Gauss

O PROCESSO GAUSSIANO
Mtodos Matemticos IC
(Programa de Ps-graduao)
UFPE
O PROCESSO GAUSSIANO O PROCESSO GAUSSIANO
1 - I n t r o d u o
2 - Vet o r es R a n d m i c o s Ga u ssi a n o s
3 - O P r o c esso R a n d m i c o Ga u ssi a n o
4 - F o r m a s d e O n d a d e F a i x a Est r ei t a
5 - O P r o c esso R a n d m i c o d e F a i x a E st r ei t a
6 - O P r o c esso R a n d m i c o Ga u ssi a n o d e F a i x a
Est r ei t a
A
A pr esen t a o
PROCESSOS GAUSSIANOS PROCESSOS GAUSSIANOS
A spec t o s a Ser em A n a l i sa d o s
Ef ei t o s d a s T r a n sf o r m a es L i n ea r es em
Vet o r es R a n d m i c o s Ga u ssi a n o s
P r o c esso R a n d m i c o Ga u ssi a n o : D e f i n i o e
P r o pr i ed a d e s B si c a s
A pr esen t a o d e u m C a so Espec i a l :
D e f i n i o e P r o pr i ed a d es d e u m P r o c esso
R a n d m i c o Ga u ssi a n o d e F a i x a E st r ei t a .
1. INTRODUO 1. INTRODUO
Funo Densidade de Probabilidade Gaussiana
O comportamento de uma
varivel aleatria caracterizado
por sua distribuio de
probabilidade.
Uma varivel aleatria
gaussiana se sua densidade de
probabilidade f
X
(x) tem a forma:
( )
+ < <
1
1
]
1

- ,
2
exp
. 2
1
) (
2
2
x
m x
x f
X

Funo Densidade de Distribuio de uma
Varivel Gaussiana com Mdia m e Varincia
x
f
x
(x)
1. INTRODUO 1. INTRODUO
Funo Distribuio de Probabilidade Gaussiana
Por definio:

x
X
X
dx x f
x X P x F
) (
) ( ) (
Funo Distribuio de uma Varivel Gaussiana com
Mdia m e Varincia
x
F
x
(x)
Embora uma distribuio de probabilidade constitua uma descrio
completa da varivel aleatria X, em geral interessante procurar
um conjunto de nmeros simples que ressaltem as caractersticas
dominantes da varivel aleatria. (Os momentos associados a X)
1. INTRODUO
1. INTRODUO
EXEMPLO: Calcular o n-simo momento associado funo:
g(x) = X
n
.
- Soluo atravs de f
X
(x):
Determinao dos Momentos
Atravs da funo caracterstica,
X
(x), possvel determinar, de
forma bem mais simples, os momentos de qualquer varivel
aleatria.
+

dx x f X X E
X
n n
) ( ) (
- Soluo atravs de
X
(x):
) 0 ( ) (
) ( n
X
n n
i X E
2. VETORES RANDMICOS GAUSSIANOS

( )
1
]
1

2
2
2
. 2
1
) (
k
k
k
X
m x
exp x f
k

Densidade de Probabilidade Conjunta Gaussiana
Seja X um vetor randmico de dimenso n cujas componentes
X
1
, X
2
, ..., X
n
so variveis randmicas gaussianas mutuamente
independentes com mdias m
1
, m
2
, ..., m
n
e varincias
1
2
,
2
2
, ...,
n
2
,
respectivamente, a densidade de probabilidade para o k-simo
componente dada por:
Visto que as componentes do vetor X foram definidas como sendo
variveis randmicas gaussianas mutuamente independentes, a
funo de probabilidade conjunta ser dada por:
( )

m x
2
1
- exp
1

m x
2
1
- exp
1

x f ... x f x f ) x ,..., x , (x f
n
k
k
k k
n
k
k
n
n
1 k k
k k
k
n X X X n 2 1 X X X
n n
1
1
]
1
,
_
,
_
1
1
]
1
,
_
2
1
1
2
2
2 1 ,..., ,
2
. 2
) ( ) ( ) (
2 1 2 1

