Читать в оригинале

<< ПредыдущаяОглавлениеСледующая >>


1.7.1. Характеристики случайного процесса

Помехи в системах связи описываются методами теории случайных процессов.

Функция называется случайной, если в результате эксперимента она принимает тот или иной вид, заранее неизвестно, какой именно. Случайным процессом называется случайная функция времени. Конкретный вид, который принимает случайный процесс в результате эксперимента, называется реализацией случайного процесса.

На рис. 1.19 показана совокупность нескольких (трех) реализаций случайного процесса  . Такая совокупность называется ансамблем реализаций. При фиксированном значении момента времени  в первом эксперименте получим конкретное значение , во втором – , в третьем – .

Случайный процесс носит двойственный характер. С одной стороны,  в каждом конкретном эксперименте он представлен своей реализацией – неслучайной функцией времени. С другой стороны, случайный процесс описывается совокупностью случайных величин.

Действительно, рассмотрим случайный  процесс  в  фиксированный момент времени   Тогда  в каждом эксперименте принимает одно значение , причем заранее неизвестно, какое именно. Таким образом, случайный процесс, рассматриваемый в фиксированный момент времени  является  случайной величиной. Если зафиксированы два момента времени  и , то в каждом эксперименте будем получать два значения  и . При этом совместное рассмотрение этих значений  приводит к системе  двух случайных величин. При анализе случайных процессов в N моментов времени приходим к совокупности или системе N случайных величин .

Математическое ожидание, дисперсия и корреляционная функция случайного процесса. Поскольку случайный процесс, рассматриваемый в фиксированный момент времени, является случайной величиной, то можно говорить о математическом ожидании и дисперсии случайного процесса:

, .

Так же, как и для случайной величины, дисперсия характеризует разброс значений случайного процесса относительно среднего значения . Чем больше , тем больше вероятность появления очень больших положительных и отрицательных значений процесса. Более удобной характеристикой является среднее квадратичное отклонение (СКО) , имеющее ту же размерность, что и сам случайный процесс.

Если случайный процесс описывает, например,  изменение дальности до объекта, то математическое ожидание – средняя дальность в метрах; дисперсия измеряется в квадратных метрах, а Ско – в метрах и характеризует разброс возможных значений дальности относительно средней.

Среднее значение и дисперсия являются очень важными характеристиками, позволяющими судить о поведении случайного процесса в фиксированный момент времени. Однако, если необходимо оценить «скорость»   изменения процесса, то наблюдений в один момент времени недостаточно. Для этого используют две случайные величины , рассматриваемые совместно. Так же,  как и для случайных величин, вводится характеристика связи или зависимости между  и . Для случайного процесса эта характеристика зависит от двух моментов времени   и   и называется корреляционной функцией: .

Стационарные случайные процессы. Многие процессы в системах управления протекают однородно во времени. Их основные характеристики не изменяются. Такие процессы называются стационарными. Точное определение можно дать следующим образом. Случайный процесс  называется  стационарным, если любые его вероятностные характеристики не зависят от сдвига начала отсчета времени. Для стационарного случайного процесса математическое ожидание, дисперсия и СКО постоянны:  ,     .

Корреляционная функция стационарного процесса не зависит от начала отсчета t, т.е. зависит только от разности  моментов времени:

.

Корреляционная функция стационарного случайного процесса имеет следующие свойства:

1) ;        2) ;          3) .

Часто корреляционные функции процессов в системах связи имеют вид, показанный на рис. 1.20.

Рис. 1.20. Корреляционные функции процессов

Интервал времени , на котором корреляционная функция, т.е. величина связи между значениями случайного процесса, уменьшается в М раз, называется интервалом или временем корреляции случайного процесса. Обычно  или . Можно сказать, что значения случайного процесса, отличающиеся по времени на интервал корреляции, слабо связаны друг с другом.

Таким образом, знание корреляционной функции позволяет судить о скорости изменения случайного процесса.

Другой важной характеристикой является энергетический спектр случайного процесса.  Он определяется как преобразование Фурье от корреляционной функции:

.

Очевидно, справедливо и обратное преобразование:

.

Энергетический спектр показывает распределение мощности случайного процесса, например помехи, на оси частот.

При анализе САУ очень важно определить характеристики случайного процесса на выходе линейной системы при известных характеристиках процесса на входе САУ. Предположим, что линейная система задана импульсной переходной характеристикой . Тогда выходной сигнал в момент времени  определяется интегралом Дюамеля:

,

где  – процесс на входе системы. Для нахождения корреляционной функции  запишем  и после перемножения найдем математическое ожидание

.

Таким образом, связь между корреляционными функциями входного и выходного случайных процессов устанавливается с помощью следующего двойного интеграла:

.

Для стационарных процессов корреляционные функции зависят только от разности аргументов , и поэтому

.

Более простое соотношение можно найти для энергетических спектров  и  входного и выходного сигналов при известной передаточной функции  линейной системы. Действительно, найдем преобразование Фурье от левой и правой частей последнего равенства. Получим следующее выражение:

.

После замены переменной  или  тройной интеграл преобразуется в произведение

.

Поскольку преобразование Фурье от импульсной характеристики дает передаточную функцию, находим окончательно связь между энергетическими спектрами процессов на входе и на выходе линейной системы:

.

Часто помехи в системах управления имеют очень широкий спектр. В таких случаях их удобно представить в виде так называемого белого шума – процесса с постоянным энергетическим спектром: . Корреляционная функция белого шума , где  – импульсная дельта-функция. Это означает, что даже очень близкие по времени значения белого шума не связаны друг с другом.

 



<< ПредыдущаяОглавлениеСледующая >>