Professional Documents
Culture Documents
02 STT PDF
02 STT PDF
P[ H i ] = 1 . Vai:
svako i j i
P[H k / A] =
P[ A / H k ]
P[A / H i ]P[H i ]
(2.1)
(2.2)
E[ n ] =
(2.3)
p ( x)dx
E ( m ) n = ( xi m ) P ( xi )
] (x m ) p
E ( m ) =
n
(2.4)
( x)dx
(2.5)
2 [ ] = E [( m ) 2 ] = E[ 2 ] m2
10
2 [ , ] = E [( m )( m )] = R[ , ] m m
(2.6)
p ( y ) =
dy
dx
(2.7)
x = f 1 ( y )
2 = f 2 (1 , 2 ,..., N )
...
(2.8)
N = f N (1 , 2 ,..., N )
gustina verovatnoe su povezane izrazom
, 2 ,.., N
(2.9)
g N
y1
...
g N
...
y N
...
(2.10)
1 = g1 (1 , 2 ,..., N )
2 = g 2 (1 , 2 ,..., N )
...
N = g N (1 , 2 ,..., N )
2. Preslikavanje nije obostrano jednoznano
(2.10)
11
(2.13)
k =1
gde je:
g Nk
...
y1
...
g Nk
...
y N
g1k
y1
J k = ...
g1k
y N
(2.14)
2. N > M
Dodavanjem (N - M) novih promenljivih:
k = k , k = M + 1,..., N
(2.15)
p1 ,2 ,.., N ( y1 , y2 ,..., yM ) =
... p
1
2 ,.., N
(2.16)
yM +1 y N
3. N < M
U ovom sluaju se (M N) promenljivih k mogu izraziti preko preostalih, a zatim se i ovaj
sluaj ponovo svodi na sluaj 1.
Suma sluajnih promenljivih
Ako je = 1 + 2 i ako je poznata zdruena gustina verovatnoe promenljivih 1 i 2 ,
p1 , 2 ( x1 , x 2 ) , tada je gustina verovatnoe zbirne sluajne promenljive data izrazom:
p ( y ) =
1 2
( x1 , y x1 )dx1
(2.11)
p ( x ) p
1
( y x1 )dx1 ,
(2.12)
(2.13)
E[ ] = xy p ( x, y )dxdy
(2.14)
12
E[ ] = m m
(2.15)
p ( x) = x 2 x1
0
drugde
Srednja vrednost i varijansa dati su izrazima:
m =
x1 + x 2
2
(2.15)
(2.16)
( x 2 x1 ) 2
(2.17)
12
Pokazuje se da je bilo koji tip raspodele, p (x) mogue transformisati u uniformnu
2 =
p ( x) =
1
2
y = P[ x] i 0 x 1 .
(2.16)
( x m )2
2 2
(2.17)
gde je Q(x) komplementarna funkcija greke data izrazom:
Q( x) =
2.1.2
1
2
1
t2
2
x0
(2.18)
t2
2
(2.19)
x<0
Sluajni procesi
13
procesa se naziva statistiki ansambl. Za odreeni vremenski trenutak t k , sluajni proces postaje
sluajna promenljiva ( A, t k ) = k (tj. vremenski odbirci sluajnog procesa su sluajne
promenljive). Konano, za datu vrednost dogaaja i dati vremenski trenutak, sluajni proces se
svodi na brojnu vrednost.
2.1.2.1 Stacionarnost sluajnog procesa
Sluajni proces je stacionaran ukoliko je gustina raspodele sluajnih promenljivih koje se
dobijaju odabiranjem sluajnog procesa ista (tj. ne zavisi od trenutka odabiranja), tj:
pi ( x) = p ( x) za svako t i .
