рефераты конспекты курсовые дипломные лекции шпоры

Реферат Курсовая Конспект

Спектральные плотности корреляционных функций

Спектральные плотности корреляционных функций - раздел Связь, Введение в теорию сигналов и систем Спектральная Плотность Акф Может Быть Определена ...

Спектральная плотность АКФ может быть определена из следующих простых соображений.

В соответствии с выражением (6.1.1) АКФ представляет собой функцию скалярного произведения сигнала и его копии, сдвинутой на интервал t, при -¥ < t < ¥:

Bs(t) = ás(t), s(t-t)ñ.

Скалярное произведение может быть определено через спектральные плотности сигнала и его копии, произведение которых представляет собой спектральную плотность взаимной мощности:

ás(t), s(t-t)ñ = (1/2p)S(w) St*(w) dw.

Смещение сигнала по оси абсцисс на интервал t отображается в спектральном представлении умножением спектра сигнала на exp(-jwt), а для сопряженного спектра на множитель exp(jwt):

St*(w) = S*(w) exp(jwt).

С учетом этого получаем:

Bs(t) = (1/2p)S(w) S*(w) exp(jwt) dw =

= (1/2p)|S(w)|2 exp(jwt) dw. (6.3.1)

Но последнее выражение представляет собой обратное преобразование Фурье энергетического спектра сигнала (спектральной плотности энергии). Следовательно, энергетический спектр сигнала и его автокорреляционная функция связаны преобразованием Фурье:

Bs(t) Û |S(w)|2 = Ws(w). (6.3.2)

Таким образом, спектральная плотность АКФ есть не что иное, как спектральная плотность мощности сигнала, которая, в свою очередь, может определяться прямым преобразованием Фурье через АКФ:

|S(w)|2 = Bs(t) exp(-jwt) dt. (6.3.3)

Последние выражение накладывает определенные ограничения на форму АКФ и методику их ограничения по длительности.

Рис. 6.3.1. Спектр несуществующей АКФ

Энергетический спектр сигналов всегда положителен, мощность сигналов не может быть отрицательной. Следовательно, АКФ не может иметь формы прямоугольного импульса, т.к. преобразование Фурье прямоугольного импульса – знакопеременный интегральный синус. На АКФ не должно быть и разрывов первого рода (скачков), т.к. с учетом четности АКФ любой симметричный скачек по координате ±t порождает “разделение” АКФ на сумму определенной непрерывной функции и прямоугольного импульса длительностью 2t с соответствующим появлением отрицательных значений в энергетическом спектре. Пример последнего приведен на рис. 6.3.1 (графики функций приведены, как принято для четных функций, только своей правой частью).

АКФ достаточно протяженных сигналов обычно ограничиваются по размерам (исследуются ограниченные интервалы корреляции данных от –Т/2 до Т/2). Однако усечение АКФ, это умножение АКФ на прямоугольный селектирующий импульс длительностью Т, что в частотной области отображается сверткой фактического спектра мощности со знакопеременной функцией интегрального синуса sinc(wT/2). С одной стороны, это вызывает определенное сглаживание спектра мощности, что зачастую бывает полезным, например, при исследовании сигналов на значительном уровне шумов. Но, с другой стороны, может происходить и существенное занижение величины энергетических пиков, если в сигнале имеются какие-либо гармонические составляющие, а также появление отрицательных значений мощности на краевых частях пиков и скачков. Пример проявления данных факторов приведен на рис. 6.3.2.

Рис. 6.3.2. Вычисление энергетического спектра сигнала по АКФ разной длины.

Как известно, спектры мощности сигналов не имеют фазовой характеристики и по ним невозможно восстановление сигналов. Следовательно, АКФ сигналов, как временное представление спектров мощности, также не имеет информации о фазовых характеристиках сигналов и восстановление сигналов по АКФ невозможно. Сигналы одной формы, сдвинутые во времени, имеют одинаковые АКФ. Больше того, сигналы разной формы могут иметь сходные АКФ, если имеют близкие спектры мощности.

Перепишем уравнение (6.3.1) в следующей форме

s(t) s(t-t) dt = (1/2p)S(w) S*(w) exp(jwt) dw,

и подставим в это выражение значение t=0. Полученное равенство хорошо известно и называется равенством Парсеваля

s2(t) dt = (1/2p)|S(w)|2 dw.

Оно позволяет вычислять энергию сигнала, как по временной, так и по частотной области описания сигналов.

Интервал корреляции сигналаявляется числовым параметром оценки ширины АКФ и степени значимой корреляции значений сигнала по аргументу.

Рис. 6.3.3.

