Сигналы и их характеристики

Тема: "Сигналы и их характеристики"

Сигнал - физический процесс, отображающий сообщение. В технических системах чаще всего используются электрические сигналы. Сигналы, как правило, являются функциями времени.

1. Классификация сигналов

Сигналы можно классифицировать по различным признакам:

1. Непрерывные (аналоговые) - сигналы, которые описываются непрерывными функциями времени, т.е. принимают непрерывное множество значений на интервале определения. Дискретные - описываются дискретными функциями времени т.е. принимают конечное множество значений на интервале определения.

Детерминированные - сигналы, которые описываются детерминированными функциями времени, т.е. значения которых определены в любой момент времени. Случайные - описываются случайными функциями времени, т.е. значения которых в любой момент времени является случайной величиной. Случайные процессы (СП) можно классифицировать на стационарные, нестационарные, эргодические и неэргодические, а так же, гауссовы, марковские и т.д.

3. Периодические - сигналы, значения которых повторяются через интервал, равный периоду

х (t) = х (t+nT), где n = 1,2,...,¥; T - период.

4. Kаузальные - сигналы, имеющие начало во времени.

5. Финитные - сигналы конечной длительности и равные нулю вне интервала определения.

6. Когерентные - сигналы, совпадающие во всех точках определения.

7. Ортогональные - сигналы противоположные когерентным.

2. Характеристики сигналов

1. Длительность сигнала (время передачи) Т_с - интервал времени, в течении которого существует сигнал.

2. Ширина спектраF_c - диапазон частот, в пределах которых сосредоточена основная мощность сигнала.

3. База сигнала - произведение ширины спектра сигнала на его длительность.

4. Динамический диапазон D_c - логарифм отношения максимальной мощности сигнала - P_max к минимальной - P_{min (}минимально-различи-мая на уровне помех):

D_c = log (P_max/P_min).

В выражениях, где может быть использованы логарифмы с любым основанием, основание логарифма не указывается.

Как правило, основание логарифма определяет единицу измерения (например: десятичный - [Бел], натуральный - [Непер]).

5. Объем сигнала определяется соотношениемV_c = T_cF_cD_c.

6. Энергетические характеристики: мгновенная мощность - P (t); средняя мощность - P_ср и энергия - E. Эти характеристики определяются соотношениями:

P (t) = x² (t); ; (1)

где T = t_max-t_min.

3. Математические модели случайных сигнлов

Детерминированное, т.е. заранее известное сообщение, не содержит информации, т.к получателю заранее известно, каким будет переда-ваемый сигнал. Поэтому сигналы носят статистический характер [11].

Случайный (стохастический, вероятностный) процесс - процесс, который описывается случайными функциями времени.

Случайный процесс Х (t) может быть представлен ансамблем неслучайных функций времени x_i (t), называемых реализациями или выборками (см. рис.1).

Рис.1. Реализации случайного процесса X (t)

Полной статистической характеристикой случайного процесса является n - мерная функция распределения: F_n (x₁, x₂,..., x_n; t₁, t₂,..., t_n), или плотность вероятности f_n (x₁, x₂,..., x_n; t₁, t₂,..., t_n).

Использование многомерных законов связанно с определенными трудностями,поэтому часто ограничиваются использованием одномерных законов f₁ (x, t), характеризующих статистические характеристики случайного процесса в отдельные моменты времени, называемые сечениями случайного процесса или двумерных f₂ (x₁, x₂; t₁, t₂), характеризующих не только статистические характеристики отдельных сечений, но и их статистическую взаимосвязь.

Законы распределения являются исчерпывающими характеристиками случайного процесса, но случайные процессы могут быть достаточно полно охарактеризованы и с помощью, так называемых, числовых характеристик (начальных, центральных и смешанных моментов). При этом наиболее часто используются следующие характеристики: математическое ожидание (начальный момент первого порядка)

; (2)

средний квадрат (начальный момент второго порядка)

; (3)

дисперсия (центральный момент второго порядка)

; (4)

корреляционная функция, которая равна корреляционному моменту соответствующих сечений случайного процесса

. (5)

При этом справедливо следующее соотношение:

(6)

Стационарные процессы - процессы, в которых числовые характеристики не зависят от времени.

Эргодические процессы - процесс, в которых результаты усреднения и по множеству совпадают.

Гауссовы процессы - процессы с нормальным законом распределения:

(7)

Этот закон играет исключительно важную роль в теории передачи сигналов, т.к большинство помех являются нормальными.