Stacionarnost se moe posmatrati i u irem smislu. Za sluajni proces se kae da je
stacionaran u irem smislu ukoliko je:
stacionaran po srednjoj vrednosti:
E[ k ] = m za svako t k .
stacionaran po autokorelaciji:
R (t1 , t 2 ) = E[1 2 ] =
x x
1 2
p ( x1 , x 2 , t1 , t 2 )dx1dx2 =
x x
1 2
p ( x1 , x 2 , t 2 t1 )dx1 dx2 = R ( )
(t )dt
(2.20)
E[ (t )] = k p ( k )d k
(2.21)
( ) = lim
R ( ) =
(t ) (t + )dt
i
(2.22)
p ( 1 , 2 , ) d 1 d 2
(2.23)
14
fg ( ) = lim
(t )
i
(t )dt = R fg ( ) = E[ (t ) (t )]
(2.24)
R ( )e
S ( )e
(2.25)
1
R ( ) =
2
(2.26)
R ( ) d <
S ( ) d <
uvodi se generalizacija spektralne gustine srednje snage da bi bila u vanosti VinerHininova teorema.
S ( ) = S ( k ) ( ) + S ( d ) ( )
(2.27)
gde je prvi lan sume kontinualna funkcija i predstavlja spektar sluajne komponente, a drugi
lan sume diskretna funkcija i predstavlja spektar periodine komponente signala koja je data
izrazom:
S ( ) =
(d )
2 F
( n 0 )
(2.28)
n =
U poslednjem izrazu Fn
sluajnog signala.
2.1.2.5 Zbir i proizvod dva stacionarna povezana sluajna procesa
Ako je (t ) zbir dva stacionarna povezana sluajna procesa, njegova autokorelacija i
spektralna gustina srednje snage date su sledeim izrazima:
R ( ) = R ( ) + R ( ) + R ( ) + R ( )
(2.29)
S ( ) = S ( ) + S ( ) + S ( ) + S ( )
(2.30)
S ( ) =
1
2
15
S ( )S ( )d
(2.32)
N 0 g sin( g )
2
(2.35)
15
2.2
2.2.1
ZADACI
Posmatra se pojednostavljeni model telekomunikacionog sistema dat na slici (Slika
2.2.1.1). Izvor emituju binarne simbole iz skupa {0,1} , koji se koduju jednostavnim
repetitivnim kodom tako to se svaki simbol ponovi pet puta (umesto simbola 0 alje se
sekvenca 00000, odnosno umesto 1 alje se sekvenca 11111). Apriorne verovatnoe
pojavljivanja 0, odnosno 1 su P[in = 0] = 0.3 i P[in = 1] = 0.7 . Smetnje koje deluju u
kanalu utiu na verovatnou ispravnog prijema simbola, i ona iznosi 0.6 (da nema smetnji
verovatnoa ispravnog prijema bi bila 1), pri emu se smatra da smetnje nezavisno
pogaaju simbole kodne rei (kanal bez memorije).
Ukoliko je primljena sekvenca 10110, odrediti koji je simbol izvor najverovatnije
generisao.
in
xn
x n
)
in
Slika 2.2.1.1
Reenje:
Oznaimo dogaaje i pridruene verovatnoe opisane tekstom zadatka na sledei nain:
P[in = 0] = P[0] = 0.3 ,
P[in = 1] = P[1] = 0.7 ,
sa H 1 obeimo dogaaj da je poslata kodna re 00000, P[ H1 ] = P[in = 0] = 0.3 ,
sa H 2 obeimo dogaaj da je poslata kodna re 11111, P[ H 2 ] = P[in = 1] = 0.7 ,
P[ verovatnoa ispravnog prenosa ] = P[G ] = 0.6 , i
sa A obeleimo primljenu sekvencu 10110.
Na osnovu primljene sekvence A, prijemnik procenjuju koja je kodna re bila poslata na
osnovu toga koja je uslovna verovatnoa vea P[ H1 / A] , odnosno P[ H 2 / A] . Nakon
toga, dekodovanje informacionog simbola iz kodne rei je trivijalno.