Если допустить, что сигнал s(t) имеет примерно равномерный энергетический спектр со значением W0 и с верхней граничной частотой до wв (форма центрированного прямоугольного импульса, как, например, сигнал 1 на рис. 6.3.3 с fв=50 Гц в одностороннем представлении), то АКФ сигнала определится выражением:

Bs(t) = (Wo/p)cos(wt) dw = (Wowв/p) sin(wвt)/(wвt).

Интервалом корреляции сигнала tк считается величина ширины центрального пика АКФ от максимума до первого пересечения нулевой линии. В данном случае для прямоугольного спектра с верхней граничной частотой wв первое пересечение нуля соответствует sinc(wвt) = 0 при wвt = p, откуда:

tк = p/wв =1/2fв. (6.3.4)

Интервал корреляции тем меньше, чем выше верхняя граничная частота спектра сигнала. Для сигналов с плавным срезом по верхней граничной частоте роль параметра wв играет средняя ширина спектра (сигнал 2 на рис. 6.3.3).

Спектральная плотность мощности статистических шумов при единичном измерении представляет собой случайную функцию Wq(w) со средним значением Wq(w) Þ sq2, где sq2 – дисперсия шумов. В пределе, при равномерном спектральном распределении шумов от 0 до ¥, АКФ шумов стремится к значению Bq(t) Þ sq2 при t Þ 0, Bq(t) Þ 0 при t ¹ 0, т.е. статистические шумы не коррелированны (tк Þ 0).

Практические вычисления АКФ финитных сигналов обычно ограничиваются интервалом сдвигов t = {0, (3-5)tk}, в котором, как правило, сосредоточена основная информация по автокорреляции сигналов.

Спектральная плотность ВКФ может быть получена на основании тех же соображений, что и для АФК, или непосредственно из формулы (6.3.1) заменой спектральной плотности сигнала S(w) на спектральную плотность второго сигнала U(w):

Bsu(t) = (1/2p)S*(w) U(w) exp(jwt) dw. (6.3.5)

Или, при смене порядка сигналов:

Bus(t) = (1/2p)U*(w) S(w) exp(jwt) dw. (6.3.5')

Произведение S*(w)U(w) представляет собой взаимный энергетический спектр Wsu(w) сигналов s(t) и u(t). Соответственно, U*(w)S(w) = Wus(w). Следовательно, как и АКФ, взаимнокорреляционная функция и спектральная плотность взаимной мощности сигналов связаны между собой преобразованиями Фурье:

Bsu(t) Û Wsu(w) º W*us(w). (6.3.6)

Bus(t) Û Wus(w) º W*su(w). (6.3.6')

В общем случае, за исключением спектров четных функций, из условия несоблюдения четности для функций ВКФ следует, что взаимные энергетические спектры являются комплексными функциями:

U(w) = Au(w) + j Bu(w), V(w) = Av(w) + j Bv(w).

Wuv = AuAv+BuBv+j(BuAv - AuBv) = Re Wuv(w) + j Im Wuv(w),

и содержат определенную фазовую характеристику гармонических составляющих ВКФ, которой и формируется сдвиг максимума ВКФ.

На рис. 6.3.4 можно наглядно видеть особенности формирования ВКФ на примере двух одинаковых по форме сигналов, сдвинутых относительно друг друга.

Рис. 6.3.4. Формирование ВКФ.

Форма сигналов и их взаимное расположение приведены на виде А. Модуль и аргумент спектра сигнала s(t) приведены на виде В. Модуль спектра u(t) тождественен модулю S(w). На этом же виде приведен модуль спектра взаимной мощности сигналов S(w)U*(w). Как известно, при перемножении комплексных спектров модули спектров перемножаются, а фазовые углы складываются, при этом для сопряженного спектра U*(w) фазовый угол меняет знак. Если первым в формуле вычисления ВКФ (6.2.1) стоит сигнал s(t), а сигнал u(t-t) на оси ординат стоить впереди s(t), то фазовые углы S(w) по мере увеличения частоты нарастают в сторону отрицательных значений углов (без учета периодического сброса значений на 2p), а фазовые углы U*(w) по абсолютным значениям меньше фазовых углов s(t) и нарастают (за счет сопряжения) в сторону положительных значений. Результатом умножения спектров (как это видно на рис. 6.3.4, вид С) является вычитание из фазовых углов S(w) значений углов U*(w), при этом фазовые углы спектра S(w)U*(w) остаются в области отрицательных значений, что обеспечивает сдвиг всей функции ВКФ (и ее пиковых значений) вправо от нуля по оси t на определенную величину (для одинаковых сигналов – на величину разности между сигналами по оси ординат). При смещении начального положения сигнала u(t) в сторону сигнала s(t) фазовые углы S(w)U*(w) уменьшаются, в пределе до нулевых значений при полном совмещении сигналов, при этом функция Bsu(t) смещается к нулевым значениям t, в пределе до обращения в АКФ (для одинаковых сигналах s(t) и u(t)).

