- •Вопрос 1: Классификация радиотехнических цепей
- •Вопрос 2 : Числовые характеристики случайных сигналов
- •Вопрос 1: Дискретизация и восстановление сигналов с ограниченным спектром
- •Вопрос 1: Представление сигналов ортогональными рядами. Обобщённый ряд Фурье
- •Вопрос 2: Анализ нерекурсивных фильтров второго порядка
- •Вопрос 2: Стационарные случайные сигналы. Корреляционная функция случайных сигналов
- •Вопрос 1: Нелинейные цепи, описание и свойства
- •Вопрос 2: Обнаружение импульсных сигналов в шумах
- •Вопрос 1: Сигналы и их классификация. Основные характеристики и параметры сигналов
- •Основные характеристики сигнала:
- •Вопрос 2: Определение и математическое описание случайных сигналов
- •Вопрос 2: Импульсная реакция сф, основные характеристики сигнала и помехи на выходе сф.
- •Вопрос 2: Прохождение случайных сигналов через линейные цепи.
- •Вопрос 1: Формирование сигналов ам.
- •Вопрос 2: Эргодические случайные сигналы и их числовые характеристики.
- •2. Временные диаграммы напряжения.
- •Вопрос 2: Оптимальная фильтрация финитных сигналов при небелой помехе.
- •Вопрос 1: Получение частотно-модулированных сигналов.
- •Вопрос 2: Алгоритм дискретной свёртки. Понятие дискретной импульсной характеристики.
- •Вопрос 2: Согласованные фильтры. Передаточная функция сф.
- •Вопрос 2: Дискретное преобразование Фурье и его свойства.
- •Вопрос 1: Характеристики сигналов с угловой модуляцией.
- •Вопрос 2: z-преобразование дискретных функций и его свойства.
- •Вопрос 1: Получение фазомодулированных сигналов.
- •Вопрос 2: Прохождение случайных сигналов через нелинейные цепи.
- •Вопрос 2: Оптимальная фильтрация финитных сигналов при небелой помехе.
- •Вопрос 1: rc-автогенераторы. Rc автогенератор с согласующим каскадом и фазосдвигающей цепью
- •Rc автогенератор с фазобалансной цепью
- •Rc автогенератор с мостом Вина
- •Вопрос 2: Обнаружение импульсных сигналов в шумах.
- •Вопрос 1: Демодуляция чм-сигналов.
- •Вопрос 2: Анализ рекурсивных фильтров первого порядка.
- •Вопрос 1: Мягкий и жёсткий режимы самовозбуждения аг.
- •Вопрос 2: Устойчивость дискретных линейных систем (длс).
- •Вопрос 2: Принципы цифровой обработки сигналов.
- •Вопрос 1: Анализ условий самовозбуждения автогенератора.
- •1. Анализ условий самовозбуждения автогенератора.
- •Вопрос 2: z-преобразование дискретных функций и его свойства.
- •Вопрос 1: Узкополосные сигналы. Понятие аналитического сигнала. 1.
- •Вопрос 2: Синтез согласованного фильтра для единичного прямоугольного импульса.
- •Вопрос 1: Квазилинейное уравнение автогенератора. Стационарный режим.
- •Вопрос 2: Спектральное представление случайных сигналов. Теорема Винера-Хинчина.
Вопрос 2: Синтез согласованного фильтра для единичного прямоугольного импульса.
Рассмотрим характеристики фильтра, согласованного с одиночным прямоугольным импульсом. Такой импульс описывается выражением: u(t)=Um, при -0,5Т < t < 0,5Т, где Um,T - амплитуда и длительность импульса, соответственно.
Спектр этого импульса равен: S(j ω)=UmTsin(ω T/2)/( ω T/2).
Следовательно, АЧХ фильтра, согласованного с прямоугольным импульсом равна:
На рис. нарисована АЧХ фильтра, согласованного с прямоугольным импульсом длительностью Т.