Navedene uslovne verovatnoe se mogu izraunati kao:
P[H 1 , A]
P[H 1 ] P[ A / H 1 ]
P[H 1 / A] =
=
,i
P[A]
P[ A / H 1 ]P[H 1 ] + P[ A / H 2 ] P[H 2 ]
P[H 2 / A] =
P[H 2 , A]
P[H 2 ] P[A / H 2 ]
=
.
P[A]
P[ A / H 1 ]P[H 1 ] + P[ A / H 2 ] P[H 2 ]
Dalje imamo:
P[ A / H 1 ] = P[G ] P[G ] P[G ] P[G ] P[G ] = 0.02304 ,
P[ A / H 2 ] = P[G ] P[G ] P[G ] P[G ] P[G ] = 0.03456 , i
P[ A] = 0.02304 0.3 + 0.03456 0.7 = 0.031104 .
Na kraju dobijamo:
P[H 1 / A] = 0.22 , i
16
P[H 2 / A] = 0.78 .
Na osnovu dobijenih vrednosti za uslovne verovatnoe, odluiva na svom izlazu daje
simbol 1.
Na kraju, dodajmo i to da se tip kanala opisan u ovom zadatku naziva binarni simetrini
kanal, i skraeno obeleava sa BSC (Binary Symmetric Channel).
2.2.2
U jednom binarnom sistemu za prenos podataka na predaji se javlja pozitivni impuls koji
odgovara kodnom znaku 1 (dogaaj H 1 ), i negativni impuls koji odgovara kodnom znaku
0 (dogaaj H 2 ) sa verovatnooma P[H 1 ] = 0.6 i P[H 2 ] = 0.4 . Prijemnik detektuje tri
vrste signala:
pozitivni impuls 1,
negativni impuls 0, i
neodreeni impuls E (znak E potie od engleske rei Erasure, pa se ovakav kanal
naziva binarni kanal sa brisanjem, i skraeno obeleava sa BEC Binary Erasure
Channel).
Uslovne verovatnoe dogaaja na prijemu kada su realizovani dogaaji na predaji su:
P[0 / H 1 ] = 0.1 , P[E / H 1 ] = 0.1 i P[1 / H 1 ] = 0.8 , i
P[0 / H 2 ] = 0.8 , P[E / H 2 ] = 0.1 i P[1 / H 2 ] = 0.1 .
[]
P T = 0 .2 .
c)
P[H 1 / 1] =
P[H 2 / 1] =
d)
P[H 1 / 0] =
P[H 1 / E ] =
P[H 2 / E ] =
2.2.3
P[H 2 / 0] =
e)
17
Data je funkcija f ( x) = k x e
x2
2n
k xe
x2
2 n dx
= kn = 1 .
b)
P 2 x 2 =
k xe
x2
2 n dx
=e
2
n
c)
x
FX ( x ) = k t e
t2
2 n dt
= 1 e
x2
2n .
x
Slika 2.2.3.1
18
2.2.4
1 x [0,1],
p X ( x) =
0 drugde.
1
p X ( x) =
x2
2
e .
2
Prenosne funkcije sistema su (pri emu su a i b pozitivne konstante):
1. y ( x) = ax + b ,
2. y ( x) = ax 2 ,
x < a,
ba
3. y ( x) = bx a x a,
ba
a < x.
Reenje:
a) (Kombinacija uniformne raspodele i linearnog sistema.)
Poto je preslikavanje y ( x) = ax + b tipa 1 na 1, onda je;
x = f 1 ( y )
= a
0
b y a + b,
drugde
pY [ y ]
p X [x ]
1
1
a
1
ab
Slika 2.2.4.1
19
pY ( y ) =
p X ( x1 )
dy
dx
Pritom vai
+
x1 = f 1 ( y )
p X ( x2 )
dy
dx
(2.2.4.1)
x2 = f 1 ( y )
y
dy
= 2ax i x1, 2 =
.
dx
a
Kako je uniformna raspodela definisana samo na intervalu [0,1] , preostaje samo lan
sume iz jednaine (2.2.4.1) za koji je x pozitivno, pa se dobija:
y 1
p X
a 2 ay
=
pY ( y ) =
y
0
2a
0 y a,
drugde.
pY [ y ]
x1
x2
1
2a
Slika 2.2.4.2
0
drugde.
