Processos Aleat orios e Ru do -...
Transcript of Processos Aleat orios e Ru do -...
Processos Aleatorios e Ruıdo
Luis Henrique Assumpcao Lolis
11 de fevereiro de 2014
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 1
Conteudo
1 Processos Aleatorios
2 Media, Correlacao e Covariancia
3 Passagem do Processo Estacionario por um Sistema Linear
4 Densidade espectral de potencia
5 Processo Gaussiano
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 2
Sumario
1 Processos Aleatorios
2 Media, Correlacao e Covariancia
3 Passagem do Processo Estacionario por um Sistema Linear
4 Densidade espectral de potencia
5 Processo Gaussiano
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 3
Sinais Aleatorios - Introducao
Probabilıstico
Fonte aleatoria
Ruıdo do canal
PotenciaDensidade de Potencia
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 4
Definicao Matematica
Varia no tempo
Valor exato imprevisıvel
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 5
Processo Aleatorio
Um processo aleatorio, observado num instante de tempo euma variavel aleatoria
Processo Aleatorio: conjunto indexado de V.A. onde o ındicee o tempo
Para uma V.A: o resultado de um experimento aleatorio eassociado a um numero
Para um processo aleatorio: o resultado de um experimentoaleatorio e associado a uma forma de onda que e uma funcaodo tempo
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 6
Definicao Matematica
X(t, s), −T ≤ t ≤ T2T - Tempo total de observacao
xj(t) = X(t, sj)
O Processo Estocastico
E um conjunto de funcoes no tempo trazendo uma regra deprobabilidade. Essa probabilidade traz a probabilidade paraqualquer evento significativo de uma amostra das funcoes doprocesso aleatorio
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 7
Processos Aleatorios: Caracterizacao Estatıstica
Funcao de Distribuicao Conjunta:FX(t1)X(t2)···X(tk)(x1, x2, . . . , xk)
Processo Aleatorio Estacionario: A sua caracterizacaoestatıstica e independente do tempo em que a observacao doprocesso e iniciada
FX(t1+τ)X(t2+τ)···X(tk+τ)(x1, x2, . . . , xk) = FX(t1)X(t2)···X(tk)(x1, x2, . . . , xk)
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 8
Sumario
1 Processos Aleatorios
2 Media, Correlacao e Covariancia
3 Passagem do Processo Estacionario por um Sistema Linear
4 Densidade espectral de potencia
5 Processo Gaussiano
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 9
Media, Correlacao e Covariancia
Media
No instante t:
µX(t) = E [X(t)] =
∫ ∞−∞
xfX(t)(x)dx
Sendo estacionario:
µX(t) = µX para todo t
Autocorrelacao
RX(t1, t2) = E [X(t1)X(t2)] =∫ ∞−∞
∫ ∞−∞
x1x2fX(t1)X(t2)(x1, x2) dx1dx2
Se o processo for estacionario:
RX(t1, t2) = RX(t2 − t1) = RX(τ) para todo t1 e t2, ondeτ = t2 − t1
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 10
Media, Correlacao e Covariancia
Autocovariancia de um processo estritamente estacionario:
CX (t1, t2) = E [(X(t1)− µX) (X(t2)− µX)]= RX (t2 − t1)− µ2X
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 11
Propriedades da Autocorrelacao
Definimos a autocorrelacao de um processo estacinoariocomo:
RX(τ) = E [X (t+ τ)X(t)] para todo t
Media QuadraticaRX(0) = E[X2(t)]
Autocorrelacao e uma funcao par
RX(τ) = RX(−τ)
A autocorrelacao e maxima para τ = 0
|Rx(τ)| ≤ Rx(0)
O sinal aleatorio varia mais rapidamente se a autocorrelacaodecai rapidamente em funcao de τ
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 12
Exemplo: Onda Senoidal com Fase Aleatoria
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 13
Exemplo: Onda Senoidal com Fase Aleatoria
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 14
Exemplo: Sequencia Binaria Aleatoria
RX(τ) =
{A2[1− |τ |T
], |τ | < T
0, |τ | ≥ T
}
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 15
Ergodismo
Um processo estocastico pode ter uma media em relacao asamostras µX e nao varia para o valor de t para um processoestacionario
