![]() |
Главная страница Структура цифровых систем [0] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [ 46 ] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] [96] [97] [98] [99] [100] [101] [102] [103] [104] [105] [106] [107] [108] [109] [110] [111] [112] [113] [114] [115] [116] [117] [118] [119] [120] [121] [122] [123] [124] [125] [126] [127] [128] [129] [130] [131] [132] [133] [134] [135] [136] [137] [138] [139] [140] [141] [142] [143] [144] [145] [146] [147] [148] [149] [150] [151] [152] [153] [154] [155] [156] [157] [158] [159] [160] [161] [162] [163] [164] [165] [166] [167] [168] [169] [170] [171] [172] [173] [174] [175] [176] [177] [178] [179] [180] [181] [182] [183] [184] [185] [186] [187] [188] [189] будет значение {х, 4), т. е. допускается - схэ<:лгг<оо. Аналогичным образом, любая плотность вероятности низшего порядка всегда может быть получена из высшей, т. е. высшие плотности вероятностей содержат наибольшее количество информации о случайном процессе (о взаимосвязях между возможными значениями случайной величины X в различные моменты времени). Стационарным случайным процессом в строгом (широком) смысле называется такой процесс, вероятностные характеристики которого не зависят от времени. Все плотности вероятностей &2, з, • • •. не меняются при любом сдвиге рассмат- Ar=r-r<5/Sr-ctrT риваемого участка процес- "У са во времени. Так как отсюда вытекает независимость одномерной плотности вероятности от време- q - ни Ь(х, t) = b(x), то по- лучается, что Х = const и Рис. 3.2. Стационарный непре-D = const вдоль всего слу- рывный случайный ироцесс. чайного процесса. Следовательно, в стационарном случайном процессе средняя линия, в отличие от общего случая (рис. 3.1,6), будет прямая х - х (рис. 3.2). Рассеяние значений переменной х в стационарном случайном процессе, определяемое условием D = const, также будет одинаковым на любых отрезках времени. Для стационарных процессов в узком смысле только двумерная плотность вероятности будет одна и та же для одного и того же промежутка времени т = 4 -между любыми и 4 (рис. 3.2), т. е. *я(1, i\, ->2, 4)==*2(->1. -2, т), (3.9) при этом одномерная плотность вероятности не зависит от времени. Задание всех этих функций плотности вероятности определяет случайный процесс. Однако более удобно иметь дело с некоторыми осредненными характеристиками процесса. Для так называемого эргодшеского стационарного случайного процесса с вероятностью, равной единице (т. е. практически достоверно), всякое среднее по множеству равно соответствующему среднему по времени, в частности х = X, = х и т. д. Из этого вытекает, что длительное наблюдение случайного процесса на одном объекте (среднее по времени) дает в среднем такую же картину, как и большое число наблюдений, сделанное в один и тот же момент времени на большом числе одинаковых объектов (среднее по множеству). Для многих стационарных процессов существует математическое доказательство этого свойства. Тогда оно сводится к эргодической теореме. Для некоторых процессов эргодичность считают очевидной и тогда используют эргодическую гипотезу. Итак, среднее значение (математическое ожидание) для эргодического стационарного процесса оо т х= {x{x)dx = x=lim- [x(t)dt. (3.10) - 00 -Т Аналогичным образом могут быть записаны моменты более высоких порядков- дисперсия, среднеквадратичное отклонение и т. п. Эргодические свойства позволяют сильно упрощать все расчеты и эксперименты. Это дает возможность для определения зг, D и т. п., вместо параллельного испытания многих однотипных систем в один и тот же момент времени, пользоваться одной кривой x{f), полученной при испытании одной системы в течение длительного времени. Таким образом, важное свойство эргодического стационарного случайного процесса состоит в том, что отдельная его реализация на бесконечном промежутке времени полностью определяет собой весь случайный процесс со всеми бесчисленными возможными его реализациями. В большинстве встречающихся в практике случаев дискретные во времени случайные процессы (случайные ![]() Рис. 3.3. Образование решетчатого случайного процесса. решетчатые функции) могут быть получены из непрерывных их дискретизацией (рис. 3.3). Таким образом, случайная решетчатая функция может быть определена в виде x[n] = x{t), t = nT. (3.11) Совокупность случайных решетчатых функций образует случайный решетчатый процесс, который может быть как стационарным, так и нестационарным. Для стационарного решетчатого случайного процесса практически всегда сохраняется свойство эргодичности. Среднее значение по множеству (математическое ожидание) может определяться по общей формуле М{д;[п]}=х[п1= \ xf[x, n]dx. (3.12) - со в случае стационарного процесса М{х[п\} = Х= \ x{x)dx. (3.13) - оо Аналогичным образом могут вычисляться начальные и центральные моменты более высоких порядков. Среднее по времени значение случайной решетчатой функции = 1™ 2ЛПЛ 2 «= -Л/ Для эргодического стационарного процесса с вероятностью единица имеет место равенство х = х. § 3.2. Корреляционная функция Начальный корреляционный момент двух значений непрерывной случайной функции x(t) и x{ti), взятых в моменты времени t и ti, носит название корреляционной (автокорреляционной) функции. Она может быть найдена из выражения R{t, h)M{x{t)xik)} = ОО со = 5 \ x(t)x (к) *2 {X, t; Xl, h) dx dxu (3.15) [0] [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] [24] [25] [26] [27] [28] [29] [30] [31] [32] [33] [34] [35] [36] [37] [38] [39] [40] [41] [42] [43] [44] [45] [ 46 ] [47] [48] [49] [50] [51] [52] [53] [54] [55] [56] [57] [58] [59] [60] [61] [62] [63] [64] [65] [66] [67] [68] [69] [70] [71] [72] [73] [74] [75] [76] [77] [78] [79] [80] [81] [82] [83] [84] [85] [86] [87] [88] [89] [90] [91] [92] [93] [94] [95] [96] [97] [98] [99] [100] [101] [102] [103] [104] [105] [106] [107] [108] [109] [110] [111] [112] [113] [114] [115] [116] [117] [118] [119] [120] [121] [122] [123] [124] [125] [126] [127] [128] [129] [130] [131] [132] [133] [134] [135] [136] [137] [138] [139] [140] [141] [142] [143] [144] [145] [146] [147] [148] [149] [150] [151] [152] [153] [154] [155] [156] [157] [158] [159] [160] [161] [162] [163] [164] [165] [166] [167] [168] [169] [170] [171] [172] [173] [174] [175] [176] [177] [178] [179] [180] [181] [182] [183] [184] [185] [186] [187] [188] [189] 0.0171 |