Baixe o app para aproveitar ainda mais
Prévia do material em texto
Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Revisão de Processos Estocásticos Prof. Fabrício Braga Soares de Carvalho, D.Sc. Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica Fevereiro 2016 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 1 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Roteiro 1 Introdução 2 Autocorrelação Classificação dos Processos Aleatórios Propriedades da Autocorrelação 3 Densidade Espectral de Potência Densidade Espectral de Potência e de Energia DEP de um Processo Aleatório Processos Aleatórios Múltiplos 4 Sistemas Lineares 5 Informação de Fase Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 2 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Processos Aleatórios Os processos aleatórios também são denominados de processos estocásticos e representam uma extensão do conceito de variável aleatória para sistemas dinâmicos (que dependem do tempo) Assim, um processo aleatório é uma coleção de um número infinito de variáveis aleatórias Sinais de comunicação e ruídos, que em geral são aleatórios e variam com o tempo, são bem caracterizados por processos aleatórios Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 3 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Processos Aleatórios O seguinte exemplo ilustra o conceito de variáveis aleatórias: A temperatura ao meio dia pode ser representada por uma variável aleatória Para obter a fdp dessa variável aleatória é necessário repetir a medida da temperatura diversas vezes no mesmo horário A temperatura em outro horário provavelmente terá uma fdp diferente da temperatura ao meio dia Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 4 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Processos Aleatórios A conclusão obtida a partir do exemplo precedente é que a temperatura é uma variável aleatória dependente do tempo, ou seja, um processo aleatório Outros exemplos de processos aleatórios são: A tensão na saída de um resistor A pontuação na bolsa de valores Um processo aleatório x(t) é caracterizado por uma família (ensemble) de funções amostras Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 5 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Processo Aleatório Representando a Temperatura Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 6 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Processo Aleatório Representando a Saída de um Gerador Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 7 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Processos Aleatórios Cada função amostra é representada por x(t, ξi ), em que ξi representa o dia em que a temperatura foi medida para o exemplo da temperatura xi = x(ti ) é uma variável aleatória representando as amplitudes do processo aleatório no instante ti xi é completamente caracterizada pela sua fdp denotada por pxi (xi ) x(ti , ξi ) representa apenas um valor obtido para o processo aleatório no tempo ti para a realização ξi Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 8 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Processos Aleatórios Um processo aleatório pode ser completamente especificado através de uma expressão analítica x(t) = A cos (ωct + Θ), sendo Θ uma variável aleatória uniforme na faixa (0, 2pi) é completamente caracterizado por essa expressão Entretanto, na maioria das vezes, as famílias de funções amostras só são obtidas experimentalmente O processo aleatório pode ser especificado por uma coleção de variáveis aleatórias dependentes do tempo Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 9 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Processos Aleatórios Se considerarmos n instantes de tempo, obtém-se n variáveis aleatórias (x 1 , x 2 , · · · , xn) Essas n variáveis aleatórias são completamente caracterizadas pela sua fdp conjunta px 1 x 2 ···xn(x1, x2, · · · , xn) para todo n A integração da fdp conjunta fornece as fdps de ordem mais baixa A tarefa de obtenção da fdp conjunta é extremamente complicada e, às vezes, impossível Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 