Upload
others
View
1
Download
0
Embed Size (px)
Citation preview
Processos Aleatorios e Ruıdo
Luis Henrique Assumpcao Lolis
11 de abril de 2014
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 1
Conteudo
1 O Experimento Aleatorio / Espaco de Amostras
2 Algebra de eventos e axiomas
3 Probabilidade condicional e teorema de Bayes
4 Variaveis Aleatorias
5 Medias
6 Processos Aleatorios
7 Media, Correlacao e Covariancia
8 Passagem do Processo Estacionario por um Sistema Linear
9 Densidade espectral de potencia
10 Processo Gaussiano
11 Ruıdo
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 2
Sumario
1 O Experimento Aleatorio / Espaco de Amostras
2 Algebra de eventos e axiomas
3 Probabilidade condicional e teorema de Bayes
4 Variaveis Aleatorias
5 Medias
6 Processos Aleatorios
7 Media, Correlacao e Covariancia
8 Passagem do Processo Estacionario por um Sistema Linear
9 Densidade espectral de potencia
10 Processo Gaussiano
11 Ruıdo
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 3
Definicao
ω - Ponto-amostra - resultado de um experimentoΩ - Espaco de amostras - todos os possıveis resultados doexperimento
ω ∈ Ω
Quando nao pertence:
ω /∈ Ω
Quando A e um subconjunto de B:
A ⊂ Btodo elemento de A esta contido em B
ABΩ
Qualquer subconjunto do espaco Ω e um Evento.O evento A numeros pares pertencente ao conjunto dosnumeros do dado de seis lados:
A = 2, 4, 6Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 4
Espaco discreto e espaco contınuo de amostras
Espaco discreto
Quando o numero possıvel de elementos e finito.Ex: Lados da moeda, dado de N lados, numeros inteiros entre0 e 10.
Espaco contınuo
Quando o numero possıvel de elementos e infinito e nosestamos mais interessados na probabilidade de um intervaloque de um valor determinado.Ex: Altura de uma pessoa em determinada populacao, umnumero real entre 0 e 1.Notacao: o espaco contendo todos os pontos entre 0 e 1:S = x : 0 ≤ x ≤ 1 = [0, 1]
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 5
Sumario
1 O Experimento Aleatorio / Espaco de Amostras
2 Algebra de eventos e axiomas
3 Probabilidade condicional e teorema de Bayes
4 Variaveis Aleatorias
5 Medias
6 Processos Aleatorios
7 Media, Correlacao e Covariancia
8 Passagem do Processo Estacionario por um Sistema Linear
9 Densidade espectral de potencia
10 Processo Gaussiano
11 Ruıdo
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 6
Resumo das Operacoes
Notacao Descricao Matematica Descricao Verbal
A ∪B Uniao de A e B A ou B (ou ambos) ocorreA ∩B Intersecao de A e B Ambos A e B ocorremA Ac Complemento de A A nao ocorreB −A Diferenca entre B e A B ocorre mas A nao ocorre∅ Conjunto Vazio Evento Impossıvel
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 7
Diagrama de Venn
Uniao Intersecao
BΩ A
BΩ A
A ∪B A ∩B
Complemento Diferenca
Ω A Ω AB
A B −A
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 8
Propriedades
Associativa
(A ∩B) ∪ C = (A ∪ C) ∩ (B ∪ C)(A ∪B) ∩ C = (A ∩ C) ∪ (B ∩ C)
Distributiva
A ∩ (B ∪ C) = (A ∩B) ∪ (A ∩ C)
Lei de De Morgan
A ∪B = A ∩BA ∩B = A ∪B
Axiomas
Axioma 1: P (A) ≥ 0Axioma 2: P (Ω) = 1Axioma 3: P (A ∪B) = P (A) + P (B) se A ∩B = ∅
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 9
Propriedades Elementares
1 P (A) = 1− P (A)
2 P (∅) = 0
3 P (A) ≤ P (B) se A ⊂ B4 P (a) ≤ 1
5 P (A ∪B) = P (A) + P (B)− P (A ∩B)
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 10
Sumario
1 O Experimento Aleatorio / Espaco de Amostras
2 Algebra de eventos e axiomas
3 Probabilidade condicional e teorema de Bayes
4 Variaveis Aleatorias
5 Medias
6 Processos Aleatorios
7 Media, Correlacao e Covariancia
8 Passagem do Processo Estacionario por um Sistema Linear
9 Densidade espectral de potencia
10 Processo Gaussiano
11 Ruıdo
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 11
Conceito e Definicao
A probabilidade pode se alterar se temos informacao adicional.
