FANDOM


StazionarietàModifica

2-3 Un processo è stazionario se la traslazione di una sua realizzazione, per un qualsiasi intervallo di tempo, produce un'altra sua possibile realizzazione, e se tutte queste realizzazioni hanno la stessa probabilità:

\text{se } x \left( t \right) \in \mathcal{P} \Rightarrow \begin{cases} x \left( t - t_0 \right) \in \mathcal{P} \\
P \left( x \left( t \right) \right) = P \left( x \left( t - t_0 \right) \right) \end{cases} \quad \forall t_0
Esempi
  • processi stazionari: sinusoide con fase variabile casuale, rumore termico
  • processi non stazionari: segnale numerico, segnale sample & hold, sinusoide con ampiezza variabile casuale, segnale determinato

Stazionarietà in senso strettoModifica

4-5-6 Siccome per la densità di probabilità congiunta f_{\mathbf{X}} vale:

f_{\mathbf{X}} \left( x_1 , \ldots , x_n ; t_1 , \ldots , t_n \right) = f_{\mathbf{X}} \left( x_1 , \ldots , x_n ; t_1 + t_0 , \ldots , t_n + t_0 \right) \quad \forall t_0

si può far coincidere il primo istante di tempo con l'origine (t_0 = - t_1) eliminando una variabile temporale → le statistiche di ordine n dipendono da n - 1 variabili, che rappresentano la differenza di tempo rispetto al primo campione, che si può sempre assumere nell'origine. Ad esempio, per un processo stazionario in senso stretto di ordine n vale:

\begin{array}{l}
f_{X_1} \left( x_1 ; t_1 \right) = f_{X_1} \left( x_1 ; t_1 - t_1 \right) = f_{X_1} \left( x_1 ; 0 \right) \\
f_{\mathbf{X}} \left( x_1, x_2 ; t_1, t_2 \right) = f_{\mathbf{X}} \left( x_1, x_2 ; 0 , t_2 - t_1 \right) = f_{\mathbf{X}} \left( x_1 , x_2 ; 0 , \tau \right) \\
\vdots \\
f_{\mathbf{X}} \left( x_1, \ldots , x_n ; t_1, \ldots , t_n \right) = f_{\mathbf{X}} \left( x_1 , \ldots , x_n ; \tau_1 , \ldots , \tau_{n - 1} \right) \\
\end{array}

Stazionarietà in senso lato (WSS)Modifica

  • 7 Se il processo è stazionario in senso stretto di ordine 1, la media m_X \left( t \right) è una costante e non dipende dal tempo:
m_X \left( t \right) = m_X
  • Se il processo è stazionario in senso stretto di ordine 2, la funzione di autocorrelazione R_X \left( t_1 , t_2 \right) dipende solo dalla differenza \tau = t_2 - t_1:
R_X \left( t_ 1 , t_2 \right) = R_X \left( \tau \right)

8 Un processo è stazionario in senso lato se la media m_X \left( t \right) è una costante, e la funzione di autocorrelazione R_X \left( t_1 , t_2 \right) dipende solo da \tau:

\begin{cases} m_X \left( t \right) = m_X \\ R_X \left( t_ 1 , t_2 \right) = R_X \left( \tau \right) \end{cases}

La stazionarietà in senso lato non implica la stazionarietà in senso stretto.

CiclostazionarietàModifica

19-20 Un processo è ciclostazionario se la traslazione di una sua realizzazione, per multipli di una costante finita T detta periodo di stazionarietà, produce un'altra sua possibile realizzazione, e se tutte queste realizzazioni hanno la stessa probabilità:

\exists T : \text{se } x \left( t \right) \in \mathcal{P} \Rightarrow \begin{cases} x \left( t - iT \right) \in \mathcal{P} \\
P \left( x \left( t \right) \right) = P \left( x \left( t - iT \right) \right) \end{cases} \quad \forall i \in \Z
Esempi
  • processi ciclostazionari: segnale numerico, segnale sample & hold, sinusoide con ampiezza variabile casuale, segnale determinato periodico, processi stazionari
  • processi non ciclostazionari: segnale determinato non periodico

Ciclostazionarietà in senso strettoModifica

21 Un processo è ciclostazionario in senso stretto se la densità di probabilità congiunta f_{\mathbf{X}} è periodica di periodo T:

f_{\mathbf{X}} \left( x_1 , \ldots , x_n ; t_1 , \ldots , t_n \right) = f_{\mathbf{X}} \left( x_1 , \ldots , x_n ; t_1 - iT , \ldots , t_n - iT \right) \quad \forall i \in \Z

Ciclostazionarietà in senso latoModifica

Un processo è ciclostazionario in senso lato se la media m_X \left( t \right) è periodica, e la funzione di autocorrelazione R_X \left( t_1 , t_2 \right) è periodica rispetto a t_1 e t_2:

\begin{cases} m_X \left( t \right) = m_X \left( t - iT \right) \\
R_X \left( t_1 , t_2 \right) = R_X \left( t_1 - T , t_2 - iT \right) \end{cases} \quad \forall i \in \Z

StazionarizzazioneModifica

29-30-31 La stazionarietà implica la ciclostazionarietà, ma non viceversa → l'operazione di stazionarizzazione serve per trasformare un processo ciclostazionario in un processo stazionario: si aggiungono tutte le replice mancanti all'interno del periodo di ciclostazionarietà T, tramite la nuova variabile casuale \theta che corrisponde al ritardo casuale uniforme. Questa operazione modifica il processo stesso e può essere fatta solo se ha senso nel sistema considerato: tipicamente si può fare se il sistema che lo processa è stazionario (tempo invariante).

Ad blocker interference detected!


Wikia is a free-to-use site that makes money from advertising. We have a modified experience for viewers using ad blockers

Wikia is not accessible if you’ve made further modifications. Remove the custom ad blocker rule(s) and the page will load as expected.

Inoltre su FANDOM

Wiki casuale