UNIVERZITET U SARAJEVU

Elektrotehniki fakultet u Sarajevu

Odsjek za telekomunikacije


Upute, rezultati i rjeenja prvog parcijalnog ispita iz predmeta Statistika teorija
signala, odranog 11.04.2014. godine

kolska godina 2013/2014.
Varijanta B.


Zadatak broj 1.
1.1. Napisati relaciju pomou koje se iz karakteristine funkcije jednodimenzionalne sluajne
varijable mogu izraunati njeni centralni momenti n-tog reda.
Uputa: vidjeti prezentaciju 1, slajd 2.
1.2. Napisati opi izraz za autokorelacijsku funkciju kontinualnoga sluajnoga procesa (t).
Odgovor: ( ) ( )
1 2 1 2 1 2 1 2 1 2
, , ; , R t t x x p x x t t dx dx
+ +


=
} }

1.3. Navesti osobine stacionarnih sluajnih procesa.
Uputa: vidjeti prezentaciju 4, slajd 4.
1.4. Definirati opisno i analitiki sluajni proces (t), koji ima svojstvo stacionarnosti
etvrtoga reda.
Odgovor: Sluajni proces (t) ima svojstvo stacionarnosti etvrtoga reda ako su sve
gustoe redova k = 1, 2, 3 i 4 invarijantne u odnosu na translacije u vremenu:
( ) ( )
( ) ( )
( ) ( )
( ) ( )
1 2 1 2 1 2 1 2
1 2 3 1 2 3 1 2 3 1 2 3
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
; ;
, ; , , ; ,
, , ; , , , , ; , ,
, , , ; , , , , , , ; , , ,
p x t t p x t
p x x t t t t p x x t t
p x x x t t t t t t p x x x t t t
p x x x x t t t t t t t t p x x x x t t t t




+ A =
+ A + A =
+ A + A + A =
+ A + A + A + A =


1.5. Definirati pojasne sluajne procese. Skicirati amplitudnu karakteristiku nekog primjera
takvoga procesa.
Uputa: vidjeti prezentaciju 7, slajd 6.



Zadatak broj 2.
2.1. (2 boda) Nai gustou vjerojatnosti sluajne varijable ija je karakteristina funkcija
( )
1
1 , za 1
4
0, za 1

e e s

| e =

e >

Rjeenje: oigledno je

(0) = 1, i

()

(0) [1,1], dakle, funkcija

ispunjava
uvjete da bude karakteristina funkcija sluajne varijable. Zadana funkcija je realna i
parna.

Po definiciji je karakteristina funkcija jednodimenzionalne sluajne varijable , poznate
gustoe vjerojatnosti p

(x):
( ) ( )
j j x
e e p x dx
+
e e

| e = =
}


dok se gustoa vjerojatnosti moe izraziti preko karakteristine funkcije, u opem sluaju,
koritenjem relacije:
( ) ( )
1
2
j x
p x e d
+
e

= | e e
t
}


Gornji izraz moe se neometano koristiti za rjeavanje ovoga zadatka. Meutim, kako je
karakteristina funkcija realna i parna, gornji izraz se pojednostavljuje:
( ) ( )
1
cos
2
p x x d
+

= e | e e
t
}


jer nema potrebe raunati integral neparne funkcije po simetrinim granicama, znamo da
on ima vrijednost nula. Raunanje s eksponencijalnom funkcijom je bespotreban gubitak
vremena, ionako e se neparni dijelovi ponititi.

U naem sluaju je:
( ) ( )
1 1 1
1 1 1
1 0 1
1 2 3
1 1 0
1 1
1 cos cos cos
2 2 2
1
cos cos cos
2 2 2
k
p x k xd xd xd
k k
xd xd xd

= e e e= e e e e e=
t t t
e e+ e e e e e e= +
t t t
} } }
} } }
I I I


gdje je, po postavci zadatka, k = 1/4.

Integral I
1
je tablini:
( )
1 1
1
1
1
1 1
1 1 1 sin
cos cos sin
2 2 2
x
xd xd x x
x x x

= e e= e e = e =
t t t t
} }
I

Integrali I
2
i I
3
su tipa xcosxdx i rjeavaju se parcijalnom integracijom, stavljajui u = x,
cosxdx = dv.

Dobije se:
cos sin sin sin cos
b b
b b b
a a a
a a
x xdx x x xdx x x x = = +
} }


Sada je:
( )
( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
0 0
0 0
2 2 2 1 1
1 1
2 2
cos cos sin cos
2 2 2
0 sin 1 cos 1 cos sin
2 2
k k k
xd x x d x x x x
x x
k k
x x x x x x
x x


= e e e= e e e = e e + e =
t t t
+ =
t t
} }
I


Slino se dobije:
( )
1
3 2
0
cos sin 1 cos
2 2
k k
xd x x x
x
= e e e= +
t t
}
I

Dakle, razlika integrala I
2
i I
3
je:
( ) ( )
( ) ( )
2 3 2 2
2
2 2 2
1 cos sin sin 1 cos
2 2
2 sin
sin sin
2
2 2cos 2 sin 1 cos
2
k k
x x x x x x
x x
x
k
k k k x k x
x x x x
x x x x x
= + =
t t
= = =
t t t t t
I I


