T501 – Probabilidade, Estatística e Processos Estocásticos Nota: Prova 2 – 30/11/2012 – 09:00h Prof. Dr. Dayan Adionel Guimarães Alunos(as): ___________________________________________________________Matrícula ________________ ___________________________________________________________Matrícula ________________ Prova com consulta a apenas duas referências, com solução em dupla ou individual e com duração de 1h30min em sala, mais 4h para a questão a ser resolvida fora da sala de aula. 1ª questão (30 pontos) Na figura a seguir está desenhada uma onda binária bipolar correspondente a uma função-amostra x(t) de um processo aleatório estacionário X(t). Os pulsos de duração T são equiprováveis e o primeiro pulso de uma função-amostra qualquer se inicia sempre no instante t = 0. Para efeito de caracterização estatística, as amostras ti e tk tem separação = tk – ti. O instante de ocorrência da primeira amostra é uniformemente distribuído em (0, T]. Determine e desenhe a função de autocorrelação do processo X(t). Discorra sobre como as amostragens nos instantes ti e tk devem ser geradas na prática, tanto no que se refere a esta questão quanto ao Exemplo 1.8, p. 66 do livro Digital Transmission do Prof. Dayan (Dica: analise a influência de existir ou não um instante inicial aleatório para cada função-amostra do processo). Solução Este problema é equivalente ao enunciado no Exemplo 1.8 do livro Digital Transmission do Prof. Dayan. Portanto, a solução é similar. Vamos analisar quando | tk – ti | T. Neste caso X(tk) e X(ti) ocorrerão em pulsos diferentes e teremos E[ X (tk ) X (ti )] E[ X (tk )]E[ X (ti )] 0, | tk ti | T . Para |tk – ti| < T, com ti < tk, as amostras X(tk) e X(ti) irão ocorrer no mesmo intervalo de pulso se |tk – ti| < T – ti. Neste caso a autocorrelação entre X(tk) e X(ti) estará condicionada ao valor de ti. Então, A2 , ti T | tk ti | E[ X (tk ) X (ti )| ti ] c.c. 0, Para eliminar o condicionamento, utilizamos a lei da esperança total E[E[X|Y]] = E[X], obtendo 1 E[ X k X i ] E[ E[ X k X i | ti ]] E[ X k X i | ti ] f (ti )dti T | tk ti | 0 A2 f (u)du T | tk ti | 0 A2 | t t | du A2 1 k i , T T onde foi usada a notação simplificada Xk = X(tk) e Xi = X(ti). Como = tk – ti a função de autocorrelação do processo X(t) será 2 | | A 1 , | | T RX ( ) T 0, c.c. Esta função está plotada na figura a seguir. Comparando os processos de amostragem referentes a este problema e ao Exemplo 1.8 do livro Digital Transmission do Prof. Dayan, observa-se que neste problema, além de variar o espaçamento entre as amostras deve-se garantir aleatoriedade no instante da primeira amostra, com distribuição uniforme em (0, T]. Já no caso do Exemplo supracitado, já sendo aleatórios (uniformemente distribuídos) os instantes iniciais das funções-amostra, basta escolher um instante qualquer para a primeira amostragem (em ti) e definir tk em função do espaçamento desejado. Percebe-se que esta última análise é mais simples de implementar caso se esteja estimando a função de autocorrelação computationalmente. 2ª questão (30 pontos) Considere o sistema linear cuja resposta em frequência é dada por ìï sign( f ) f 2 exp(- j16 f ), | f |£ 20 H ( f ) = ïí ïïî 0, | f |> 20, onde sign( f ) = 1, f 0 e sign( f ) = –1, f < 0. Um processo aleatório estacionário é aplicado à estrada desse sistema e tem função de autocorrelação RX ( t ) = 5 d(t ) + 2, 2 onde () é a função delta de Dirac. Pede-se: a) Determine a potência total do processo de saída do sistema linear. b) Determine a potência mensurável fisicamente desse mesmo sinal, entre 0 e 1 Hz. c) Que tipo de processo aleatório poderia ser representado pela função de autocorrelação acima? Dê detalhes suficientes para caracterizá-lo. 2 Solução a) 5 + 2d( f ). 2 ìï 4 é5 ù ïï f ê + 2d( f ) ú, | f |£ 20 2 SY ( f ) = H ( f ) S X ( f ) = í ë2 û ïï ïî 0, | f |> 20. S X ( f ) = Á {RX ( t ) }= PT = ¥ ò- ¥ SY ( f )df = 20 ò- 20 5 5 é5 ù f 4 ê + 2d( f ) údf = f 2 5 ë2 û 20 = 3, 2 ´ 106 watts. - 20 Solução b) 5 + 2d( f ). 