4.3. Линейные и нелинейные преобразования случайных процессов
Рассматривается следующая задача: на вход системы (устройства, преобразователя) S подается «входной сигнал», имеющий характер случайного процесса Х(t). Система преобразовывает его в «выходной сигнал» Y(t):
.
Формально преобразование случайного процесса Х(t) в Y(t) может быть описано с помощью так называемого оператора системы Аt:
Y(t)=At(Х(t)).
Индекс t показывает, что данный оператор осуществляет преобразование по времени. Возможны следующие постановки задачи о преобразовании случайного процесса.
Известны законы распределения или общие характеристики случайного процесса Х(t) на входе в систему S, задан оператор Аt системы S, требуется определить закон распределения или общие характеристики случайного процесса Y(t) на выходе системы S.
Известны законы распределения (общие характеристики) случайного процесса Х(t) и требования к случайному процессу Y(t); надо определить вид оператора Аt системы S, наилучшим образом удовлетворяющего заданным требованиям к Y(t).
Известны законы распределения (общие характеристики) случайного процесса Y(t) и задан оператор Аt системы S; требуется определить законы распределения или общие характеристики случайного процесса Х(t).
П ринята следующая классификация операторов Аt системы S:
Операторы системы
Линейные L Нелинейные N
Линейные однородные L0 Линейные неоднородные Lн
Рассмотрим воздействие линейной неоднородной системы
Lн(...)=L0(…)+φ(t)
на случайный процесс Х(t), имеющий следующее каноническое разложение:
.
Получаем:
введем обозначения
тогда каноническое разложение Y(t) приобретает вид:
.
Математическое ожидание случайного процессаY(t):
корреляционная функция случайного процесса Y(t):
следовательно,
.
С другой стороны
Дисперсия случайного процесса Y(t):
В заключении этого пункта отметим, что операторы дифференцирования и интегрирования случайных процессов являются линейными однородными.
2. Рассматривается квадратичное преобразование:
Y(t)=(X(t))2,
Vk-центрированные случайные величины, имеющие симметричное относительно нуля распределение; любые четыре из них независимы в совокупности. Тогда
Введем неслучайные функции
и случайные величины
тогда случайный процесс Y(t) приобретает вид
Получено каноническое разложение случайного процесса Y(t). Корреляционная функция Y(t):
Дисперсия:
- Конспект лекций по дисциплине «Теория случайных процессов»
- Тема 1. Основные понятия теории случайных процессов 2
- Тема 2. Элементы корреляционной теории случайных процессов 4
- Тема 3. Элементы случайного анализа 7
- ТеМа 4. Канонические разложения случайных процессов 9
- Глава 5. Стационарные cлучайные процессы 14
- Тема 6. Цепи Маркова 17
- Тема 1. Основные понятия теории случайных процессов
- 1.1. Определение случайного процесса. Основные подходы к заданию случайных процессов. Понятие реализации и сечения. Элементарные случайные процессы.
- 1.2. Некоторые классы и виды случайных процессов
- 1.1.6. Пуассоновские случайные процессы
- 1.1.7. Винеровский случайный процесс
- Тема 2. Элементы корреляционной теории случайных процессов
- 2.1. Понятие корреляционной теории случайных процессов
- 2.2. Математическое ожидание и дисперсия случайного процесса. Среднеквадратическое отклонение
- 2.3. Корреляционная функция случайного процесса и ее свойства. Нормированная корреляционная функция
- 2.4. Взаимная корреляционная функция и нормированная взаимная корреляционная функция двух случайных процессов
- 2.5 Вероятностные характеристики суммы двух случайных величин
- Тема 3. Элементы случайного анализа
- 3.1. Сходимость и непрерывность
- 1. Классические виды сходимости
- 2. Сходимость по вероятности
- 3.2. Производная случайного процесса и ее свойства
- 3.3. Интеграл от случайного процесса и его свойства
- ТеМа 4. Канонические разложения случайных процессов
- 4.1. Понятие канонического разложения случайного процесса
- 4.2. Понятие обобщенной функции. Дельта-функция Дирака. Интегральное каноническое представление случайных процессов.
- 4.3. Линейные и нелинейные преобразования случайных процессов
- Глава 5. Стационарные cлучайные процессы
- 5.1. Понятие стационарного случайного процесса. Стационарность в узком и широком смыслах
- 5.2 Свойства вероятностных характеристик стационарного случайного процесса
- 5.3. Стационарно связанные случайные процессы. Производная и интеграл от стационарного случайного процесса
- 5.4. Эргодические стационарные случайные процессы и их характеристики
- 5.5. Потоки событий
- Пуассоновский поток
- Тема 6. Цепи Маркова
- 6.1. Цепи Маркова.