Teoria ed elaborazione dei segnali/Stazionarietà
![]() |
![]() | ![]() | A12. Trasformazioni e spettro di potenza ![]() |
---|
Stazionarietà[modifica | modifica sorgente]
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:
- <math>\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</math>
- 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 stretto[modifica | modifica sorgente]
4-5-6 Siccome per la densità di probabilità congiunta <math>f_{\mathbf{X}}</math> vale:
- <math>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</math>
si può far coincidere il primo istante di tempo con l'origine (<math>t_0 = - t_1</math>) eliminando una variabile temporale → le statistiche di ordine <math>n</math> dipendono da <math>n - 1</math> 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 <math>n</math> vale:
- <math>\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}</math>
Stazionarietà in senso lato (WSS)[modifica | modifica sorgente]
- 7 Se il processo è stazionario in senso stretto di ordine 1, la media <math>m_X \left( t \right)</math> è una costante e non dipende dal tempo:
- <math>m_X \left( t \right) = m_X</math>
- Se il processo è stazionario in senso stretto di ordine 2, la funzione di autocorrelazione <math>R_X \left( t_1 , t_2 \right)</math> dipende solo dalla differenza <math>\tau = t_2 - t_1</math>:
- <math>R_X \left( t_ 1 , t_2 \right) = R_X \left( \tau \right) = E \left[ X \left( t \right) X^* \left( t + \tau \right) \right]</math>
8 Un processo è stazionario in senso lato se la media <math>m_X \left( t \right)</math> è una costante, e la funzione di autocorrelazione <math>R_X \left( t_1 , t_2 \right)</math> dipende solo da <math>\tau</math>:
- <math>\begin{cases} m_X \left( t \right) = m_X \\ R_X \left( t_ 1 , t_2 \right) = R_X \left( \tau \right) \end{cases}</math>
La stazionarietà in senso lato non implica la stazionarietà in senso stretto.
Ciclostazionarietà[modifica | modifica sorgente]
19-20 Un processo è ciclostazionario se la traslazione di una sua realizzazione, per multipli di una costante finita <math>T</math> detta periodo di stazionarietà, produce un'altra sua possibile realizzazione, e se tutte queste realizzazioni hanno la stessa probabilità:
- <math>\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</math>
- 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 stretto[modifica | modifica sorgente]
21 Un processo è ciclostazionario in senso stretto se la densità di probabilità congiunta <math>f_{\mathbf{X}}</math> è periodica di periodo <math>T</math>:
- <math>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</math>
Ciclostazionarietà in senso lato[modifica | modifica sorgente]
Un processo è ciclostazionario in senso lato se la media <math>m_X \left( t \right)</math> è periodica, e la funzione di autocorrelazione <math>R_X \left( t_1 , t_2 \right)</math> è periodica rispetto a <math>t_1</math> e <math>t_2</math>:
- <math>\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</math>
Stazionarizzazione[modifica | modifica sorgente]
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 <math>T</math>, tramite la nuova variabile casuale <math>\theta</math> 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).
![]() |
![]() | ![]() | A12. Trasformazioni e spettro di potenza ![]() |
---|