20
pY [ y ]
ab
1
b
(1 a ) ( y ab )
ab
a
Slika 2.2.4.3
2
a
x2
2
=
x=
x = f 1 ( y )
1
2 a
( y b )2
2a2
y b
a
p X [x ]
1
2 a
1
2
Slika 2.2.4.4
2
2ax
x2
2
1
+
y
x=
a
2
2ax
x2
2
y
x=
a
y
1
e a
= 2ay
y > 0,
drugde.
pY [ y ]
y
Slika 2.2.4.5
21
0
drugde.
Q(a) =
1
2
x2
2 dx
1
2
x2
2 dx .
pY [ y ]
Q( a ) ( y + ab )
Q( a ) ( y ab )
y
Slika 2.2.4.6
2.2.5
1
0 x 2 ,
p ( x) = 2
0
drugde.
Odrediti GRV sluajne promenljive koja predstavlja trenutnu vrednost nosioca u nekom
odreenom trenutku t = t1 .
Reenje:
Trenutna vrednost nosioca predstavlja sluajnu promenljivu koju emo obeleiti sa Z,
Z = A sin(0t1 + ) , a trenutni ugao sinusoide emo obeleiti sa , = 0 t1 + . GRV
sluajne promenljive Z emo odrediti u dva koraka. U prvom emo odrediti GRV za , a
zatim iz nje izvesti traenu GRV na osnovu relacije Z = A sin .
Poto je = 0 t1 + , na osnovu zadatka 2.2.4 pod a) se dobija:
1
0 t1 y 0 t1 + 2 ,
p ( y ) = 2
0
drugde.
22
pZ ( y) =
p ( y )
dz
dy
p ( y )
y = y1
dz
dy
,
y = y2
dz
z2
= A cos y = A 1 sin 2 y = A 1 2 =
dy
A
A2 z 2 .
Na kraju se dobija:
1
2
+
A2 z 2
pZ ( z) =
1
2
A2 z 2
drugde.
0 z A,
1
2
A z
0
0 z A,
drugde.
p Z [z ]
0t1 + 2
0t1
y1
y2
1
A
A
A z
Slika 2.2.5.1
2.2.6
x
.
2
x
Sluajna promenljiva koja predstavlja anvelopu na ulazu je y = 2 cos .
2
Ovo preslikavanje je jednoznano na intervalu [0,2 ] , pa sledi:
pY ( y )dy =
p X ( x)dx
dy
dx
.
x = f 1 ( y )
23
2
pY ( y ) = 2 1 y
4
2 y 2,
drugde.
1 1
Verovatnoa da je anvelopa u intervalu , (polovina amplituda pojedinih
2 2
komponenti) je:
1
2
1
P[Y < 0.5] = pY ( y )dy =
2
1
1
2
1
2
1
1
y2
4
dy =
1
1
1
arcsin arcsin = 0.16 .
4
4
pY [ y ]
1
2
2
Slika 2.2.6.1
2.2.7
Jakobijan je:
g1
J = y
g1
z
Sledi:
g 2
y = 1 0 = 1 .
g 2 1 1
z
24
pY ( y ) =
X1 , X 2
( g1 ( y, z ), g 2 ( y, z )) J dz =
X1
( g1 ( y, z )) p X 2 ( g 2 ( y, z ))dz
X1
( y z ) p X 2 ( z )dz
= p X 1 ( y ) * p X 2 ( y ),
Vidi se da je GRV zbira dve nezavisne sluajne promenljive konvolucija njihovih GRV.