10 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Processos Aleatórios Felizmente, para os processos aleatórios relevantes (análise de sinais e ruídos aleatórios associados a sistemas lineares), é suficiente conhecer suas estatísticas de primeira e segunda ordens Ou seja, a sua média e a sua autocorrelação Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 11 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Estatísticas de um Processo A média ou valor esperado de um processo aleatório x(t) é uma função do tempo dada por x(t) = E [x(t)] = ∫ ∞ −∞ xpx(x ; t)dx Uma das mais importantes características (estatísticas) de um processo aleatório é a função de autocorrelação A autocorrelação leva à informação espectral do processo aleatório A correlação é uma medida da similaridade de duas VAs Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 12 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Autocorrelação A função de autocorrelação é dada pela correlação entre duas variáveis aleatórias nos instantes t 1 e t 2 : x(t 1 ) e x(t 2 ) Rx(t1, t2) = x(t1)x(t2) = E [X (t1),X (t2)] = ∫ ∞ −∞ ∫ ∞ −∞ x(t 1 )x(t 2 )pX (t 1 )X (t 2 )(x(t1), x(t2))dx(t1)dx(t2) Este é o momento conjunto da V.A. X (t 1 ) em t = t 1 e X (t 2 ) em t = t 2 A autocorrelação é uma média na família de funções amostras Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão deProcessos Estocásticos Fevereiro 2016 13 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Autocorrelação Um processo estocástico é dito estacionário se as densidades de probabilidades associadas ao processo são independentes do tempo Caso a autocorrelação dependa apenas do intervalo de separação entre X (t 1 ) e X (t 2 ), para τ = t 1 − t 2 , então o processo é dito estacionário no sentido amplo Rx(τ) = E [X (t)X (t + τ)] Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 14 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Classificação dos Processos Aleatórios Roteiro 1 Introdução 2 Autocorrelação Classificação dos Processos Aleatórios Propriedades da Autocorrelação 3 Densidade Espectral de Potência Densidade Espectral de Potência e de Energia DEP de um Processo Aleatório Processos Aleatórios Múltiplos 4 Sistemas Lineares 5 Informação de Fase Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 15 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Classificação dos Processos Aleatórios Classificação dos Processos Aleatórios Os processos aleatórios podem ser classificados como estacionários ou não estacionários Em um processo estacionário no sentido estrito, as características estatísticas não mudam com o tempo Ou seja, a média, a variância e a autocorrelação independem do tempo px(x ; t) é independente de t Rx(t1, t2) depende apenas da diferença τ = t2 − t1 e não de t1 e t2 especificamente px(x ; t) = px(x) Rx(t1, t2) = Rx(t2 − t1) =⇒ Rx(τ) = x(t)x(t + τ) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 16 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Classificação dos Processos Aleatórios Classificação dos Processos Aleatórios A estacionaridade pode se dar em diversos níveis: Na média → mX (t) = mX Na potência → PX (t) = PX Estacionaridade de primeira ordem implica em ter o primeiro momento independente do tempo Estacionaridade de segunda ordem implica em ter os segundos momentos independentes do tempo Estacionaridade no sentido estrito implica que o sinal é estacionário em todas as ordens Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 17 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Classificação dos Processos Aleatórios Classificação dos Processos Aleatórios É difícil verificar se um processo aleatório é estritamente estacionário na prática Por essa razão, utiliza-se a definição de processo aleatório estacionário no sentido amplo ou fracamente estacionário Um processo é estacionário no sentido amplo se: A média e a potência são constantes A autocorrelação independe do tempo; ou seja, ela depende do intervalo e não do tempo: Rx(t1, t2) = Rx(τ), τ = t1 − t2 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 18 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Classificação dos Processos Aleatórios Processos Estacionários Exemplo 9.1 (Lathi) Mostre que o processo aleatório x(t) = A cos (ωct + Θ) sendo Θ uma variável aleatória uniformemente distribuída no intervalo (0, 2pi) é um processo estacionário no sentido amplo. Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 19 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Classificação dos Processos Aleatórios Processos Estacionários Exemplo 9.1 (Lathi) - Solução Para calcular x(t) pela definição é necessário determinar px(x , t), o que não é tão simples. Uma maneira mais simplificada é fazer: x(t) = A cos (ωct + Θ) = Acos (ωct + Θ) Como cos (ωct + Θ) é uma função da variável aleatória Θ, então: cos (ωct + Θ) = ∫ 2pi 0 cos (ωct + θ)pΘ(θ)dθ = 1 2pi ∫ 2pi 0 cos (ωct + θ)dθ = 0 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 20 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Classificação dos Processos Aleatórios Processos Estacionários Exemplo 9.1 (Lathi) - Solução Então: x(t) = 0 Para concluir a demonstração, é necessário mostrar que Rx(t1, t2) depende apenas de t 2 − t 1 Rx(t1, t2) = A2 cos (ωct1 + Θ) cos (ωct2 + Θ) = A2 2 {cos [ωc(t2 − t1)] + cos [ωc(t2 + t1) + 2Θ]} = A2 2 cos [ωc(t2 − t1)] = A 2 2 cosωcτ Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 21 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Classificação dos Processos Aleatórios Classificação dos Processos Aleatórios Uma outra classificação importante para processos aleatórios é a dos processos ergódicos (ou ergódigos) Um processo é ergódico se as médias temporais (para uma função amostra em particular) são iguais às médias estatísticas (tomadas sobre uma família de funções amostras) A ergodicidade pode se dar na média, potência, autocorrelação ou em relação a outras medidas Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 22 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Classificação dos Processos Aleatórios Classificação dos Processos Aleatórios Para processos ergódicos, as seguintes relações são verificadas: Ergodicidade na média: X (t) ∼ E [X (t)] Ergodicidade na autocorrelação: RX (τ) ∼ RX (τ) A deteminação se um processo é ergódico ou não é difícil Na prática, muitos dos processos estacionários são ergódicos com relação às estatísticas de mais baixas ordens (como a média e a autocorrelação) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 23 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Classificação dos Processos Aleatórios Classificação dos Processos Aleatórios Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 24 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Propriedades da Autocorrelação Roteiro 1 Introdução 2 Autocorrelação Classificação dos Processos Aleatórios Propriedades da Autocorrelação 3 Densidade Espectral de Potência Densidade Espectral de Potência e de Energia DEP de um Processo Aleatório Processos Aleatórios Múltiplos 4 SistemasLineares 5 Informação de Fase Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 25 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Propriedades da Autocorrelação Propriedades da Autocorrelação A função de autocorrelação possui importantes propriedades: A função é par, ou seja, é simétrica em relação ao eixo do tempo: RX (−τ) = RX (τ) (1) O máximo ocorre na origem: |RX (τ)| ≤ RX (0) (2) A potência total é dada por: PX = RX (0) = E [X 2(t)] (3) A potência DC, ou média, é dada por PDC = limτ→∞RX (τ) quando a convergência ocorre Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 26 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Propriedades da Autocorrelação Propriedades da Autocorrelação A função de autocorrelação possui importantes propriedades: A potência AC é dada pela variância do processo estocástico X (t): PAC = Var [X (t)] = RX (0)− limτ→∞RX (τ) (4) A covariância (ou autocovariância) para processos estacionários no sentido amplo é: C [X (t)] = CX (τ) = RX (τ)− E 2[X (t)] (5) A covariância tende à variância na origem: limτ→0CX (τ) = RX (0)− E 2[X ] = Var [X (t)] (6) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 27 