Зная функцию распределения исходного случайного процесса X(t), можно обычными методами теории вероятности найти функцию распределения для всех вновь введенных процессов: , , A(t), , , , Aс(t), Aк(t).
В общем случаи эта не простая задача, поэтому рассмотрим частный случай, когда X(t)-центрированный стационарный Гауссовский процесс.
Известно, что процесс, полученный в результате линейного преобразования Гауссовского процесса, также является Гауссовским, т.к. преобразования Гильберта линейно, можно утверждать, что также Гауссовский процесс.
Процессы Aс(t) и Aк(t) представляют собой линейные комбинации процессов X(t) и , поэтому их распределение будет Гауссовским. Поскольку отличается от X(t) только фиксированным сдвигом фаз всех гармонических составляющих, то
1. , т.к. математическое ожидание имеет смысл среднего значения процесса, который при таком преобразовании не меняется.
2. , т.к. энергетический спектр не зависит от фазовых соотношений.
3. , вытекает из второго пункта теоремы Винера – Хинчина.
|
|
4. , т.к. D=B(0).
Процессы X(t) и являются Гауссовскими и в совпадающие моменты времени между собой не коррелированны, следовательно, они не зависимые. Поэтому, совместную плотность вероятностей X(t) и характеризующую аналитический сигнал в одном сечении t можно записать так:
Дисперсия аналитического сигнала:
Процессы и также стационарны, но поскольку они получены из X(t) и с помощью нелинейных операций, они не являются Гауссовскими. Найдем совместную интегральную функцию распределения А и в некотором сечении t, т.е. функцию .
Геометрическая интерпретация этой задачи представлена на рисунке:
По оси ординат отложены значения , а по оси абсцисс X. искомая функция распределения является вероятностью того, что коней вектора представляющего аналитический сигнал находится внутри заштрихованной зоны. Для нахождения функции распределения , можно проинтегрировать по области V. Перейдем к полярной системе координат используя известные формулы:
При этом имеем:
Двумерная интегральная функция распределения представляет собой произведение двух одномерных функций:
Это означает, что огибающая и в одном сечении независимы. Плотность распределения огибающей найдем как производную интегральной функции распределения:
Это известное распределение Релея, график которого показан на рисунке совместно с графиком Гауссовского распределения :
Наиболее вероятностные значения . Математическое ожидание - . Дисперсия - . Для плотности распределения фазы имеем:
Следовательно, фаза стационарного централизованного Гауссовского процесса распределена равномерно на интервале (0,2π).
|
|
Мгновенная начальная фаза рассмотревшего процесса также равномерно распределена на интервале протяженностью 2π. Действительно, можно отыскать совместную интегральную функцию распределения исходя из совместной плотности распределения процесса . Процессы Aс(t) и Aк(t) являются центрированными Гауссовскими процессами не зависимыми в совпадающие моменты времени, причем , поэтому совместная плотность вероятности определяется выражением аналогичным в котором символы X и заменены на Aс и Aк. Повторяя только что проведенные рассуждения и выкладки заменой X, ,на Aс, Aк,найдем плотность распределения для A(t) и равномерную плотность распределения .