Professional Documents
Culture Documents
228
İŞARET VE SİSTEM
ANALİZİNDE
OLASILIK YÖNTEMLERİ
Yazanlar:
Çeviren:
Prof. Metin YÜCEL
Yıldız Teknik Üniversitesi
Öğretim Üyesi
ÇEVİRENİN ÖNSÖZÜ
Metin YÜCEL
Temmuz ,1988
ÖNSÖZ
İÇİNDEKİLER
EKLER
EK A MATEMATIK TABLOLAR 269
A-1 Trigonometrik Özdeşlikler 269
A-2 Belirsiz İntegraller 270
A-3 Belirli İntegraller 271
A-4 Fourier Dönüşümü 273
A-5 Tek Yanlı Laplace Dönüşümü 275
olasılık : probability
koşullu olasılık : conditional probability
bileşik olasılık : joint probability
karşılıklı seçkin olay : mutually exclusive event
tamamlayıcı : complement
raslantı değişkeni : random variable
olasılık dağılım fonksiyonu : probabilitiy distribution function
or cumulative distribution function
olasılık yoğunluk fonksiyonu : probability density function
beklendik değer : mean value, expected value
karesel beklendik değer : mean square value
değişinti : variance
ilişki : correlation
katlama : convolution
özilişki : autocorrelation
çapraz ilişki : crosscorrelation
işleme : process
rasgele, raslantı : random, stochastic
tayin edilebilir : deterministic
durağan : stationary
spektral yoğunluk : spectral density
kestirim : estimation
beyaz gürültü : white noise
devrik : reversal
www.ieeeturkiye.wordpress.com adına yüklenmiş olup toplumları geliştiren
bilginin herhangi bir şekilde ulaşılaşılamaz olmasını kabullenemeyen kişi veya
kişiler tarafından upload edilmiştir.saygılarımzla...
BÖLÜM 1
OLASILIĞA GİRİŞ
V(t)=R.i(t)
olarak bilinmektedir. Buna göre t zamanının her değeri için tam doğru
olduğu varsayılır. Geniş anlamda (gözle görülen şekli ile) bu varsayım
iyi bir tanım sayılmaktadır. Ancak dar anlamda (gözle görülmeyen şekli
ile) bu kabul tamamen yanlıştır. Gerçekten eğer bir yüksek kazançlı
amplifikatörün girişine büyük bir direnç bağlanması ve meydana gelen
gürültünün dinlenmesı ile kolayca görülebilir.
Pek çok sistem, giriş ve çıkışında arzu edilen işarete ek olarak arzu
edilmeyen işaretlerin etki etmesi durumu ile karşı karşıyadır. Bu tip
karışmalar hemen hemen daima rasgele bir yapıdadır ve istenen
işaretin mevcut olmaması halinde bile olasılık yöntemlerinin
kullanılmasını gerektirir. Bozulmaya neden olan bu karışan işaretleri
tanıtmada belirli birkaç yöntem sözkonusudur. Bir örnek olmak üzere
eğer yüksek kazançlı bir amplifikatorün çıkışı bir hoparlöre bağlanmış
ise, dinleyen sık sık cızırtı, hışırtı, vurma sesi gibi sesler duyacaktır.
Bu rasgele gürültü, amplifikatör devresindeki iletim elektronlarının ısıl
hareketlerinden ya da tüp veya transistörlerden geçen elektron (veya
delik)lerin sayısının rasgele degişimlerinden kaynaklanır.
4
İkinci bir örnek olmak üzere bir radyo ya da televizyon alıcısını ele
alalım. Daha önce belirttiğimiz gibi alıcı içinde meydana gelecek
gürültüye ilave olarak antene ulaşan rasgele gürültü de etkisini
gösterecektir. Bu ilave gürültü genel olarak gökyüzünde oluşan
elektriksel deşarjlardan, ve onların antene olan uzaklıklarından,
canlıların oluşturduğu etkilerden, uzaydaki radyasyonlardan veya
anten çevresini saran cisimlerden yayılan ısıl radyasyonlardan ve
yansımalardan kaynaklanır. Bu nedenlerden en iyi alıclar ve
amplifikatörler kullanılsa bile algılanan işaretler mutlaka gürültü ile
birleşmiş bir yapıda olacaktır. Bu gibi durumlarda da ortalama güç ve
frekans spektrumu gibi büyüklüklerin hesaplanması, ani değerlerın
hesaplanmasından çok daha elverişli olacaktır.
Bir başka örnek de, bir otomatik kontrol sistemine bağlı olarak
yönlendirilebilen büyük bir radar anteni olarak verilebilir. Anten
üzerine etkiyen rüzgar, rasgele bir kuvvet oluşturur. Bunun kontrol
sistemi tarafından kompanse edilmesi gerekmektedir.
Kompanzasyon tam yapılmadığı sürece anten yönünde, daima, arzu
edilen yöne göre bir farklılık olacaktır. O halde bu farklılığın etkin
(effektif) değerinin bilinmesi daha doğrusu hesaplanabilmesi önemli
olacaktır.
Farklı bir durum da bir uçağın hava akımları fazla olan bir bölgede
uçması, bir geminin fırtınalı bir denizde seyretmesi, bir askeri aracın
kaba bir arazi üzerinde yol alması gibi olaylar olarak ele
alınabileceğidir. Bütün bu durumlarda etkiyen rasgele kuvvetler
karmaşık bir mekanik sistem üzerine etki ederler ve sistemin
kontrolunda güçlükler yaratırlar. Bu rasgele giriş işaretlerine sistemin
nasıl tepki göstereceğinin hesaplanması oldukça önemlidir.
5
SİSTEM GÜVENİLİRLİĞİ
KALİTE KONTROLU
İNFORMASYON TEORİSİ
TABLO 1-1
tip bir olasılık sürekli olasılık adını alır. Ayrık olasılık için var olan
bütün yöntem ve terimler sürekli olasılık için de geçerli olduğundan
açıklamamızı ayrık olasılık hali için sürdürmek, konuyu daha kolay
sunabilmek açısından daha yararlı olacaktır.
OLAY; deney yapanın özel isteğine bağlı bir veya daha fazla oluş’tur.
Örneğin zar atma deneyinde herbir oluş 1,2,3,4,5,6’dan biri bir olayı
ifade edebileceği gibi çift sayıları elde etme, tek sayıları elde etme,
3’ten büyük sayıları elde etme veya daha değişik kombinasyonlar
birer olay olarak ele alınabilir.
NA + NB + NC + … + NM = N
ve dolayısı ile
Bu bağıntı bize
Pr(A) + Pr(B) + Pr(C) + …+Pr(M) = 1 (1.2)
olduğunu göstermektedir.
1. 0 ≤ Pr(A) ≤ 1.
2. Karşılıklı seçkin olayların tam seti için
Pr(A) + Pr(B) + Pr(C) +…+ Pr(M) = 1
3. Olası olmayan bir olayin olasılığı Pr(A)=0
4. Gerçek bir olayın olasılığı Pr (A) = 1
11
Burada her birinin pozitif, 1’den küçük ve toplamlarının 1’e eşit olduğu
kolayca görülmektedir, çoğu kez ilgilenilen, bir defada birden fazla
oluşun söz konusu olduğu durumlardır. Örneğin eğer bir madeni para
iki kez atılırsa her iki atışta da tura gelmesi olayının olasılığı
hesaplanmak istenebilir. Bu tip bir olasılık BİLEŞİK OLASILIK (Joint
Probability) adını alır. Bileşik olasılık Pr (A,B) notasyonu ile gösterilir
ve olayların birleşik olduğunu belirtir.
Gene önceki örneğimize benzer bir örnek üzerinde açıklamalarımızı
sürdürelim. Gene bir kutu değişik değerlerde direnç söz konusu olsun
ve bunun yanında da dirençlerin farklı güç değerleri olduğunu
varsayalım. Kutudaki dirençlerin değerleri ve güçlerinin tablo 1-2’de
gösterildiği şekilde dağılmış olduğu kabul edilmiş olsun.
Direnç Değerleri
Pr (5 W) =360/1000=0,36
ayrıca
Pr (10 Ω ) = 0.5
13
Gene bunu bir örnek üzerinde açıklamaya çalışalım, 5 Watt gücünde
olma koşulu ile 10 Ω ’luk bir direncin seçilme olasılığını düşünelim.
Bu 5 Watt koşulunu sağlayan 360 dirençten 150 tanesidir.
Pr (5 W| 10 Ω ) =150/500 = 0.30
İki olayın bileşik olasılığı; birinci olayın basit olasılığı ile birinciye göre
ikinci olayın koşullu olasılığının çarpımı ile ifade edilir.
Şimdi yeniden iki madeni para atma deneyine dönelim ve iki tura
gelme halini ele alalım.
14
koşulunu sağlayan olaylara istatistik olarak bağımsız olaylar adı
verilir.
ALIŞTIRMA 1-3
A = { α 1 , α 2 ,..., α n } (1-6)
olarak gösterilir.
Burada A seti ve α 1 , α 2 ,..., α n de bu sete ait elemanları belirtir.
Örneğin bir A seti 1’den 6’ya kadar olan tam sayılardan meydana
gelmiş olabilir. (A={1,2,3,4,5,6}). Burada α 1 = 1, α 2 = 2,..., α 6 = 6
elemanlardır.
Olasılık teorisinin uzay seti; bir deneyin tüm oluşlarını eleman kabul
eden sete verilen addır. Örneğin bir zar atma deneyi için uzay seti
S = {1,2,3,4,5,6}
1,2,3,4,5,6 sayıları bize zarın yüzlerinde bulunan numaraları belirtir.
BOŞ SET: İçinde hiç bir eleman bulunmayan sete boş set adı verilir
ve 0 ile ifade edilir.
Genel olarak bir S uzay seti (veya herhangi bir set) n elemana
sahipse 2n alt set söz konusudur. Set teorisinin grafik açıklamasında
Venn diyagramlarının kullanılması kolay anlaşılmayı sağlar.
16
Bu diyagramlarda S bir dik dörtgenle ve alt setler ise bu dikdörtgenler
içinde kapalı döngülerle gösterilmiştir. Şekil 1-1’de bir Venn
diyagramı gösterilmiştir. Burada B seti A’nın bir alt seti, C seti de
B’nin (ve dolayısı ile A’nın) bir alt setidir.
(A + B) + C =A + (B + C) =A+ B + C
17
ÇARPIM-KESİŞİM: İki setin çarpımı, her iki sete ait ortak elemanların
oluşturduğu bir settir. AB ile gösterilir ve Şekil 1-3’de gösterilmiştir.
18
AB = BA
AA = A
Aφ = φ
AS = A
AB = B, B ⊂ A
Eğer çarpımda ikiden fazla set söz konusu ise, buna ait Venn
diyagramı Şekil 1-4’de gösterilmiştir.
∅=S
S =∅
(A) = A
A+ A = S
AA = ∅
A ⊂ B, B ⊂ A ise
A = B, A = B ise
______
( A + B) = A B
____
( AB) = A + B
olarak verilmiştir.
20
( A − B) + B ≠ A
( A + A) − A = ∅
A + ( A − A) = A
A−∅ = A
A−S = ∅
S−A= A
(A + B) = {1,2,3,4,6}, (B + C) = {1,2,3,4,5}
A + B + C = {1,2,3,4,5,6} = S = A + C
AB = {2,4}, BC = {1,3}, AC= ∅
ABC = ∅ , A = {1,3,5} = C, B = {5,6}
C = {2,4,6} = A, A - B ={6},B- A = {1,3}
A - C = {2,4,6} = A, C - A = {1,3,5} = C, B - C = {2,4}
C - B = {5}, (A - B) + B = {1,2,3,4,6}
S = {1,2,3,4,5,6}
seti olacaktır.
İkinci olarak, daha önce değindiğimiz gibi, her bir olaya, OLAYIN
OLASILIĞI adı verilen bir sayı verilmiştir. Eğer olay A olarak verilmiş
ise A olayının olasılığı Pr (A) olarak ifade edilir. Verilen bu sayı
(sayısal değer) aşağıdaki üç koşulu (AKSİYOMLARI) sağlamak
zorundadır.
Pr( A) ≥ 0 (1-7)
Pr( S ) = 0 (1-8)
Eğer AB = ∅ ise Pr (A + B) = Pr (A) + Pr (B) (1-9)
A+B=A+ AB
Pr (A + B) = Pr (A + A B) = Pr (A) + Pr A B)
B = AB + A B
1
Pr(α i ) = , α i = 1,2,...,6
6
olacaktır.
24
Bu varsayımın bağıl frekans yaklaşımından kaynaklandığını, ancak
aksiyom olarak yaklaşımın çatısında yalnızca bir önerme olduğunu
ve buna benzer pekçok varsayımın daha yapılabileceğini belirtelim.
Şimdi aynı olasılık uzayı için A = {1,3} = {1} + {3} olayını ele alalım. 1-
9 eşitliğinden,
olur. Aynı probleme değişik bir açıdan da yaklaşım yapılmak sureti ile
aynı sonuca varılabilirdi. Şöyle ki;
ALIŞTIRMA 1-5
Altı yüzlü bir zarın olasılık uzayı için olaylar, A = {1}, B = {tek
sayılar}, C = {çift sayılar} olarak verilmiştir.
25
a - Pr(A + B)’yi
b - Pr( AB )’yi
c - Pr(A + C)’yi
d - Pr( BC )’yi
hesaplayınız .