1
1
1
1
1
]
1

2
2
2
2
1
... 0 0
... ... ... ...
0 ... 0
0 ... 0
n

1
1
1
1
]
1
n
x
x
x
X
...
2
1
[ ]
1
1
1
1
]
1

n
x
m
m
m
X E m
...
2
1
Utilizando a notao matricial para a equao apresentada, x, m e
podem ser definidos como:
Matriz das Covarincias Matriz das Mdias
Sabendo-se que
n 2 1
1
...
n
k
k
e,
[ ]
2
2
2
2
2
2 2
2
1
2
1 1
2 2
1 1
2
2
2
2
1
2 2 1 1
1
1
) ( ...
1
) (
1
) (
...
1
0 0 0
... ... 0 0
0 ...
1
0
0 ... 0
1
... ) ( ) (
n
n n
n n
n
n n x
T
x
T
m x m x m x
m x
m x
m x
m x m x m x m X m X

+ + +
1
1
1
1
]
1
1
1
1
1
1
1
1
1
]
1

Portanto, matricialmente, a funo densidade de probabilidade
conjunta de um vetor randmico X de dimenso n, cujas componentes
so variveis randmicas gaussianas mutuamente independentes,
dada por:
Pode-se dizer que,
e
2
1

1

n
k
k
,
_

n
k
k
k k
x
T
x
T
m x
m X m X
1
2
1
) ( ) (
1
]
1

) ( ) (
2
1
exp
) 2 (
1
(x)
1
2 1
2
x
T
x
T
n
X
m X m X - f

Funo Caracterstica Conjunta
Desde que os componentes X
1
, X
2
, ... , X
n
foram assumidos serem
mutuamente independentes, a funo caracterstica conjunta dada
pelo produto das funes caractersticas individuais:
,
_
,
_
n
k
k k
n
k
k k
n
k
k k
k k
n n X X X X
v
m v i
v
m iv
v v v v v v V
n
1
2 2
1
1
2 2
X 2 X 1 X 2 1 ,..., ,
2
exp
2
exp
) ( ... ) ( ) ( ) ,..., , ( ) (
n 2 1 2 1

1
1
1
1
1
]
1

2
2
2
2
1
... 0 0
... ... ... ...
0 ... 0
0 ... 0
n

1
1
1
1
]
1
n
v
v
v
V
...
2
1
[ ]
1
1
1
1
]
1

n
x
m
m
m
X E m
...
2
1
Utilizando a notao matricial para a equao apresentada, v, m e
podem ser definidos como:
Matriz das Covarincias Matriz das Mdias
[ ]
2 2 2
2
2
2
2
1
2
1
2
1
2
2
2
2
1
,
_
V V V im V
T T
x X
2
1
exp ) (
n
k
k k
T
x
m v V m
1

n
k
k k
T
v V V
1
2 2
Pode-se dizer que,

e
Portanto, matricialmente, a funo caracterstica conjunta de um vetor
randmico X de dimenso n, cujas componentes so variveis
randmicas gaussianas mutuamente independentes, dada por:
,
_
V V V im V
T T
x X
2
1
exp ) (
U m v e t o r r a n d m i c o g a u s s i a n o X d e d i me n s o n, c u j a s
c o mp o n e n t e s s o v a r i v e i s r a n d m i c a s g a u s s i a n a s
m u t u a me n t e i n d e p e n d e n t e s , t e m c o mo f u n o d e n s i d a d e
c o n j u n t a d e p r o b a b i l i d a d e e f u n o c a r a c t e r s t i c a
c o n j u n t a , r e s p e c t i v a me n t e :
1
]
1