Um processo estocastico tambem tem uma media no tempopara uma realizacao x(t), µx(T ) calculada num intervalo T :
A variavel e ergotica se:
limT→∞
µx(T ) = µX
limT→∞
var [µx(T )] = 0
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 16
Sumario
1 Processos Aleatorios
2 Media, Correlacao e Covariancia
3 Passagem do Processo Estacionario por um Sistema Linear
4 Densidade espectral de potencia
5 Processo Gaussiano
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 17
Passagem por um Sistema Linear
Media
Y (t) =
∫ ∞−∞
h(τ1)X(t− τ1)dτ1
µY (t) = E[Y (t)] = E
[∫ ∞−∞
h(τ1)X(t− τ1)dτ1]Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 18
Passagem por um Sistema Linear
se E[X(t)] e finita para todo t e o sistema e estavel:
µY (t) =
∫ ∞−∞
h(τ1)E [X (t− τ1)] dτ1
=
∫ ∞−∞
h(τ1)µX(t− τ1)dτ1com x(t) um processo estacionario:µX(t− τ1) = µX
µY = µX
∫ ∞−∞
h(τ1)dτ1 = µXH(0)∫ ∞−∞
h(τ1)dτ1 =
∫ ∞−∞
h(τ1)dτ1e−j2π0τdτ = H(0)
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 19
Passagem por um Sistema Linear
Autocorrelacao e Media Quadratica (potencia)
RY (t, u) = E [Y (t)Y (u)]
RY (t, u) =
E
[∫ ∞−∞
h(τ1)X(t− τ1)dτ1∫ ∞−∞
h(τ2)X(u− τ2)dτ2]
Se E[X2(t)] e finito para todo t e o sistema e estavel:
RY (t, u) =∫ ∞−∞
h(τ1)dτ1
∫ ∞−∞
h(τ2)E [X(t− τ1)X(u− τ2)] dτ2
=
∫ ∞−∞
h(τ1)dτ1
∫ ∞−∞
h(τ2)RX(t− τ1, u− τ2)dτ2
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 20
Passagem por um Sistema Linear
Sendo X(t) estacionario, a funcao de autocorrelacao sodepende de do intervalo das funcoes, nesse caso:(u− τ2)− (t− τ1). Sendo assim e definindo τ = t− u:
(u− τ2)− (t− τ1) = τ − τ1 − τ2Dessa forma a autocorrelacao de Y fica:
RY (τ) =
∫ ∞−∞
∫ ∞−∞
h(τ1)h(τ2)RX(τ − τ1 − τ2)dτ1dτ2
E RY (0) para τ = 0 fica:
E[Y 2(t)] = RY (0) =
∫ ∞−∞
∫ ∞−∞
h(τ1)h(τ2)RX(τ2 − τ1)dτ1τ2
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 21
Sumario
1 Processos Aleatorios
2 Media, Correlacao e Covariancia
3 Passagem do Processo Estacionario por um Sistema Linear
4 Densidade espectral de potencia
5 Processo Gaussiano
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 22
Densidade espectral de potencia
Sinal aleatorio - sem funcao definida
A transformada de Fourier se aplica a uma funcao definida
Funcao de densidade de probabilidade - e uma funcao fechada
Para entender como um sinal aleatorio se distribui nafrequencia: densidade espectral de potencia
Transformada de Fourier da funcao de autocorrelacao de sinalaleatorio
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 23
Definicao matematica
SX(f) =
∫ ∞−∞
RX(τ)e−j2πfτdτ
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 24
Potencia do sinal e passagem por filtro
h(τ1) =
∫ ∞−∞
H(f)ej2πfτ1df
E[Y 2(t)] =∫ ∞−∞
∫ ∞−∞
[∫ ∞−∞
H(f)ej2πfτ1df
]h(τ2)RX(τ2 − τ1)dτ1dτ2 =
O fator ej2πfτ1 nao depende da variavel de integracao df e evisto como uma constante para essa integral, logo podemosretira-la dessa integral. Como esse fator depende da variavelde integracao dτ1, esse fator passa multiplicando a integral dedτ1:∫ ∞−∞
H(f)df
∫ ∞−∞
∫ ∞−∞
h(τ2)RX(τ2 − τ1)ej2πfτ1dτ1τ2
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 25
Potencia do sinal e passagem por filtro
∫ ∞−∞
H(f)df
∫ ∞−∞
∫ ∞−∞
h(τ2)RX(τ2 − τ1)ej2πfτ1dτ1τ2
Como RX(τ2 − τ1) ainda depende das duas variaveis τ1 e τ2,nao poderıamos separar essas duas variaveis. No entanto,sendo X um processo estacionario, a sua correlacao sodepende do intervalo τ = τ2 − τ1. Definimos:
τ = τ2 − τ1 e dτdτ1
= −1 fazemos a troca de variaveis:∫ ∞−∞
H(f)df
∫ ∞−∞
∫ ∞−∞
h(τ2)RX(τ)ej2πf(τ2−τ) − dτ1dτ2
Agora separamos as integrais em termos que dependemsomente da propria variavel de integracao variavel deintegracao:∫ ∞−∞
H(f)df
∫ ∞−∞
h(τ2)ej2πfτ2dτ2
∫ ∞−∞
RX(τ)e−j2πfτdτ
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 26
Potencia do sinal e passagem por filtro
E[Y 2(t)
]=∫ ∞
−∞H(f)df
∫ ∞−∞
h(τ2)ej2πfτ2dτ2