Согласованный фильтр обеспечивает на выходе максимальное отношение мощности сигнала к мощности шума (с/ш), если помеха является белым шумом. Выше было показано, что для помехи типа АБГШ отношение мощности сигнала к мощности шума на выходе СФ при оптимальном выборе характеристик СФ равно , т.е. отношению энергии посылки сигнала к спектральной плотности энергии белого шума: h0 2 = Ес /G0
Это максимальное отношение, которое может быть получено для помехи типа белый шум.
БИЛЕТ № 26
Вопрос 1: Квазилинейное уравнение автогенератора. Стационарный режим.
Вопрос 2: Спектральное представление случайных сигналов. Теорема Винера-Хинчина.
Рассмотрим случайный процесс U(t), имеющий математическое ожидание mu(t). Соответствующий центрированный случайный процесс (t) характеризуется в любой момент времени t1 центрированной случайной величиной (t1):
Центрированный случайный процесс (t) можно выразить в виде конечной или бесконечной суммы ортогональных составляющих, каждая из которых представляет собой неслучайную базисную функцию j k(t) с коэффициентом Ck, являющимся случайной величиной. В результате имеем разложение центрированного случайного процесса (t):
Случайные величины Сk называются коэффициентами разложения. В общем случае они статистически зависимы, и эта связь задается матрицей коэффициентов корреляции . Математические ожидания коэффициентов разложения равны нулю. Неслучайные базисные функции принято называть координатными функциями.
Для конкретной реализации коэффициенты разложения являются действительными величинами и определяются по формуле.
Предположив, что
детерминированную функцию mu(f) в (1.86) на интервале - T<t<. T также можно разложить по функциям цk(t), представив в виде
Подставляя (1.87 а) и (1.87 б) в (1.86) для случайного процесса U(t) с отличным от нуля средним, получим
Выражение случайного процесса в виде (1.87 в) позволяет существенно упростить его линейные преобразования, поскольку они сводятся к преобразованиям детерминированных функций [mu(t), j k(t)], а коэффициенты разложения, являющиеся случайными величинами, остаются неизменными.
Чтобы определить требования к координатным функциям, рассмотрим корреляционную функцию процесса (t), заданную разложением
Так как
то
Соотношение (1.88) становится значительно проще, если коэффициенты {Ck} некоррелированы (Rkl = 0 при k l, Rkl = 1 при k = l):
В частности, при t1 = t2 = t получим дисперсию случайного процесса U(t):
Поэтому целесообразно выбирать такие координатные функции, которые обеспечивают некоррелированность случайных величин {Сk}. Разложение (1.87), удовлетворяющее этому условию, называют каноническим разложением.
Доказано, что по известному каноническому разложению корреляционной функции случайного процесса можно записать каноническое разложение самого случайного процесса с теми же координатными функциями, причем дисперсии коэффициентов этого разложения будут равны дисперсиям коэффициентов разложения корреляционной функции.
Таким образом, при выбранном наборе координатных функций центрированный случайный процесс характеризуется совокупностью дисперсий коэффициентов разложения, которую можно рассматривать как обобщенный спектр случайного процесса.
В каноническом разложении (1.87) этот спектр является дискретным (линейчатым) и может содержать как конечное, так и бесконечное число членов (линий).
Однако используются и интегральные канонические разложения. В этом случае мы имеем непрерывный спектр, представляемый спектральной плотностью дисперсии.
Основным препятствием к широкому практическому использованию канонических разложений случайных процессов является сложность процедуры нахождения координатных функций. Однако для ряда стационарных случайных процессов эта процедура вполне приемлема.
Теорема Винера-Хинчина
Содержание теоремы Винера — Хинчина, утверждающей, что спектр мощности и функция коррекции случайного процесса связаны между собой интегральными преобразованиями Фурье. Причем чем шире этот спектр, тем хаотичнее реализации случайного процесса. Для теоремы Винера — Хипчина справедливы свойства преобразования Фурье для детерминированных сигналов. Например, чем шире энергетический спектр случайного процесса, тем меньше интервал корреляции, и, соответственно, чем больше интервал корреляции, тем уже спектр процесса.