Прохождение случайных процессов через линейные цепи

Общей процедуры определения закона распределения реакции линейного ФУ на произвольное случайное воздействие не существует. Однако, возможен корреляционный анализ, т. е. расчет корреляционной функции реакции по заданной корреляционной функции воздействия, который удобно проводить спектральным методом по схеме, показанной на рис. 5.5.

Для вычисления энергетического спектра G_Y(f) реакции линейного ФУ с передаточной функцией H(jω) воспользуемся его определением (4.1)

.

Функцию корреляции B_Y(t) определим преобразованием Фурье энергетического спектра G_Y(f)

.

Вернемся к определению закона распределения реакции линейного ФУ в отдельных частных случаях:

1. Линейное преобразование нормального СП порождает также нормальный процесс. Измениться могут только параметры его распределения.

2. Сумма нормальных СП (реакция сумматора) есть также нормальный процесс.

3. При прохождении СП с произвольным распределением через узкополосный фильтр (т.е. при ширине полосы пропускания фильтра DF существенно меньшей ширины энергетического спектра воздействия Df_X) наблюдается явление нормализации распределения реакции Y(t). Оно заключается в том, что закон распределения реакции приближается к нормальному. Степень этого приближения тем больше, чем сильнее неравенство DF << Df_X (рис. 5.6).

Объяснить это можно следующим образом. В результате прохождения СП через узкополосный фильтр происходит существенное уменьшение ширины его энергетического спектра (с Df_X до DF) и, соответственно, увеличение времени корреляции (c t_X до t_Y). В результате между некоррелированными отсчетами реакции фильтра Y(kt_Y) располагается примерно Df_X /DF некоррелированных отсчетов воздействия X(lt_X),, каждый из которых дает вклад в формирование единственного отсчета реакции с весом, определяемым видом импульсной характеристики фильтра.

Таким образом, в некоррелированных сечениях Y(kt_Y) происходит суммирование большого числа также некоррелированных случайных величин X(lt_X) с ограниченными математическими ожиданиями и дисперсиями, что в соответствии с центральной предельной теоремой (А.М. Ляпунова) обеспечивает приближение распределения их суммы к нормальному с увеличением числа слагаемых.