) ( ) (
2
1
exp
) 2 (
1
(x)
1
2 1
2
x
T
x
T
n
X
m X m X - f

Transformao Linear
Seja Y um vetor randmico de dimenso m (m n) definido como
transformao linear do vetor randmico gaussiano X:
1
1
1
1
]
1
mn m m
n
n
g g g
g g g
g g g
g
...
... ... ... ...
...
...
2 1
2 22 21
1 12 11
n mn m2 m1 m
n 2n 22 21 2
n 1n 12 11 1
X g X g X g Y
X g X g X g Y
X g X g X g Y
+ + +
+ + +
+ + +
...
...
...
...
2 1
2 1
2 1
gX Y
Onde g
jk
um nmero real arbitrrio
e g a matriz transformao:
Transformao Linear - Funo Caracterstica de Y
A funo caracterstica conjunta para o vetor Y dada por:
1
1
]
1
,
_
m
j
j j n Y Y Y
Y u i E u u u
n
1
2 1 ,..., ,
exp ) ,..., , (
2 1
Sendo Y = gX:
( ) [ ] gX iu E u
T
Y
exp ) (
Porm,
( ) [ ] Y iu E u
T
Y
exp ) (
Utilizando a notao matricial:
( ) [ ] ixV E V
X
exp ) (
Logo,
) ( ) ( u g u
T
X Y

Porm,
Y
(u) est expressa em funo da mdia (m
x
) e das varincias
(
x
2
) do vetor X.
necessrio, portanto, analisar os termos m
x
e gg
T
em funo de Y.
,
_
u g g u u g im u
T T T T
x Y
2
1
exp ) (
Ou seja,
[ ] [ ] [ ]
x
gm X g.E g.X E Y E
Y
m
Ento,
T T
x
T
Y
g m m
Sabe-se que:
T
mn m m
n
n
n
mn m m
n
n
T
g g g
g g g
g g g
g g g
g g g
g g g
g g

= =
...
... ... ... ...
...
...
... ... ... ...
...
... ... ... ...
...
...
2 2
2 22 21
1 12 11
2
2
2
2
1
2 2
2 22 21
1 12 11
0 0 0
0 0 0
0 0 0
T
g g
Fazendo:
( )
k j jk
Y Y cov ,
1
1
1
1
]
1

mm m m
m
m

...
... ... ... ...
...
...

2 1
2 22 21
1 12 11
Porm, por definio, a matriz dada por::
Onde,
Portanto, a funo caracterstica conjunta para o vetor Y dada por:
,
_
u u u im u
T T
Y Y
2
1
exp ) (
A f u n o c a r a c t e r s t i c a c o n j u n t a d e u m v e t o r r a n d m i c o
Y t e m e x a t a me n t e a me s ma f o r ma d a f u n o
c a r a c t e r s t i c a c o n j u n t a d o v e t o r r a n d m i c o X , q u a n d o Y
d e f i n i d o c o mo a t r a n s f o r ma o l i n e a r d e X e q u a n d o o s
c o mp o n e n t e s d e X s o v a r i v e i s r a n d m i c a s g a u s s i a n a s
m u t u a me n t e i n d e p e n d e n t e s .
,
_
u u u im u
T T
Y Y
2
1
exp ) (
,
_
V V V im V
T T
x X
2
1
exp ) (
,
_
u u u im u
T T
Y Y
2
1
exp ) (
O u ,
A f u n o c a r a c t e r s t i c a c o n j u n t a p a r a q u a i s q u e r v e t o r e s
r a n d m i c o s g a u s s i a n o s t m a m e s ma f o r ma , s e j a m s u a s
c o mp o n e n t e s v a r i v e i s r a n d m i c a s g a u s s i a n a s
i n d e p e n d e n t e s o u n o .
[ ] ( )
1
]
1

m
j
m
k
k j k j j
m
1 j
j n 2 1 Y Y Y
u u Y Y
2
1
- u Y E i exp ) u ,..., u , (u
n
1 1
,..., ,
, cov
2 1

Transformao Linear - Funo Densidade Prob. de Y
1
]
1

) ( ) (
) 2 (
)
1
2 1
2
x
T
x
T
n
X
m X m X
2
1
- exp
1
x ( f
Foi visto que:

De forma anloga (fazendo: Y = gX):
1
]
1

) ( ) (
) 2 (
1
2 1
2
Y
T
Y
T
n
Y
m Y m Y
2
1
- exp
1
(y) f

Transformao Linear - Funo Densidade Prob. de Y
1
1
]
1

n
j
n
k
k k j j
jk
n
x x x
m x m x f
n
1 1
2 1
2
n 2 1 ,..., ,
) )( (
2
1
- exp
) 2 (
1
) x ,..., x , (x
2 1
Onde: ||
jk
o cofator do elemento
jk
no determinante || da
matriz de covarincias.
Expandindo,
,
_
V V V im V
T T
x X
2
1
exp ) (
1. Um vetor randmico gaussiano X de dimenso n, cujas
componentes so variveis randmicas gaussianas mutuamente
independentes, tem como funo densidade conjunta de probabilidade
e funo caracterstica conjunta, respectivamente (matricialmente):
1
]
1

) ( ) (
2
1
exp
) 2 (
1
CONCLUSES
2. A funo caracterstica conjunta de um vetor randmico Y tem
exatamente a mesma forma da funo caracterstica conjunta do
vetor randmico X, quando Y definido como a transformao
linear de X e quando os componentes de X so variveis randmicas
gaussianas mutuamente independentes.
,
_
u u u im u
T T
Y Y
2
1
exp ) (
,
_
V V V im V
T T
x X
2
1
exp ) (
CONCLUSES
3. A funo densidade conjunta de probabilidade e a funo
caracterstica conjunta para quaisquer vetores randmicos gaussianos
tem, individualmente, a mesma forma, sejam suas componentes
variveis randmicas gaussianas independentes ou no.
,
_
u u u im u
T T
Y Y
2
1
exp ) (
1
]
1

) ( ) (
) 2 (
1
2 1
2
Y
T
Y
T
n
Y
m Y m Y
2
1
- exp
1
(y) f
Processo Aleatrio Gaussiano

Um processo randmico real um
processo gaussiano se para todo conjunto finito de
instantes de tempo
as correspondentes variveis randmicas so
variveis aleatrias conjuntas.
{
As funes caractersticas do vetor aleatrio
tem a forma da matriz
Em que a matriz da mdia de a
matriz da covarincia de Y .
( )
tn t2 t1
Y ..., , Y , Y Y
( )

,
_
V V V m i
y
T T
Y
e v
*
2
1
* *
e Y
y
m
Processo Gaussiano
Conseqncias
Um processo gaussiano completamente
determinado (estatisticamente) atravs da
especificao da mdia e da funo
covarincia do processo.
Alm disso qualquer processo gaussiano que
estacionrio no sentido amplo tambm
estacionrio no sentido restrito.
[ ]
t
Y E
( ) ' , t t K
y
Suponha que o processo aleatrio um
processo gaussiano estacionrio de sentido amplo.
Ento:
para todo t, e
para todo t e t
{ } + < < , t Y
t
( ) ( ) ' - ' , t t K t t K
y y

Processo Gaussiano
Ento segue que
ou
( )
[ ] ( )
1
1
]
1

n
1 j 1 1
i
t
2 1
,
2
1
Y E
2 1 , ... , ,
, ... , ,
n
j
n
k
k j k j y j
n
t t t
v v t t K v i
n Y Y Y
e v v v
( )
( )
1
1
]
1

n
1 j 1 1
2 1

2
1
*
2 1 ... , ,
, ... , ,
n
j
n
k
k j k j y j
t t
v v t t K v m i
n Y Y
e v v v
Processo Gaussiano
processo gaussiano randmico estacionrio no sentido amplo.
translao dos instantes de tempo pela mesma quantidade
A funo caracterstica conjunta das novas variveis
{ }
t
Y
n
t t t ,..., ,
2 1