Pr( AB )
Pr( A | B) = , Pr( B ) > 0 (1-15)
Pr( B )
olarak tanımlanır. Burada Pr(AB), AB olayının olasılığıdır. Daha
önceki incelemelerimizde 1-15 eşitliğinin payı Pr(A,B) olarak yazılmış
ve A ve B olaylarının bileşik olasılığı olarak adlandırılmıştı. Bu
değerlendirme, eğer A ve B olayları elemanter olaylar ise kesin
olarak doğrudur, ancak en genel halde bu değerlendirme set teorisi
kavramlarına uygun olacak şekilde iki setin çarpımı AB olarak ele
alınmalıdır. Gerçekten, eğer A ve B karşılıklı seçkin iseler AB seti bir
boş set olacak ve Pr(AB) = 0 olacaktır. Diğer yandan eğer A, B
setinin bir alt seti ise (A ⊂ B) o halde AB = A olacak ve
Pr( A)
Pr( A | B) = ≥ Pr( A)
Pr( B)
Eğer B ⊂ A, ise AB = B ve
Pr( B)
Pr( A | B) = =1
Pr( B)
26
oluşların sayısı olarak açıkça ifade edilmişti, ancak aksiyom olarak
yaklaşımda koşullu olasılık nicelik olarak tanımlanmıştır. Bu nedenle
bunların bağımsız olarak olasılıklarının geçerliliklerini göstermek
gerekmektedir. İlk aksiyom,
Pr( A | B) ≥ 0
‘dır ve bu 1-15 eşitliğinden görüldüğü gibi tamamen doğrudur. Çünkü
pay ve payda pozitif sayılardır. İkinci aksiyom,
Pr( S | B) = 1
1
Pr ( AB ) 6 1
Pr ( A B ) = = =
Pr (B ) 1 3
2
olur ve bir zar atılması deneyinde, çift sayılara göre (çift sayılar
içinde) 1 veya 2 gelme olasılığının 1/3’e eşit olduğunu gösterir. Diğer
yandan 1 veya 2’ye göre (1 veya 2 içinde) çift sayıların gelmesi
koşullu olasılığının bulunması istenebilir.
Bu da,
1
Pr ( AB ) 6 1
Pr (B A) = = =
Pr ( A) 1 2
3
olur ve bu sonucun doğruluğu açıkça görülmektedir.
A1 + A2 + ... + An = S (1-16)
Pr(BAi) = Pr(B|Aİ).Pr(Aİ)
Direnç Değerleri
Göz numaraları
Ohm
1 2 3 4 5 6 toplam
10 Ω 500 0 200 800 1200 1000 3700
1
Pr (Aİ) = i =1, 2, 3, 4, 5, 6
6
500 1 0
Pr (B A1 ) = = Pr (B A2 ) = =0
1000 2 1000
200 2 800 1
Pr (B A3 ) = = Pr (B A4 ) = =
1000 10 1600 2
1200 6 1000 1
Pr (B A5 ) = = Pr (B A6 ) = =
2000 10 2000 2
1 1 1 2 1 1 1 6 1 1 1
Pr (B ) = × + 0 × + × + × + × + × = 0.3833
2 6 6 10 6 2 6 10 6 2 6
Pr (B Ai ) Pr ( Ai )
Pr ( Ai B ) = (1-20)
Pr (B A1 )Pr ( A1 ) + ... + Pr (B An ) Pr ( An )
ALIŞTIRMA 1-6
Tablo 1-3’ü kullanarak
a) 100 Ω ’luk bir direncin ikinci gözden çekilebilme olayının
b) 1000 Ω ’luk bir direncin ikinci gözden çekilebilme olayının,
olasılıklarını hesaplayınız.
31
1-7 BAĞIMSIZLIK
Fiziksel durumlara ait örnekler, daha çok bir deneyin iki veya daha
fazla denenmesi ile bütünleşmiş bağımsızlıklar gösterirler. Kuşkusuz
tek bir deneme ile bütünleşmiş setlerde bağımsızlığı tanımlamak
olasıdır, ancak bu setler herhangi bir fiziksel durumu ifade
etmeyebilirler. Örneğin tek bir zar atılması deneyinde A = {1,2,3} ve
B={3,4} olaylarını ele alalım. Daha önceki sonuçlardan Pr(A) = 1/2 ve
Pr(B) = 1/3 olduğu bilinmektedir. AB olayı {3} olan tek bir elemana
sahiptir o halde Pr(AB) = 1/6’dır. Bu şekilde,
(α 1 , β 1 ), (α 1 , β 2 ),..., (α i , β j ),..., (α n , β m )
olarak gösterilebilir.
34
S1 = {1,2,3,4,5,6) ve
olacaktır.
35
A1 = {1,3,5} için
Pr(A1) = 1/6+1/6+1/6 = 1/2
A2 = {T} için
ve
Pr(A2) = 1/2
olacaktır. Ancak herhangi farklı sıra ile ortaya çıkan tam k tane olayın
olmasında birçok alternatif vardır. Bağımsızlık nedeni ile bütün bu
alternatifler yukarıda gösterilen durumla aynı olasılığa sahiptirler.
Herhangi sıra ile A olayının k kez olması, belirli bir sıra ile k kez olan
karşılıklı seçkin A olaylarının toplamıdır ve bu şekilde A’nın k kez
olması olasılığı, belirli bir sıra için yukarıda verilen olasılığın farklı
sıraların numaralı ile çarpılması ile elde edilir. Ortaya atılan bu farklı
sıraların numarası sadece n elemanı bir set içinden k elemanın
alınması ile elde edilen bir sayıdır. Bu sayı, kombinasyon teorisine
göre binom katsayıları adını alır ve
n n!
= (1-26)
k k!(n − k )!
olarak tanımlanır. Örneğin eğer, n= 4 ve k = 2 ise
n 4!
= =6
k 2!2!
‘dir. A olayının tam iki kez olması için 6 farklı sıra söz konusudur.
Bunlar kolayca şu şekilde gösterilebilir.
AA A A , A A A A , A A A A, A A A A, A AA A , A A AA
32
( ) 1
Pr {1 sözcükteki 1 hata} = P32(1) = 10 −3 (0,999 ) ≈ 0.031
31
1
olur. Bir sözcükteki hiç hata olmama olayının olasılığı da kolayca
bulunabilir.
0
Bernoulli denemelerinin farklı pek çok pratik uygulamaları vardır.
Örneğin n elemanı bir sistemde herhangi bir elemanın bozuk olma
(veya bozulma) olasılığı P olarak bilindiğine göre, sistemde bir
elemanın bozuk olma olasılığı
n
P {1 eleman bozuk} = pn(1) = p.q ( n −1)
1
olur.
2
Benzer şekilde üç tura gelmesi olasılığı,
4
P4 (3) = (1 / 2 ) (1 / 2 ) = (4)(1 / 8)(1 / 2) = 1 / 4
3 1
3
ve dört tura gelmesi olasılığı
4
P4 (4) = (1 / 2 ) (1 / 2 ) = (1)(1 / 16)(1) = 1 / 16
4 0
4
olacaktı.
38
k −1
Pr {A olayının n denemede k kezden az olması} = ∑p
i =0
n (i )
n
Pr {A olayının n denemede k kezden fazla olması} = ∑p
i = k +1
n (i )
k
Pr {A olayının n denemede k kezden fazla olmaması} = ∑p i =0
n (i )
n
Pr {A olayının n denemede en az k kez olması} = ∑p
i=k
n (i )
1 2
p n (k ) ≅ e −( k −50 ) / 50
50π
100
olur. Bu da binom katsayılarını aynı mertebede bir k için
k
hesaplanmaya çalışmaktan çok daha kolay olduğunu göstermektedir
.
ALIŞTIRMA 1-9
PROBLEMLER
1-1 Tek bir zar atıldığında, aşağıdaki olaylara ait olasılıkları hesaplayınız.
a- 3 sayısının gelmesi
b- 3’ten küçük sayıların gelmesi.
c- Bir tek sayı gelmesi.
1-3 Bir firma, güçleri 1/5 , 1/4 ve 1/3 hp ve çalışma gerilimleri 120 V ac,
240 V ac ve 120 V dc olan küçük elektrik motorları üretmektedir.
Motor tipleri yalnızca plakalarından ayırdedilebilmektedir. Bir dağıtıcı
firmanın elinde ayrıntıları tabloda verilen 2500 adet motor vardır.
olduğuna göre
A+B ABC BC
B+C A A-C
A+C B C-A
AB C A-B
AC AB (A-B)+B
BC AB (A-B)+C
setlerini bulunuz.
1-10 Bir daktilograf bazen vurmak istediği tuş yerine o tuşun hemen
sağındaki veya solundaki tuşa yanlışlıkla vurur. Bunların herbirine ait
olasılıklar 0,05’tir. Bir yazı makinasında E, R ve T harfleri yanyana
bulunmaktadır. İngilizce dilinde E harfinin kullanılma olasılğı 0,1031,
R harfinin 0,0484 ve T harfinin ise 0,0796’dır.
İngilizce bir metnin kopya edilmesi halinde, R harfinin yazılma
olasılığı nedir?
42
1-14 Çok kanallı bir mikrodalga hattı 10 aboneli özel bir telefon
haberleşmesini sağlamaktadır. Her bir abone puant zamanlarda
iletişimin uygunlukla yapılabilmesinin sağlanmasında,
a-Abonelerin %90’ının zamanın tamamı boyunca konuşabilmesi için,
b-Bütün abonelerin zamanın %90’ı süresince konuşabilmeleri için,
kaç kanala gerek vardır?
KAYNAKLAR
BÖLÜM 2
RASLANTI DEĞİŞKENLERİ
Bir deneye ait oluş sayılarının sonlu olmama durumunu tanıtmada iyi
bir yol olarak bir kutudan bir direnç çekilmesi deneyi düşünülebilir. Bir
önceki bölümde yapılan 1 ohm’luk, 10 ohm’luk ya da herhangi farklı
değerde direnç çekilme deneyi hatırlanacaktır. Bu örneklerde çekilen
dirençlerin etiketlerinin 1 ohm veya 10 ohm olması belirtilmek
istenmişti. Dirençlerin gerçek değerlerinin etiket değerlerine yakın
değerler olduğu kabul edilir ve bu değerlerden bilinmeyen fakat
ölçülebilir bir miktar farklılık gösterdikleri bilinir. Etiket değerlerinden
farklılıklar üretimin niteliğine bağlıdır ve bize yalnızca direnç
değerinin belirli sınırlar arasında olduğunu ifade ederler. Madem ki
herhangi bir direncin değeri tam olarak bilinmemektedir, o halde o bir
raslantı değişkenidir.
PX ( x) = Pr( X ≤ x)
1. 0 ≤ Px ( x) ≤ 1 −∞< x < ∞
2. Px(- ∞ ) = 0 Px( ∞ ) = 1
3. Px(x), x’in artan değerleri ile azalmaz.
4. Pr (x1 < X ≤ x2) = Px(x2) – Px(x1)
48
Pr(X>x) = 1 – PX(x)
olacaktır.
Bir örnek olmak üzere Şekil 2-3’teki olasılık dağılım fonksiyonunu ele
alalım. Bu fonksiyon biraz evvel sıraladığımız bütün koşulları
sağlamaktadır. Şekilden (olası pek çok durum arasında) aşağıdaki
durumların doğru olduklarını görmek mümkündür.
49
Pr (X ≤ -5) = 0.25
Pr (X > -5) = 1 – 0.25 = 0.75
Pr (X > 8) = 1 – 0.9 = 0.1
Pr (-5 < X ≤ 8) = 0.9 – 0.25 = 0.65
Pr ( X ≤ 0) = 1 – Pr(X >0) = 1-0.5 = 0.5
ALIŞTIRMA 2-2
PX(x) = 0 − ∞ < x ≤ -1
1 1
= + x -1 < x < 1
2 2
=1 1 ≤ x< ∞
1
a-) X = için olasılık nedir?
4
3
b-) X > için olasılık nedir?
4
c-) X’in varsayılabilen maksimum değeri nedir?
50
PX ( x + ε ) − PX ( x)
dPX ( x)
p X ( x) = lim =
ε →0 ε dx
Olasılık yoğunluk fonksiyonunun fiziksel önemi en iyi şekilde olasılık
elemanı "PX(x)dx" cinsinden belirtilebilir. Bunu şu şekilde
gösterebiliriz;
4. ∫p
x1
X ( x)dx = Pr( x1 < X ≤ x 2 )
Y = f(X)*
pY(y) dy = pX(x) dx
elde edilir. Kuşkusuz 2-2 eşitliğinin ikinci tarafında x’e karşı gelen
değer y cinsinden yazılmalıdır. Eğer f(X), X’in sürekli, azalan bir
fonksiyonu ise, Şekil 2-5 (b), benzer sonuç elde edilecektir, ancak bu
kez türev negatif işaret taşır. Olasılık yoğunluk fonksiyonu pozitif
olmak zorunda olduğundan ayrıca şeklin geometrisinden de
görüleceği gibi türevin mutlak değerinin alınması gerektiği kolayca
anlaşılacaktır. O halde her iki durum için de,
dx
PY(y)=pX(x) (2-3)
dy
yazılmalıdır.
Verilen bir Y için f(X)’in türevlerinin bir kısmının pozitif ve bir kısmının
negatif bölgelerde olması durumu da karşımıza çıkabilir. Bu gibi
durumlarda kısımlar ayrı ayrı incelenmeli ve karşı gelen olasılık
yoğunlukları toplanmalıdır. Bunu açıklamak üzere bütün raslantı
değişkenlerinin dönüşümlerini gösterecek bir örnek üzerinde
çalışalım.
Y = X2
fonksiyonu ile bağlı iki raslantı değişkeni ele alalım. Şekil 2-6 bu
durumu göstermektedir ve örneğin, skala faktörü hariç, biri gerilim
raslantı değişkenini ifade etmiş olsun. dx/dy türevinin mutlak değeri,
dx 1
=
dy 2 y
olarak verildiğine göre, her bir y değerine iki x değeri karşı
gelmektedir. (x = m y ). İstenen olasılık yoğunluk fonksiyonu
yalnızca,
1
pY(y)=
2 y
[p ( y ) + p (− y )]
X X y≥ 0 (2-4)
54
X= - y X= y
py(y) = 0 y<0
‘dır.
ALIŞTIRMA 2-3
a- K değerini hesaplayınız
b- X >3/4 için olasılığı hesaplayınız
c- X’in minimum değerini bulunuz.