Как известно для детерминированных сигналов, если спектры двух сигналов не перекрываются и, соответственно, взаимная энергия сигналов равна нулю, такие сигналы ортогональны друг другу. Связь энергетических спектров и корреляционных функций сигналов показывает еще одну сторону взаимодействия сигналов. Если спектры сигналов не перекрываются и их взаимный энергетический спектр равен нулю на всех частотах, то при любых временных сдвигах t друг относительно друга их ВКФ также равна нулю. А это означает, что такие сигналы являются некоррелированными. Это действительно как для детерминированных, так и для случайных сигналов и процессов.

Вычисление корреляционных функций при помощи БПФ является, особенно для длинных числовых рядов, в десятки и сотни раз более быстрым методом, чем последовательными сдвигами во временной области при больших интервалах корреляции. Суть метода вытекает из формул (6.3.2) для АКФ и (6.3.6) для ВКФ. Учитывая, что АКФ можно рассматривать как частный случай ВКФ при одном и том же сигнале, процесс вычисления рассмотрим на примере ВКФ для сигналов x(k) и y(k) с числом отсчетов К. Он включает:

1. Вычисление БПФ спектров сигналов x(k) → X(k) и y(k) → Y(k). При разном количестве отсчетов более короткий ряд дополняется нулями до размера большего ряда.

2. Вычисление спектров плотности мощности Wxy(k) = X*(k) Y(k).

3. Обратное БПФ Wxy(k) → Bxy(k).

Отметим некоторые особенности метода.

Рис. 6.3.5. В1 – линейная свертка, В2 – БПФ без продления сигналов нулями, В3 – БПФ с продлением сигналов нулями.

При обратном БПФ, как известно, вычисляется циклическая свертка функций x(k) ③ y(k). Если число отсчетов функций равно К, число комплексных отсчетов спектров функций также равно К, равно как и число отсчетов их произведения Wxy(k). Соответственно, число отсчетов Bxy(k) при обратном БПФ также равно К и циклически повторяется с периодом, равным К. Между тем, при линейной свертке полных массивов сигналов по формуле (6.2.5) размер только одной половины ВКФ составляет К точек, а полный двусторонний размер составляет 2К точек. Следовательно, при обратном БПФ с учетом цикличности свертки произойдет наложение на главный период ВКФ ее боковых периодов, как и при обычной циклической свертке двух функций.

На рис. 6.3.5 приведен пример двух сигналов и значения ВКФ, вычисленные линейной сверткой (В1ху) и циклической сверткой через БПФ (В2ху). Для исключения эффекта наложения боковых периодов необходимо дополнить сигналы нулями, в пределе, до удвоения количества отсчетов, при этом результат БПФ (график В3ху на рисунке 6.3.5) полностью повторяет результат линейной свертки (с учетом нормировки на увеличение количества отсчетов).

На практике число нулей продления сигналов зависит от характера корреляционной функции. Минимальное количество нулей обычно принимается равным значимой информационной части функций, т.е. порядка (3-5) интервалов корреляции.

– Конец работы –

Эта тема принадлежит разделу:

Введение в теорию сигналов и систем

Тематика практических работ введение в теорию сигналов.. Содержание.. Общие сведения и понятия..

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: Спектральные плотности корреляционных функций

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

Тематика практических работ
Работы выполняются на компьютерах по типовым программам с заданием индивидуальных параметров моделирования, расчетов и обработки данных для каждого студента группы.

Пространство сигналов
Важнейшее свойство аналоговых и дискретных сигналов заключается в том, что их линейные комбинации также являются аналоговыми или дискретными сигналами. Линейные комбинации цифровых сигналов, в силу

Мощность и энергия сигналов
Понятия мощности и энергиив теории сигналов не относятся к характеристикам каких-либо физических величин сигналов, а являются их количественными характеристиками, отража

Пространства функций
Пространства функций можно считать обобщением пространства N-мерных сигналов – векторов на аналоговые сигналы, как бесконечномерные векторы, с некоторыми чисто практическими уточнениями.

