Professional Documents
Culture Documents
C11 PNS
C11 PNS
unde şirul pondere {hk }k este determinist. Faptul că relaţia convolutivă de mai sus
este valabilă pentru orice semnal din mulţimea de semnale aleatoare, care poate fi
privit ca o realizare a procesului stochastic asociat acestei mulţimi, nu are relevanţă
prea mare în prelucrarea semnalelor. Cu adevărat relevant este efectul prelucrării
prin sisteme convolutive a aşa numitor indicatori numerici ai semnalelor
(proceselor aleatoare) cum sunt:
- valoarea medie: mu ( k ) = E ( uk ) , prin E {i} înţelegând speranţa matematică,
adică o medie ponderată probabilistic pe câmpul de evenimente (o medie
„spaţială”); pe un câmp discret (finit sau numărabil) speranţa matematică se
calculează ca o sumă iar pe un câmp de puterea continuului ca o integrală
stochastică. Pentru un proces stochastic staţionar valoarea medie este independentă
de momentul la care se consideră procesul.
În baza expresiei convoluţiei pentru un semnal şi prin schimbarea ordinii de
sumare deducem
∞ ∞
m y ( k ) = E { yk } = E ∑ hk uk −i = ∑ hk E {uk −i }
−∞ −∞
∞
= ∑ hk mu ( k − i )
−∞
Constatăm că răspunsul sistemului este tot un semnal staţionar în sens larg iar
ecuaţia intrare/ieşire este una standard, în care funcţia pondere se înlocuieşte cu
propria sa autocorelaţie.
Funcţiile de autocorelaţie admit transformate Fourier şi relaţia convolutivă
sugerează utilizarea unei ecuaţii în transformate Fourier. Deducem
φ yy (ω ) = ϕˆ yy (ω ) = ϕˆhh (ω )φuu (ω )
iar pe baza caracterului determinist al sistemului vom putea scrie
∞
∞ − jω s ∞ ∞
ϕhh (ω ) = ∑ ∑ hk + s hk e
ˆ = ∑∑ hi hk e ( )
− jω i − k
−∞ −∞ −∞ −∞
∞ ∞ 2
= ∑ hi e − jωi ∑ hk e jωk = hˆ (ω ) hˆ (ω ) = hˆ (ω )
−∞ −∞
de unde
2
φ yy (ω ) = hˆ (ω ) φuu (ω )
o estimare a lui θ realizată pe baza lui x 0 ; datorită caracterului lui x 0 , θˆ este tot
variabilă aleatoare. Această variabilă este accesibilă prin indicatori numerici şi
performanţa estimatorului de parametru se apreciază tot printr-o serie de indicatori
numerici; dintre aceştia vom menţiona
- polarizarea (deplasarea – bias )
()
B (θ ) = E θˆ − θ
Dacă B (θ ) = 0 estimatorul se numeşte nepolarizat (nedeplasat – unbiased);
()
cum θˆ şi E θˆ depind de N – lungimea eşantionului (a ferestrei) vom spune că
{
σ θ2 = E θˆ − E θˆ ( )}
2
( )
lim P θˆ − θ > ε = 0 unde P ( i ) este probabilitatea definită pe câmpul de
N →∞
evenimente.
- funcţia de plauzibilitate coincide cu densitatea de probabilitate sau
cu logaritmul ei
l (θ ) = f ( x,θ ) ; L (θ ) = ln f ( x,θ ) = ln ( l (θ ) )
Pe baza acestei funcţii se poate concepe estimatorul de plauzibilitate maximă
definit de
θˆ ( x ) = arg max { f ( x;θ )}
θ
( x − m)
2
N −1
N
L ( m ) = − ln 2πσ 0 − ∑ i 2
2
2 0 2σ 0
∂L N −1 xi − m
=∑ =0
∂m 0 σ 02
Se obţine astfel estimatorul de plauzibilitate maximă
1 N −1
mˆ = ∑ xi
N 0
adică media pe ansamblu (“spaţială”) este estimată cel mai plauzibil cu ajutorul
mediei aritmetice pe o realizare. Să observăm că
1 N −1 1 N −1
E {mˆ } = E ∑ xi = ∑ E { xi } = m
N 0 N 0
deci estimatorul este nepolarizat. Vom calcula în continuare dispersia
estimatorului
1 N −1 1 σ2
σ ( mˆ ( x ) ) = 2 ∑σ ( xi ) = 2 Nσ 02 = 0
N 0 N N
şi măsura Fischer a informaţiei
∂2L N −1 1 N
I ( m ) = − E 2 = − E − ∑ 2 = 2
∂m 0 σ0 σ0
care apare aici ca inversa dispersiei, estimatorul fiind de dispersie minimă. De fapt
acest lucru era previzibil deoarece
1 N −1 σ 02 ∂L
mˆ ( x ) − m = ∑ xi − m =
N 0 N ∂m
σ 02
care corespunde formulei generale cu k = .
N
- estimarea funcţiei de autocorelaţie a unui proces aleator ergodic, de
medie nulă; procesul fiind staţionar în sens larg, funcţia de autocorelaţie va fi
ϕuu ( p ) = E {uk uk + p }
iar din ergodicitate rezultă
N
1
ϕuu ( p ) = lim
N →∞ 2 N + 1
∑
−N
uk uk + p
ϕˆuu ( p ) = 0 , p < − ( N − 1)
ii) − ( N − 1) ≤ p < 0 ; când k este între 0 şi N-1, k+p se va găsi între –(N-1) şi (N-
1); deducem că între 0 şi N-1+p ambele numere sunt nenule şi deci
N −1+ p
1
ϕˆuu ( p ) =
M
∑ uu
0
k k+ p
N−p
= ϕ uu ( p )
M
pentru p>0 şi, pe baza propietăţilor de simetrie ale autocorelaţiei:
N+p
E {ϕˆuu ( p )} = ϕ uu ( p )
M
formula generală fiind
N− p
E {ϕˆuu ( p )} = ϕ uu ( p )
M
De aici deducem polarizarea estimatorului
N − p −M
B (ϕˆuu ( p ) ) = E {ϕˆuu ( p )} − ϕ uu ( p ) = ϕ uu ( p )
M
şi pentru un estimator nepolarizat este suficient să luăm M = N − p obţinând
N −1
1
ϕˆuu ( p ) =
N− p
∑u
0
N
k ukN+ p