∞
X = E[X ] = ∫ xp( x)dx (2-5)
−∞
dir. E[X] sembolü genellikle "X in beklendik değeri" ya da " X’in
matematiksel beklendiği" olarak okunur. Daha ileride değineceğimiz,
gibi, bir çok halde bir raslantı değişkeninin pratikteki önemi, raslantı
değişkeninin ait olduğu rasgele işlemlemeden herhangi örnek
fonksiyonunun zaman ortalamasına eşit olması ile belirlenir. Bu
durumda bir akım yada gerilim fonksiyonunun beklendik değeri onun
dc bileşenini bulmaya özdeştir. Bu akıl yüretme burada açıklama
amacı ile kullanılmıştır. x’in herhangi bir fonksiyonunun beklendik
değeri benzer hesaplama ile de elde edilebilir.
∞
E [ f ( X )] = ∫ f ( x) p( x)dx (2-6)
−∞
f(x) = xn fonksiyonunun, raslantı değişkenlerinin genel momentlerini
açıklamakta özel bir önemi vardır. Böylece
∞
Xn =E Xn =[ ] ∫x n
p ( x)dx (2-7)
−∞
elde edilir. x’in en önemli momentleri n = 1 için yukarıda incelenen
beklendik değer ile n = 2 için karesel beklendik değerdir.
56
∞
X2 =E X2 = [ ] ∫x 2
p ( x)dx (2-8)
−∞
∞
σ 2 = ( X − X ) = ∫ ( x − X ) 2 p( x)dx
2
(2-10)
−∞
E [ X 1 + X 2 + ... + X m ] = E [ X 1 ] + E [ X 2 ] + ... + E [ X m ]
[ ] [
σ 2 = E ( X − X ) = E X 2 − 2 XX + (X )
2 2
]
[ ]
= E X 2 − 2 E [ X ]X + ( X )
2
= X 2 + 2 XX + (X ) = X 2 − ( X )
2 2
(2-11)
57
p( x) = 0 − ∞ < x ≤ 20
= 1/20 20 < x ≤ 40
=0 40 < x < ∞
40 40
1 1 x2 1
X = ∫ x( )dx = ⋅ = (1600 − 400) = 30
20
20 20 2 20
40
40 40
1 1 x3 1
X = ∫ x ( )dx =
2 2
= (64 − 8)10 3 = 933.3
20
20 20 3 20
60
olarak hesaplanır.
ALIŞTIRMA 2-4
[ ] [
p( x) = 1 / 2π σ exp − (x − X ) / 2σ 2
2
] −∞< x<∞
[
δ ( x − X ) = lim σ →0 (1 / 2π σ ) exp − (x − X ) / 2σ 2
2
] (2-13)
61
Delta fonksiyonunun bu ifade şekli, diğerlerine göre, sonsuza kadar
integre edilebilme avantajı sağlamaktadır.
[ ]
x x
P ( x) = φ [( x − X ) / σ ] (2-16)
φ (− x) = 1 − φ ( x) (2-17)
‘dir.
62
(X − X ) n
=0 n tek için (2-18)
= 1.3.5...(n − 1)σ n
n çift için
(X − X ) 4
= 3σ 4
X 4 = 3σ 4 + 6σ 2 ( X ) 2 + (X )
4
olmaktadır.
Y = (1 / n )[ X 1 + X 2 + ... + X n ]
63
ALIŞTIRMA 2-5
Gauss raslantı değişkeninin
a-) Beklendik değerinden küçük değerler için olasılığı,
b-) Beklendik değerin iki yanında m σ arasında olasılığı bulunuz
c-) Olasılığın 0,01’den büyük olmaması için beklendik değerden ne
kadar uzaklaşmak gerektiğini ( σ ) değişinti cinsinden bulunuz.
Güç Dağılımı :
W=R.I2
( )[ (
pW ( w) = 1 / 2 Rw p I ) (
w / R + pI − w / R )] w≥0
=0 w>0 (2-19)
[
p I (i ) = (1 / 2π σ i ) exp − i 2 / 2σ I2 ]
dir. Burada σ I2 , I akımının değişintisidir, aynı zamanda σ I 'nın akımın
etkin (effektif) değeri olarak fiziksel bir anlamı vardır. Ayrıca yoğunluk
fonksiyonu pI(i)=pI(-i) olarak simetriktir. Böylece 2-19 eşitliğindeki iki
terim eş değerlidir ve gücün olasılık yoğunluk fonksiyonu;
[
pW ( w) = (1 / σ I 2π .Rw ) exp − w / 2 Rσ I2 ] w≥0
=0 w<0 (2-20)
65
Bu yoğunluk fonksiyonu Şekil 2-9’da verilmiştir. Gücün, doğrudan
doğruya hesaplanan beklendik değeri,
[ ]
W = E RI 2 = Rσ I2
(
= 3R 2σ I4 − Rσ I2 )
2
= 2.R 2σ I4
olur.
Rayleigh Dağılımı:
66
fını hesaplama amacı ile ortaya atılmıştı (Lord Rayleigh,1880). Aynı
zamanda bu yoğunluk fonksiyonu ateşli silahların mermi veya
toplarının hedefe yöneltilmeleri ile ve bunlarla bütünleşmiş hatalarla
yakından ilgilidir. Eğer birbirine dik koordinat sisteminde, her iki
koordinattaki hatalar bağımsız ve Gauss olasılık yoğunluk
fonksiyonlarına sahiplerse ve eğer dik koordinat sisteminin orijini
hedef olarak saptanmışsa, bir eksen boyunca oluşacak hata X ve
diğer eksen boyunca da oluşacak hata Y alınmak sureti ile toplam
hatalı mesafe
R= X 2 +Y2
[
p R (r ) = (r / σ 2 ) exp − r 2 / 2σ 2 ] r≥0
=0 r<0 (2-21)
67
∞ ∞
[ ]
R = ∫ rp R (r )dr = ∫ (r 2 / σ 2 ) exp − r 2 / 2σ 2 dr
0 0
= (π / 2)σ
∞ ∞
[ ]
R 2 = ∫ r 2 p R (r )dr = ∫ (r 2 / σ 2 ) exp − r 2 / 2σ 2 dr
0 0
σ R2 = R 2 − (R ) = [2 − (π / 2)]σ 2 = 0.429σ 2
2
Maxwell Dağılımı :
V = V X 2 + VY 2 + VZ 2
68
V = 8 /πσ
olarak bulunabilir. Karesel beklendik değer ve değişinti,
V 2 = 3σ 2
σ V = V 2 − (V ) = (3 − (8 / π ))σ 2
2
2
= 0,453σ 2
Chi-Square Dağılımı:
[(
p( x 2 ) = x 2 )
n / 2 −1
] [
/ 2 n / 2 (n / 2 − 1)! exp − x 2 / 2 ] x2 ≥ 0
=0 x2 < 0 (2-23)
69
‘dır.
A= ln (W giriş/Wçıkış) neper
70
Y = ln X
veya eşdeğer olarak
X = eY
[ ] [
p X ( x) = 1 / 2π σ y x exp − (ln x − Y ) / 2σ Y2
2
] x≥0
=0 x<0 (2-24)
71
[ ]
X = exp Y + (1 / 2)σ Y 2
σX 2 = [exp(σ ) − 1]exp 2(Y + (1 / 2)σ
Y2 Y2
)
Uniform Dağılım :
p( x) = 1 /( x1 − x 2 ) x1 < x ≤ x 2 (2-25)
=0 dışında
X = (1 / 2)( x1 + x 2 ) (2-26)
72
ve
σ X = (1 / 12)( x 2 − x 1 )2
2 (2-27)
olduğu görülür.
Bu türetmeyi yapmak üzere Şekil 2-13’ü ele alalım. Bir olayın t0+ τ ile
to+ τ +∆t rasgele zaman aralığında olması olayının olasılığını bulmaya
çalışalım. τ için dağılım fonksiyonu P( τ ) olduğunda ∆t aralığında
meydana gelecek olayın olasılığı aynı zamanda t0 ile t0+ τ aralığında
olayın olmama olasılığı ile to+ τ +∆t aralığında olayın olma
olasılıklarının çarpımına eşittir. (Bu iki olay bağımsızdır). O halde,
74
olacağı açıktır. Elde edilen birinci mertebeden diferansiyel denklemin
çözülmesi ile,
P(τ ) = (1 / τ ) exp[− τ / τ ] τ ≥0
=0 τ <0 (2-29)
∞
E [τ ] = ∫ (τ / τ ) exp[− τ / τ ]dτ = τ
0
değişinti ise
σ τ = (τ )2
2
[ ]
pk (τ ) = τ k −1 exp[− τ / τ ] / (τ ) (k − 1)!
k
τ ≥0 k=1,2,3,..
=0 τ <0 (2-30)
76
(kullanıcıları) için bekleme süresi (telefon ve trafik sistemleri gibi), bir
haberleşme sisteminde belirli sayıdaki abonenin rasgele konuşma
talep ve sürelerini sağlamak üzere kanal sayısı vs. gibi.
[ ]
p (τ ) = β α τ α −1 / τ (α ) exp[− βτ ] τ ≥0
=0 τ <0 (2-31)
Delta Dağılımı :
Daha önce değindiğimiz gibi, olası olaylar yalnızca ayrık bir setin
değerleri olarak varsayıldığında, karşı gelen olasılık yoğunluk
fonksiyonu bir delta fonksiyonları seti olarak karşımıza çıkar. Bu
kavramı formülleştirmek ve olası herhangi bir uygulamasını
göstermek yararlı olacaktır. Bir örnek olmak üzere Şekil 2-15’de
gösterilen binary dalga şeklini ele alalım. Bu dalga şekli, verilen bir
tepe değeri için en büyük ortalama gücü ile pekçok haberleşme ve
kontrol sisteminde karşımıza çıkan bir şekildir.
77
İleride, rasgele işlemleme konusunda, daha ayrıntılı inceleyeceğiz,
ancak şimdi belirli herhangi bir anda X = x(t1) olarak bir rasgele
değişken ele alınacaktır. Bu rasgele değişkenin sadece x1 ve x2 gibi
iki olası değer alacağı kabul edilir. x1 değerini alma olasılığı p1 ve x2
değerini alma olasılığı p2=1–p1 olarak değerlendirilirse, X’in olasılık
yoğunluk fonksiyonu,
p( x) = p1δ ( x − x1 ) + p 2δ ( x − x 2 ) (2-32)
= p1x1+p2x2
∫ x [ p δ (x − x ) + p δ (x − x )]dx
2 2
X = 1 1 2 2
−∞
= p1x12 + p2x22
σ 2 = X 2 − (X ) = p1 x12 + p 2 x 22 − ( p1 x1 + p 2 x 2 )2
2
= p1 p 2 ( x1 − x 2 )
2
olur. Burada p2 yerine 1–p1 yazılmak sureti ile son şekline varılabilir.
n
p ( x ) = ∑ p i δ ( x − xi )
i =1 (2-33)
olacaktır.
78
n
∑p i =1
i =1
olduğu bilinmektedir.
n
X 2 = ∑ pi xi2
i =1
olarak hesaplanabilir. Buradan değişinti,
2
n
n
σ 2
X = ∑ pi x − ∑ pi x i
2
i
i =1 i =1
n n
= (1 / 2)∑∑ p i p j (xi − x j )
2
i =1 i =1
olarak elde edilecektir.
79
İlk olarak, bir X rasgele değişkeni için olmuş bir M olayı verildiği halde
koşullu olasılık dağılım fonksiyonunun ne olacağı sorunu
yanıtlanmalıdır. Bir an için M olayının herhangi bir olay olduğu
düşünülürse dağılım fonksiyonu genel olarak
P( x / M ) = Pr[X ≤ x | M ]
= Pr[ X ≤ x, M ] / Pr( M ) Pr( M ) > 0 (2-34)
yazılır. Burada,
{X ≤ x, M } ve X (ζ ) ≤ x ζ ∈M
1. 0 ≤ P ( x | M ) ≤ 1 −∞< x < ∞
2. P (−∞ | M ) = 0 P (∞ | M ) = 1
3. P ( x | M ) x’in artan değerleri ile azalmaz.
4. Pr[x 1 < X ≤ x 2 | M ] = P( x 2 | M) − P( x1 | M) ≥ 0 x1 < x 2 için
M {X ≤ m}
olarak yazılabilir.
Şimdi x’in ya da m’in daha büyük olması durumları için olası iki
alternatif söz konusudur. Eğer x ≥ m ise X ≤ m olayı, X ≤ x olayını da
kapsamına alır ve
Pr{X ≤ x, X ≤ m} = Pr{X ≤ m}
yazılabilir. Bu nedenle,
81
Koşullu olasılık yoğunluk fonksiyonu daha önce açıklanan şekli ile
dağılım fonksiyonu ile ilişkilidir.
p ( x | M ) = dP ( x | M ) / dx (2-35)
1. p ( x | M ) ≥ 0 −∞< x < ∞
∞
2. ∫ p(x M )dx = 1
−∞
∞
3. P ( x | M ) = ∫ p(u / M )du
−∞
x2
4. ∫ p( x | M)dx = Pr[x 1 < X ≤ x2 | M]
x1
∞
p ( x | M ) = (1 / P (m))(dP ( x) / dx) = p ( x) / P (m) = p ( x) / ∫ p( x)dx ,
−∞
x<m
=0 x≥m
82
Koşullu olasılık yoğunluk fonksiyon aynı zamanda koşullu ortalama
değerlerin ve koşullu beklendik değerlerin bulunması amacı ile
kullanılabilirler. Örneğin koşullu beklendik değer
∞
E[X|M] =
−∞
∫ xp( x | M )dx (2-36)
∞
E[f(X)|M] =
−∞
∫ f ( x) p( x | M )dx (2-37)
1 (x − X )2
p( x) = exp −
2π σ 2σ 2
m= X
P ( m) = ∫ (1 / ) [ ]
2π σ exp − (x − X ) / 2σ 2 dx = 1 / 2
2
−∞
ve
( ) [
p (x M ) = p ( x) /(1 / 2) = 2 / 2π σ exp − (x − X ) / 2σ 2 ,
2
] x< X
=0 x≥ X
[ ]
X
E [x M ] = 2π σ exp − (x − X ) / 2σ 2 dx
2
∫ 2x /
−∞
0
= ∫ 2(u + X )/ [
2π σ exp − u 2 / 2σ 2 du ]
−∞
= X − 2 /πσ
olacaktır.
