คำถามติดแท็ก cyclostationary-random-process

1
มีเครื่องมือทางคณิตศาสตร์อะไรบ้างในการทำความเข้าใจกับสัญญาณรบกวนที่ถูกปรับ?
สมมติว่าเรามีสัญญาณnnnซึ่งประกอบด้วยเสียงรบกวนแบบเกาส์เซียนสีขาว หากเราปรับสัญญาณนี้โดยการคูณมันด้วยsin2ωtsin⁡2ωt\sin 2\omega tสัญญาณที่ได้จะยังคงมีสเปคตรัมของพลังงานสีขาว นี่คือตัวอย่างของหนึ่งกระบวนการ cyclostationary x(t)=n(t)sin2ωtx(t)=n(t)sin⁡2ωtx(t) = n(t) \sin2\omega t สมมติว่าตอนนี้เรา demodulate สัญญาณนี้ที่ความถี่ωω\omegaโดยการผสมกับสัญญาณออสซิลเลเตอร์ไซน์และโคไซน์สร้างสัญญาณ I และ Q: Q = x ( t ) × cos ω tI=x(t)×sinωtI=x(t)×sin⁡ωtI = x(t) \times \sin\omega t Q=x(t)×cosωtQ=x(t)×cos⁡ωtQ = x(t) \times \cos\omega t การสังเกตอย่างไร้เดียงสาว่าสเปคตรัมพลังงานของx(t)x(t)x(t) (ถ่ายในช่วงเวลาที่มากกว่า1/f1/f1/f ) นั้นเป็นสีขาวเราคาดหวังว่าIIIและQQQทั้งสองจะมีเสียงเกาส์เซียนสีขาวของแอมพลิจูดเดียวกัน อย่างไรก็ตามสิ่งที่เกิดขึ้นจริงคือIIIสร้างพื้นที่สี่เหลี่ยมจัตุรัสโดยการสุ่มเลือกส่วนของ timeseries x(t)x(t)x(t)มีความแปรปรวนสูงในขณะที่QQQ , 90 องศาออกจากเฟสตัวอย่างส่วนย่อยความแปรปรวนที่ต่ำกว่า: ผลลัพธ์คือความหนาแน่นของสเปกตรัมเสียงรบกวนใน I …
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.