В соответствии с центральной предельной теоремой большинство случайных процессов являются гауссовыми.

Марковский процесс - случайный процесс, у которых вероятность каждого последующего значения определяется только одним предыдущим значением.

4. Формы аналитического описания сигналов

Сигналы могут быть представлены во временной, операторной или частотной области, связь между которыми определяется с помощью преобразований Фурье и Лапласа (см. рис.2).

Преобразование Лапласа:

L: L^-1: (8)

Преобразования Фурье:

F: F^-1: (9)

L:

L-1:

F-1 : p=jw

F: jw=p

Рис.2 Области представления сигналов

При этом могут быть использованы различные формы представления сигналов с виде функций, векторов, матриц, геометрическое и т.д.

При описании случайных процессов во временной области используется, так называемая, корреляционная теория случайных процессов, а при описании в частотной области - спектральная теория случайных процессов.

С учетом четности функций и и в соответствии с формулами Эйлера:

(10)

можно записать выражения для корреляционной функции R_x (t) и энергетического спектра (спектральной плотности) случайного процесса S_x (w), которые связанны преобразованием Фурье или формулами Винера - Хинчина

; (11)

. (12)

5. Геометрическое представление сигналов и их характеристик

Любые n - чисел можно представить в виде точки (вектора) в n -мерном пространстве, удаленной от начала координат на расстоянии D,

где . (13)

Сигнал длительностью T_с и шириной спектра F_с, в соответствии с теоремой Котельникова определяется N отсчетами, где N = 2F_c T_c.

Этот сигнал может быть представлен точкой в n - мерном пространстве или вектором, соединяющим эту точку с началом координат [5].

Длина этого вектора (норма) равна:

; (14)

где x_i =x (nDt) - значение сигнала в момент времени t = n. Dt.

Допустим: X - передаваемое сообщение, а Y - принимаемое. При этом они могут быть представлены векторами (рис.3).

X2 ,Y2

x2 X

d

y2 Y

g

X1 , Y1

0 a1 a2 x1 y1

Рис.3. Геометрическое представление сигналов

Определим связи между геометрическим и физическим представлением сигналов. Для угла между векторами X и Y можно записать

cosg = cos (a₁-a₂) = cosa₁ cosa₂ + sina₁ sina₂ =

= (15)

Для N - отсчетов:

cosg (16)

Найдем модуль формального вектора. Для этого рассмотрим кванто-ванный сигнал (рис. 4).

Рис. 4. График сигнала

Рис.4. График сигнала

Средняя мощность сигнала

.

Энергия сигнала

.

Энергия кванта

.

Энергию квантованного сигнала можно определить по формуле

.

При этом модуль сигнала равен

.

Взаимная корреляционная функция равна

.

При этом

.

Это нормированная корреляционная функция

Если g = 90^о, то r_{xy (}t) = 0 - сигналы ортогональны, т.е. независимы;

Если g= 0, то r_{xy (}t) = 1 - передаваемый сигнал равен принятому;

Вектор d - характеризует (помеху) ошибку. Определим дисперсию ошибки:

По вектору ошибки определяют, допустима ли ее величина.

Список литературы

1. Hayes, M. H. Statistical Digital Signal Processing and Modeling. NewYork: JohnWiley & Sons, 1996.

2. Баскаков С.И. Радиотехнические цепи и сигналы: Учеб. для вузов по спец. "Радиотехника". - М.: Высш. шк., 2000.

3. Голд Б., Рэйдер Ч. Цифровая обработка сигналов / Пер. с англ., под ред.А.М. Трахтмана. - М., "Сов. радио", 1973, 368 с.

4. Гринченко А.Г. Теория информации и кодирование: Учебн. пособие. - Харьков: ХПУ, 2000.

5. Карташев В.Г. Основы теории дискретных сигналов и цифровых фильтров. - М.: Высш. шк., 1982.

6. Колесник В.Д., Полтырев Г.Ш. Курс теории информации. -М.: Наука, 1982.

7. Куприянов М.С., Матюшкин Б.Д. - Цифровая обработка сигналов: процессоры, алгоритмы, средства проектирования. - СПб.: Политехника, 1999.

8. Марпл С.Л. Цифровой спектральный анализ. М.: Мир, 1990.

9. Рудаков П. И, Сафонов В.И. Обработка сигналов и изображений Matlab 5. x. Диалог-МИФИ. 2000.

10. Сергиенко А.Б. Цифровая обработка сигналов. - СПб.: Питер, 2002.