83
2
X− σ ‘dir.
π
84
Zener diyotlar özellikleri açısından V2 gerilimlerinin yanı sıra güç
kayıpları açısından da sınırlıdırlar. Bu nedenle ortalama gücü W z = 3
Watt olan bir diyot için çalışmalarımızı sürdüreceğiz. O halde istenen
R seri direncinin gerekli kayıp limitleri içinde değerinin bulunması
olacaktır.
VS − V Z
IS = − IL
R
ve
VZ (R + RL ) 10(R + 10)
VS > =
RL 10
VZ (V S − VZ )
WZ = V Z I Z = − I LV Z
R
10VS − 100
= − 10 VS>R+10
R
ŞEKİL 2-19: Diyod Güç Tüketimi ile Kaynak Gerilimi Arasındaki Bağıntı
85
ŞEKİL 2-20: (a) Vs’in Olasılık Yoğunluk Fonksiyonu
(b) W z’in Olasılık Yoğunluk Fonksiyonu
R RW 50
pW ( w) = PV (R + 10 )δ (w) + pv + R + 10 0≤w≤ − 10
10 10 R
=0 bu sınırlar dışında
∞
E [WZ ] = WZ = ∫ wp (w)dw
W
−∞
∞ ∞
R Rw
= ∫ wP (R + 10)δ (w)dw + ∫ w 10 p
−∞
V
0
V
10
+ R + 10 dw
86
olarak verilir.
cinsinden yazılarak
(50 / R )−10
R 1 (5 − R ) 2
WZ = ∫
0
w dw =
10 6 1.2 R
(5 − R )2
≤3 0<R≤5
1 .2 R
R ≥ 2.19Ω
olacaktır. R’nin 2,19 ohm’dan büyük değerleri için 3 Watt sınır koşulu
sağlanmış ve devrenin uygunlukla çalışacağı anlamı çıkar. Gerçekte
R direncinin seçimi 12 volt’luk kaynak geriliminde istenen çıkış
gerilimi yolu ile hesaplanır. Eğer istenen çıkış gerilimi 9 volt ise R
değeri,
3
R= = 3.33Ω
9
10
Bir başka örnek olarak, Şekil 2-21’de gösterilen bir dc voltmetresi için
ölçme alanını artırıcı bir direnç seçilmesi sorununu ele alalım.
Elimizdeki ölçme aletinin 1000 ohm iç dirençli olduğunu ve içinden
100 mikro amper geçtiğinde tam sapma yaptığını varsayalım. Ölçme
aletine 10 volt uygulandığında tam sapma sağlanması için seçilmesi
gereken R direncinin değerinin ne olması gerektiği sorusuna yanıt
aramaktayız.
87
ve en büyük değeri
88
10 ,1×10 4
[ 4
PC = Pr 9,7 × 10 < R ≤ 10,1 × 10 = 4
] ∫ p (r )dr
R (2-38)
9 , 7×10 4
pR(r) =
1
exp
r − 10 5
−
( ) 2
2π (1000 ) 2 10 6 ( )
( ) (
PC = Φ 10,1 × 10 4 − 10 5 / 10 3 − Φ 9,7 × 10 4 − 10 5 / 10 3 )
bulunur. Basitleştirerek,
PC = Φ (1)- Φ (-3)
= Φ (1) – [1-
Φ (3)]
bulunur.
olur. Madem ki pay yalnızca S>70 için sıfırdan farklıdır, o halde 2-39
eşitliği
P[s|S>70] = 0 s ≤ 70 (2-40)
=
[P(s ) − P(70)] s>70
[1 − P(70)]
olarak yazılabilir. Burada P(.), S raslantı değişkeninin olasılık dağılım
fonksiyonudur. 2-40 eşitliğinin payı sadece S’in 70 ile s arasındaki
olasılığı ifade eder. Paydası ise S’in 70’ten büyük olma olasılığıdır.
P(s|S>70) = 0 s ≤ 70
p (s )
= s > 70
(1 − P(70))
elde edilir. Burada p(s) 2-41 eşitliği ile verilen Rayleigh yoğunluk
fonksiyonudur. Bu fonksiyon Şekil 2-22’de gösterilmiştir.
s − s2
p (s ) = 2
. exp 2
s≥0
(50) 2(50)
=0 s<0 (2-41)
90
ŞEKİL 2-22: Rayleigh Dağılımlı Raslantı Değişkeninin Koşullu ve Koşulsuz
Yoğunluk Fonksiyonları
s
70
s2 49
P(70) = ∫ 2
. exp − 2
ds = 1 − exp−
0 (50 ) 2(50 ) 50
olur. O halde
49
1 - P(70) = exp −
50
1
∞
s2 − s2
E [S S > 70] =
49 70∫ (50)2
exp 2
ds
exp − 2(50 )
50
49 7
= 70 + 50 2π . exp 1 − Φ
50 5
= 70 + 27,2
91
PROBLEMLER
2-1 İki zar atıldığında ilgilendiğimiz olay üst yüklerin toplamı olsun. Bu
toplam bir raslantı değişkeni olarak alındığında,
a-Bu raslantı değişkenine ait olasılık dağılım fonksiyonunu çiziniz.
b-Bu raslantı değişkeninin 7 ile 9 arasındaki değerleri için olasılık nedir?
c-Aynı işlemi 5 zarın atılması olayı için düşünerek buna ait olasılık
dağılım fonksiyonunu çiziniz.
a-Px(0), nedir?
b-X raslantı değişkeninin 0 < x ≤ ∞ aralığında olasılığı nedir?
c-X raslantı değişkeninin 5 < x ≤ 10 aralığında olasılığı nedir?
2-3 Bir güç kaynağına her biri 2 watt çeken 5 yük, tek tek veya bir arada
bağlanabilmektedir. Her yük diğerlerinden bağımsız olarak zamanın
dörtte biri kadar devrede kalmaktadır.
a-Kaynaktan çekilen gücün dağılım fonksiyonunu çiziniz.
b-Kaynaktan çekilen gücün yoğunluk fonksiyonunu çiziniz.
c-Eğer kaynak yalnızca 6 watt çıkış verebiliyorsa, yük gereksinmesini
karşılama olasılığı nedir?
92
2-5 Problem 2-4’teki raslantı değişkeni için,
a-Beklendik değeri,
b-Karesel beklendik değeri,
c-Değişintiyi, bulunuz.
93
2-10 Gauss gerilim ya da akımla ilgili güce ait olasılık yoğunluk
fonksiyonunun sonsuza gittiği noktada, gerilim ve akımın sıfır
olduğunu gösteriniz (2-20 eşitliği).
94
şeklinde olsun, ancak radar ekranında gözlenen darbeler,
gürültünün önlenmesi için belirlenen r0 sınır değerinden büyük bir
R değerine sahip olmalıdır.
a-Ekranda görülen darbelerin olasılık yoğunluk fonksiyonunu
bulunuz ve çiziniz, p(r|R>r0) .
b-Ekrana çıkan darbeler için koşullu beklendik değeri hesaplayınız.
95
aletten ne okunacaktır?
a-Ölçmede tam dalga doğrultulmuş dalga şeklinin ortalaması
sapma ile orantılıdır. Bunun anlamı X(t) uygulandığında sapma
X(t)’nin mutlak değerinin beklendik değeri ile orantılı olacağıdır.
b-Ölçmede sapma dalga şeklinin zarfının ortalaması ile oran-
tılıdır. Gauss dalga şeklinin zarfının Rayleigh dağılımı olduğu
hatırlanmalıdır.
KAYNAKLAR:
Bölüm 1’deki kaynaklara bakınız. Özellikle Beckmann, Lanning ve
Battin, Papoulis ve Parzen.
96
BÖLÜM 3
P( x, y ) = Pr[ X ≤ x, Y ≤ y ]
telim. Buradan doğrudan doğruya bir raslantı değişkeni için var olan
olasılık dağılım fonksiyonu genişletilebilir.
Bileşik olasılık dağılım fonksiyonuna bir örnek olmak üzere iki madeni
paranın atılmasındaki oluşları ele alalım; ilk madeni para ile ilgili
raslantı değişken X olsun ve yazı gelirse 0 tura gelirse 1 değerine
sahip olduğunu varsayalım. Benzer şekilde ikinci madeni para ile ilgili
değişken Y ve gene yazı ve tura gelmesi sırası ile 0 ve 1 olarak
gösterilsin. Buna ait bileşik olasılık dağılım fonksiyonu P(x,y) Şekil 3-1’
de gösterilmiştir ve görüleceği gibi yukarıda sıralanan tüm özellikleri
sağlar.
∂ 2 P ( x, y )
p ( x, y ) = (3-1)
∂x∂y
olarak bilinir.
Bileşik olasılık yoğunluk fonksiyonunun özellikleri tek bir raslantı
değişkeni için açıklanandan farklı olmayıp aşağıdaki gibi özetlenebilir.
1
p( x, y ) = , x1 < x < x2
(x2 − x1 )( y 2 − y1 )
y1 < y < y2
=0 , dışında (3-3)
+∞+∞
E [ f ( X , Y )] = ∫ ∫ f (x, y ) p(x, y )dxdy (3-5)
− ∞− ∞
olarak bulunabilir.
∞ ∞
E [ XY ] = ∫ ∫ xy. p(x, y )dx.dy (3-4)
− ∞− ∞
100
x y
2 2
1
E [XY ] = ∫ dx ∫ xy dy
x1 y1 ( x 2 − x1 )( y 2 − y1 )
1 x2 x2
y 2 y2
=
(x2 − x1 )( y 2 − y1 ) 2 x1
2 y1
1
= (x1 + x 2 )( y1 + y 2 )
4
olarak yazılabilir.
y2
1
p x ( x) = ∫ (x
y1 2 − x1 )( y 2 − y1 )
dy
=
(x2 − x1 )( y 2
1
−y )
[y ] y2
y1
1
1
= (3-6a)
x 2 − x1
ve
x2
1
pY ( y ) = ∫ (x
x1 2 − x1 )( y 2 − y1 )
dx
=
(x2 − x1 )( y 2
1
−y )
[x ] x2
x1
1
1
= (3-6b)
y 2 − y1
101
ALIŞTIRMA 3-1
= =
Yukarıda incelenen örnekte x1 = 1 , x2 2 , y1 = 1 ve y2 4 olarak
verilmiştir.
Pr[ X ≤ x, M ] P ( x, y )
PX (x Y ≤ y ) = = (3-7)
Pr( M ) PY ( y )
olduğu görülecektir. Bir başka olası tanım da M'nin y1<Y ≤ y2 olayı olması
durumudur. Gene 2-34 eşitliği yardımı ile,
P( x, y 2 ) − P( x, y1 )
PX (x y1 < Y ≤ y 2 ) = (3-8)
PY ( y 2 ) − PY ( y1 )
elde edilir.
Yukarıda açıklanan her iki durum için de M olayı sıfır olmayan bir
olasılığa sahiptir: Pr(M) > 0 . Ancak en yaygın koşullu
102
P ( x, y + ∆y ) − P( x, y ) ∂P ( x, y ) / ∂y
PX (x Y = y ) = lim =
∆y → 0 P ( y + ∆y ) − P ( y ) ∂PY ( y ) / ∂y
Y Y
x
∫ p(u, y )du
= −∞
(3-9)
pY ( y )
∂PX (x Y = y ) p ( x, y )
p X (x Y = y ) = = (3-10)
∂x pY ( y )
p ( x, y )
pY ( y X = x ) = (3-11)
p X (x )
p ( x, y )
p (x y ) = (3-12)
pY ( y )
p ( x, y )
p( y x ) = (3-13)
p X (x )
p (x y ) p Y ( y )
p( y x ) = (3-14)
p X (x )
103
∞ ∞
p X (x ) = ∫ p(x, y )dy =
−∞
∫ p(x y )p ( y )dy
−∞
Y (3-15)
ve
∞ ∞
pY ( y ) = ∫ p(x, y )dx = ∫ p(y x ) p (x )dx
−∞ −∞
X (3-16)
Bu eşitlikler, 1-18 ile ayrık durum için verilen eşitliklerin sürekli durum için
karşılıklarıdır.
Y=X+N
p( y x ) p X (x )
p (x y ) =
pY ( y )
p( y x ) = p N (n = y − x ) = p N ( y − x)
104
p N ( y − x ) p X (x ) p N ( y − x ) p X (x )
p (x y ) = = (3-17)
pY ( y ) ∞
∫ p ( y − x ) p (x )dx
−∞
N X
Bu tip bir yoğunluk fonksiyonu örneğin bir uzay probunun algıladığı bir
sinyal olarak karşımıza çıkabilir. Uzay probu belirli zaman aralıklarında
yüksek enerji partiküllerini sayabilir ve bunları yeryüzüne göndermek
amacı ile gerilime dönüştürebilir. Sinyale karışan gürültünün Gauss
dağılımlı ve sıfır beklendik değerli olduğu varsayılırsa, gürültünün
yoğunluk fonksiyonu,
1 n2
p N (n ) = exp − 2
2π σ N 2σ N
∞
b ( y − x )2
pY ( y ) = ∫ exp − 2
exp[− bx ]dx
0 2π σ N 2σ N
b 2σ N y − bσ N 2
2
b
= exp − by + 1 + erf
(3-18)
2 2 2 σ N
105
z
2
erf ( z ) =
π ∫ε
−u 2
( )
du = 2Φ 2 z − 1
0
şeklinde de yazılabilir. Şekil 3-3 y’nin iki farklı değeri için bu durumu
göstermektedir.
