1

Rastgele Süreçler
Olasılık
Ataması

Çıktı X(s)
Rastgele Örnek X(t, s)
Zamanın
Deney Uzay, S Fonksiy
onu

Olayları
Tanımla

Rastgele süreç konsepti (Ensemble)

“∞” deney Örnek

Fonksiyonlar
X(t,s1) 1 t

X(t,s2) 2 t
…

Zaman
(sürekli veya
X(t,sn) n t kesikli)
…
…

t = t1
X(t1,s) Ensemble
rastgele değişken
 2

Rastgele Değişken Dizilerinin Gerçeklenmeleri

XX((tti )) =0.5 cos (ω
0.5cos(  tti ))+NN((tti )),, mmN =0;0; σN2 2= 
1;1;
i i i N N

Genlik, Xi

Genlik, Xi

Genlik, Xi

Dizi #, i
 3

Rastgele Süreçlerle İlgili Noktalar

• OYF r.d. ile ilişkilidir — ensemble üzerinden.
• Beklenen değer ensemble üzerinden alınır.
• Fiziksel bir deneyde, genellikle sadece bir örnek
fonksiyon vardır.
• Eğer “ensemble” ı “zaman” ekseniyle ilişkilendirebilirsek,
rastgele süreçler teorisi rastgele sinyallerin zaman dalga
şekillerinin analizine uygulanabilir.
 4

Örnek:

(1) S = {s: – 1 ≤ s ≤ 1} gibi bir örnek uzayı olsun

Bir rastgele süreç tanımlayalım

X (t , s)  s cos(2 t ),   t  

(2) Başka bir rastgele süreç tanımlayalım

X (t , s)  cos(2 t  s),   t  

Kesikli-zaman formu:
X [ n, s ] = s cos [ 2 n ]
X [ n, s ] = cos [ 2 n + s ]
 5

Bir Rastgele Sinyalin OYF si ve KDF si

Her bir X(ti) örneği bir zaman noktası ti de bir r.d. dir, yani, oyf si vardır.
XXii = XX(i t(i t)i )bir r.d. ⇒ ffXXii ((xxi )i )
r.v. 
is a dir
İki nokta Xi, Xj nın ortak oyf si vardır:
X i = XX ((tti ),
X i i), j ( )
XXj  =XX(t j t) 
j ⇒ (
f fX i X j ( xix, x, xj )
Xi X j i j )
Bunu aşağıdaki şekilde karakterize edilen n noktaya genişletebiliriz

⎡XX11⎤ X(ti)
⎢XX ⎢
⎢  22⎢ , rastgele vektör
X =   , a random vector
X
⎢# ⎢
⎢⎣X n ⎢⎦
ti t

Xn 
f Xf ((xx)),, FFX((xx) )
X X
 6

Rastgele Süreçlerin Momentleri (Sürekli Zaman)

Rastgele sürecin Ortalaması (birinci moment)
∞
Xt (
) t) E
= EX (tX)(t ) =x f X (tx) (fxX)( t dx
) ( x ) dx

mm
X(  ∫
−∞

Rastgele sürecin Otokorelasyon fonksiyonu (ikinci moment)

∞ ∞
RXR( t1(,tt0, t) = EE⎡⎣ XX( (t1t ))XX ((tt0 )) ⎤⎦ = ∫
∫ xx xx ff ( ) ( )((xx x, x) dx
 
) dxdxdx
X 1 0 )   1 0  −∞ −∞ 11 0
 
X t
X ( t1 ) X ( t00 )
1 0
1 0 1
1
0
0

Otokovaryans fonksiyonu (ikinci merkezi moment)

(
C XC(Xt1 ,(tt01), t0 )E=EX (t1 )X(m
t1X) (−t1 m )(
) X X( t(1t)0 ) Xm X( t(0t0))− mX ( t0 ) )
 R= t1 , t0()t, m
X (R t X) (−t1m
)mX ((tt0 )) m ( t0 )
X 1 0 X 1 X
1  t0 tolduğunda
tWhen
1 = t0

RX (t0 , t0 )  E  X (t0 )   2 x02 f X ( t0 )∞x0 dx
 
RX ( t 0 , t 0 ) = E X (t ) = ∫ x0 f X (t0 ) ( x0 ) dx0
2
2 0
0
−∞
C X (t0 , t0 )  E  X (t0 )  mX (t0 )     X2 (t0 )
2

 
 7

Rastgele Süreçlerin Momentleri (devam)

İlinti katsayısı

CCXX((tt11,,tt00 )) CCXX ((tt11,, t0 ))

ρXX ((tt11,,tt00)) = 22 =
σ XX ((tt11 ))
 σ XX t(0t )0 ) CCXX ((tt11,,tt11)) C
2
CXX ((tt00, t0 ))

Bir Kesikli Zaman Rastgele Sürecin Momenti

Benzer ifadeler, sadece

mmXX[nn],, RXX [nn11,,nn00],, " etc.