n j Y
i
t
,..., 2 , 1 ,
+
( )
Processo Gaussiano
A funo caracterstica conjunta n dimensional (e portanto
a densidade de probabilidade conjunta n dimensional) no
alterada pela translao da origem dos tempos.
Se processo gaussiano estacionrio no sentido amplo,
ento ele tambm estacionrio no sentido restrito;
Estacionaridade no sentido estacionrio amplo e no
sentido estacionrio restrito so equivalentes no caso do
processo gaussiano!
Digresso:
Teorema do Limite Central
Para amostras estatisticamente independentes, a
distribuio de probabilidade da amostra tende a uma
gaussiana quando o nmero de amostras cresce.
Digresso :
Rudo branco : rudo cuja funo de densidade espectral constante
ao longo do espectro.
potncia infinita, pois:
rudo branco numa dada faixa de frequncia.
Qualquer que seja a freqncia sempre teremos um sinal que visto em um osciloscpio
tem um comportamento senoidal
( )
+

df f S P
n
f
Abrindo um parnteses :
Abrindo um parnteses :
em que
fixando t tem-se uma varivel aleatria, ou seja, fazendo
t= t* tem-se:
uma soma de variveis aleatrias, donde conclui-se atravs
do Teorema do Limite Central que uma varivel
aleatria gaussiana.
( ) ( )
t x t x
n c
( ) ( )
1
* *
n
n c
t x t x
( ) t x
c
Logo:
observa-se que a frequncia foi deslocada de , a
fim de expressarmos
em termos de seno e cosseno, ou seja,
( ) (
Formas de Onda de faixas estreitas
Uma funo do tempo X(t) dita ser uma forma de onda de faixa
estreita se a regio sobre a qual o espectro de frequncia.
diferente de zero est confinado em uma banda estreita de
frequncia com
dt e t x f X
t f i * * * 2 *
* ) ( ) (

f
f f
o
>>
A forma de onda de faixa estreita vista em um osciloscpio aparece
mais ou menos como uma onda senoidal com uma funo envoltria
variando lentamente e uma funo de fase variando vagarosamente.
Pode-se escrever:
Onde v(t) uma funo envoltria variando lentamente (sempre no
negativa), uma funo de fase variando lentamente, e
a frequncia aparente.
( ) ( ) ( ) [ ] t t t v t x
o
+ cos *
( ) t

Uma representao alternativa
a componente do cosseno de
chamada a componente do seno de .
( ) ( ) ( ) [ ] t t t v t x
o
+ cos *
( ) ( ) ( ) ( ) t t x t t x t x
o s o c
sen * cos * ) (
( ) ( ) ( ) ( ) ( ) ( ) t t v t x t t v t x
s c
sen * e cos *
( ) t x
c
( ) t x
( ) t x
s
( ) t x
Envoltria e fase de uma forma de onda faixa estreita
resultando
( ) ( ) ( ) ( ) ( ) ( ) t t v t x t t v t x
s c
sen * e cos *
( ) ( ) ( ) ( ) ( )
( )
( )
,
_
+

t x
t x
t x t x t v
c
s
s c
1 2 2
tan t e
Formas de Onda de faixa estreita
Decomposio:
Formas de Onda de faixa estreita
interpretao:
( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) [ ] t t x t t x t x
t t x t t t x
t t x t
o s o c s
o s o o c
o s

2 cos 2 sen
sen 2 cos sen 2
sen 2
2
+ +


Desde que ambas variam lentamente no tempo,
o produto da sada tem uma componente centrada em
torno da frequncia zero (isto , ) e uma componente centrada em
torno de freqncias repetidas.
( ) ( ) t x t x
s c
e
( ) t
c
( ) t x
c
Freqncia de corte do filtro passa baixa ideal:
escolhida para permitir a separao de duas componentes de sada,
apenas os termos em torno da frequncia zero com distoro e
eliminando os termos centrados em torno de 2f
o .
Antes, obtemos o resultado de sada do filtro passa baixa ideal :
( ) ( ) t x t y
c c

( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( ) [ ] t w t x t w t x t x
t w t x t w t w t x
t w t x w
o s o c s
o s o o c
o s
2 cos 2 sen
sen 2 cos sen * 2
sen * 2
2
+ +

( ) ( ) t x t y
s s

forma de onda de faixa estreita original em fase e
quadratura.
Atravs de um filtro passa baixa
que a sada do sistema original de entrada da forma
de onda.
(
1
1
. Processo Aleat
. Processo Aleat
rio de
rio de
Faixa Estreita
Faixa Estreita
2. Processo Gaussiano faixa
estreita
Processo Faixa Estreita
Definio: Um sinal no tempo X(t) dito ter uma
forma de onda banda estreita se a regio em cima do
espectro de freqncia (Fig 1) no nulo e est
limitado a uma faixa de freqncia estreita de
largura f centrada sobre uma freqncia, f
o
.
Sendo f
0
>> f
Figura 1
Estender o estudo de banda estreita para
processos aleatrios.
Suponha, {X
t
, - < t < + } um processo aleatrio
banda estreita; i..,
suponha que {X
t
} estacionrio na sua faixa larga
com uma densidade espectral S
x
a qual difere de
zero apenas numa estreita banda de freqncia sobre
alguma dada freqncia, chamada de f
0
.
Algumas vezes conveniente representar um
processo faixa estreita em termos de
1) um mdulo de processo
{V
t
, - < t < + } e
2) um processo de fase
{
t
, - < t < + },
usando a relao:
X
t
= V
t
Cos(w
o
t +
t
) onde w
o
= 2 f
o
.
Alternativa:
em termos de seus componentes seno e cosseno
{X
ct
, - < t < + },
{X
st
, - < t < + }, respectivamente.
usando a relao:
X
t
= X
ct
Cos w
o
t - X
st
Sen w
o
t.
2 2
X X V
st ct t
+
ct
st
X
X
1
t
tan

Mdulo, fase, componente cosseno e
componente seno so fenmenos de
baixa freqncia; i.., seus espectros
so todos essencialmente zero em valor
para freqncias maiores em magnitude
que alguma frao pequena f
o
.
Funes de correlao concernentes aos componentes
seno e cosseno do processo.
em particular, componente cosseno.
h - resposta ao impulso de um filtro passa baixa
X
Filtro passa
baixa
ideal
t
X
t Cosw
o
2
ct
X
( )
( )
[ ]
X X R ct t c c
E t t

+
+ ,
( ) ( ) ( ) ( )
1
]
1

+
dz z t Cos z h du u t Cos u h E
w X w X
o z t o u t
2 2
( ) ( ) ( ) ( ) [ ]
X X w w z t u t o o
E dz z t Cos z h du u t Cos u h
+
4
( ) ( ) ( ) ( ) [ ] z u dz z t Cos z h du u t Cos u h
R w w x o o
+ +

4
Equao 1
A ltima igualdade segue da estacionaridade do
processo.
filtro passa baixa => domnio da freqncia.
Expressar a funo de auto correlao Rx como a
derivada de Fourier da densidade espectral S
x
,
ento 1 se torna:
( ) ( ) ( )

+
+ + du u t Cos u h t t
w X R
o u t c

4 ,
( ) ( )
dz z t Cos z h
w X
o z t

( )
( )

+
df e f S
j
x
z u - r f 2
Expandindo o cosseno em termos da exponencial
complexa:
( ) ( )
( ) ( )
( )
+ + dz e e z h t t R
j j
c
z - t f 2 z - t f 2
o o
,

( )
( ) ( )
( ) ( )
( )

+ +
+
z u - f 2 u - t f 2 u - t f 2
o o o
df e f S du e e z h
j
x
j j
( )

,
_
+ ) ( ) (
) f (f 2 f 2 ) f - (f 2 f 2
o o o o
dz e z h e dz e z h e df f S
z j t j z j t j
x