Функции корреляции сигналов
Функции корреляции сигналов применяются для интегральных количественных оценок формы сигналов и степени их сходства друг с другом. Автокорреляционные функции (АКФ) сигналов

Математическое описание шумов и помех
Шумы и помехи (noise). При детектировании сигналов в сумме с основным информационным сигналом одновременно регистрируются и мешающие сигналы - шумы и помехи самой различ

Разложение сигналов по единичным импульсам
Единичные импульсы. В качестве математической модели единичного импульса при анализе аналоговых сигналов используют дельта-функцию. Дельта-функция

Свертка (конволюция) сигналов
Интеграл Дюамеляпозволяет определять реакцию системы на воздействие s(t) в текущем времени по ее переходной функции g(t) на единичный скачок входного воздействия:

Мощность и энергия сигналов
Частотное представление применяется не только для спектрального анализа сигналов, но и для упрощения вычислений энергии сигналов и их корреляционных характеристик. Как уже рассматривалось

Энергетические спектры сигналов
Скалярное произведение сигналов. Энергия суммы двух произвольных сигналов u(t) и v(t) определяется выражением: E =

Автокорреляционные функции сигналов
Понятие автокорреляционных функций сигналов. Автокорреляционная функция (АКФ, CF - correlation function) сигнала s(t), конечного по энергии, является количественной инте

Взаимные корреляционные функции сигналов
Взаимная корреляционная функция (ВКФ) разных сигналов (cross-correlation function, CCF) описывает как степень сходства формы двух сигналов, так и их взаимное расположени

Задачи дискретизации функций
Сигналы и системы дискретного времени. Значения дискретного сигнала определены только при дискретных значениях времени или любой другой независимой переменной. Обычно ег

Равномерная дискретизация
Спектр дискретного сигнала. Допустим, что для обработки задается произвольный аналоговый сигнал s(t), имеющий конечный и достаточно компактный фурье-образ S(f). Равномер

Исследование и разработка основных правил ограничения интервала суммирования при интерполяции данных рядом Котельникова-Шеннона
Рис. 7.2.9. Интерполяция по Котельникову-Шеннону. Ряд (7.2.7) позволяет простым введе

Дискретизация по критерию наибольшего отклонения
Задача абсолютно точного восстановления сигнала на практике обычно не ставится, в отличие от задачи минимального физического объема информации, при котором сохраняется возможность ее восстановления

Адаптивная дискретизация
Частота равномерной дискретизации информации рассчитывается по предельным значениям частотных характеристик сигналов. Адаптивная дискретизация ориентирована на динамические характеристики сигнала,

Исследовать и разработать программу оценки спектра дискретного сигнала при неравномерном шаге дискретизации
Самыми простыми способами восстановления сигналов при адаптивной дискретизации являются линейная и квадратичная интерполяции, которые выполняются по уравнениям: f(x)лин = а

Квантование сигналов
Дискретизация аналоговых сигналов с преобразованием в цифровую форму связана с квантованием сигналов. Сущность квантования состоит в замене несчетного множества возможных значений функции, в общем

Децимация и интерполяция данных
Децимацией (прореживанием, сокращением) цифровых данных принято называть уплотнение данных с удалением избыточной информации. Последнее имеет место, если шаг дискретизации данных был установлен изл

Преобразование Фурье
Дискретное преобразование Фурьеможет быть получено непосредственно из интегрального преобразования дискретизаций аргументов (tk = kDt, fn = nDf):

Преобразование Лапласа
Дискретное преобразование Лапласа (ДПЛ), как и ДПФ, может быть получено из интегрального преобразования дискретизаций аргументов (tk = kDt, wn = nDw): Y(p) =

Z - преобразование сигналов
Определение преобразования. Распространенным способом анализа дискретных цифровых последовательностей является z-преобразование (z-transform). Произвольной непр

Дискретная свертка (конволюция)
Свертка – основной процесс в цифровой обработке сигналов. Поэтому важно уметь эффективно ее вычислять. Уравнение дискретной свертки двух функций (сигналов) може

Случайные процессы и функции
Случайный процесс описывается статистическими характеристиками, называемыми моментами. Важнейшими характеристиками случайного процесса являются его стационарность, эргодичность и спектр мощности.

Функции спектральной плотности
Каноническое разложение случайных функций. Введем понятие простейшей случайной функции, которая определяется выражением: X(t) = X×j(t), (9.2.1)

Преобразования случайных функций
Системы преобразования случайных функций.Пусть имеется система преобразования с одним входом, на который поступает (подается) входная случайная функция X(t) - функция

Модели случайных сигналов и помех
Наиболее распространенными моделями случайных сигналов и помех являются телеграфный сигнал, белый шум, гауссовый случайный процесс, гауссовый шум.

Хотите получать на электронную почту самые свежие новости?
Education Insider Sample
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Реклама
Соответствующий теме материал
  • Похожее
  • Популярное
  • Облако тегов
  • Здесь
  • Временно
  • Пусто
Теги