Ex: A chance de se ter cancer de pulmao aumenta se a pessoae fumante.
A probabilidade de um evento A dado que um evento B tenhaocorrido. Definida pela seguinte razao:
P (A|B) =P (AB)
P (B)=P (A ∩B)
P (B)
Rearranjando os termos:
P (AB) = P (B)P (A|B)
Significa que a chance de A e B ocorrerem e igual a chance deB e a chance de A dado que B ocorreu.
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 12
Probabilidade Total
Sendo A = A1, . . . , An um conjunto de Ω e B um eventoarbitrario:
P (B) = P (B|A1)P (A1) + . . .+ P (B|An)P (An)
Para se obter a intersecao dos eventos BAi:
PP (BAi) = P (B|Ai)P (Ai)Teorema da Probabilidade Total
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 13
Teorema de Bayes
De maneira analoga a P (BAi) = P (B|Ai)P (Ai), temos:
P (BAi) = P (Ai|B)P (B)
Combinando as duas equacoes:
P (Ai|B) = P (B|Ai)P (Ai)
P (B)
P (Ai|B) = P (B|Ai)P (Ai)∑n
i=1 P (B|Ai)P (Ai)Teorema de Bayes
P [Bj |A] =P [A ∩Bj ]P [A]
=P [A|Bj ]P [Bj ]∑nk=1 P [A|Bk]P [Bk]
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 14
Ex: Canal Binario Simetrico
Transmite somente dois bits: 0 e 1 com probabilidadesP[A0] = p0 e P[A1] = p1
Probabilidades condicionais de erro:P[B1|A0] = P[B0|A1] = p
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 15
Ex: Canal Binario Simetrico
A probabilidade de receber um 0:P[B0] = P[B0|A0]P[A0] + P[B0|A1]P[A1] = (1− p)p0 + pp1
A probabilidade de receber um 1:P[B1] = P[B1|A0]P[A0] + P[B1|A1]P[A1] = pp0 + (1− p)p1
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 16
Ex: Canal Binario Simetrico
Dado que eu recebi determinado bit (0 ou 1), qual aprobabilidade de determinado bit foi enviado (0 ou 1)?Probabilidade a posteriori.
Aplicacao do teorema de Bayes:
P[A0|B0] =P[B0|A0]P[A0]
P[B0]P[A1|B1] =
P[B1|A1]P[A1]
P[B1]
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 17
Sumario
1 O Experimento Aleatorio / Espaco de Amostras
2 Algebra de eventos e axiomas
3 Probabilidade condicional e teorema de Bayes
4 Variaveis Aleatorias
5 Medias
6 Processos Aleatorios
7 Media, Correlacao e Covariancia
8 Passagem do Processo Estacionario por um Sistema Linear
9 Densidade espectral de potencia
10 Processo Gaussiano
11 Ruıdo
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 18
Os eventos podem ser definidos em termos de numeros(cara=0, coroa=1).
Pode haver mais de uma V.A. por processo aleatorio.
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 19
Funcao de Distribuicao Acumulada FDA ou cdf
FX(x) = P [X ≤ x], para −∞ < x < +∞A probabilidade de X estar entre (−∞, x]
A cdf (cumulated distribution function) de qualquer variavelaleatoria e:
E nao decrescenteE contınua pela direita.Fx(−∞) = 0 e Fx(∞) = 1
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 20
Funcao de Densidade de Probabilidade - fdp ou pdf
A probabilidade de um ponto em uma V.A. e zero. Mas aprobabilidade de um intervalo infinitezimal e diferente de zero.