R vb.
 8

Örnek: X(t) = A cos (t + φ), φ birbiçim [ –, ]

mX (t) ve RX (t1,t0) = ?

π dφ
mmXX((tt))=EE XX ((t ))  = A∫ cos(
cos (
ωtt +φ)) = 0, independent
 zamandan bağımsız of time
−π  2π
RRX X( t(1t,1t,0t0) )=E XX(t1()t1X) X
 π d dφ
( t )
(t0 ) 0 ⎦  ∫A
⎤ = cos(t1 1 ) A cos(t0 0 ) )
A cos ( ω t + φ ) A cos ( ω t + φ
 − π
2 2π
AA2 2 1 1 π  2 2

( 1 t1 0 t)0))  d   ( t1(t+ t0 t) +) 2φ2)dφd

AA 1 1π 
= ⋅  ∫ cos ω
 ( − φ + ⋅ ∫ ω(
2 2 2  2π2 2 2 
2π − π cos  t( t d  − π
cos
cos 1 0

AA2 2
= cos
22 cos ( ω( t(1t−t0t) )), , function
1 0 t 1  t 0
t1 − t0
offonksiyonu
ın

t1  t0   için
A2
RX (t1 , t0 )  cos    RX   ,  ' ya gecikme denir
2
 9

Örnek: m  n  3, RX  n1 , n0   9  4e
0.2 n1  n0
olmak üzere X[n] kesikli
zaman rastgele süreçtir:

X1 = X[8] ve X0 = X[5] ın ortalama, varyans ve kovaryansını bulun.

Ortalama: m0 = m [5] = 3 m1 = m [8] = 3

RX [5,5
Varyans: EE⎡⎣XX202⎤⎦ = R 5, 5]=13, X [8,
13, E EX 1⎡⎣2 X12 ⎤⎦R=X R8,8 8 13] = 13
21   02  13  3 2  4
2 2
σ = σ = 13 − 3 = 4
2

1
Kovaryans:

cov ( X 1 , X 0 ) = C X [8, 5] = RX [8, 5] − m [8] m [5] = 11.195 − 3  3 = 2.195

İlinti katsayısı:

cov(XX11,,XX00)
cov 2.195 = 0.5488
2.195
ρ = =  0.5488
σ11σ00 22⋅22
 10

Geniş Anlamda Durağan (W.S.S.) Rastgele Süreç

Sürekli Zaman

Aşağıdaki şartları sağlayan rastgele süreçlere w.s.s. rastgele süreç denir

(1) mX ( t ) = m = sabit, her t için

(2) RX ( t1 , t0 ) = RX ( t1 − t0 ) = RX ( ) ,  t1 , t0 ve  = t1 − t0

veya C X ( t1 , t0 ) = C X ( t1 − t0 ) = C X ( ) ,  t1 , t0 ve  = t1 − t0

Kesikli zaman
Benzer ifadeler geçerlidir.
 11

Örnek:

• X ( t ) = A cos (t + φ) , φ birbiçim [ − ,  ]

2
AA2
RRX X(t(1t,1t,0t)0 )=CCXX(t(1t,1t,0t)0 )= cos( (
cos  ω(t(1t1−t0t0))) ) wss
22
• Rastgele telegraf sinyali

mXX ((tt)) 
m = ((2
2 pp −1 ) ee2 t
 1)
−2α t

X
( t ,
1
t
0
) =
R X (t 1, t 0 )  e
R e
−2α t −t
2 1t1 0t0

( ) = 2 1t1 0t0 − ( 2 p −1) e2 21 t01 t0 not wss

−2α t −t −2α t +t
2
C (t , t )  e
C X
X
t1
1
, t 0
0
e  (2 p  1) e wss değil
 12

Ergodiklik
X(t), mX (t) = m olan bir wss süreç olsun, Bu durumda X(t);
• Aşağıdaki koşulu sağlarsa ortalama ergodik tir

limlimX (Xt )( tT)  = limT ∫ t ) Xdt( t) dt ( )⎦⎤ = m

T1
E  XE(⎣t⎡)X 
T
lim X ( tm
T →∞
T  T T 
T →∞ 2T −T

(Ortalama kare anlamında yakınsama.)

