбулентность атмосферы), движутся по случайному закону.
Получающееся при этом случайное движение объекта называют нерегулярной качкой, в отличие от регулярной качки, представляющей собой периодическое движение.
Слайд 57Корреляционная функция
Выражение является экспоненциально-косинусной корреляционной функцией, где ω0 – резонансная частота,
![Корреляционная функция Выражение является экспоненциально-косинусной корреляционной функцией, где ω0 – резонансная частота,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/890814/slide-56.jpg)
α – параметр затухания, Dx – дисперсия.