Na osnovu ovoga je lako pokazati da je GRV zbira dve nezavisne uniformno raspodeljene
sluajne promenljive jednaka u stvari dobro poznata konvolucija dva pravougaona
impulsa:
pY ( y ) = 1 y
0
y < 1,
1 y 1,
1 < y.
1 y
1
Slika 2.2.7.1
2.2.8
Na ulazu idealnog kvantizera sa dva nivoa kvantizacije ija je karakteristika data na slici
(Slika 2.2.8.1) deluje stacionarni normalni statistiki proces x(t ) , ija je srednja vrednost
nula, a varijansa X2 .Potrebno je odrediti:
a) Srednju vrednost kvadrata razlike 2 statistikih procesa x(t ) i y (t ) , pri emu je
y (t ) statistiki proces na izlazu iz kvantizera.
b) Optimalnu vrednost praga kvantizacije pri kojoj je 2 minimalno, kao i samu
2
vrednost min
.
y
a
x
a
Slika 2.2.8.1
Reenje:
25
a) GRV procesa na ulazu i izlazu kvantizera su (vidi zadatak 2.2.4 pod f), uz razliku da u
ovom sluaju da linearna zona na karakteristici ne postoji):
p X ( x) =
2 X
x2
2 2X
,i
1
1
pY ( y ) = ( y + a ) + ( y a ) .
2
2
Srednja vrednost kvadrata razlike sluajnih procesa x(t ) i y (t ) je:
[
E [x (t )] =
2
X
] y
E y 2 (t ) =
pY ( y )dy =
1
1
(a) 2 + a 2 = a 2 , i
2
2
E [x(t ) y (t )] =
xyp XY ( x, y)dydx =
xyp
X /Y
( x / y ) pY ( y )dxdy .
Poslednju vrednost emo izraunati na sledei nain. Sluajni proces y (t ) moe uzeti
samo dve vrednosti, a i a .
Kada je y (t ) = a , vai:
2 p ( x) < x < 0,
p X / Y ( x / y = a ) = X
drugde.
0
Kada je y (t ) = a , vai:
2 p ( x ) 0 < x < ,
p X / Y ( x / y = a) = X
drugde.
0
Dalje je:
E [x(t ) y (t )] =
xyp
X /Y
( x / y ) pY ( y )dxdy
xyp
X /Y
0 0
= 2
1
1
xyp X ( x) ( y + a)dxdy + 2 xyp X ( x) ( y a)dxdy
2
200
0
a X
2
pa je:
2 = X2 4a
X
+ a2 .
2
1
2 X
x2
2 X2
dx.
26
d 2
= 4 X + 2a = 0 ,
da
2
a=2
X
,
2
X
2
+ 2 X
2 2
2 = X2 4 2
2.2.9
= X2 2 X
= X2 1 .
[ ] [ ]
E X 2 = E Y2 = 2,
E [ XY ] = E [ X ]E[Y ] = 0 .
Oekivana vrednost sluajnog procesa je:
E [z (t )] = E[ X cos( 0 t ) Y sin( 0 t )] = E [X cos( 0 t )] E [Y sin( 0 t )]
= E[ X ]cos( 0 t ) E[Y ]sin( 0 t ) = 0.
Autokorelacija je:
R z [t1 , t1 ] = E [z (t1 ) z (t 2 )] = E[( X cos( 0 t1 ) Y sin( 0 t1 ) )( X cos( 0 t 2 ) Y sin( 0 t 2 ) )]
= E X 2 cos( 0 t1 ) cos( 0 t 2 )
[
]
= E [X ]cos( t ) cos( t ) + E [Y ]sin( t ) sin( t
+ E Y 2 sin( 0 t1 ) sin( 0 t 2 )
2
0 1
0 2
0 1
0 2
27
1
R x [ ](cos(2 0 t + 0 ) + cos( 0 )).
