1 DAC Oefenzitting 1

Oefenzitting één handelt over stochastische processen, refererend naar de slides in deel
DAC 2 “Signals for telecommunications”, subsectie “2.2 Stochastische processen”, en
refererend naar hoofdstuk 2 van het boek van Couch.

Dit zijn de oefeningen die behandeld worden in oefenzitting 1:

Oefening 6.2, 6.3, 6.9, 6.16, 6.30 – de oefeningennummers verwijzen naar editie 8 van het
boek van Couch
(Deze oefeningen stemmen overeen met nummers 6.2, 6.3, 6.8, 6.15, 6.26 in editie 7 van
het boek. Oefening 6.9 in ed. 8 gebruikt enkele andere getallen dan oefening 6.8 in ed. 7.)

1-1 Kenmerken van signalen

1-1.1 Deterministische signalen
• DC-component, gemiddeld vermogen, RMS-waarde
+T /2
Wdc = w (t ) = lim ∫ w (t ) dt
def

T → ∞ −T /2

1 +T /2
=Pw w 2 (t )
= lim ∫−T /2 w (t ) dt
2
T →∞ T

w 2 (t )
def
Wrms =

• Vermogen, vermogenspectraledichtheid, autocorrelatie, stelling van

Wiener-Khintchine
+∞
=Pw w 2 (t )
= ∫−∞ Pw ( f ) df
W f 2 
T ( )
Pw ( f ) = lim  
def

T →∞  T 
 
 
x reëel
Rw (  ) = w * (t ) ⋅ w (t +  ) w (t ) ⋅ w (t +  )
def
=

{ }
F Rw (  ) = Pw ( f ) (Wiener-Khintchine)

1-1.2 Stochastische processen

• DC-component van een staalfunctie, autocorrelatie, vermogen en
vermogenspectraledichtheid, Wiener-Khintchine
x DC = x (t ) voor een staalfunctie

x DC = x (t ) voor een stochastisch proces

x reëel
Rx (t, t +  ) = x ∗ (t ) x (t +=
) x (t ) x (t +  )
def
 x (f)
P= F {R x ) }
(t, t +=  1 +T /2
F  lim  ∫
T → ∞ T  −T /2

Rx (t, t +  ) dt   (Wiener-Khintchine)
 
+∞
+∞ 1
=Px ∫−∞ ( f ) df
Px= x 2 (t )
= lim
T →∞ T
∫ x 2 (t ) dt
−∞

1-1.3 Ruisprocessen
• Witte-ruisprocessen, en gefilterde-ruisprocessen
N
Px ( f ) = 0
2
N0
Rx (  ) =  ( )
2
2
Py ( f ) = H ( f ) Px ( f )
• Gaussische ruis
(x − x )
2

1 −
fx ( x ) = e 2 2
2 
 1-2 Opgaven
1-2.1 Oefening 6.2, 6.3
Een stochastisch signaal is sinusoidaal:
=x (t ) A cos ( 0t +  )
en heeft een deterministische amplitude A en pulsatie 0 . De fase  is een stochastische
 
variabele met een uniforme verdeling in het interval 0,  .
 2
a) Bepaal de waarschijnlijkheidsdichtheidsfunctie voor de variabele  (PDF,
probability density function) .
b) Bereken het stochastisch gemiddelde x (t ) . Is dit stationair?

c) Bereken het tijdsdomeingemiddelde x (t ) . Is het gemiddelde ergodisch?

d) Bereken het stochastisch gemiddelde vermogen x 2 (t ) . Is dit stationair?

e) Bereken het tijdsdomeingemiddelde vermogen x 2 (t ) . Is het gemiddelde

vermogen ergodisch?

1-2.2 Oefening 6.9

! Wat volgt is de opgave van oefening 6.8 in editie 7 van het boek. De cijferwaarden zijn
verschillend, de structuur van de opgave is dezelfde.

Stel dat een ruissignaal n (t ) de som is van twee componenten:

n (t ) n1 (t ) + n2 (t ) ,
=
waarbij we weten dat n1 en n2 ergodisch zijn met volgende eigenschappen:
vermogen DC − waarde
n1 Pn1 = 5 W n1DC = −2 V
= =
n2 Pn2 10 W n2DC 1V

Wat is het vermogen Pn als:

a) n1 (t ) en n2 (t ) orthogonaal zijn;
b) n1 (t ) en n2 (t ) ongecorreleerd zijn;
c) de kruiscorrelatie van n1 (t ) en n2 (t ) gelijk is aan 2 voor  = 0 ?

1-2.3 Oefening 6.16

=
Een stochastisch signaal x (t ) A cos ( 0t +  ) heeft een deterministische amplitude A en
pulsatie 0 . De fase  is een stochastische variabele met een uniforme verdeling in het
 
interval 0,  De kansdichtheidsverdelingsfunctie (PDF Probability Density Function) is dus
 2
2
f () =

Bereken nu de spectrale vermogendichtheid (of PSD: Power Spectral Density).
 1-2.4 Oefening 6.30
Een signaal bestaande uit een sinus en additieve, witte ruis A0 sin ( 2 f0t ) + n (t ) . Dit signaal
wordt door een filter gestuurd met transfertfunctie
0 f ≥B

H (f) =  1
(
 B− f
B
) f ≤B

Figuur 1.5: De transfertfunctie van het filter.

Bepaal de signaal-tot-ruisverhouding (SNR) aan de uitgang van het filter.