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Densidade Espectral de Potência e de Energia Roteiro 1 Introdução 2 Autocorrelação Classificação dos Processos Aleatórios Propriedades da Autocorrelação 3 Densidade Espectral de Potência Densidade Espectral de Potência e de Energia DEP de um Processo Aleatório Processos Aleatórios Múltiplos 4 Sistemas Lineares 5 Informação de Fase Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 28 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Densidade Espectral de Potência e de Energia Energia de um Sinal A energia de um sinal g(t) pode ser calculada no domínio do tempo a partir da seguinte expressão Eg = ∫ ∞ −∞ |g(t)|2dt No domínio da freqüência, de acordo com o teorema de Parseval, a energia de g(t) pode ser calculada como Eg = 1 2pi ∫ ∞ −∞ |G (ω)|2dω Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 29 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Densidade Espectral de Potência e de Energia Densidade Espectral de Energia A partir da expressão de Parseval, verifica-se que a energia pode ser obtida através da área do gráfico de |G (ω)|2 Define-se então a densidade espectral de energia (DEE - Energy Spectral Density em inglês) como Ψg (ω) = |G (ω)|2 Assim, tem-se que: Eg = 1 2pi ∫ ∞ −∞ Ψg (ω)dω = ∫ ∞ −∞ Ψg (f )df Para um sistema LIT em que y(t) = h(t) ∗ g(t), então: Ψy (ω) = |H(ω)|2Ψg (ω) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 30 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Densidade Espectral de Potência e de Energia Densidade Espectral de Potência Analogamente ao que foi feito para os sinais de energia, pode-se mostrar que para um sinal de potência x(t) Px = 1 2pi ∫ ∞ −∞ lim T→∞ |XT (ω)|2 T dω Define-se então a Densidade Espectral de Potência (DEP - Power Spectral Density em inglês) de x(t) como sendo Gx(ω) = lim T→∞ |XT (ω)|2 T Logo, a potência pode ser expressada como Px = 1 2pi ∫ ∞ −∞ Gx(ω)dω = ∫ ∞ −∞ Gx(f )df Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 31 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Densidade Espectral de Potência e de Energia Autocorrelação A autocorrelação de um sinal real g(t) é definida como ψg (τ) = ∫ ∞ −∞ g(t)g(t + τ)dt = ∫ ∞ −∞ g(t)g(t − τ)dt Mostra-se que a autocorrelação é uma função par Um resultado importante relaciona a autocorrelação e a DEE ψg (τ) ⇐⇒ Ψg (ω) = |G (ω)|2 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 32 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Densidade Espectral de Potência e de Energia Exemplo Problema Calcule a função de autocorrelação no tempo de g(t) = e−atu(t), a > 0 e obtenha a partir dela a DEE de g(t) Solução g(t) = e−atu(t); g(t − τ) = e−a(t−τ)u(t − τ) ψg (τ) = ∫ ∞ −∞ g(t)g(t − τ)dτ = 1 2a e−aτ , τ > 0 ψg (τ) = ψg (−τ)→ ψg (−τ) = 1 2a eaτ , τ < 0 ψg (τ) = 1 2a e−a|τ | ⇐⇒ Ψg (ω) = 1 ω2 + a2 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 33 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Densidade Espectral de Potência e de Energia Exemplo Problema Calcule a função de autocorrelação no tempo de g(t) = e−atu(t), a > 0 e obtenha a partir dela a DEE de g(t) Solução g(t) = e−atu(t); g(t − τ) = e−a(t−τ)u(t − τ) ψg (τ) = ∫ ∞ −∞ g(t)g(t − τ)dτ = 1 2a e−aτ , τ > 0 ψg (τ) = ψg (−τ)→ ψg (−τ) = 1 2a eaτ , τ < 0 ψg (τ) = 1 2a e−a|τ | ⇐⇒ Ψg (ω) = 1 ω2 + a2 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 33 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Densidade Espectral de Potência e de Energia Exemplo Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 34 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase DEP de um Processo Aleatório Roteiro 1 Introdução 2 Autocorrelação Classificação dos Processos Aleatórios Propriedades da Autocorrelação 3 Densidade Espectral de Potência Densidade Espectral de Potência e de Energia DEP de um Processo Aleatório Processos Aleatórios Múltiplos 4 Sistemas Lineares 5 Informação de Fase Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 35 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase DEP de um Processo Aleatório Densidade Espectral de Potência de um Processo Aleatório Sinais aleatórios são sinais de potência t ∈ (−∞,∞) A