• Aşağıdaki koşulu sağlarsa korelasyon ergodik tir
11 TT
lim X ((t ))XX((t t−τ)) T =lim ∫ X ((tt))XX(t( t−τ) )dtdt
2T T
lim
T  T 

 E  X (t ) X (t   )  RX ( )

Zaman Ortalamaları ≡ Ensemble Ortalamaları

 13

Örnek: X ( t ) = A, burada A = 1 eşit olasılıkla:

( t ) = E X ( t ) = E [ A] = 0;
X (Xt )  E  X (t )   E  A  0;
mm

1 1T T A AT T dt = A
(t )( tT)  =  ∫A dtA dt
XX  =  ∫dt  A
T 2T T −T 2T 2TT −T
2T

mX (t )  X (t ) T olduğundan ortalama ergodik değildir.

mX ( t ) ≠ X ( t ) T Therefore, not mean ergodic.
 14

X(t) = A cos (t + φ) φ birbiçim

Örnek:
[ − ,  ]

mXX((tt))=EE XX(t()t) =AE

Ensemble ortalaması: m AEcos
cos(ωt t + φ) =00

Zaman ortalaması:
(ωt t+φ) )
TT
AA sin
X ((tt)) TT = x (( t )) dt ( t  ) )dt 
1 AA TT sin(
∫ ∫
TT

2T
2T −T
T
dt =
2
2TT 
−T
 T
cos
cos(ω t + φ dt =
2T
2T ω −TT
A
 sin(T   )  sin( T   ) 
 2T
2A A
 sin T cos  ; lim sin T cos   0
 2T T  T

Zaman ortalaması = Ensemble ortalaması

olduğundan ortalama ergodik
 15

Örnek (devam)
AA22
Ensemble average: RXR (τ())= cos
Ensemble ortalaması: cosωτ
t
X
22
Time average:
Zaman ortalaması:
A22 T
X ( t ) X ( t − τ ) = A T cos (ωt + φ ) cos (ω (t − τ ) + φ ) dt
lim X (t ) X (t   ) TT  2T ∫−T cos(t   ) cos( (t   )   ) dt
T  2T2 T 2
A
= A ∫T cos( A T cos (ω ( 2t − τ ) + 2φ ) dt
A
t ) dt  4T ∫−Tcos  (2t   )  2  dt
T T
ωτ +
2 2
cos dt
4T
4T 
−T
T 4T T
2 2

( ω(2(t2t −)τ)2+2φ )
A 2 A2 T
= cos(
A cos ωτ
t ) −

A sin
sin
T

2 8ωT T −T

A2
lim X (t ) X (t   )  cos t
T  T
2
T

Zaman ortalamaları = Ensemble ortalamaları

olduğundan ortalama ve korelasyon ergodik
 16

Beyaz Gürültü Süreci (Sürekli Zaman)

t0 ve t1 gibi keyfi zamanlarda alınmış X(t0) ve X(t1)

örnekleri olan sıfır ortalamalı rastgele süreci ele
alalım

Eğer bu örnekler her bir t0 ve t1 anlarında (bu anlar ne kadar yakın

olursa olsun) ilintisiz kalıyorsa bu sürecin varyansı sonsuz olmalıdır.
İlinti ve kovaryans fonksiyonları aşağıdaki formdadır.

N
RRX X( t1t,1t,0t0) =CCXX(t1t1,,tt00)= δ (tt11 ,−t0t0 )
N00
22
N0
or R X (τ ) = N
C X (τ ) = δ (τ )
veya RX ( )  0    2
2

Böyle bir sürece beyaz gürültü denir.

