Richiami di segnali aleatori Processi aleatori discreti x(t): processo aleatorio tempo continuo: è una v.a. funzione del tempo x(nT) è una v.a. al variare di n si ha n processo aleatorio discreto: è dato da una sequenza di v.a. {x(nT)}={x(n)} Definizioni: • Distribuzione di probabilità • Densità di probabilità Pxn (x ) = Pr{x( n ) ≤ x} p xn ( x ) = d Px ( x ) dx n 1 Analogamente dati due processi aleatori discreti si definiscono: Distribuzione di probabilità congiunta: Pxn , ym (x , y ) = Pr{x( n ) ≤ x e y( m ) ≤ y} Densità di probabilità congiunta: p xn , y m (x , y ) = d2 Px , y ( x , y ) dxdy n m Proprietà INDIPENDENZA: Due v.a. x(n) e x(m) sono indipendenti se p xn , y m ( x , y ) = p x n ( x ) p y m ( y ) ovvero se il verificarsi dell’una non influenza il verificarsi dell’altra STAZIONARIETA’: Un processo si dice stazionario quando le funzioni distribuzione e densità di probabilità sono indipendenti rispetto a traslazioni temporali: p xn ( x ) = p xn + k ( x ) ∀k p x n , y n ( x , y ) = p x n + k , y n + k ( x , y ) ∀k (congiuntamente stazionari) 2 Parametri di un processo aleatorio • Momento di 1° ordine (valor medio): mxn = E [ x(n)] = ∞ ∫ xp −∞ xn ( x)dx = +∞ +∞ ∑ px i =−∞ • Momento di 2° ordine: px n ( x) = ∑ piδ (x − xi ) i i −∞ i ∞ [ ] ∫x p E x 2( n ) = 2 xn ( x )dx = Pxn −∞ • Varianza: [( )] [ ] [ ] σ x2 = E x( n ) − m xn 2 = E x 2 ( n ) − m xn n • Autocorrelazione: rx ( n ,m ) = E x( n ) x* ( m ) • Processo stazionario in senso lato (WSS) m xn = E [x( n )] = m x = cos t rx ( n ,n + m ) = rx ( m ) [ ] E x 2 ( n ) = Px = cos t → σ x2 = cos t • Processi scorrelati: E [ x ( n ) x ( m ) ] = E [ x ( n ) ] E [ x ( m) ] Proc. INDIPENDENTI X Proc. SCORRELATI •Processi ergodici: Le medie temporali del processo coincidono con le medie d’insieme 3 Densità spettrale di potenza Dato un processo stazionario in senso lato si definisce la densità spettrale di potenza Gx(F) la trasformata di Fourier della funzione di autocorrelazione: Gx ( F ) = antitrasformata: ∞ ∑ r ( m)e m =−∞ 1 rx (m) = − j 2π Fm x 2 ∫ G ( F )e j 2π Fm x −1 dF 2 Densità spettrale di potenza rx (0) = E ⎣⎡ x 2 (n) ⎦⎤ = Px Px = σ x Se il processo è a valor medio nullo: 1 Px = 1 2 ∫ G ( F )e j 2π Fm x −1 = dF m=0 2 2 ∫ −1 2 1 1 2T Gx ( F )dF = Gx ( f )df T − 1∫ 2T Gx(F) è la densità spettrale di potenza Se un processo è BIANCO: rx (m) = rx (0)δ (m) ↔ Gx ( f ) = costante=rx (0) v.medio nullo 4 Campionamento di processi aleatori I processi aleatori sono caratterizzati dalla funzione densità di probabilità x(t) x(nT) p x ,t ( x ) px n ( x ) In particolare a noi interessano i processi stazionari in senso lato Il processo aleatorio è caratterizzato nel dominio della frequenza dalla funzione densità spettrale di potenza. ∞ x( t ) rx ( τ ) ↔ G xa ( f ) = ∫ r ( τ )e x − j 2πfτ dτ −∞ Reale, non negativa e pari ∞ x( nT ) rx ( m ) ↔ G xc ( F ) = ∑ rx ( m )e − j 2πmF = m = −∞ ∞ ∑r ( m )e x − j 2πfmT = G xc ( f ) m = −∞ x( t ) x( nT ) rx ( τ ) rx ( m ) 7 7 G xa ( f ) G xc ( F ) 5 Posso osservare che: rxc (m) = rxa (τ ) τ = mT L’autocorrelazione del processo discreto coincide con l’autocorrelazione del processo continuo compionata in τ=mT quindi si ha: 1 ∞ Gxc ( f ) = ∑ Gxa ( f − kf c ) T k =−∞ Esempio e(n) è un processo aleatorio discreto: • stazionario in senso lato • campioni della sequenza scorrelati • distribuzione di probabilità uniforme ∆ ∞ E [e( n )] = ∫ ep( e )de = ∫ e ∆ de =0 −∆ −∞ p(e) [ ∞ ∆/2 e 2 2 −∆ −∞ -∆/2 2 ∆ 1 ] ∫ e p( e )de = ∫ e E e2 ( n ) = 1/∆ 2 2 1 ∆ de = ∆2 = σ e2 12 2 ⎧0 m ≠ 0 ⎪ E e( n )e* ( n + m ) = ⎨ ∆2 m=0 ⎪ ⎩ 12 [ re ( m ) = ] ∆2 ∆2 δ ( m ) ↔ Ge ( f ) = 12 12 6 In generale: E [x( n )] = p(x) ∞ 1/(b-a) σ x2 = b a x a+b 2 2 ⎛a+b⎞ ⎛b−a ⎞ x 2 p( x )dx − ⎜ ⎟ =⎜ ⎟ ⎝ 2 ⎠ ⎝ 12 ⎠ ∫ 2 −∞ Distribuzione uniforme p(x) p( x ) = − 1 e ( x − m x )2 2σ x2 2πσ x2 x Distribuzione gaussiana Rumore AWGN • Additive White Gaussian Noise – Rumore bianco E [x( n )] = 0 N0 2 N rx ( m ) = 0 δ ( m ) 2 σ x2 = – Distribuzione gaussiana p ( x) = 1 2πσ x2 Gx ( f ) = − e N0 2 ( x )2 2σ x2 Se le v.a. x(n) e x(m) sono scorrelate e gaussiane allora sono anche indipendenti 7 Esempio Siano x(n) e y(n) due processi aleatori tempo discreto stazionari e incorrelati: determinare media e varianza del processo w(n)=x(n)+y(n) E [ w(n) ] = E [ x( n) + y ( n) ] = E [ x(n) ] + E [ y ( n) ] = mx + my 2 2 E ⎡( w(n) − mw ) ⎤ = E ⎡( x(n) + y (n) − mx − my ) ⎤ = ⎢⎣ ⎥⎦ ⎣ ⎦ 2 2 = E ⎡( x( n) − mx ) ⎤ + E ⎡( y (n) − m y ) ⎤ − 2 E ⎡⎣( x(n) − mx ) ( y ( n) − m y ) ⎤⎦ = ⎢⎣ ⎣ ⎦ ⎦⎥ = σ x2 + σ y2 − 2 E ⎣⎡( x(n) − mx ) ⎦⎤ E ⎣⎡( y (n) − my ) ⎦⎤ = Covarianza tra due processi = σ x2 + σ y2 − 2 ⎡⎣ E [ x( n) ] − mx ⎤⎦ ⎡⎣ E [ y (n) ] − m y ⎤⎦ = σ x2 + σ y2 Perché incorrelati 8