PRELUCRAREA SEMNALELOR:
PRELUCRAREA SEMNALELOR:
PRELUCRAREA SEMNALELOR:
- No tags were found...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
26 CAPITOLUL 1. SEMNALE<br />
Definiţia 1.21 Autocorelaţiile unui proces aleator reprezintă speranţele matematice<br />
ale produselor variabilelor aleatoare (la diferite momente de timp):<br />
E{x[n]x[n − k]} = r[n, k], n, k, ∈ Z.<br />
Se observă imediat că r[n, k] = r[n, −k].<br />
Cele mai simple, dar extrem de utile, procese aleatoare sunt cele ale căror proprietăţi<br />
nu se modifică în timp. În această lucrare va fi vorba doar despre astfel de<br />
procese, definite ca mai jos.<br />
Definiţia 1.22 Un proces aleator x[n] este staţionar (în sens larg) dacă variabilele<br />
aleatoare x[n] au aceeaşi medie, i.e.<br />
iar autocorelaţiile<br />
E{x[n]} = µ, ∀n ∈ Z, (1.44)<br />
E{x[n]x[n − k]} = r[k], ∀n ∈ Z, (1.45)<br />
depind doar de ”distanţa” k între momentele de timp. (Evident, avem r[k] = r[−k].)<br />
Autocovarianţele unui proces aleator staţionar sunt autocorelaţiile procesului<br />
x[n] − µ, i.e.<br />
E{(x[n] − µ)(x[n − k] − µ)} = ρ[k].<br />
Pentru procese cu medie nulă, avem r[k] = ρ[k].<br />
Definiţia 1.23 Un zgomot alb de medie nulă şi varianţă σ 2 este un proces aleator<br />
w[n] pentru care<br />
E{w[n]} = 0,<br />
E{w[n]w[n − k]} = σ 2 (1.46)<br />
δ[k].<br />
Estimarea mediei şi a autocorelaţiilor. În aplicaţiile practice, dispunem de o<br />
realizare finită a unui proces aleator, adică de un semnal aleator cu suport finit<br />
x[n], n = 0 : N − 1. Presupunând că procesul este staţionar, se pune problema<br />
să estimăm valorile mediei (1.44) şi autocorelaţiilor (1.45). Pentru medie, cea mai<br />
naturală estimaţie este<br />
ˆµ = 1 N<br />
N−1<br />
∑<br />
n=0<br />
Pentru autocorelaţii se folosesc estimaţia nedeviată<br />
x[n]. (1.47)<br />
ˆr[k] = 1<br />
N−1<br />
∑<br />
x[n]x[n − k], 0 ≤ k ≤ N − 1, (1.48)<br />
N − k<br />
n=k<br />
(numele provine din faptul că E{ˆr[k]} = r[k], vezi problema PR1.4.3; o estimaţie<br />
este nedeviată dacă expectaţia sa este egală cu valoarea adevărată), dar mai ales<br />
cea deviată<br />
ˆr[k] = 1 N<br />
N−1<br />
∑<br />
n=k<br />
x[n]x[n − k], 0 ≤ k ≤ N − 1. (1.49)