ŞEKİL 3-3: p(x|y) fonksiyonu (a) y < bσ 2 için (b) y > bσ 2 için
106
Daha önce değindiğimiz gibi, özel bir Y değeri gözlendiğinde, X’in gerçek
değeri için uygun bir yaklaşım (kestirim) p(x/y)’yi maksimum yapan x
değeridir. Koşullu olasılık yoğunluk fonksiyonu; üs minimum olduğunda
x’e göre maksimum olmaktadır. O halde x’in bu değeri üs ifadesinin
türevinin sıfıra eşitlenmesi sureti ile hesaplanabilir. Bu şekilde
2
2x – 2(y-b σ N ) = 0
2
x = y - bσ N (3-20)
2
elde edilir. Bu, y-b σ N > 0 koşulu sağlandığında maksimum noktasını
belirler. Aksi halde p(x/y) üzerinde sıfır eğimli bir nokta yoktur ve en
büyük değer x =0’da meydana gelecektir. Bu sebeple varsayalım ki Y =
2
y1 değeri gözlensin. Eğer y1>b σ N ise X için yaklaşık kestirim
Xˆ = y − bσ
2 2
1 N olur. Diğer yandan eğer y1<b σ ise X için yaklaşık
N
ALIŞTIRMA 3-2
∞ ∞
E [ XY ] = ∫ xp (x )dx ∫ yp ( y )dy
X Y
−∞ −∞
= E [X ]E [Y ] = X Y (3-22)
p ( x, y )
p (x y ) =
pY ( y )
108
p X ( x ) pY ( y )
p (x y ) = = p X (x )
pY ( y )
ve benzer şekilde,
p( x, y ) p X ( x ) pY ( y )
p( y x ) = = = pY ( y )
p X (x ) p X (x )
elde edilir,
∞ ∞
E [XY ] = ∫ ∫ xyp(x, y )dxdy = XY (3-5)
− ∞− ∞
E [( X − X )(Y − Y )] = ( X − X )(Y − Y )
∞ ∞
= ∫ ∫ (x − X )( y − Y )p(x, y )dxdy
− ∞− ∞
(3-23)
X − X Y − Y ∞ ∞ x − X y − Y
ρ = E = ∫ ∫ . p ( x, y )dxdy (3-24)
σ X σ Y − ∞− ∞ σ X σY
X−X Y −Y
ξ= η=
σX σY
ξ =0 η =0
2
σξ = 1 ση2 = 1
O halde
ρ = E [ξη ]
olacaktır. Şimdi
[ ] [ ]
E (ξ ± η ) = E ξ 2 ± 2ξη + η 2 = 1 ± 2 ρ + 1
2
= 2(1 ± ρ )
( )
ve ξ m η 2 daima pozitif olduğundan onun beklendik değeri de pozitif
olmak zorundadır. O halde
2(1 ± ρ ) ≥ 0
110
-1 ≤ ρ ≤ 1
dır.
ρ = E [ξη ] = ξη = 0
1
p( x, y ) = .
2πσ X σ Y 1 − ρ 2
− 1 (x − X )2 ( y − Y )2 2(x − X )( y − Y )ρ
exp 2
+ − (3-25)
( )
2 1 − ρ σ X
2
σY 2 σ XσY
1 1 (x − X )2 ( y − Y )2
p( x, y ) = exp− 2
+
2πσ X σ Y 2 σ X σ Y 2
= p X (x ) pY ( y )
X = σ Xξ + X ve Y = σ Yη + Y
yazılabilir ve buradan
XY = E [(σ X ξ + X )(σ Y η + Y )] = E [σ X σ Y ξη + Xσ Y η + Y σ X ξ + XY ]
= ρσ X σ Y + XY (3-26)
[ ] [ ]
E ( X ± Y ) = E X 2 ± 2 XY + Y 2 = X 2 ± 2 XY + Y 2
2
= σ + (X ) ± 2 ρσ X σ Y ± 2 XY + σ Y2 + (Y )
2 2 2
X
= σ X2 + σ Y2 ± 2 ρσ X σ Y + (X ± Y )
2
[σ ( X ±Y ) ]
2
= σ X2 + σ Y2 ± 2 ρσ X σ Y (3-27)
ALIŞTIRMA 3-4
W=X+Y+Z
112
ρ XY = 0 , ρ XZ = 1 / 2 ve ρ YZ = −1 / 2 ‘dir.
X =1 , Y =1 , Z = −1
2 2 2
σ X = σY = σ Z =1
olarak verilmiştir,
Z=X+Y
PZ ( z ) = Pr (Z ≤ z ) = Pr ( X + Y ≤ z )
∞ ∞
PZ ( z ) = ∫ ∫ p(x, y )dx.dy
− ∞− ∞
(3-28)
∞ ∞
PZ ( z ) = ∫ ∫ p (x ) p ( y )dxdy
− ∞− ∞
X Y
∞
= ∫ p ( y )∫ p (x )dxdy
−∞
Y X
dPZ ( z ) ∞
p Z (z ) = = ∫ p y ( y ) p X ( z − y )dy (3-29)
dz −∞
∞ ∞
PZ ( z ) = ∫ ∫ p(x, y )dydx
− ∞− ∞
ve aynı şekilde olasılık yoğunluk fonksiyonu
∞
p Z (z ) = ∫ p (x ) p (z − x )dx
−∞
X Y (3-30)
Bu işlemi bir örnek üzerinde göstermek amacı ile şekil 3-5’te verilen iki
yoğunluk fonksiyonu ele alalım.
pX(x) = 1 0 ≤ x ≤1
= 0 dışında
ve
py(y) = e-y y≥0
=0 y<0
z
p Z ( z ) = ∫ (1)e −( z − x ) dx = 1 − e − z 0 < z ≤1
0
olur. z<0 için pz(z)=0’dır çünkü pX(x)=0, x <0 ve py(y)=0, y<0’dır. Sonuç
yoğunluk fonksiyonu şekil 3-6 (c)’de görülmektedir.
py(y)=
1 (x − X )2 (z − x − Y )2
2πσ xσ y ∫
p Z (z ) = exp − 2
exp − dx
2σ X 2σ y
[z − (X + Y )]2
1
p z (z ) = exp− 2 σ 2 + σ 2 (3-31)
(
2π σ x 2 + σ y 2 )
( x y )
φ (u ) = E [e juX ] (3-32)
eşitliği ile elde edilir. 3-33 eşitliğinin sağ tarafı, (üstel ifadede - işareti
hariç), p(x) yoğunluk fonksiyonunun Fourier Dönüşümüdür.
Karakteristik fonksiyon için işaret farklılığı kuraldan çok alışılmışlıktan
kaynaklanmıştır. Dönüşümün özelliklerinde ve uygulamalarında bir
farklılık oluşturmaz. Ters Fourier dönüşümü ile benzerlikten
yararlanarak, yoğunluk fonksiyonu ,
∞
p ( x) = (1 / 2π ) ∫ φ (u )e − jux du (3-34)
−∞
∞
φ x (u ) = ∫ p (x )e
jux
x dx
−∞
ve
∞
φ Y (u ) = ∫ p ( y )e
juy
Y dy
−∞
dir. Konvolüsyon, dönüşümlerin (burada karakteristik fonksiyonların) çarpımına
karşı geldiğinden Z değişkeninin karakteristik fonksiyonu,
φ Z (u ) = φ X (u )φY (u )
∞
1
p Z (z ) = ∫ φ X (u )φ Y (u )e du (3-35)
juz
2π −∞
olarak bulunur.
pX(x) =1 0 ≤ x ≤1
=0 dışında
1 1
e juz
φ X (u ) = ∫ (1)e dx = jux
0
ju 0
=
(e ju
−1 )
ju
ve benzer şekilde,
pY ( y ) = e − y y≥0
=0 y<0
119
∞
∞
e (−1+ ju ) y 1
φ Y (u ) = ∫ e e−y juy
dy = =
0 (− 1 + ju ) 0 (1 − ju )
e ju − 1
φ Z (u ) = φ X (u )φY (u ) =
ju (1 − ju )
1 e − 1 − juz
∞ ju
p Z (z ) = ∫ e du
2π −∞ ju (1 − ju )
=
1 e
∞
∫
( )
ju (1− x )
1 e
du −
∞
∫
− juz
du
2π −∞ ju (1 − ju ) 2π −∞ ju (1 − ju )
= 1 - e-z 0 < z < 1 için
-z
=(e–1)e 1 < z < ∞ için
dφ (u )
∞
= ∫ p ( x )( jx )e jux dx
du −∞
dφ (u )
∞
1 d nφ (u )
[ ]
X n = E X n = n n
(3-37)
j du u =0
Y = X1 + X2 + .... + Xn
φ Y (u ) = φ1 (u )φ 2 (u )....φ n (u )
∞
1
pY ( y ) = ∫ φ1 (u )φ 2 (u )....φ n (u )e du (3-38)
− juy
2π −∞
121
∞ ∞
j (uX + vY ) j (ux + vy )
φx, y (u, v ) = E.e = ∫ ∫ p(x, y )e
− ∞− ∞
dxdy (3-39)
1 ∞ ∞
p ( x, y ) = 2 ∫ ∫
φ xy (u, v )e − j (ux +vy ) dudv (3-40)
2(2π ) −∞−∞
olacaktır.
∂ 2φ xy (u , v )
E [ XY ] = XY = − (3-41)
∂u∂v u =v =0
1 ∂ φ xy (u , v )
i+k
[
EX Y i k
] = X Y = i + k
i k
i k (3-42)
j ∂u ∂v u =v =0
ALIŞTIRMA 3-6
φ = 1 − p + ptju
122
PROBLEMLER
şeklinde verilmektedir.
a-p(x,y) olasılık yoğunluk fonksiyonunu çiziniz.
b-P(x,y) dağılım fonksiyonunu belirleyerek çiziniz.
c-K’nın değerini bulunuz.
d- X <(1/2) ve Y> 0 olayının ortak olasılığı nedir?
e- X’in basit olasılık yoğunluk fonksiyonu pX(x)’i bulunuz.
3-4 Problem 3-1’deki iki raslantı değişkeni için p(x/y) ve p(y/x) koşullu
olasılık yoğunluk fonksiyonlarını bulunuz.
123
a- y= -5,0 ve 5 için p(x/y) koşullu olasılık yoğunluk fonksiyonunu
x’e bağlı olarak tanımlayınız ve çiziniz.
b- Bir gözlem sonucu y= -5 olduğuna göre, X’in gerçek değerine
en iyi kestirim nedir?
U = 4X + 3Y
V = 3X – 4Y
biçiminde tanımlanmıştır. U ve V’nin ilişki katsayılarını bulunuz.
Y = aX + b
ilişkisiyle lineer olarak bağlıdır. X ve Y’nin ilişki katsayısının
a
ρ XY =
a
olduğunu gösteriniz. (Yani a pozitifse ρ XY = 1 , a negatifse
ρ XY = −1 ’dir).
124
b- φ = θ +ψ , θ + ψ ≤ 2π
= θ + ψ − 2π , 2π < θ + ψ ≤ 4π
KAYNAKLAR
Bölüm 1’deki kaynaklara bakınız, özellikle Beckmann, Papoulis ve
Parzen
125
BÖLÜM 4
RASGELE İŞLEME
4-1 GİRİŞ
1- Sürekli - Ayrık
2- Tayin Edilebilir - Tayin Edilemez
3- Durağan - Durağan Olmayan
4- Ergodik - Ergodik Olmayan
Sürekli rasgele işleme için daha duyarlı bir tanım, olasılık dağılım
fonksiyonunun sürekli olmasıdır. Bu aynı zamanda yoğunluk
fonksiyonunun herhangi bir impuls ( δ ) fonksiyonu içermediğini belirtir.
Ayrık bir rasgele işleme yalnızca belirli izole edilmiş ve genellikle sonlu
sayıda değerler alabilir. Bunların dışında herhangi bir değer alması söz
konusu değildir. Örneğin, bir anahtarın rasgele açılıp kapanmasından
dolayı gerilim değeri ya 0 ya da 100 volt olan bir örnek fonksiyon, ayrık
bir rasgele işlemeye aittir. Bu durum Şekil 4-2’de görülmektedir. Olasılık
yoğunluk fonksiyonunun yalnızca impuls ( δ ) fonksiyonlarından
oluşacağı açıktır.
X (t ) = A cos(ω .t + θ )
ϕ T
1
∫ x p(x )dx = lim ∫ X (t )dt (4-2)
n n n
X =
T →∞ 2T
−∞ −T
X (t ) = Y . cos(ω .t + θ ) (4-3)
* Hemen hemen bütün üyeleri terimi, toplam olasılığı sıfır olan örnek
fonksiyonlar setini belirtir. Ensemblenin diğer örnek fonksiyonları aynı
davranışı göstermeyebilir. Ne var ki sıfır olasılık bu tip örnek fonksiyonların
imkansız olduğu anlamına gelmez.
132
şeklinde olan bir işleme ele alınsın. Burada ω bir sabiti, Y (ensembleye
göre) bir raslantı değişkenini ve θ da 0 ile 2 π arasında uniform
dağılımlı bir başka raslantı değişkenini göstermektedir. Ayrıca θ ve Y
istatistik bağımsız raslantı değişkenleridir. Y’nin herhangi bir örnek
fonksiyon için sabit, farklı örnek fonksiyonlar için farklı olması nedeni ile
durağan olmasına karşı ergodik olmayan bir işleme olduğu
görülmektedir.
Pratik önemi olan incelenebilir bir sorun, tek bir örnek fonksiyonun
(Sonlu uzunlukta) gözlenmesinden işleme parametrelerinin
kestirilmesidir, (estimating). Tek bir örnek fonksiyon söz konusu
olduğundan, parametrelerin kestirimini elde etmede ensemble
ortalamasının alınması olanaksızdır. Eğer işleme ergodik ise bu uygun
bir yaklaşım olacaktır. Çünkü, sonsuz zaman için zaman ortalaması,
(4-2) eşitliği uyarınca ensemble ortalamasına eşdeğerdir.