Funkcija gustoe je:
( ) ( )
2
1 2 3
1
Sa Sa
2 2 2
k k x
p x x

| |
= + = +
|
t t
\ .
I I I

Na kraju, uvrstimo vrijednost za zadano k:
( ) ( )
2
1 2 3
3 1
Sa Sa
8 8 2
x
p x x

| |
= + = +
|
t t
\ .
I I I

Primijetimo da za k = 1, ovaj zadatak postaje zadatak 2 s tutorijala 1.
2.2. (5 bodova) Zadani su sluajni proces (t), stacionaran u irem smislu, i sluajna varijabla
, jednolike (uniformne) razdiobe vjerojatnosti na [0, 2], pri emu niti jedna realizacija
procesa (t) nije korelirana s varijablom . Ako su A, B i
0
realne, netrivijalne konstante,
ispitati stacionarnost sluajnog procesa (t) = A + B(t)cos(
0
t + ).

Rjeenje: proces (t) je dobiven od procesa (t) na nain da je proces (t) oslabljen ili
pojaan (ovisno o vrijednosti B), spektralno pomjeren za
0
(sa sluajnom poetnom
fazom ) i poveana ili smanjena istosmjerna komponenta (ovisno o vrijednosti A).
Intuitivno moemo zakljuiti da zbog ovih injenica proces (t) moe biti stacionaran u
irem smislu. Kod provjere je li neki sluajni proces stacionaran u irem smislu dovoljno
je provjeriti srednju vrijednost i autokorelacijsku funkciju.

Srednja vrijednost sluajnog procesa (t) je:
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
0 0 0
2
0
0
sin cos cos
1
cos 0
2
t A B t t A B t t A B t t
A B t t d A B t A
t
q = + e +u = + e +u = + e +u =
= + e +0 0= + =
t
}


Dakle, srednja vrijednost sluajnog procesa nije funkcija vremena. Ovdje smo koristili
slijedee (ova napomena je vana): 1) srednja vrijednost zbira sluajnih varijabli/procesa
uvijek je jednaka zbiru pojedinanih srednjih vrijednosti tih varijabli/procesa, 2) srednja
vrijednost produkta konstante i sluajne varijable/procesa uvijek je jednaka proizvodu te
konstante i srednje vrijednosti sluajne varijable/procesa, 3) srednja vrijednost konstante
jednaka je toj konstanti, i 4) srednja vrijednost produkta sluajnih varijabli/procesa,
ukoliko su te varijable/procesi nekorelirani jednaka je produktu srednjih vrijednosti tih
varijabli/procesa. Integral u prethodnoj relaciji moe se izraunati, a moe se i samo
konstatirati (uz krae obrazloenje) injenica da je jednak nuli.

Autokorelacijska funkcija procesa (t) je:
( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( )
( )
( ) ( )
0 0
2
0 0
2
0 0
2
2
0 0 0
2
2
0
,
cos cos
cos cos
cos cos
cos cos 2 2
2
cos
2
R t t t t
A B t t A B t t
A A B t t A B t t
B t t t t
B
A R t
B
A R R
qq

qq
+ t = q q + t =
= + e + u + + t e + t + u =
+ e + u + + t e + t + u +
+ + t e + u e + t + u =
= + t e t + e + e t + u =
= + t e t = t


Dakle, autokorelacijska funkcija je funkcija samo razlike vremena, iz ega zakljuujemo
da je sluajni proces (t) stacionaran, barem u irem smislu. Ovdje smo takoer iskoristili
ranije pobrojane osobine 1-4, osnovne trigonometrijske identitete, kao i zadanu
pretpostavku o stacionarnosti procesa (t).

Primijetimo da za A = 0 i (t) 1, ovaj zadatak postaje zadatak 3 s tutorijala 3.
2.3. (3 boda) Na ulaz niskofrekventnog filtra, realiziranog od jedne otpornosti R = 1 k i
jedne kapacitivnosti C = 1 nF dolazi stacionarni sluajni proces (t), za kojega je zadana
autokorelacijska funkcija R

() = 4e
2||
. Odrediti autokorelacijsku funkciju sluajnoga
procesa (t), na izlazu iz filtra.
Rjeenje: zadatak moemo rijeiti tako to odredimo spektralnu gustou snage S

()
ulaznog procesa, pa zatim spektralnu gustou snage S

() izlaznog procesa, a onda i

autokorelacijsku funkciju izlaznog procesa.

Prvo emo odrediti prijenosnu funkciju zadanoga filtra:
( )
0
0
1
1
j C
H
j
R
j C
e e
e = =
e + e
+
e
,

gdje smo uveli oznaku
0
= 1/RC = 10
6
1/s.

Potreban nam je kvadrat apsolutne vrijednosti prijenosne funkcije:
( ) ( ) ( )
2
2 0 0 0
2 2
0 0 0
H H H
j j
-
e e e
e = e e = =
e + e e e e + e
.