DEP de um processo aleatório pode ser definida como a média da DEP de uma família de funções amostras Ou seja, a DEP de um processo aleatório X (t) é a média do conjuntodas DEPs de todas as funções da amostra Para um sinal aleatório X (t), a DEP é dada por: SX (ω) = lim T→∞ |XT (ω)|2 T Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 36 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase DEP de um Processo Aleatório Densidade Espectral de Potência de um Processo Aleatório Para um sinal aleatório X (t), a DEP é dada por: SX (ω) = lim T→∞ [ |XT (ω)|2 T ] = lim T→∞ 1 T ∣∣∣[∫ ∞ −∞ xT (t)e−jωtdt ]∣∣∣2 = lim T→∞ 1 T ∣∣∣[∫ T/2 −T/2 x(t)e−jωtdt ]∣∣∣2 = lim T→∞ 1 T [(∫ T/2 −T/2 x(t 1 )e−jωt1dt 1 )∗(∫ T/2 −T/2 x(t 2 )e−jωt2dt 2 )] Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 37 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase DEP de um Processo Aleatório Densidade Espectral de Potência de um Processo Aleatório SX (ω) = lim T→∞ 1 T [(∫ T/2 −T/2 x(t 1 )e jωt1dt 1 )(∫ T/2 −T/2 x(t 2 )e−jωt2dt 2 )] = lim T→∞ 1 T [(∫ ∞ −∞ x(t 1 )rect( t 1 T )e jωt1dt 1 )(∫ ∞ −∞ x(t 2 )rect( t 2 T )e−jωt2dt 2 )] = lim T→∞ 1 T [∫ ∞ −∞ ∫ ∞ −∞ rect( t 1 T )rect( t 2 T )x(t 1 )x(t 2 )e−jω(t2−t1)dt 1 dt 2 ] = lim T→∞ 1 T ∫ ∞ −∞ ∫ ∞ −∞ rect( t 1 T )rect( t 2 T )x(t 1 )x(t 2 )e−jω(t2−t1)dt 1 dt 2 = lim T→∞ 1 T ∫ ∞ −∞ ∫ ∞ −∞ rect( t 1 T )rect( t 2 T )RX (t1, t2)e −jω(t 2 −t 1 )dt 1 dt 2 = lim T→∞ 1 T ∫ ∞ −∞ ∫ ∞ −∞ rect( t 1 T )rect( t 2 T )RX (t2 − t1)e−jω(t2−t1)dt1dt2 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 38 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase DEP de um Processo Aleatório Densidade Espectral de Potência de um Processo Aleatório Fazendo-se a mudança de variáveis: t = t 1 , τ = t 2 − t 1 Então: dtdτ = | det (J)|dt 1 dt 2 J = [ 1 0 −1 1 ] =⇒ det (J) = 1 =⇒ dtdτ = dt 1 dt 2 Substituindo-se, tem-se: SX (ω) = lim T→∞ 1 T ∫ ∞ −∞ ∫ ∞ −∞ rect( t T )rect( t + τ T )RX (τ)e −jωτdtdτ = lim T→∞ 1 T ∫ ∞ −∞ RX (τ)e −jωτ (∫ ∞ −∞ rect( t T )rect( t + τ T )dt ) dτ Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 39 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase DEP de um Processo Aleatório Densidade Espectral de Potência de um Processo Aleatório A integral entre parênteses é a convolução entre dois retângulos de largura T , sendo assim, tem-se: SX (ω) = lim T→∞ 1 T ∫ ∞ −∞ RX (τ)e −jωτ (T − |τ |)rect ( τ 2T ) dτ = lim T→∞ ∫ T −T RX (τ)e −jωτ (1− |τ | T )dτ = ∫ ∞ −∞ RX (τ)e −jωτdτ Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 40 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase DEP de um Processo Aleatório Densidade Espectral de Potência de um Processo Aleatório O resultado anterior corresponde ao teorema de Wiener-Khintchine, que estabelece que se x(t) é um processo estacionário no sentido amplo, então: SX (ω) = F [RX (τ)] Ou seja: SX (ω) = ∫ +∞ −∞ RX (τ)e −jωτdτ RX (τ) = 1 2pi ∫ +∞ −∞ SX (ω)e jωτdω Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 41 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase DEP de um Processo Aleatório Densidade Espectral de Potência de um Processo Aleatório Algumas propriedades importantes podem ser verificadas para SX (ω): SX (ω) ≥ 0 (7) A DEP é par: SX (−ω) = SX (ω) (8) SX (0) = ∫ +∞ −∞ RX (τ)dτ (9) A área sob a curva da DEP fornece a potência total do processo: PX = RX (0) = 1 2pi ∫ +∞ −∞ SX (ω)dω (10) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 42 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase DEP de um Processo Aleatório Propriedades da DEP As seguintes identidades se verificam:∫ +∞ −∞ RX (τ)RY (τ)dτ = 1 2pi ∫ +∞ −∞ SX (ω)SY (ω)dω (11) ∫ +∞ −∞ R2X (τ)dτ = 1 2pi ∫ +∞ −∞ S2X (ω)dω (12) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 43 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase DEP de um Processo Aleatório Ruído Branco Passa-Baixas Exemplo 9.2 (Lathi) Determinar Rx(τ) e a potência Px para um processo aleatório x(t), sendo x(t) um processo de ruído branco passa-baixas com DEP Sx(ω) = N/2 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 44 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase DEP de um Processo Aleatório Ruído