T
1
Xˆ = ∫ X (t )dt (4-4)
T 0
133
olsun. Xˆ nin herhangi bir denemede tek bir sayı ve aynı zamanda bir
raslantı değişkeni olduğunu belirtelim. O halde farklı zaman aralıklarının
kullanılması ya da farklı örnek fonksiyonlarının gözlemlenmesi farklı
sayıların elde edilmesi sonucunu doğuracaktır. Bu nedenle Xˆ gerçek
beklendik değere ( X ) tam olarak eşit olamaz ancak eğer ölçme uygun
ise bu iki değer birbirine çok yakındır. Bu iki değerin birbirine ne kadar
yakın olması gerektiği aşağıda açıklanacaktır.
T 0 T 0
[ ]
T
1 1
∫
T
= Xdt = X t 0 = X (4-5)
T 0 T
4-5 eşitliğinden Xˆ ‘in kendine özgü bir beklendik değeri olduğu açıktır.
Pratik açıdan 4-4 eşitliği ile istenen integrasyon analitik olarak nadiren
çözümlenebilir. Çünkü X(t) açık biçimde bir matematik ifadeyle
tanımlanmamış olabilir. Bunun çözümlenmesinde bir başka seçenek
gözlemlenen X(t)’nin eş zaman aralıklı örneklerine bağlı kalınmak
suretiyle sayısal integrasyon yapmaktır.
134
1 N
Xˆ = ∑X i (4-6)
N i =1
[] 1 N 1
E Xˆ = E ∑ X i =
N i =1 N
N
∑ E [X ]
i =1
i
1 N
= ∑X = X (4-7)
N i =1
()
2 1
E Xˆ = E 2
N
∑∑
N 1
XiX j = 2
N
∑∑ E[X
N
i Xj ] (4-8)
N i =1 j =1 N i =1 j =1
[ ]
E XiX j = X 2 i= j
= (X )
2
i≠ j
yazılabilir. Böylece,
135
()
2
N
1
[
E Xˆ = 2 N X 2 + N 2 − N ( X )
( ) 2
] (4-9)
elde edilir. 4-8 eşitliğindeki çift toplamdan elde edilen bu sonuçta toplam
N2 terim vardır, i = j koşulu sadece N terim için sözkonusudur.
4-9 eşitliği
()
2 1 1 2
E Xˆ = X 2 + 1 − (X )
N N
1
= σ X 2 + (X )
2
(4-10)
N
( ) ( ) { [ ]} = N1 σ
2
Var Xˆ = E Xˆ − E Xˆ
2
X2
+ (X ) − ( X )
2 2
(4-11)
1
= σ X2
N
X(t) = Y2(t)
yazılabilir.
136
[ ]
X = E Y 2 = σY2
X2 = E [Y ] = 3σ
4
Y4
σ X = X 2 − ( X ) = 3σ Y − σ Y = 2σ Y
2
2 4 4 4
0.01( X ) = 0.01σ Y 4
2
()
1 1
Var Xˆ = σ X 2 = (2σ Y 4 ) = 0.01σ Y 4
N N
ALIŞTIRMA 4-6
σ X2 ‘nin kestiriminin,
σˆ X =
2
1 N
∑
N − 1 i =1
X i2 −
N ˆ
N −1
X ()
2
137
()
ile hesaplanabileceğini gösteriniz. Burada Xˆ 4-6 eşitliği ile verilen X ‘in
kestirimini ifade eder ve bu kestirimin
[ ]
E σˆ X 2 = σ X 2
PROBLEMLER
X(t) = at + Y
139
X (t ) = Y cos ω 0 t
4-3 t0, 0 ile T arasında düzgün dağılımlı bir raslantı değişkeni olmak
üzere, şekilde görülen peryodik örnek fonksiyonlara sahip bir
rasgele işleme ele alınıyor. Burada A ve T sabitlerdir.
207 198
202 197
184 213
204 191
206 201
n −n (xˆ − X )2 / 2σ 2
()
p ˆ xˆ = e
2πσ
X
KAYNAKLAR
BÖLÜM 5
İLİŞKİ FONKSİYONLARI
5-1 GİRİŞ
Eğer X(t) bir rasgele işlemeye ait bir örnek fonksiyon ise ve raslantı
değişkenleri,
X1=X(t1) ve X2=X(t2)
∞ ∞
R X (t1 , t 2 ) = E [X 1 X 2 ] = ∫ dx ∫ x x p(x , x )dx
1 1 2 1 2 2
−∞ −∞
R X (t1 , t 2 ) = R X (t1 + T , t 2 + T )
= E [ X (t1 + T ) X (t 2 + T )]
yazılabilir. Görüldüğü gibi eşitlik yalnızca t2-t1 zaman farkına bağlıdır. t2-
t1 zaman farkı τ ile gösterilmek ve RX(0, t2-t1) ifadesinde sıfır
kaldırılmak suretiyle 5-1 eşitliği yeniden
R X (τ ) = E [X (t1 ) X (t1 + τ )]
R X (τ ) = E [X (t )X (t + τ )]
143
T
1
ℜ X (τ ) = lim
T →∞ 2T ∫ x(t )x(t + τ )dt = x(t )x(t + τ )
−T
(5-3)
Y(t)= X(t) - ρ . X (t + τ )
{ } {
E [Y (t )] = E [ X (t ) − ρ . X (t + τ )]
2 2
}
{ }
= E X 2 (t ) − 2 ρ . X (t ) X (t + τ ) + ρ 2 X 2 (t + τ )
σ Y = σ X − 2 ρ .R X (τ ) + ρ σ X
2 2
2
2
dσ Y 2
= −2 R X (τ ) + 2 ρ .σ X = 0 2
dρ
R (τ )
ρ= X
σX 2
144
Ergodik bir işleme ya da rasgele olmayan bir işaret için değişinti yerine
ortalama güç ve ensemble ilişki fonksiyonu yerine zaman ilişki
fonksiyonu alınabilir.
Yukarıda ele alınan kavramlar, çok basit bir özilişki fonksiyonuna sahip
bir rasgele işlemeyi örnek alarak değerlendirmeyle daha açıkça
görülebilir. Şekil 5-1 sıfır beklendik değerli, durağan, ayrık tipik bir
fonksiyonu göstermektedir. Bu işlemede yanlızca m A olası iki değer
sözkonusudur. Örnek fonksiyon bu değerlerden birinden diğerine eş
olasılıkla her "ta" saniyede değişebilir ya da aynı kalır. " t0 " zamanı "ta"
uzunluğu boyunca uniform dağılımlı ve ensemblenin olası zaman
fonksiyonlarına bağlı bir raslantı değişkenidir. Bunun anlamı, ensemble
düşünüldüğü sürece eş olasılıkla herhangi bir zamanda değerce
değişebileceğidir.
R X (τ ) = E [X 1 X 2 ] = X 1 X 2 = 0 ≥ 0
| τ |, ta’dan daha küçükse t1 ve t1+ τ aynı aralıkta olabilir veya
olmayabilir. Bu tamamen to‘ın değerine bağlıdır. Madem ki to herhangi
bir yerde olabilir o halde, eş olasılıkla, aynı aralıkta olma olasılığı ta ile
τ arasındaki fark ile orantılıdır. Özel olarak τ ≥ 0 için
Böylece
t − | τ | 2 | τ |
R X (τ ) = A 2 a = A 1 − 0 ≤ τ ≤ ta
ta ta
=0 τ ≥ ta (5-6)
ŞEKiL 5-2
2- Rx( τ ) = Rx(- τ ) olup, özilişki fonksiyonu τ ’ya göre çift bir fonksiyondur,
çünkü geçiş yönü dikkate alınmaksızın aynı çarpım değerleri setinin
ortalaması alınarak bulunmuştur.
[ ] [ ]
E ( X 1 ± X 2 ) = E X 12 + X 22 ± 2 X 1 X 2 ≥ 0
2
[ ]
E X 12 + X 22 = 2 R X (0) ≥ E (2 X 1 X 2 ) = 2 R X (τ )
ve buradan
R X (0) ≥ R X (τ ) (5-7)
Daha genel olarak eğer X(t) bir beklendik değere sahip (sıfırdan farklı) ve
sıfır beklendik değerli bir N(t) bileşeni de varsa,
E [N (t1 )] = E [N (t1 + τ )] = 0
149
X (t ) = A. cos(ω .t + θ )
1
p(θ ) = 0 ≤ θ ≤ 2π
2π
=0 sınırlar dışında
O halde,
X (t ) = A. cos(ω .t + θ ) + N (t )
A2
R X (τ ) = cos ωτ + R N (τ ) (5-11)
2
6- Eğer {X(t)} sıfır beklendik değerli bir ergodik işleme ise ve peryodik
bileşene sahip değilse,
lim R X (τ ) = 0 (5-12)
τ →∞
150
olur. τ ‘nun büyük değerleri için zamanın ilerlemesi ile geçmiş değerlerin
etkisi dışında kalması sağlanmaktadır, o halde raslantı değişkeni istatistik
bağımsızlık özelliği gösterirler.
∞
ℑ[R X (τ )] = ∫ R (τ )e
X
− jωτ
dτ
−∞
ise sınırlama
ℑ[R X (τ )] ≥ 0 (5-13)
Özilişki fonksiyonu ile ilgili bir noktanın da ortaya konması gerekir. Bir
rasgele işlemenin bileşik olasılık yoğunluk fonksiyonuna ait bilgilerden tek
bir özilişki fonksiyonu elde etmek uygun olmasına karşın aksi doğru
değildir. Pek çok farklı rastgele işleme, bizi aynı özilişki fonksiyonuna
götürebilir. Daha ileri gidilerek, daha sonra görüleceği gibi bir lineer
sistemin giriş işaretinin özilişki fonksiyonuna etkisi olasılık yoğunluk
fonksiyonları hakkında herhangi bir şey bilinmesine gerek olmaksızın
hesaplanabilir.
Alıştırma 5-3
R X (τ ) = 100ε
−10 τ
+ 100 cos 10τ + 100
151
Lineer Sistem analizinde rasgele girişler için özilişki fonksiyonu önemli bir
rol oynadığından, önemli bir uygulama sorunu, deneysel olarak
gözlemlenen rasgele işlemler için bu fonksiyonların hesaplanmasıdır.
Genelde bileşik yoğunluk fonksiyonları nadiren bilindiğinden bu yoğunluk
fonksiyonları yardımı ile hesaplanmayabilir. Ensemblenin tek bir örnek
fonksiyonu gözlenebileceğinden bir ensemble ortalamasının bulunmasıda
söz konusu olamaz. Bu koşullar altında tek seçenek işlemlemenin ergodik
varsayılması halinde sonlu zaman aralığından zaman özilişki
fonksiyonunun hesaplanmasıdır.
Bunu gösterebilmek üzere, 0-T aralığında gözlenen özel x(t) gerilim veya
akım fonksiyonu ele alınsın. Bu durumda bu dalga şekli için bir ilişki
kestirimi tanımlamak olasıdır.
T −τ
1
Rˆ X (τ ) = ∫ x(t )x(t + τ )dt 0 ≤ τ << T (5-14)
T −τ 0
N −n
1
Rˆ X (n∆t ) = ∑ xk xk +n
N − n + 1 k =0
n=0,1,2,...,M (5-15)
M<<N
1 N −n
[ ]
E Rˆ X (n∆t ) = E ∑ X k X k +n
N − n + 1 k =0
N −n N −n
1 1
= ∑ k k +n N − n + 1 ∑
N − n + 1 k =0
E [ X X ] =
k =0
R X (n∆t )
= R X (n∆t )
M
[ ]
Var Rˆ X (n∆t ) ≤ (2 / N ) ∑ R X 2 (k∆t ) (5-16)
k =− M
olduğunu söyleyebiliriz.
Verilen bir duyarlık derecesi için örnek sayısı cinsinden bu sonucun ne
anlama geldiğini açıklamak açısından şekil 5-2 de gösterilen özilişki
fonksiyonunun her iki yanda 4 nokta ile (M = 4) kestiriminin bulunması
istensin. Eğer efektif hatanın % 5 veya daha küçük olması isteniyorsa 5-
16 eşitliği (t = 4 ∆ t) için
4
(.05 A ) ≥ (2 / N ) ∑ A [1 + ( k ∆t / 4∆t )]
2 2 4 2
k = −4
Eğer ilişki fonksiyonun daha duyarlı bir kestirimi gerekli ise daha sık örnek
alınması ve daha çok hesaplama yapılması gerektiği açıktır.
153
ALIŞTIRMA 5-4
Şekil 5-2’de gösterildiği biçimde üçgen bir özilişki fonksiyonu için, efektif
hatanın %1’e eşit ya da daha küçük olması halinde N değerinin ne olması
gerekeceğini her iki yanda 5 nokta ile (M=5) hesaplayınız.
ŞEKİL 5-3: Beklendik Değeri 0’dan Farklı Olan Binary İşlemenin Özilişki
Fonksiyonu
154
R x (τ ) = A 2 ε
−α τ
(5-17)
R x (τ ) = A 2 ε
−α τ
cos βτ (5-18)
ve
R x (τ ) = A 2 sin πγτ / πγτ (5-19)
(a) (b)
ŞEKİL 5-5: (a) Band Geçiren Filtre ve (b) Alçak Geçiren Filtre Çıkışlarında
Oluşan Özilişki Fonksiyonları
156
ALIŞTIRMA 5-5
İki ayrı rasgele işlemeye ait raslantı değişkenleri arasında bir ilişki
düşünmek olasıdır. Bu durumlarla, bir sisteme birden çok rasgele işaretin
uygulanması veya rasgele gerilim ya da akımın sistemin farklı
noktalarındaki değerlerini karşılaştırma hallerinde karşılaşılır. Eğer rasgele
işlemeler geniş anlamda bileşik durağan ise ve bu işlemelere ait örnek
fonksiyonlar X(t) ve Y(t) ile ifade ediliyorsa
X1= X(t1)
Y2 = Y(t1+ τ )
∞ ∞
R XY (τ ) = E [ X 1Y2 ] = ∫ dx ∫ x y p(x , y )dy
1 1 2 1 2 2 (5-20)
−∞ −∞
Aynı iki zaman için tanımlanabilir bir başka özilişki fonksiyonu da vardır.