 17

Örnek:

X ( t ) = A cos (ωt +φ ) +W ( t ) ,
• W(t): beyaz gürültü (ortalama 0), güç yoğunluğu N0/2
• φ: birbiçim [–π, π]; φ, W bağımsız

RXX ((t11,,tt00)) =EE XX((tt11)) X

X ((t00 )) 
=EE { AAcos ( t1()t}{ 0 )}
 cos(ω  
t1 t+1 φ)+W
W 1)
A cos (ωt0+tφ0 )+W ( tW
A cos (t 0 ) 
⎣ cos(ω
= AA2 2EE⎡cos t1 t+ φ)cos
1
(ωt0+t0φ) ⎤⎦+E⎡w
 cos ⎣ E(tW
1 )W
(t1()tW
0 )(
⎤⎦t ) 
0
+AE
AEcos (ωt
cos 1+t1φ) W
 (Wt0 ()t0+) AE W (W
 AE t1 )(cos
t ) (ωt0
cos + φt )   

 1
(ω(tt10+) φ =) 0
0
= E cos E W

W ve  bağımsız olduğundan;
E cos t1   W (t0 )   E cos t1     E W (t0 )   0
 18

Örnek (devam)

RRXX ((t1t1, ,t0t0) )=AA2 EEcos

⎡cos
⎣  (ωt1t1 + φ cos
) cos(ωt0 t0 + φ)⎤⎦ +E EW⎡W
⎣(t1 )(W
t1 )(W
t0 ) ( t0 )⎦⎤
2

22 2 2
cos  (t(1 1 t0 )0)  ((t1 (t01 )  02)   ) ⎦  (t1  t0() 1 0 )
A cos ω t − t +A E ⎡cos ω t + t + 2φN⎤0 + N 0 δ t − t
A A
= E cos ⎣
22 22 2 2
2
AA2 N 0N 0
= cos  (t(1 1 t0 )0)
cos ω t − t +  (δt1(t1t−0 )t0 )
22 22
or
veya
A2 N N0
RX ( )  X (cos)   δ (τ )
2
RA τ = cos0 ωτ +
 ( )
2 2 2 2
 19

Otokorelasyon Fonksiyonunun Özellikleri†

1.1. RR
XX((τ) )= RRXX ((−τ ))
∞ ∞
2.2. 
∫ ∫ gg(t(t)1 R)RX((t t1−t t)0 )gg(t(t)0 dt
 
−∞ −∞
1 X 1 0 0 ) dtdt1dt0≥ 0 0
1 0 herhangi bir g (t )giçin
for any function (t )

(2. özellik pozitif semi-definite özelliği adını alır.)

RX (τ) nin diğer özellikleri yukarıdakilerden çıkarılabilir:

RX R
(0)  E 
 ⎡⎣ X (t()t) ⎤⎦ ≥ 00
X 22
X ( 0) = E

RXR( ()τ )≤RRX (0)

X X ( 0)

† Otokovaryans fonksiyonu için de geçerlidir.

 20

Kros-Korelasyon Fonksiyonu
RRXYXY(t(1t,1t,0t0))= EE XX((t1t1))YY(t(0t0))

Eğer X(t) ve Y(t) nin her biri wss ise ve aşağıdaki koşulu sağlıyorsa X(t) ve
Y(t) ortak olarak wss denir.

RRXY ((tt1 ,,tt0 )) 

XY 1 0 =RR XY ((tt1 −tt0))=RRXY(τ())
XY 1 0 XY

burada RR ( t(1t,1t,0t)0=) E EYY( t0(t)0X) X( t(1t)1 )= RYXRYX( t0(,t0t1,)t1 )

XYXY

∴ eğer durağansa RRXYXY(τ())=RR

YXYX( −τ )
( )
 21

Örnek: (kros-korelasyonun kullanımı)

X (t )  W (t ) ya da X (t )  A cos t     W (t )
Y (t )  A cos t    ,  ,   ,   aralığında düzgün dağılımlı 

Durum (i): Let X(t) = W(t), (sinyal yok)

RXYX(t)
Durum (ii): Let E
(t1 , t0=) A  X((ωt1t)+Y (φt)0 )+ W(t),
cos W (t1 ) cos
 AE (sinyal t0   
var)
 AE W (t1 ) E cos t0     0

RXY (t1 , t0 )  E  X (t1 )Y (t0 )   E  A cos t0     W (t1 ) A cos t0   
 A2 E cos t1    cos t0      AE W (t1 ) cos t0   
A2 A2
 cos   t1  t0   cos   
2 2