Kako autokorelacijska funkcija ulaznoga procesa ima oblik R

() = Ke
||
, > 0, to
moemo jednostavno izraunati spektralna gustou snage, prema Wiener-

ovom
teoremu:
( ) ( )
( ) ( )
( )
( ) ( )
( )
( ) ( )
( ) ( )
0
0
0
0
0
2 2
0
1
2 2
1 1
2
1 1 1 1
.
2 2
j j j
j j
j j
K
S e R d e d e d
K
e d j e d j
j j
K K K
e e
j j j j
+ +
o e t o+ e t et


+
o e t o+ e t

+
o e t o+ e t

| |
e = t t = t + t =
|
t t
\ .
| |
o e t o+ e t =
|
t o e o+ e
\ .
| | | | o
= = + =
| |
t o e o+ e t o e o+ e t o +e
\ . \ .
} } }
} }


U naem sluaju je K = 2 pa je spektralna gustoa snage: ( )
2
2 2
2
S

o
e =
t o +e

Oigledno je (t) niskofrekventni proces, ije su spektralne komponente, zbog injenice
da je
2
najvie reda 10, sigurno zanemarive na frekvencijama reda 1000 i viim. S druge
strane, kako je
0
2
reda 10
12
, to je na znaajnim frekvencijama (reda 100 i niim) H
2
()
1. Dakle, zadani filtar u cjelini proputa zadani ulazni proces na izlaz. Nema ni
korekcije magnitude jer je faktor uz prijenosnu funkciju jednak jedinici, a onaj uz
spektralnu gustou snage ulaznoga procesa 2/ < 1.

Spektralna gustoa snage izlaznoga procesa je u razmatranom sluaju:
( ) ( ) ( ) ( )
2
2
2 2 2 2
2 2
2
K
S H S S
qq
o o
e = e e ~ e = =
t o +e t o +e
.

Autokorelacijsku funkciju moemo dobiti ponovnom primjenom Wiener-

ovog
teorema (u obrnutom smjeru). To vodi ka integralu koji se rjeava primjenom
Cauchyjevog teorema o ostatcima.

Meutim, ako uoimo da spektralna gustoa snage izlaznoga procesa priblino jednaka
spektralnoj gustoi snage ulaznoga procesa, moemo direktno napisati izraz za
autokorelacijsku funkciju:
( )
2
4 R K e e
o t t
qq
t = = ,

to je bilo za oekivati, jer smo ve konstatirali da zadani filtar u potpunosti proputa
ulazni proces zadanih karakteristika.

Ovo je pojednostavljeni sluaj zadatka 5 s tutorijala 4. Sutina zadatka bila je to prije
uoiti da zadani filtar nije nikakva zapreka ulaznome procesu. Precizan izraun
spektralne gustoe snage izlaznoga procesa, to ukljuuje razlaganje produkta dvije
racionalne funkcije po na parcijalne razlomke u cilju namjetanja na formu podesnu za
primjenu Wiener-

ovog teorema, je bespotreban, barem za zadane vrijednosti

parametara ulaznoga procesa i filtra. Ovo se vizualno moe doarati zadavanjem funkcija
u softverskom alatu MATLAB, pa crtanjem frekvencijskih karakteristika u razmjeri.

Zadatak broj 3.
3.1. Karakteristina funkcija jednodimenzionalne sluajne varijable , u opem sluaju je:
a) realna funkcija jedne realne promjenljive,
b) realna funkcija jedne kompleksne promjenljive,
c) kompleksna funkcija jedne realne promjenljive,
d) kompleksna funkcija jedne kompleksne promjenljive,
e) ne znam.
3.2. Neka je (t) sluajni proces. Relacija ( ) ( ) ( )
1 2 1 2
, R t t t t

~ vrijedi:
a) uvijek,
b) kada je (t) stacionaran proces u irem smislu,
c) kada |t
2
t
1
| +, i proces (t) je periodian,
d) kada |t
2
t
1
| +, i proces (t) nije periodian
e) ne znam.
3.3. Neka je (t) sluajni proces, stacionaran reda n 2. U tom sluaju Wiener-

ov
teorem vrijedi:
a) uvijek,
b) samo ako je (t) Poissonov proces,
c) samo ako je (t) Gauov proces,
d) nikad,
e) ne znam.
3.4.Neka je (t) sluajni proces. Tada, u opem sluaju:
a) usrednjavanjem po vremenu dobivamo funkciju vremena,
b) usrednjavanjem po vremenu dobivamo sluajnu varijablu,
c) usrednjavanjem po vremenu dobivamo funkciju frekvencije,
d) usrednjavanjem po vremenu dobivamo konstantu,
e) ne znam.
3.5. Neka su (t) i (t) dva uzajamno stacionarna sluajna procesa, pojasno ograniena na
istom frekventnom podruju. U tom sluaju, njihova uzajamna korelacijska funkcija
neparna je funkcija razlike vremena:
a) uvijek,
b) ako su ta dva procesa Gauova,
c) ako su oni razloene komponente sluajnog procesa u kvadraturi,
d) ako je jedan od njih Hilbertova transformacija onog drugog,
e) ne znam.