Branco Passa-Baixas Exemplo 9.2 - Solução Sx(ω) = N 2 rect ( ω 4piB ) Rx(τ) = F−1{Sx(ω)} = N 2 2piB pi sinc(2piBτ) = NBsinc(2piBτ) Px = Rx(0) = NB ou Px = 1 2pi ∫ 2piB −2piB N 2 dω = NB Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 45 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase DEP de um Processo Aleatório Processo Aleatório Senoidal Exemplo 9.3 (Lathi) Determinar a DEP e o valor médio quadrático de x(t) = A cos (ωct + Θ), sendo Θ uma variável aleatória uniformemente distribuída no intervalo (0, 2pi). Exemplo 9.3 - Solução Rx(τ) = A2 2 cosωcτ Sx(ω) = piA2 2 [δ(ω + ωc) + δ(ω − ωc)] Px = x2 = Rx(0) = A2 2 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 46 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase DEP de um Processo Aleatório Processo Aleatório Senoidal Exemplo 9.3 (Lathi) Determinar a DEP e o valor médio quadrático de x(t) = A cos (ωct + Θ), sendo Θ uma variável aleatória uniformemente distribuída no intervalo (0, 2pi). Exemplo 9.3 - Solução Rx(τ) = A2 2 cosωcτ Sx(ω) = piA2 2 [δ(ω + ωc) + δ(ω − ωc)] Px = x2 = Rx(0) = A2 2 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 46 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase ProcessosAleatórios Múltiplos Roteiro 1 Introdução 2 Autocorrelação Classificação dos Processos Aleatórios Propriedades da Autocorrelação 3 Densidade Espectral de Potência Densidade Espectral de Potência e de Energia DEP de um Processo Aleatório Processos Aleatórios Múltiplos 4 Sistemas Lineares 5 Informação de Fase Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 47 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Processos Aleatórios Múltiplos Processos Aleatórios Múltiplos Sejam X (t) e Y (t) dois processos aleatórios, então a função de correlação cruzada é definida como: RXY (τ) = E [X (t)Y (t + τ)] (13) RXY (τ) = 1 2pi ∫ +∞ −∞ SXY (ω)e jωτdω (14) Que leva à definição da DEP cruzada: SXY (ω) = ∫ +∞ −∞ RXY (τ)e −jωτdτ (15) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 48 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Processos Aleatórios Múltiplos Processos Aleatórios Múltiplos Se dois processos estacionários X (t) e Y (t) são somados para formar um novo processo Z (t) = X (t) + Y (t), então a função de correlação do novo processo será: RZ (τ) = RX (τ) + RY (τ) + RXY (τ) + RYX (τ) (16) Se X (t) e Y (t) são descorrelacionados ↔ RXY (τ) = RYX (τ) = 0. Assim: RZ (τ) = RX (τ) + RY (τ) (17) A potência e a DEP serão, respectivamente: PZ (τ) = RZ (0) = PX + PY (18) SZ (ω) = SX (ω) + SY (ω) (19) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 49 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Sistemas Lineares Os sistemas lineares podem ser analisados por meio da Teoria de Processos Estocásticos Soluções mais genéricas e interessantes do que as obtidas pela análise tradicional Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 50 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Sistemas Lineares Para o sistema linear apresentado, a transformada de Fourier da resposta ao impulso h(t) é: H(ω) = ∫ +∞ −∞ h(t)e−jωtdt (20) A resposta do sistema Y (t) é a convolução do sinal de entrada com a função de transferência temporal: Y (t) = X (t)∗h(t) = ∫ +∞ −∞ X (t−α)h(α)dα = ∫ +∞ −∞ X (α)h(t−α)dα (21) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 51 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Valor Esperado O valor médio do sinal aleatório de saída do sistema linear pode ser calculado da seguinte forma: E [Y (t)] = E [ ∫ +∞ −∞ X (t − α)h(α)dα] = ∫ +∞ −∞ E [X (t − α)]h(α)dα (22) Considerando o sinal X (t) estacionário no sentido estrito, então: E [X (t − α)] = E [X (t)] = mX (23) Logo, o valor médio do sinal de saída depende apenas da média do sinal de entrada e do valor da função de transferência na origem: E [Y (t)] = mX ∫ +∞ −∞ h(α)dα = mXH(0) (24) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 52 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Resposta de Sistemas Lineares a Sinais Aleatórios O cálculo da autocorrelação do sinal de saída de um sistema linear, a partir da autocorrelação do sinal de entrada, é dada por: RY (τ) = E [Y (t)Y (t + τ)] (25) De onde se obtém: RY (τ) = ∫ +∞ −∞ ∫ +∞ −∞ RX (τ + ρ− σ)h(ρ)h(σ)dρdσ (26) Ou seja: RY (τ) = h(τ) ∗ h(−τ) ∗ RX (τ) (27) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 53 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Resposta de Sistemas Lineares a Sinais Aleatórios Para o caso geral, é possível calcular a DEP de saída do sistema linear usando o teorema de Wiener-Khintchine: SY (ω) = z[RY (τ)] (28) O desenvolvimento da expressão leva a: SY (ω) = |H(ω)|2 · SX (ω) (29) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 54 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Resposta de Sistemas Lineares a Sinais Aleatórios Outras relações entre as medidas de correlação podem ser obtidas: RXY (τ) = RX (τ) ∗ h(τ) (30) RYX (τ) = RX (τ) ∗ h(−τ) (31) SXY (ω) = SX (ω) · H(ω) (32) SYX (ω) = SX (ω) · H∗(ω) (33) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 55 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Ruído Térmico Exemplo 9.9 Lathi O movimento aleatório dos elétrons em um resistor R origina uma tensão entre os seus terminais. Esta tensão n(t) é conhecida como ruído térmico. A sua DEP Sn(ω) é praticamente plana sobre uma extensa banda (até 1000 GHz na temperatura ambiente) e é dada por: Sn(ω) = 2kTR; (k = 1, 38× 10−23) Um resistor R na temperatura T pode ser representado por um resistor sem ruído R em série com uma fonte de ruído branco com DEP Sn(ω). Calcule o valor RMS da tensão ao longo do circuito RC mostrado a seguir. Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 56 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Ruído Térmico Exemplo 11.9 Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 57 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Ruído Térmico Exemplo 11.9 - Solução A função de transferência relacionando a saída vo com a entrada Sn(ω) é dada por: H(ω) = 1 1+ jωRC Sendo So(ω), a DEP da saída vo , então: So(ω) = | 1 1+ jωRC |22kTR = 2kTR 1+ ω2R2C 2 v2o = 1 2pi ∫ ∞ −∞ 2kTR 1+ ω2R2C 2 dω = kT C vo(RMS) = √ kT C Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 58 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Informação de fase A DEP é obtida por meio de uma operação de módulo A informação de fase é perdida As densidades cruzadas de entrada-saída e saída-entrada conservam essa informação e podem ser usadas para extraí-la A função de transferência de um sistema linear pode ser colocada na forma de módulo e fase: H(ω) = |H(θ)| · e jθ(w) (34) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisãode Processos Estocásticos Fevereiro 2016 59 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Informação de fase O conjugado da função de transferência é: H∗(θ) = |H(θ)| · e−jθ(w) (35) Como: SY (θ) = H ∗(θ) · SXY (θ) = H(θ) · SYX (θ), (36) chega-se a: e2jθ(w) = SXY (θ) SYX (θ) (37) Isolando a função θ(w), chega-se à informação de fase: θ(w) = 1 2j ln SXY (θ) SYX (θ) (38) Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 60 / 61 Introdução Autocorrelação Densidade Espectral de Potência Sistemas Lineares Informação de Fase Referências Bibliográficas M. S. ALENCAR. Princípios de Comunicação. Editora Universitária UFPB, 1999. S. L. MILLER and D. G. CHILDERS. Probability and Random Processes with Applications to Signal Processing and Communications. Elsevier, 2012. A. B. CARLSON e P. B. CRILLY. Communication Systems - An Introduction to Signals and Noise in Electrical Communication. McGraw-Hill, Fifth Edition, 2010. B.P. LATHI e Z. DING. Sistemas de Comunicações Analógicos e Digitais Modernos. Rio de Janeiro: LTC, 2012. Notas de aula do prof. Edmar Nascimento, do Colegiado de Engenharia Elétrica da UNIVASF. Prof. Fabrício Braga Soares de Carvalho, D.Sc. ( Universidade Federal da Paraíba (UFPB) Departamento de Engenharia Elétrica )Revisão de Processos Estocásticos Fevereiro 2016 61 / 61 Introdução Autocorrelação Classificação dos Processos Aleatórios Propriedades da Autocorrelação Densidade Espectral de Potência Densidade Espectral de Potência e de Energia DEP de um Processo Aleatório Processos Aleatórios Múltiplos Sistemas Lineares Informação de Fase
Compartilhar