∫ ∞−∞
RX(τ)e−j2πfτdτ
A integral do meio e o complexo conjugado da transformadade Fourier de h(τ2), H∗(f), de tal maneira que:
E[Y 2(t)
]=
∫ ∞−∞|H(f)|2 SX(f)df
O valor medio quadratico (potencia) da saıda de um filtro linearestavel invariante no tempo em resposta a um processoestacionario e igual a integral sobre todas as frequencias dadensidade espectral de potencia do processo de entradamultiplicada pelo modulo da resposta do filtro elevada ao quadrado
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 27
Densidade Espectral de Potencia: Propriedades
1 SX(0) =
∫ ∞−∞
RX(τ) dτ
O valor da densidade espectral de potencia para a frequencia zero e a area abaixofuncao de autocorrelacao
2 E[X2(t)
]=
∫ ∞−∞
SX(f) df
A media quadratica de um processo estacionario e a area abaixo da densidadeespectral de potencia
3 SX(f) ≥ 0 para todo fA densidade espectral de potencia e sempre nao negativa
4 SX(−f) = SX(f) se o processo aleatorio for realA densidade espectral de potencia de um sinal real e uma funcao par
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 28
Exemplo: Onda senoidal com fase aleatoria
RX(τ) = A2
2 cos(2πfcτ) SX(f) = A2
4 [δ(f − fc) + δ(f + fc)]∫ ∞−∞
SX(f)df =A2
2
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 29
Exemplo: Sequencia Binaria Aleatoria
RX(τ) =
{A2[1− |τ |T
], |τ | < T
0, |τ | ≥ T
}SX(f) = A2T sinc2(fT )
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 30
Sumario
1 Processos Aleatorios
2 Media, Correlacao e Covariancia
3 Passagem do Processo Estacionario por um Sistema Linear
4 Densidade espectral de potencia
5 Processo Gaussiano
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 31
Processos Gaussianos
fY (y) =1√
2πσYexp
[− (y − µY )2
2σ2Y
]
Teorema do Limite Central
O efeito soma devido a um grande numero de causasindependentes tende a um processo Gaussiano:
Y = X1 +X2 + · · ·+Xn ≈ Gaussiana para n→∞
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 32
Propriedades de um Processo Gaussiano, X(t)
1 Quando X(t) passa por um sistema LIT, o processo de saıdacontinua sendo Gaussiano
2 Considerando um conjunto de V.A., X(t1), X(t2), . . . , X(tn),resultantes da observacao de X(t) em t1, t2, . . . , tn, se X(t)for Gaussiano, esse conjunto de V.A. sera conjuntamenteGaussiano ∀n
3 Se as V.A. X(t1), X(t2), . . . , X(tn) de um processoGaussiano nao sao correlacionadas, ou seja, se
E[(X(tk)− µX(tk)
) (X(ti)− µX(ti)
)]= 0, i 6= k
entao essas V.A. sao estatisticamente independentes
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 33
Ruıdo
Ruıdo
Sinais indesejaveis que perturbam a transmissao e o processamentode sinais no receptor e que sao incontrolaveis
Fontes externas: ruıdo atmosferico, galactico e ruıdoprovocado pelo homem
Fontes internas: flutuacoes espontaneas de corrente ou tensaoem circuitos eletricos
Ruıdo Impulsivo: Resulta da natureza discreta da correnteRuıdo Termico: Resulta do movimento aleatorio de eletronsem um condutor.
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 34
Modelo Equivalente de Ruıdo Termico
E[V 2TN ] = 4kTR∆f(Volts)2
k− Constante de Boltzmann(k = 1, 38× 10−23 Joules/K) T−Temperatura em K R− Resistencia emOhms ∆f− Largura de banda em Hz
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 35
Ruıdo Branco
Ruıdo Branco: Forma idealizada cuja densidade espectral depotencia e independente da frequencia de operacao (contemfrequencia e potencia infinita).
Temperatura equivalente de ruıdo do receptor (N0 = kTe)
Temperatura de um resistor ruidoso de tal maneira que quandoconectado a versao de um sistema sem ruıdo, produz o mesmoruıdo na saıda que as o sistema produz com as fontes de ruıdoreais do sistema.
Exemplo: Ruıdo na saıda de um filtro passa-baixas ideal
SN (f) =
{ N0
2, −B < f < B
0, |f | > B
RN (τ) =
∫ ∞−∞
N0
2ej2πfτdf = N0B sinc(2Bτ)
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 37