2 ìï 4 é5 ù ïï f ê + 2d( f ) ú, | f |£ 20 2 SY ( f ) = H ( f ) S X ( f ) = í ë2 û ïï ïî 0, | f |> 20. S X ( f ) = Á {RX ( t ) }= P0,1 = 5 f5 2 5 1 = 1 watt. - 1 Solução c) Um ruído Gaussiano branco de média nula e densidade espectral 5/2 W/Hz somado a um sinal DC de amplitude sqrt(2). 3ª questão (40 pontos) – entregar até as 17h de hoje Sabemos que duas maneiras de se estimar a função de autocorrelação de um processo aleatório X(t) a partir de n amostras tomadas de uma única função-amostra são: n RX ( t ) = 1 x j x( j + t ) mod n nå j= 1 RX ( t ) = 1 n- t n- t å x j x j+ t j= 1 Nessas expressões, xj = x(tj) é a j-ésima amostra da função-amostra x(t). Sabe-se que se o processo for cicloestacionário, a primeira forma de estimação é a indicada, pois produz resultados exatos. No entanto, a outra estimativa é mais indicada nos demais casos por ter implementação mais fácil, por produzir resultados não polarizados e por produzir boas estimativas justamente onde normalmente estamos interessados: na região em que a função vai de seu valor máximo até próximo de zero. Uma forma alternativa de estimação da função de autocorrelação pode ser implementada da seguinte maneira: uma longa função-amostra do processo X(t) é coletada e amostrada. O total de amostras é dividido em N partes iguais com n amostras, como se cada parte passasse ser vista como uma subfunçãoamostra. As amostras de cada subfunção-amostra são então indexadas de 0 a n – 1 e as subfunçõesamostra são indexadas, por exemplo, de 1 a N. A função de autocorrelação estimada seria N 1 RX ( k ) = x j , u j x j , mod(u j + k , n ) , k = 0,1,..., n - 1, Nå j= 1 onde xj,k é a k-esima amostra da j-ésima subfunção-amostra e uj é o j-ésimo valor de uma variável aleatória U uniformemente distribuída entre 0 e o número de pontos por pulso. A operação de módulo tem 3 por objetivo evitar erro no cálculo quando uj+k exceder n. Obs: a aleatorização pode ser como para este processo específico (ao longo do intervalo de pulso) ou ao longo de toda a subfunção-amostra. Pede-se: a) Usando o MATLAB ou o MATHCAD, implemente a estimação acima para uma sequência aleatória como aquela considerada na primeira questão. Para gerar a sequência, implemente um método de geração de números aleatórios que julgar pertinente. Para analisar a precisão na estimação, analise a influência do número de pontos por pulso, do número total de pulsos da função amostra e do número de subfunções-amostra. Plote o resultado e comente sobre ele em termos de sua proximidade com a função de autocorrelação exata. b) Encontre no livro Digital Transmission do Prof. Dayan uma expressão que mostre a estimativa da função de autocorrelação de maneira até certo ponto similar àquela analisada nesta questão. Compare as expressões e comente. Solução a) Segue rotina em Mathcad. O parâmetro de tem maior influência na precisão da estimativa é o número de subfunções-amostra, seguido pelo número pulsos por subfunção-amostra e do número de pontos por pulso (este último influencia a resolução temporal da função de autocorrelação). Nota-se que há uma repetição do pico da função de autocorrelação, o que ocorre por causa da operação de módulo da sua estimativa: quando uj+k excede n, a segunda amostra volta a ocorrer no primeiro pulso, o que leva a uma nova elevação da correlação. 4 Solução b) Trata-se da expressão (1.70). As funções-amostra lá indexadas se assemelham às subfunções-amostra desta questão. Lá não há necessidade de nenhuma aleatorização ou operação de módulo, pois implicitamente admite-se que as funções-amostra são de fato oriundas do processo sob análise, exibindo, portanto, todas as características estatísticas que devem exibir. Por exemplo, se o processo aleatório é definido de forma que não haja atraso nos instantes iniciais dos pulsos, as funções-amostras já exibirão esta característica. Se o processo aleatório é definido de forma que haja atraso nos instantes iniciais dos pulsos, as funções-amostras também já exibirão esta característica. Diferentes definições do processo aleatório podem, portanto, levar a diferentes funções de correlação. 5