Получение сообщения из белого шума
С помощью формирующего фильтра
Для синтеза алгоритмов фильтрации необходимо, прежде всего, располагать априорными сведениями о возможном поведении l(t), т.е. моделью сообщения l(t). Очень удобной и адекватной многим реальным ситуациям оказывается модель l(t) в виде марковского случайного процесса, частным случаем которого является гауссовский случайный процесс с нормированной корреляционной функцией
r (t) = exp {-a|t|}
где a - некоторый постоянный коэффициент.
Строго говоря, для нахождения вероятностных характеристик l(t) необходимо произвести статистическую обработку реализаций процесса l(t), получаемого на выходе какого-нибудь датчика, например, микрофона, измерителя скорости полета, высоты. В теории фильтрации поступают иначе. Реальный датчик заменяют моделью, являющейся формирователем сообщения. Формирователь сообщения представляет собой известный фильтр, на вход которого поступает белый шум nl(t) с заданной односторонней спектральной плотностью Nl. Этот шум nl(t), называемый информационным (либо формирующим), пройдя через формирующий фильтр, создает на его выходе случайный процесс с заданными вероятностными характеристиками. Самым простым является формирующий фильтр, представляющий собой интегрирующую RC -цепь (рис.11.4,а) и предназначенный для формирования модели сообщения, используемого в телевизионных и телеметрических системах связи.
|
|
Рис. 11.4
При белом гауссовском шуме nl(t) сообщение l(t), являющееся выходным процессом фильтра (рис.11.4,а), также будет гауссовским процессом с корреляционной функцией и спектральной плотностью, соответственно равными
, , (11.10)
где a = Dw0.5 =1/RC- параметр, соответствующий полосе пропускания фильтра на уровне 0.5.
Однако, использование в дальнейшем характеристик (11.10) для нахождения структурной схемы оптимального фильтра оказалось неудобным, т.к. при этом приходится сталкиваться со значительными математическими трудностями, связанными с решением интегро-дифференциальных уравнений. Оказалось, что для преодоления этих трудностей удобнее задавать вероятностное описание сообщения l(t) в виде дифференциального уравнения, связывающего l(t) с nl(t).
Согласно уравнению Кирхгофа, имеем
nl(t) = i(t)R + l(t) , (11.11)
где i(t) -ток через R и С (рис. 11.4,а).
В свою очередь, ток через емкость
. (11.12)
Подставив (11.12) в (11.11) и разрешив равенство относительно производной, получим дифференциальное уравнение
. (11.13)
|
|
Дифференциальное уравнение (11.13) может быть смоделировано с помощью аналогового вычислителя (рис. 11.4,б). Действительно, образуем разность (nl(t) - l(t)). Эта разность, умноженная на a, согласно (11.13), равна производной , интеграл от которой воссоздает l(t).
Таким образом, уравнение (11.13) позволяет не только определить процесс l(t) из информационного шума nl(t), но и содержит в неявной форме вероятностные характеристики получаемого случайного процесса l(t), являющегося моделью сообщения.
В качестве модели речевого сообщения часто применяется процесс l(t), определяемый с помощью системы дифференциальных уравнений:
(11.14)
где a и a1 - постоянные коэффициенты.
Сообщение l(t), согласно уравнениям (11.14), можно рассматривать как случайное напряжение на выходе последовательно соединенных (без учета взаимной реакции) RC-фильтра нижних частот и CR - фильтра верхних частот (рис. 11.5,а), когда на вход действует белый шум nl(t). Постоянные времени RC и CR - фильтров соответственно равны: 1/a1 = R1C1 и 1/a = R2C2.
Рис. 11.5
Спектральная плотность и корреляционная функция процесса l(t), соответственно имеют вид
; (11.15)
|
|
. (11.16)
Дисперсия такого процесса l(t) равна .
На рис. 11.5,б, приведен график нормированного одностороннего спектра речевого сообщения (14.15), где w – ширина этого спектра на уровне 0.5 максимального значения.
Дата добавления: 2018-08-06; просмотров: 397; Мы поможем в написании вашей работы! |
Мы поможем в написании ваших работ!