Temos a definicao da FDA contınua
FX(xi) =
∫ xi
−∞fX(x)dx
fX(x) e a funcao de densidade de probabilidade fdp
fX(x) =dFX(x)
dx
Probabilidade de um intervalo:
P (a < X ≤ b) = P (X ≤ b)− P (X ≤ a)) = FX(b)− FX(a)
P (a < X ≤ b) =
∫ b
a
fX(x)dx∫ ∞−∞
fX(x)dx = 1
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 21
Diversas V.A.’s
FDA e fdp conjunta.
FX,Y (x1, y1) = P (X ≤ x1, Y ≤ y1), para X,Y ∈ R
FX,Y (x, y) =
∫ y
−∞
∫ x
−∞fS,T (s, t)dsdt
fX,Y (x, y) =∂2
∂x∂yFX,Y (x, y), x, y ∈ R
fY (y) =
∫ ∞−∞
fX,Y (x, y)dx, y ∈ R
FDA e fdp marginal
fX(x) =
∫ ∞−∞
fX,Y (x, y)dy
fY (y) =
∫ ∞−∞
fX,Y (x, y)dx
FX(x) = FX,Y (x,∞)
FY (y) = FX,Y (∞, y)
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 22
FDA e fdp marginal
fY (y|x) =fX,Y (x, y)
pX(x), para Y ∈ R.
FY (y|x) = P (Y ≤ y|X = x) =
∫ y
−∞fY (t|x)dt
Usando a lei da probabilidade total:
fY (y) =
∫ ∞−∞
fY (y|x)fX(x)dx, Y ∈ R
Para V.A. estatisticamente independentes:
fY (y|x) = fY (y)fX,Y (x, y)
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 23
Sumario
1 O Experimento Aleatorio / Espaco de Amostras
2 Algebra de eventos e axiomas
3 Probabilidade condicional e teorema de Bayes
4 Variaveis Aleatorias
5 Medias
6 Processos Aleatorios
7 Media, Correlacao e Covariancia
8 Passagem do Processo Estacionario por um Sistema Linear
9 Densidade espectral de potencia
10 Processo Gaussiano
11 Ruıdo
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 24
Valor Esperado
Valor esperado de X
E[X] =
∫ ∞−∞
xfX(x)dx
Valor esperado de g(X)
E[g(X)] =
∫ ∞−∞
g(x)fX(x)dx
Teorema fundamental do valor esperado
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 25
Momentos
Valor esperado de g(X) = Xn
E[Xn] =
∫ ∞−∞
xnfX(x)dx
Momentos centrais (momentos diferencas do valor esperado):
E[(X − µx)n] =
∫ ∞−∞
(X − µx)nfX(x)dx
O momento central de segunda ordem e a variancia.VAR[X] = E[(X − µx)2] = E[X2]− (E[X])
2
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 26
Funcao caracterıstica
Aplicando g(X) = evjx, a funcao caracterıstica de X, φX(v):
φX(v) = E[ejvx] =
∫ ∞−∞
fX(x)ejvxdx
Analogo a transformada de Fourier, exceto pelo sinal daexponencial. v e analogo a 2πf e x e analogo a t. Entaoatraves de uma transformada inversa passamos da funcaocaracterıstica para a funcao de densidade de probabilidade:
fX(x) =1
2π
∫ ∞−∞
φX(v)e−jvxdx
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 27
Momentos conjuntos
E[XiY k] =
∫ ∞−∞
∫ ∞−∞
xiykfX,Y (x, y)dxdy
E[XY ] - Correlacao de X e Y .
O momento central conjunto para i = k = 1 e chamado decovariancia:
COV[XY ] = E[(X−E[X])(Y−E[Y ])] = E[XY ]−E[X]E[Y ]
Para ter uma variavel normalizada da correlacao, cria-se ocoeficiente de correlacao:
ρXY =COV [XY ]
σXσYEx: testar a correlacao de V.A.s independentes.