Bu kez
157
Y1= Y(t1)
X2= X(t1+ τ ) alınarak
∞ ∞
R XY (τ ) = E [Y1 X 2 ] = ∫ dy1 ∫ y1 x 2 p( y1 , x2 )dx2 (5-21)
−∞ −∞
Zaman çapraz fonksiyonları, belirli bir çift örnek fonksiyon için daha önce
olduğu gibi tanımlanabilir.
T
1
T →∞ 2T ∫
ℜ XY (τ ) = lim x(t ) y (t + τ )dt (5-22)
−T
ve
T
1
T →∞ 2T ∫
ℜ YX (τ ) = lim y (t )x(t + τ )dt (5-23)
−T
ℜ XY (τ ) = R XY (τ ) (5-24)
ℜ YX (τ ) = RYX (τ ) (5-25)
olacaktır.
özelliğini taşırlar.
RYX (τ ) = R XY (− τ ) (5-26)
R XY (τ ) ≤ [R X (0 )RY (0 )]
1/ 2
(5-27)
R XY (τ ) = E [X 1 , Y2 ] = E [ X 1 ]E [Y2 ] = XY (5-28)
= RYX (τ )
olur. Buna ilave olarak, her iki işleme de sıfır beklendik değerli ise bütün
τ değerleri için çapraz ilişki fonksiyonu kaybolur. Bununla beraber, bunun
aksinin doğru olması gerekmez. Çapraz ilişki fonksiyonunun sıfır olması
ve işlemelerden birinin sıfır beklendik değerli olması, bu rasgele işlemenin
bileşik Gauss raslantı değişkenleri olmasının dışında istatistik bağımsız-
lığı ortaya koymaz.
5- Eğer X(t), bir durağan, rasgele işleme ve X& (t) onun zamana göre
türevi ise, X(t) ve X& (t)’nin çapraz ilişki fonksiyonu
dR X (τ )
R X&X& (τ ) = (5-29)
dτ
X (t + ε ) − X (t )
X& (t ) = lim
ε →0 ε
Buradan
[
R XX& (τ ) = E X (t )X& (t + τ ) ]
X (t ) X (t + τ + ε ) − X (t )X (t + τ )
= E lim
ε →0 ε
R (τ + ε ) − R X (τ ) dR X (τ )
= lim X =
ε →0 ε d (τ )
d 2 R X (τ )
R X& (τ ) = R X&X& (τ ) = − (5-30)
dτ 2
ALIŞTIRMA 5-7
2
X1 Y2
E ±
R X (0 ) RY (0 )
Z (t ) = X (t ) ± Y (t )
Z 1 = X 1 ± Y1 = X (t1 ) ± Y (t1 )
Z 2 = X 2 ± Y2 = X (t1 + τ ) ± Y (t1 + τ )
RZ (τ ) = E [Z 1 Z 2 ] = E [( X 1 ± Y1 )( X 2 ± Y2 )]
= E[ X 1 X 2 + Y1Y2 ± X 1Y2 ± Y1 X 2 ]
= R X (τ ) + RY (τ ) ± R XY (τ ) ± RYX (τ ) (5-31)
X (t ) = A cos(ω .t + θ ) (5-32)
1
R X (τ ) = A 2 cos ωτ (5-33)
2
161
RY (τ ) = B 2ε
−α τ
(5-34)
RZ (τ ) = R X (τ ) + RY (τ )
1 −α τ
= A 2 cos ω .t + B 2 ε (5-35)
2
olacaktır.
Y (t ) = aX (t − τ 1 ) + N (t ) (5-36)
olarak tanımlanabilir. Burada "a" birden küçük olan bir sayı, τ 1 işaretin
gidip gelmesinden dolayı zaman gecikmesi, N(t) ise alıcıdaki gürültüdür.
Tipik bir durum için dönen işaret aX(t- τ 1 ) ortalama gücü, gürültünün
ortalama gücü N(t)’den çok daha küçüktür.
R XY (τ ) = E [X (t )Y (t + τ )]
= E[aX (t )X (t + τ − τ 1 ) + X (t )N (t + τ )] (5-37)
= aR X (τ − τ 1 ) + R XN (τ )
R XY (τ ) = aR X (τ − τ 1 ) (5-38)
X (t1 )
X (t )
X = 2
...
X (t N )
Eğer X(t) bir rasgele işlemenin bir örnek fonksiyonu ise X vektörünün her
bir elemanı bir raslantı değişkenidir. Bu durumda her bir raslantı değişkeni
çifti arasındaki ilişkiyi veren (NXN) boyutlu ilişki matrisini tanımlamak
olasıdır.
t 2 = t1 + ∆t
t 3 = t1 + 2∆t
…
t N = t1 + ( N − 1)∆t
olur ve
[ ]
E {[X (t i ) − X (t i )] X (t j ) − X (t j ) } = σ iσ j ρ ij (5-41)
165
Kovaryans matris
[ (
Λ X = E ( X − X ) X T − X −T )] (5-42)
Λ x = Rx − X .X T (5-44)
Λ x = Rx olacaktır.
σ i2 = σ 2j = σ 2 i,,j = 1,2,….,N
ρ ij = ρ i − j i,,j = 1,2,….,N
ve
1 ρ1 ρ2 ... ρ N −1
ρ 1 ρ1 ... ρ N −2
1
Λ x = σ 2 ... . . . ... (5-45)
... ... . 1 ρ1
ρ N −1 ... ... ...ρ1 1
elde edilir.
olduğu gösterilebilir.
Burada,
−1
Λ x , Λ x ’in determinantı ve Λ x ise inversidir.
167
PROBLEMLER
R x (τ ) = 4.ε
−τ
cos πτ + cos 3πτ
şeklindedir.
a- İşleme için X 2 ve σ 2 büyüklüklerini hesaplayınız.
b- Hangi ayrık frekans bileşenlerine sahiptir?
c- Bu ilişki fonksiyonu, zamanca | τ |= 0,25s ayrılmaları halinde
raslantı değişkenleri hakkında ne bilgi vermektedir?
d- X(t) ve X(t- τ ) raslantı değişkenlerinin ilişkisiz olduğu en kısa
zaman aralığı nedir?
e-Tüm sinüsoidal bileşenleri işaret, diğer tüm bileşenleri de gürültü
olarak düşünürsek, işaret -gürültü oranı ne olur?
X (t ) = Y . cos(ω .t + θ )
şeklinde olup burada Y, ω ve θ istatistik bağımsız raslantı
değişkenleridir. Y’nin beklendik değeri 2 ve değişintisi 4’tür. θ , - π ile
π aralığında uniform dağılımlıdır, ω da -5 ile 5 aralığında uniform
dağılımlıdır.
a- İşleme durağan mıdır?
b- Rx( τ ) özilişki fonksiyonunu bulunuz.
5-8 İstatistik bağımsız iki rasgele işleme X(t) ve Y(t)’ye ilişkin özilişki
fonksiyonları,
R x (τ ) = 2.e
−2 τ
cos ωτ
−3 τ 2
RY (τ ) = 9 + e
olarak verilmiştir. Üçüncü bir rasgele işleme Z(t)’nin örnek
fonksiyonları,
Z(t) = W.X(t).Y(t)
olup burada W, beklendik değeri 2 ve değişintisi 9 olan bir raslantı
değişkenidir.
a- Rz( τ )’yu bulunuz.
b- Z(t)’nin beklendik değer ve değişintisini belirleyiniz.
X (t ) = A. cos(ω 0 .t + θ ) ve Y (t ) = B. sin (ω 0 .t + θ )
5-11 Bir Z(t) raslantı vektörü, iki ortak, durağan bağımsız, skaler rasgele
işlemenin örnek fonksiyonları X(t) ve Y(t)’nin kombinasyonundan
oluşmaktadır. Özel olarak,
X (t ) + Y (t )
Z (t ) =
X (t ) − Y (t )
olsun.
R X (τ ) = ε
−τ
RY (τ ) = ε + ε
−τ −2 τ
R X (τ ) = ε cos πτ + 1
−τ
KAYNAKLAR
BÖLÜM 6
SPEKTRAL YOĞUNLUK
6-1 GİRİŞ
∞
F (ω ) = ∫ f (t )e
− jωt
dt (6-1)
−∞
olarak tanımlanır. Örneğin f(t) bir gerilimi belirtiyorsa, F(w)’nın birimi
volt/Hz olacaktır. Bunun anlamı, f(t) işaretini sinüsoidal işaretlerin toplamı
şeklinde göstermek, buna karşı düşen frekans ekseni boyunca bu
bileşenlerin bağıl büyüklük ve faz değerlerinin elde edilmesidir.
Anlaşılacağı gibi f(t) işaretinin Fourier dönüşümünün büyüklüğü, frekansın
fonksiyonu olarak genlik yoğunluğu gibi fiziksel bir anlam taşır. Frekansa
göre f(t)’nin enerji dağılımının açık bir göstergesidir.
Tamamen aynı yolla bunu rasgele bir işarete uygulamak, uygun görülebilir.
Bu şekilde Fourier dönüşümü herhangi bir x(t) örnek fonksiyona
uygulandığında,
∞
FX (ω ) = ∫ x(t )e
− jωt
dt
−∞
172
∫ x(t ) dt < ∞
−∞
(6-2)
∞
2
∫ X (t )
−∞
T dt < ∞ (6-4)
∞
FX (ω ) = ∫ X (t )e dt
ω
T
− t
T <∞ (6-5)
−∞
şeklinde yazılabilir. Herhangi bir örnek fonksiyona ait Fx( ω )’nın beklendik
2
değerinin limit altında olmaması hali için bile FX (ω ) ‘nin beklendik
değerinin limit içinde kaldığını göstermek üzere aşağıdaki incelemelerde
T’nin sonsuza götürülmesi gereklidir. Bunu göstermede ilk adım, XT(t) ile
FX( ω )’ya Parseval Teoremi'ni uygulamaktır. xT(t) =0 , | t |>T olduğundan,
T ∞
1 2
∫ X T (t )dt = ∫ F (ω )
2
X dω (6-6)
−T
2π −∞
(*) Parseval Teoremi, f(t) ve g(t) gibi döşümü alınabilir zaman fonksiyonları F( ω ) ve G( ω )
sırasıyla bunların Fourier dönüşümleri olduğunda
∞ ∞
T ∞
1 1 2
∫ X T (t )dt = ∫ F (ω )
2
X dω (6-7)
2T −T
4π .T −∞
T
∞
2
E (1 / 2T ) ∫ X T2 (t )dt = E (1 / 4π .T ) ∫ FX (ω ) dω
−T −∞
T ∞
{
lim (1 / 2T ) ∫ X T2 (t )dt = lim (1 / 4π .T ) ∫ E FX (ω ) dω
T →∞ T →∞
2
} (6-8)
−T −∞
∞
[{
< X 2 >= (1 / 2π ) ∫ lim E FX (ω ) / 2T .dω
T →∞
2
} ]
−∞
∞
[{
X 2 = (1 / 2π ) ∫ lim E FX (ω ) / 2T .dω
T →∞
2
} ] (6-9)
−∞
[ 2
S X (ω ) = lim E FX (ω ) / 2T
T →∞
] (6-10)
∞
X 2 = (1 / 2π ) ∫ S X (ω )dω (6-11)
−∞
Spektral yoğunluk analizi ile ilgili şimdiye kadar olan açıklamalar, konuya
başlangıç için verilmesi gereken temel bilgilerden bir anlamda daha
kapsamlı olarak sunulmuştur. Bu yolun izlenmesinin nedeni, açıklamaların
daha yüzeysel olması durumunda, yapılabilecek matematik hatalardan
sakınmaya yöneliktir. Kuşkusuz spektral yoğunluğun başlangıç
çalışmalarında, bu yöntem okuyucu için daha güç olacaktır, ancak bu ek
güçlüğün emekleri boşa çıkarmadığı hissedilir ve hatta incelemenin
karmaşıklığı nedeniyle tam olarak anlaşılmaması halinde bile okuyucuyu,
frekans domeninde daha az güçlükle karşılaşması konusunda bilgili
kılmaya yardımcı olur.
ALIŞTIRMA 6-2
Spektral yoğunluğun en önemli özelliği tek bir cümle ile ω 'nın gerçel,
pozitif ve çift bir fonksiyonu olduğu şeklinde özetlenebilir. Fourier
dönüşümü ile ilgili çalışmalarımızda, işaretlerin büyüklüklerinin gerçekten
daima gerçel ve pozitif olduğu anımsanacaktır. Bu nedenle işlemenin
beklendik değeri de aynı özellikleri taşıyacaktır.