2
Za proces z (t ) vai:
= E [x(t )] cos( 0 t + )
1
1
d =
E [x(t )]sin( 0 t + ) = 0,
2
2
Vai:
1
1 1
d =
sin( 0 (2t + ) + 2 ) = 0 ,
2
2 2
odakle sledi:
1
R x ( ) cos( 0 ) = R zz ( ) ,
2
pa je sluajni proces z (t ) stacionaran u irem smislu.
R z [t , t + ] =
Sz ( f ) =
1
j 2f
j 2f
Rz [ ]e d = 2 Rx [ ] cos(0 )e d
1
= A2e
cos(2f 0 )e j 2f d
2
=
A2
2
j 2f
e cos(2f 0 )e d +
A 2
e cos(2f 0 )e j 2f d .
2 0
2f
e cos(2f 0 )e d = e
e j 2f 0 + e j 2f 0 j 2f
e
d
2
1
1
= e e j 2f 0 e j 2f d + e e j 2f 0 e j 2f d .
20
20
28
cos(2f 0 )e
2f
1
1
d = e ( j 2 ( f f 0 )) d + e ( j 2 ( f + f 0 )) d
20
20
=
1
e ( + j 2 ( f f 0 ))
2( + j 2 ( f f 0 ))
1
e ( + j 2 ( f + f 0 ))
2( + j 2 ( f + f 0 ))
1
2( + j 2 ( f f 0 ))
1
2( + j 2 ( f + f 0 ))
cos(2f 0 )e 2f d =
1
2( j 2 ( f f 0 ))
1
2( j 2 ( f 0 + f ))
1
1
+
+
2( + j 2 ( f f 0 )) 2( + j 2 ( f + f 0 ) )
A2
1
1
+
+
2 2( j 2 ( f f 0 )) 2( j 2 ( f 0 + f ))
A2
2
Sz ( f ) =
A 2
1
1
2
.
+ 2
2
2
2 + ( 0 )
+ ( + 0 )
2.2.11 Odrediti spektralnu gustinu snage sluajnog procesa y (t ) , na izlazu linearnog sistema
prikazanog na slici (Slika 2.2.11.1), ako na ulaz ovog sistema deluje stacionaran sluajni
proces x(t ) ija je spektralna gustina snage S x ( f ) .
y (t )
x(t )
Slika 2.2.11.1
Reenje:
Vai:
y (t ) = x(t ) + x(t T ) ,
odnosno, impulsni odziv sistema je:
h(t ) = (t ) + (t T ) ,
a njegova prenosna karakteristika je:
H( f ) =
2ft
h(t )e dt =
H( f ) = 1+ e
j 2fT 2
( (t ) + (t T ))e
j 2ft
dt = 1 + e j 2fT ,
29
S y ( f ) = H ( f ) S xx ( f ) = 2(1 + cos(T )) S x ( f ) .
a) usrednjavanjem po ansamblu,
b) usrednjavanjem po vremenu.
Reenje:
a) Na osnovu zadatka 2.2.10 sledi:
E [x(t )] = E [ A cos( 0 t + )] = 0 ,
R x [t , t + ] = E [A cos( 0 t + ) A cos( 0 (t + ) + )]
= A 2 E [cos( 0 t + ) cos( 0 (t + ) + )]
A2
cos( 0 ).
2
b) Usrednjavanje po vremenu za srednju vrednost daje:
=
1
T 2T
x = lim
A cos( t +
0
1 A
(sin( 0T + 0 ) sin( 0T + 0 )) = 0.
T 2T
0
)dt = lim
Limes je jednak 0, jer je razlika dve sinusne funkcije ograniena na interval [ 2,2] , a
vreme T koje je u imeniocu tei ka beskonano velikim vrednostima.
Autokorelacija po vremenu je:
1
x (t , t + ) = lim
T 2T
1
T 2T
= lim
A2
= lim
T 4T
T
T
A cos( t +
0
) A cos( 0 (t + ) + 0 )dt
T
T
(cos(
T
T
T
T
A
(sin( 0 (2T + ) + 0 ) sin( 0 (2T + ) + 0 )) +
= lim
T 8T
0
A2
= lim
T 4T
A2
cos( 0 ) 2T
T 4T
A2
=
cos( 0 ).