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 28
Sumario
1 O Experimento Aleatorio / Espaco de Amostras
2 Algebra de eventos e axiomas
3 Probabilidade condicional e teorema de Bayes
4 Variaveis Aleatorias
5 Medias
6 Processos Aleatorios
7 Media, Correlacao e Covariancia
8 Passagem do Processo Estacionario por um Sistema Linear
9 Densidade espectral de potencia
10 Processo Gaussiano
11 Ruıdo
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 29
Sinais Aleatorios - Introducao
Probabilıstico
Fonte aleatoria
Ruıdo do canal
PotenciaDensidade de Potencia
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 30
Definicao Matematica
Varia no tempo
Valor exato imprevisıvel
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 31
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 32
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 33
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 34
Sumario
1 O Experimento Aleatorio / Espaco de Amostras
2 Algebra de eventos e axiomas
3 Probabilidade condicional e teorema de Bayes
4 Variaveis Aleatorias
5 Medias
6 Processos Aleatorios
7 Media, Correlacao e Covariancia
8 Passagem do Processo Estacionario por um Sistema Linear
9 Densidade espectral de potencia
10 Processo Gaussiano
11 Ruıdo
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 35
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 36
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 37
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 38
Exemplo: Onda Senoidal com Fase Aleatoria
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 39
Exemplo: Onda Senoidal com Fase Aleatoria
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 40
Exemplo: Sequencia Binaria Aleatoria
RX(τ) =
A2[1− |τ |T
], |τ | < T
0, |τ | ≥ T
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 41
Correlacao Cruzada
Quando queremos testar dois sinais em intervalos de tempodistintos.
Aplicacoes em radar, processamento dos sinais, sincronismo.
RXY (t, y) = E[C(t)Y (u)], RXY (τ) quando τ = t− uEx: Processos modulados em quadratura.
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 42
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 43
Sumario
1 O Experimento Aleatorio / Espaco de Amostras
2 Algebra de eventos e axiomas
3 Probabilidade condicional e teorema de Bayes
4 Variaveis Aleatorias
5 Medias
6 Processos Aleatorios
7 Media, Correlacao e Covariancia
8 Passagem do Processo Estacionario por um Sistema Linear
9 Densidade espectral de potencia
10 Processo Gaussiano
11 Ruıdo
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 44
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 45
Passagem por um Sistema Linear - Media
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 46
Passagem por um Sistema Linear - Media do quadrado(potencia)
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 47
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
Se a entrada de um sistema linear estavel for um processoestacionario no sentido amplo a saıda vai ser um processoestacionario no sentido amplo.
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 48
Sumario
1 O Experimento Aleatorio / Espaco de Amostras
2 Algebra de eventos e axiomas
3 Probabilidade condicional e teorema de Bayes
4 Variaveis Aleatorias
5 Medias
6 Processos Aleatorios
7 Media, Correlacao e Covariancia
8 Passagem do Processo Estacionario por um Sistema Linear
9 Densidade espectral de potencia
10 Processo Gaussiano
11 Ruıdo
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 49
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 50
Definicao matematica
SX(f) =
∫ ∞−∞
RX(τ)e−j2πfτdτ
RX(τ) =
∫ ∞−∞
SX(f)ej2πfτdf
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 51
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 52
DEP dos sinais - senoidal com fase aleatorio e sinal binarioaleatorio
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 53
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 54
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 55
Ex: mistura de processo aleatorio com proc. senoidal
Analise da DEP do produto de um proc. aleatorio X(t) porum cosseno de fase aleatoria cos(2πfct+ Θ) onde, Θ e umaV.A. uniforme de [0, 2π]
RY (τ) = E[Y (t+ τ)Y (t)]= E[X(t+ τ) cos(2πfct+ 2πfcτ + Θ)X(t) cos(2πfct+ Θ)]= E[X(t+ τ)X(t)]E[cos(2πfct+ 2πfcτ + Θ) cos(2πfct+ Θ)]
=1
2RX(τ)E[cos(2πfcτ) + cos(4πfct+ 2πfcτ + 2Θ)]
=1
2RX(τ) cos(2πfcτ)
SY (f) =1
4[SX(f − fc) + SX(f + fc)]
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 56
Potencia do sinal e passagem por filtro - analise nafrequencia
O sinal na frequencia e a transformada de RY (τ)
SY (f) =
∫ ∞−∞
RY (τ)e−j2πfτdτ
RY (τ) =
∫ ∞−∞
∫ ∞−∞
h(τ1)h(τ2)RX(τ − τ1 + τ2)dτ1dτ2
Aplicando a transformada:
SY (f) =∫ ∞−∞
∫ ∞−∞
∫ ∞−∞
h(τ1)h(τ2)RX(τ − τ1 + τ2)e−j2πfτdτ1dτ2dτ
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 57
Potencia do sinal e passagem por filtro - analise nafrequencia
Substituindo τ por τ = τ0 + τ1 − τ2, podemos fazer cadaintegral se tornar uma transformada de Fourier.