,
_

+ + +
du e u h e du e u h e
u j f f t j u j f f t j
o o
) f (f 2 ] ) ( [f 2 ) f (f 2 ] ) ( [f 2
o o o o
) ( ) (

As integrais da funo peso podem agora ser
escritas em termos da funo passa-baixa H:
Antes de ir adiante, usual considerar o grfico da
freqncia de acordo com a magnitude de vrios
termos como mostrado nas figuras a seguir:
+ + + )] ( ) ( [ ) ( ) , (
* f 2 * f 2
o o
o
t j
o
t j
x c
f f H e f f H e df f S t t R

)] ( ) ( [
] ) ( [f 2 ] ) ( [f 2
o o
o
f f t j
o
f f t j
f f H e f f H e
o o
+ +
+ +
Figuras
ou
Quando as condies parnteses so escritas em
evidncia, as condies que contm os fatores:
H*(f-fo)H(f+fo) e H*(f+fo)H(f-fo)
desaparecem por causa do caracterstica de no
superposio de |H(f+fo)| e |H(f-fo)|. Assim:
) , ( ) ( t t R R
c c
+
[ ]
2
) f - (f 2
) ( ) ( ) , (
o
o
j
x c
f f H e df f S t t R +
[ ]
2
) f (f 2
) (
o
o
j
f f H e + +
+
*
Observando as figuras anteriores

+
+
0
) ( 2
0
) ( 2
x
) ( ) ( S ) ( df e f S df e f R
fo f j
x
fo f j
c

+
0
) ( 2
0
) ( 2
x
' ) ( ) ( S df e f S df e f
fo f j
x
fo f j
Fazendo a mudana de varivel f = -f, tem-se:
que a funo de autocorrelao cosseno de um
processo aleatrio de banda estreita.
( )

+
0
) ( 2 ) ( 2
x
) ( S ) ( df e e f R
fo f j fo f j
c

( )

0
x
2 S 2 df ) fo f ( Cos ) f (
CASO PARTICULAR: processo gaussiano banda estreita.
processo {Xt, - < t <+ }.
componentes seno e cosseno do processo
{Xct, - <t<+ } e {Xct, - <t<+ }, respectivamente,
so alcanveis pela transformao linear de um
determinado processo banda estreita.
Estes processos so tambm gaussianos.

2
2
. Processo Gaussiano de banda

. Processo Gaussiano de banda
estreita
estreita
Componentes aleatrias, a saber, X
ct
X
st
.
para variveis gaussianas no correlacionadas,
independncia!.
X
ct
e X
st
mdia zero e varincia R
x
(0), a densidade de
probabilidade :
1
]
1
+

) 0 ( 2
exp
) 0 ( 2
1
) , (
2 2
,
x x
x x
R
y x
R
y x f
st ct
Densidade de probabilidade do mdulo e fase :

2 2
X X V st ct t
+
ct
st
X
X
1
t
tan

CONCLUSO: o mdulo e a fase das variveis so
estatisticamente independentes com densidade de
probabilidade dada por:
'
1
]
1
Contrrio Caso 0
0 ,
) 0 ( 2
exp
) 0 (
) (
2
v para
R
v
R
v
v f
x x
v
t
'
Contrrio Caso 0
2 0 ,
2
1
) (

para
f
t

Gauss

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Gauss

Diunggah oleh

Hak Cipta:

Format Tersedia

O PROCESSO GAUSSIANO

2. VETORES RANDMICOS GAUSSIANOS

2. VETORES RANDMICOS GAUSSIANOS

Pode-se dizer que,

2. VETORES RANDMICOS GAUSSIANOS

Transformao Linear - Funo Caracterstica de Y

Foi visto que:

2. VETORES RANDMICOS GAUSSIANOS

Processo Aleatrio Gaussiano

Formas de Onda de faixas estreitas

Formas de Onda de faixas estreitas

. Processo Gaussiano de banda

Densidade de probabilidade do mdulo e fase :

Anda mungkin juga menyukai