2
Prvi limes sa desne strane je jednak 0 (vae ista razmatranja kao i kod izraunavanja
srednje vrednosti po vremenu). Kod drugog limesa podintegralna funkcija cos( 0 t )
ne zavisi t (promenljive po kojoj se integrali), pa se za vrednost integrala dobija 2T i
vrednost limesa je razliita od nule.
+ lim
30
Poreenjem rezultata dobijenih pod a) i pod b), vidi se da je sluajni proces x(t )
ergodian po srednjoj vrednosti i po autokorelaciji, jer obe metode usrednjavanja daju iste
rezultate.
2.2.13 Da li je sluajni proces z (t ) = x(t ) + Y ergodian po srednjoj vrednosti ako je x(t )
ergodian sluajni proces, a Y sluajna promenljiva nezavisna od x(t ) ?
Reenje:
Srednja vrednost x(t ) po ansamblu je:
~
(x(t ) + Y )dt = x (t ) + Y
0
= E [x(t )] + Y0 ,
Reenje:
Autokorelacija sluajnog procesa x(t ) je:
R x [t , t + ] = E[x(t ) x(t + )]
a2
E [cos(2t + + 2 ) + cos( )]
2
a2
=
(E[cos(2t + ) cos(2 )] E[sin( 2t + ) sin(2 )] + E[cos( )])
2
a2
(E[cos(2t + )]E[cos(2 )] E[sin(2t + )]E[sin(2 )] + E[cos( )]).
=
2
Na slian nain kao u zadatku 2.2.10, moe se pokazati da vai
E [cos(2 )] = E [sin(2 )] = 0 , pa se gornji izraz svodi na:
=
a2
a2
R x [t , t + ] =
E[cos( )] =
2
2
cos( ) p( )d = R
( )e j d ,
xx
( )
(2.2.14.1)
31
odnosno:
R x [ ] =
1
2
j
S x ( )e d =
1
2
S x ( ) cos( )d + j
1
2
( ) sin( )d .
2.2.15 Odrediti i skicirati autokorelaciju belog Gausovog uma (AWGN Additive White
Gaussian Noise), ija je spektralna gustina snage konstantna u itavom opsegu
N
uestanosti (Slika 2.2.15.1) i jednaka 0 .
2
N0
2
Sn ( f
f
Slika 2.2.15.1
Reenje:
Na osnovu Viner-Hininove teoreme, vai:
Rn [t ] =
j 2ft
S n ( f )e df =
N 0 j 2ft
N0
= 2 e df = 2
j 2ft
df =
N0
(t ) .
2
2.2.16 U kanalu propusnog opsega B = 4 kHz deluje beli Gausov um ija je spektralna gustina
1
srednje snage pn = N 0 ; N 0 = 10 12 W/Hz.
2
32
U ovom zadatku je kanal linearan sistem. Stoga je um na izlazu kanala takoe Gausov
um (njegove trenutne vrednosti su sluajne promenljive sa Gausovom raspodelom). Za
razliku od uma u kanalu (koji je beli), na izlazu kanala je obojeni Gausov um
(spektralna gustina snage .
Gustina raspodele verovatnoe amplituda obojenog Gausovog uma je:
f ( ni ) =
1
2 i
n2
i
2 i2
i2 = E[ni2 ] Pn i2 .
Snaga obojenog uma je ograniena propusnim opsegom kanala H ( f ) . Ako je kanal
idealni NF filtar, jedininog pojaanja u propusnom opsegu B, onda je srednja snaga
obojenog uma:
Pn i =
pn | H ( f ) | df
2
pn 1 df
2
= 2 p n B = N 0 B = 4 10 9 W .
Vai:
i = Pn = 6,32 10 5 V = 0,063 mV .