τ0 = τ − τ1 + τ2, dτ0/dτ = 1
SY (f) =
∫ ∞−∞
∫ ∞−∞
∫ ∞−∞
h(τ1)h(τ2)RX(τ0)e−j2πf(τ0+τ1−τ2)dτ1dτ2dτ0
Expandindo a exponencial cada uma das funcoes pode ser integradaindividualmente:
SY (f) =∫ ∞−∞
h(τ1)e−j2πfτ1dτ1
∫ ∞−∞
h(τ2)e−j2π(−f)τ2dτ2
∫ ∞−∞
RX(τ0)e−j2πfτ0dτ0
SY (f) = H(f)H(−f)SX(f) = H(f)H(f)∗SX(f)
Resultado da potencia e integrar a DEP:
E[Y 2(t)] =
∫ ∞−∞
SX(f)|H(f)|2df
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 58
Potencia do sinal e passagem por filtro
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 59
Sumario
1 O Experimento Aleatorio / Espaco de Amostras
2 Algebra de eventos e axiomas
3 Probabilidade condicional e teorema de Bayes
4 Variaveis Aleatorias
5 Medias
6 Processos Aleatorios
7 Media, Correlacao e Covariancia
8 Passagem do Processo Estacionario por um Sistema Linear
9 Densidade espectral de potencia
10 Processo Gaussiano
11 Ruıdo
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 60
Processos Gaussianos
fY (y) =1√
2πσYexp
[− (y − µY )2
2σ2Y
]
Caracterıstica da gaussiana:
Y (T ) =
∫ T
0
g(t)X(t), Y (T ) e a funcional de X(t)
Se Y (T ) for gaussiana, X(t) sera gaussiana.
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 61
Processos Gaussianos
Distribuicao normalizada a media 0 e variancia 1:
fY (y) =1√2π
exp
[−(y)2
2
]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 62
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 63
Sumario
1 O Experimento Aleatorio / Espaco de Amostras
2 Algebra de eventos e axiomas
3 Probabilidade condicional e teorema de Bayes
4 Variaveis Aleatorias
5 Medias
6 Processos Aleatorios
7 Media, Correlacao e Covariancia
8 Passagem do Processo Estacionario por um Sistema Linear
9 Densidade espectral de potencia
10 Processo Gaussiano
11 Ruıdo
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 64
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 65
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 66
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 68
Exemplo: Ruıdo na saıda de um filtro passa-baixas RC
H(f) =1
1 + j2πfRC
SN (f) =N0/2
1 + (2πfRC)2=
|H(f)|2 · N0
2
exp(−a|τ |) a2
a2 + (2πf)2
RN (τ) =N0
4RCexp
(− |τ |RC
)Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 69
Banda equivalente de ruıdo
Considera-se a resposta em frequencia do sistema e integra-sea potencia total de ruıdo.
Transformando essa superfıcie total (potencia), em umretangulo tem-se o quadrado reposta do sistema em DCH2(0) multiplicando uma banda equivalente de ruıdo 2B
Nout =N0
2
∫ ∞−∞|H(f)|2, df
= N0
∫ ∞0
|H(f)|2, df
Nout = N0BH2(0)
B =
∫ ∞0
|H(f)|2, df
H2(0)
Luis Henrique Assumpcao Lolis Processos Aleatorios e Ruıdo 70