Основные понятия. Главное отличие случайных сигналов от детерминированных состоит в том, что после наблюдения их на конечном отрезке времени tн нельзя предсказать их будущее. Все случайные сигналы и помехи являются непредсказуемыми. Таким образом, для случайных сигналов нельзя подобрать математическую формулу, по которой можно было бы рассчитать их мгновенные значения.
Случайные сигналы и помехи относятся к тем случайным явлениям природы, изменением основных закономерностей которых занимается теория вероятностей. Одна из задач, решаемых теорией вероятностей, — нахождение таких характеристик случайных явлений, которые были бы неслучайными и позволяли проводить математические расчеты случайных явлений. Исследование осуществляется статистическими методами, для которых характерен принципиальный отказ от определения результатов каждого отдельного опыта и переход к рассмотрению массовых опытов, т. е. опытов, совершаемых много раз в одних и тех условиях. Определяемые при этом характеристики называются статистическими.
|
|
Все случайные явления, изучаемые в теории вероятностей, можно разбить на три типа: случайные события, случайные величины и случайные процессы. Каждый из этих типов случайных явлений имеет свои особенности и характеристики.
Реальные случайные сигналы и помехи, как и детерминированные, могут быть простыми и сложными, аналоговыми, дискретными и цифровыми. Вообще-то все они дискретные или непрерывные функции времени, но, в зависимости от конкретных условий, их можно рассматривать и как случайные величины, и как случайные события. Для их математического описания, т. е. выбора математической модели сигнала, необходимо решить две задачи: 1) к какому типу случайных явлений отнести случайный сигнал (помеху) в конкретной ситуации и 2) определить необходимые статистические характеристики.
Напомним важнейшие понятия теории вероятностей, необходимые для выбора математической модели случайных сигналов и помех.
Случайные события. Случайное событие — это всякий факт, который в результате опыта может произойти или не произойти. Это и передача текста без ошибок, и работа канала связи без повреждений не менее Т часов, и превышение помехой заданного уровня и т. д. Обозначаются случайные события начальными прописными буквами латинского алфавита: А, В, С.
Числовыми характеристиками степени возможности появления события в тех или иных условиях опыта являются частота появления события и вероятность события.
Частота появления события в данной серии опытов — это отношение числа m опытов, в которых появилось событие А, к общему числу опытов n:
|
|
n=m/n.
Вероятность события
(2.16)
т. е. вероятность случайного события Р(А) есть частота его появления при неограниченном увеличении числа независимых однородных опытов n. Это доказал швейцарский математик Я. Бернул-ли. С достаточной для практических вычислений точностью можно считать, что если число опытов m, в котором появилось событие А, больше 20, то частота случайного события n численно совпадает с его вероятностью Р(А). Так, если из 50 принятых знаков два ошибочных, то частота ошибок n=2/50=4*10-2, если зафиксиро-
вано 40 ошибочных знаков из 1 тыс. принятых, то можно считать, что вероятность ошибки знака Р(А) =40/1000 = 4*10-2.
Случайные величины. Величина, значение которой меняется от опыта к опыту случайным образом, называется случайной. В отличие от неслучайных (детерминированных) величин, для случайной величины нельзя предсказать точно, какое она примет значение в условиях опыта. Число ошибок в тексте, число занятых каналов многоканальной системы связи, уровень помехи в канале, мощность сигнала на выходе линии связи — это все примеры случайных величин. Можно даже сказать так: реальности мира таковы, что любая физическая величина является случайной.
Обозначаются случайные величины прописными буквами латинского алфавита X, Y, Z, а значения, которые они принимают, —• строчными буквами х, у, z.
Случайные величины делятся на дискретные и непрерывные. Дискретная случайная величина X может принимать только конечное множество значений х1, х2,..., хn, непрерывная — любые значения х из некоторого интервала, даже бесконечного.
Для математического описания случайных величин вводятся следующие неслучайные основные статистические характеристики:
1. Функция распределения вероятности
F(x)=P(X£x), (2.17)
показывающая вероятность того, что значения случайной величины X не превысят конкретно выбранного значения х. Если случайная величина X принимает дискретные значения, то F(x)- дискретная функция. Если X — непрерывная случайная величина, то F(х) — монотонно возрастающая функция, значения которой лежат в интервале 0£F(x)£l, причем F(-¥)=0, F(¥)=1.