P[ni > U o ] =
n2
i
2 i2
1
2 i
dn .
Uo
, pa je:
a)
P[ni > U 0 ] =
1
2
x2
2 dx
Uo / i
U
= Q 0 ,
i
b)
c)
P[2 i < ni < 2 i ] = 1 2 Q(2) = 0,95 .
2.2.17 Na ulazu idealnog pojasnog filtra prikazanog na slici (Slika 2.2.17.1) se nalazi aditivni
N
beli Gausov um n(t ) , konstantne spektralna gustina snage koja je jednaka 0 . Dobijeni
2
uskopojasni um nakon filtriranja se moe predstaviti izrazom:
33
nu (t ) = nc (t ) cos( c t ) n s sin( c t ) ,
gde su nc (t ) i n s (t ) komponente uma u fazi, odnosno u kvadraturi. Pri tome se moe
smatrati da su nc (t ) i n s (t ) nezavisni procesi sa jednakim srednjim snagama i
autokorelacijama, a njihove spektralne gustine snage su konstantne i razliite od 0 u
opsegu [ B, B ] .
a) Pokazati da vai:
2
nc (t )
T
n s (t )
2
T
t+
T
2
(u ) cos( c u )du , i
(u ) sin( c u )du ,
T
t
2
t+
T
2
T
t
2
pri emu je
1
1
<< T << .
fc
B
b) Pokazati da vai:
nu (t ) = nc (t ) = n s (t ) = 0 .
c) Pokazati da je autokorelacija uskopojasnog Gausovog procesa:
Ru [ ] = Rc [ ] cos( c ) .
d) Odrediti spektralne gustine snaga procesa nc (t ) i ns (t ) , kao i snagu uma na izlazu
pojasnog filtra.
H PF ( f
1
nu (t )
n(t )
fc B fc + B
fc
Slika 2.2.17.1
Reenje:
a) Dokaimo tvrdnju prvo za nc (t ) :
fc
34
2
T
t+
T
2
2
Tnu (u ) cos(c u )du = T
2
=
T
1
T
1
T
t+
T
2
T
2
t+
T
2
n (u ) 2 (1 + cos(2 u )) n (u ) 2 sin(2 u ) du
c
T
2
t+
T
2
t+
T
2
t+
T
t
2
T
t
2
T
2
n (u ) sin(2 u)du.
s
T
t
2
1
, tada se nc (t ) i n s (t ) mogu smatrati priblino konstantnim u
B
intervalu T, na osnovu ega sledi:
Ako je T <<
2
T
t+
T
2
1
Tnu (u) cos(c u )du = nc (t ) + nc (t ) T
= nc (t ) + nc (t )
t+
T
2
1
Tcos(2c u )du ns (t ) T
k1
2 c T
n s (t )
t+
T
2
sin(2 u)du
c
T
t
2
k2
2 c T
nc (t ),
1
2cT
<< 1 .
2
T
t+
T
2
T
t
2
nu (t ) = n(t ) hPF (t ) =
n( )h
PF
(t )d ,
nu (t ) = E [nu (t )] = E n( )hPF (t )d = E [n( )]hPF (t )d = 0 .
2
2
2
nc (t ) = E[nc (t )] = E nu (u ) cos( c u )du = E[nu (u )]cos( c u )du = 0 ,
T
T T
tT
t
2
2
a na slian nain je i:
35
n s (t ) = E[n s (t )] = 0 .
c)
Ru [ ] = E [nu (t )nu (t + )]
Pu =
S u ( f )df
=2
fc + B
N0
df = 2 BN 0 .
2
B
fc
Su ( f
N0
2
fc
fc
Slika 2.2.17.2
Rc (0) = 2 BN 0 =
( f )df .
N B f B ,
Sc ( f ) = 0
drugde.
0
Na slian nain se moe pokazati da je spektralna gustina snage procesa n s (t ) :
N
Ss ( f ) = 0
0
B f B,
drugde.