2. Плотность распределения вероятности р (х) (или, короче,
плотность вероятности), которая вычисляется как производная от
функции распределения
p(x)=dF(x)ndx.
Физически р(х) есть вероятность попадания случайной величины в малый интервал dx в окрестности точки х. Взаимосвязь между р(х) и F(x) определяется выражением
F(x)= (2.18)
3. Математическое ожидание
M(X)= (2.19)
которое по своему смыслу является средним значением случайной величины. Так, если X — случайное напряжение (ток), то М(Х) — среднее значение, или постоянная составляющая напряжения (тока). В (2.19) интегрирование применяется при вычислениях М(Х) — непрерывной случайной величины, причем р(х) — плотность вероятности: суммирование — при вычислениях М(Х) — дискретной случайной величины и хi — значения случайной величины, Р(хi) — вероятности этих значений.
4. Дисперсия D(X), или s2x количественно характеризующая
степень разброса результатов отдельных опытов относительно
среднего значения. Вычисляется как математическое ожидание
квадрата отклонения случайной величины от своего математичес
кого ожидания
D(X)=s2x=M[X-V(X)]2=M(X2)-M2(X). (2.20)
Величина sx т. е. квадратный корень из дисперсии, называется среднеквадратическим отклонением. По физическому смыслу это есть то, что в электротехнике называется эффективным значением.
Случайные процессы. Случайный процесс X(t) — это такая функция времени t, значения которой при любом фиксированном значении аргумента t являются случайней величиной. Из этого определения следует, что если будет производиться наблюдение изменения во времени любой случайной величины X, то это уже будет случайный процесс X(t). Напряжение шума на выходе линии связи, температура воздуха, ток на выходе микрофона при разговоре и т.д., если производится наблюдение за мгновенными значениями перечисленных физических величин во времени, являются примерами случайных процессов.
|
|
Отдельные наблюдения над случайным процеcсом, протекающим в одинаковых условиях опыта, дают каждый раз различные
Рис. 2.16. Реализация случайного процесса X(t)
функции Xh(t) — различные экземпляры или реализации случайного процесса. Совокупность {xk(t)} всех возможных реализаций данного случайного процесса называется ансамблем. Таким ансамблем может служить набор сигналов Х1(t), x2(t),..., Xk(t), наблюдаемых одновременно на выходах многоканальной системы связи (рис. 2.16). Совсем не обязательно, чтобы реализации случайного процесса были сложными функциями, как показано на рис. 2.16. Гармонический сигнал Umcos(wt+y), у которого хотя бы один из параметров Um,w,y - случайная величина, также является случайным процессом.
Случайные процессы бывают различных типов. Однако в электросвязи большинство случайных сигналов и помех относятся к стационарным эргодичес-ким случайным процессам. Случайный процесс является стационарным, если такие его характеристики, как функция распределения F(x), плотность вероятности р(х), математическое ожидание М(Х), дисперсия D(X) не зависят от времени. Определяются они точно так же, как и для случайной величины.
Эргодическими стационарными называются такие случайные процессы, у которых усреднение по времени одной реализации приводит к тем же результатам, что и статистическое усреднение по всем реализациям. Физически это означает, что все реализации эргодического процесса похожи друг на друга, поэтому измерения и расчеты характеристик такого процесса можно проводить по одной (любой) из реализаций, что значительно проще.
Кроме четырех вышеперечисленных характеристик — функции распределения F(x), плотности вероятности р(х), математического ожидания М(Х), дисперсии D(X) — для описания случайного процесса применяются еще две: функция корреляции Kx(t) и
|
|
спектральная плотность мощности Gx(f) или Gx(w).
Функция корреляции Kx(t)характеризует степень взаимосвязи
между значениями случайного процесса в различные моменты t и t+t.Для эргодического процесса Kx(t)вычисляется усредне-
нием по времени произведения
(2.21)
где tн — время наблюдения реализации Xk(t)
Спектральная плотность мощности Gx(f) показывает распределение мощности случайного процесса по частотам. Определяется на любой частоте f как отношение
(2.22)
где DP— мощность случайного процесса, приходящаяся на полосу частот Df.