S X (ω ) =
(
S 0 ω 2 n + a 2 n − 2ω 2 n − 2 + ... + a 2ω 2 + a 0 ) (6-12)
ω 2 m + b2 m −2ω 2 m −2 + ... + b2ω 2 + b0
p (θ ) = 1 / 2π 0 ≤ θ ≤ 2π
Kırpılmış örnek fonksiyonun Fourier dönüşümü,
T
∫ [A + B. cos(ω t + θ )]e
− jωt
FX (ω ) = 1 dt
−T
[
= A e − jωt / − jω ] T
−T
+ B.e j [(ω1−ω )t +θ ] / 2[ j (ω 1 − ω )] −T
T
[(
FX (ω ) = (2 A. sin ωT / ω ) + B e jθ sin (ω − ω1 )T / (ω + ω 1 ) )] (6-14)
[
FX (ω ) = 4 A 2 sin 2 ω .T / ω 2 + B 2 sin 2 (ω − ω 1 )T / (ω − ω 1 )
2 2
]
+ sin 2 (ω + ω1 )T / (ω + ω 1 )
2
elde edilir. Şimdi, θ içeren herhangi bir terimin beklendik değeri ele
alınsın. Bunların tümü G( ω ) exp(jn θ ) şeklindedir ve beklendik değeri,
2π
[ ]
E G (ω )e jnθ = G (ω ) ∫ (1 / 2π )e jnθ dθ = (G (ω ) / 2π )e jnθ / jn 0
2π
=0 n = ± 1,±2,... (6-16)
olacaktır. Böylece (6-15) eşitliğindeki dört terim sıfıra eşit olacak ve
eşitliğin beklendik değeri,
[
E FX (ω )
2
] = 4 A [sin ω.T / ω ]+ B [ (sin (ω − ω )T /(ω − ω ) )
2 2 2 2 2
1 1
2
(
+ sin 2 (ω + ω 1 )T / (ω + ω 1 ) ]
2
) (6-17)
+ (B 2T / 2 )[sin (ω + ω 1 )T / (ω + ω 1 )T ]
2
(6-18)
olur. Limiti incelemek üzere, ilk terimin ana bölümü ele alındığında,
179
lim T [sin ω .T / ω .T ]
2
T →∞
lim T [sin ω .T / ω ] = K .δ (ω )
2
(6-19)
T →∞
∞ ∞
lim ∫ T .[sin ω .T / ω .T ] dω = ∫ K .δ (ω )dω
2
(6-20)
T →∞
−∞ −∞
S X (ω ) = 2π . A 2δ (ω ) + (π / 2 )B 2δ (ω − ω 1 ) + (π / 2 )B 2δ (ω + ω 1 ) (6-21)
∞
X 2 = (1 / 2π ) ∫ {(2π . A 2δ (ω ) + (π / 2 )B 2δ (ω − ω 1 )
−∞
+ (π / 2 )B 2δ (ω + ω 1 )}dω (6-22)
[
= (1 / 2π ) 2π . A + (π / 2 )B + (π / 2 )B
2 2 2
]= A 2
+ (1 / 2 )B 2
S x (ω ) = F (ω ) {(σ Y2 / t1 )
2
( ) ∑ δ (ω − (2π .n / t ))}
∞
+ 2π (Y ) / t1
2 2
1 (6-23)
n = −∞
elde edilir. Eğer temel darbe biçimi t2 genişliğinde dikdörtgen ise buna
karşı düşen spektral yoğunluk Şekil 6-3’de görüldüğü gibi olacaktır. (6-23)
eşitliğinden çıkarılan genel sonuçlar aşağıdadır.
ŞEKİL 6-3 : Rasgele Genlikli Dikdörtgen Darbe Dizisine Ait Spektral Yoğunluk
[
S X (ω ) = lim E FX (ω ) / 2T
T →∞
2
]
Kırpılmış işaretin türevi X& T (t ) , jω .FX (ω ) Fourier dönüşümüne ve buna ek
olarak (±T’deki süreksizlik nedeniyle) olası iki sabit terime sahiptir, ve
bunlar limitte görülmeyecektir. Bu nedenle türevin spektral yoğunluğu,
[ 2
]
= ω 2 lim E FX (ω ) / 2T = ω 2 S X (ω )
T →∞
(6-24)
ALIŞTIRMA 6-3
Yalnızca ω ’nın çift kuvvetlerini içeren rasyonel spektral yoğunluk özel hali
için, bu ω 2 yerine –s2 yazmakla sağlanır. Örneğin,
(
S X (ω ) = 10(ω 2 + 5) / ω 4 + 10ω 2 + 24 )
rasyonel spektral yoğunluğu ele alınsın. Bu ifade s‘in bir fonksiyonu
olarak yazılmak istendiğinde,
( )(
S X (s ) = S X (− jω ) = 10 − s 2 + 5 / s 4 − 10 s 2 + 24 ) (6-25)
olur.
( )( ) ( )(
S X (s ) = −10 s + 5 s − 5 / (s + 2 )(s − 2 ) s + 6 s − 6 )
184
ile değiştirilmesi esesı değişmemesine rağmen sonuç kolaylıkla elde
edilemez. Örneğin, spektral yoğunluk (6-23) eşitliğinde verildiği gibi
2
) ∑ δ (s − ( j 2πn / t ))
∞
( ) (
S X (s ) = F ( s ) F (− s ) σ Y / t1 + 2π (Y ) / t12
2
1 (6-26)
n = −∞
olarak ifade edilebilir. Burada F(s), f(t) ana dalga şeklinin Laplace
dönüşümüdür.
ALIŞTIRMA 6-4
(
S X (ω ) = 1 / ω 4 + 4 )
şeklinde verilmiştir. Bu spektral yoğunluk için kompleks frekans domeni
kutup noktalarını belirleyiniz.
Cevap: ±1±j1
185
∞
X 2 = (1 / 2π ) ∫ S X (ω )dω (6-11)
−∞
S X (s ) = c( s )c(− s ) / d ( s )d (− s ) (6-27)
Burada c(s); sol yarıbölge sıfırlarını, c(-s); sağ yarıbölge sıfırlarını, d(s);
sol yarıbölge kutuplarını, d(-s) ; sağ yarıbölge kutuplarını içermektedir.
j∞ j∞
186
olur. Rasyonel spektral yoğunluk özel hali için, c(s) ve d(s), s’in
polinomlarıdır ve
c( s ) = c n −1 s n−1 + c n −2 s n − 2 + ... + c0
d ( s ) = d n s n + d n−1 s n −1 + ... + d 0
olarak yazılabilir. c(s) katsayılarından bazıları sıfıra eşit olabilir, fakat d(s);
c(s)’den daha yüksek mertebeden olmalıdır aynı zamanda sıralamada
eksik bir katsayı bulunmamalıdır.
(6-28) eşitliğindeki yapıya sahip olan integraller, n’in 10'a kadar olan
değerleri için tablolanmıştır. n’in 3 veya 4’ten büyük değerleri için genelde
sonuçlar, kesinliğinden şüphe edilecek kadar karmaşıklık gösterirler. Özet
bir tablo Tablo 6-1’de verilmiştir.
j∞
I n = (1 / 2π . j ) ∫ c( s )c(− s ) / d ( s )d (− s )ds
− j∞
n −1
c( s ) = c n −1 s + c n −2 s n − 2 + ... + c0
d ( s ) = d n s n + d n−1 s n −1 + ... + d 0
I 1 = c02 / 2d 0 d1
I 2 = (c12 d 0 + c02 d 2 ) / 2d 0 d1 d 2
I3 =
( )
c 22 d 0 d 1 + c12 − 2c0 c 2 d 0 d 2 + c02 d 2 d 3
2d 0 d 3 (d 1 d 2 − d 0 d 3 )
TABLO 6-1
( )(
S X (ω ) = ω 2 + 4 / ω 4 + 10ω 2 + 9 )
spektral yoğunluğu ele alınsın. ω ’lar –js’lerle değiştirildiğinde ifade
( )( ) ( )(
S X ( s ) = − s 2 − 4 / s 4 + 10 s 2 + 9 = − s 2 − 4 / s 2 − 1 s 2 − 9 )( ) (6-29)
187
olur. Çarpanlarına ayrılarak,
c1 = 1
c0 = 2
d2 = 1
d1 = 4
d0 = 3
[ ]
I 2 = c12 d 0 + c02 d 2 / 2d 0 d1 d 2 = (1) (3) + (2) 2 (1) / 2(3)(4)(1)
2
= (3 + 4 )/24 = 7 /24
2
bulunur. X = I 2 olduğundan,
X 2 = 7 / 24
188
Bir sonraki yöntem, artıkların (residue) hesaplanmasına dayalıdır. Ters
Laplace dönüşümünün hesaplanması ile bağlantılı olarak çoğu kez
yaptıklarımıza benzer bir yol izlenir. Örneğin (6-29) ve (6-30) eşitlikleri ile
yukarıda verilen spektral yoğunluk ele alınsın. Bu spektral yoğunluk Şekil
6-5’te görülen kutup-sıfır düzenlemesi ile belirtilebilir. (6-28) eşitliği ile
gösterilen integrasyon çevrimi j ω ekseni boyuncadır, ancak, EK F’de
incelenen kompleks integrasyon yöntemi kapalı bir çevrim
gerektirmektedir. Böyle bir kapalı çevrim hem sol ve hem de sağ
yarıbölgeleri çevreleyebilen sonsuz yarıçaplı bir yarıdaire eklenerek elde
edilebilir. Şekil 6-6’da görüldüğü gibi, sol yarıbölge kullanıldığında cebirsel
işaretlerde daha az güçlüklerle karşılaşılır.
189
Bu kapalı çevrim boyunca integral almak j ω ekseni boyunca integralle
aynıdır, R → ∞ için önemi olmayan bu yarıdairenin kullanılması
gerekmektedir. Rasyonel spektral yoğunluk için payda polinomunun, pay
polinomundan daha yüksek mertebeden olması durumunda, yalnızca çift
kuvvetler mevcut olduğundan, doğru olacaktır.
X 2 = (3 / 16) + (5 / 48) = 7 / 24
Eğer kutuplar basit yapıda değil iseler, daha genel yol EK F'de artıkların
hesaplanmasında kullanılabilmek üzere açıklanmıştır. Genelde karesel
beklendik değer (6-31) eşitliği ile hesaplanır.
ALIŞTIRMA 6-5
Çevrim integrasyonunu kullanarak spektral yoğunluk ifadesi aşağıda
verilen rasgele işlemeye ait karesel beklendik değeri hesaplayınız ve
190
(
S X (ω ) = ω 2 / ω 4 + 3ω 2 + 2 )
Tablo 6-1 'i kullanarak sonucu kontrol ediniz.
Cevap: (1/1,41)-(1/2)
İlk olarak durağan olmayan rasgele işleme durumu ele alınacak ve sonra
elde edilen sonuçlar özelleştirilerek durağan duruma geçilecektir. (6-10)
eşitliğindeki spektral yoğunluk,
[
S X (ω ) = lim E Fx (ω ) / 2T
T →∞
2
] (6-10)
T
FX (ω ) = ∫X
−T
T (t ).e − jω .t dt (6-32)
T T
S X (ω ) = lim (1 / 2T )E ∫ X T (t1 )e − jω .t 1
dt1 ∫ X T (t 2 )e − jω .t 2 dt 2
T →∞
−T −T
191
T T
S X (ω ) = lim (1 / 2T )E ∫ dt 2 ∫ e − jω (t 2−t1) X T (t1 ) X T (t 2 )dt1
T →∞
−T −T
T T
= lim (1 / 2T ) ∫ dt 2 ∫ e − jω (t 2−t1) E[ X T (t1 ) X T (t 2 )]dt1 (6-34)
T →∞
−T −T
olarak yazılabilir. Beklendik değer alma işleminin, çift katlı integralin içine
alınmasının bu durum için de geçerli olduğu gösterilebilir, ancak ayrıntıları
burada incelenmeyecektir.
E [X T (t1 ) X T (t 2 )] = R X (t1 , t 2 ) t1 , t 2 ≤ T
=0 dışında (6-35)
ve
→ ∞
dt 2 = dτ
T − t1 T
S x (ω ) = lim (1 / 2T ) ∫ dτ ∫ e R X (t1 , t1 + τ )dt1
− jωτ
T →∞
−T − t1 −T
∞
T
− jωτ
S X (ω ) = ∫−∞T →∞
lim (1 / 2T )∫−T R X (t1 , t1 + τ )dt1 e dτ (6-36)
192
(6-37) eşitliği ile verilen bağıntı aynı zamanda durağan olmayan işleme
için de geçerlidir.
∞
S X (ω ) = ∫R
−∞
X (τ )e − jωτ dτ
= ℑ{R X (τ )} (6-38)
dir.
−β τ
R X (τ ) = A.e , A>0, β >0 (6-39)
193
a) Özilişki Fonksiyonu ve b) Spektral Yoğunluk Arasındaki Bağlantı
O halde,
0 ∞
S X (ω ) = ∫ A.e e dτ + ∫ A.e e dτ
βτ − jωτ βτ − jωτ
−∞ 0
( β − jω )τ 0 ∞
= A.e / (β − jω ) −∞ + A.e ( β − jω )τ / − (β + jω ) 0
= A.[1 / (β − jω ) + 1 / (β + jω )] = 2 Aβ / ω 2 + β 2 ( )
(6-40)
∞
R X (τ ) = (1 / 2π ) ∫ S X (ω )e jωτ dω (6-41)
−∞
Bu sonuçla ilgili bir uygulama bir sonraki paragrafta verilecektir.
194
∞
S X (ω ) = ∫R X (τ )[cos ωτ − j. sin ωτ ].dτ
−∞
∞
S X (ω ) = 2∫ R X (τ ) cos ωτ .dτ (6-42)
0
∞
R X (τ ) = (1 / π )∫ S X (ω ) cos ωτ .dω (6-43)
0
∞
S X (s) = ∫R
−∞
X (τ )e − sτ dτ (6-44)
j∞
R X (τ ) = (1 / 2π . j ) ∫ S X ( s )e + sτ ds (6-45)
− j∞
195
ALIŞTIRMA 6-6
∫ S δ (τ )e
− jωτ
= 0 dτ = S 0 (6-46)
−∞
beyaz gürültü için bir sonuca varmayı sağlar. Buradan, beyaz gürül-
tüye ait özilişki fonksiyonunun sadece spektral yoğunluğa eşit bir
alanla temsil edilen bir δ fonksiyonu olduğu açıktır.
Sıklıkla kullanılan diğer bir kavram Band Sınırlı Beyaz Gürültü'dür. Bu,
bir spektral yoğunluğun sonlu band genişlik boyunca sabit ve bu
frekans sınırları dışında sıfır olmasına karşı düşer.
196
S X (ω ) = S 0 ω ≤ 2πW
=0 ω > 2πW (6-47)
ŞEKİL 6-8: Band Sınırlı Beyaz Gürültü a) Spektral Yoğunluk b) Özilişki Fonksiyonu
∞
R X (τ ) = (1 / 2π ) ∫ S X (ω )e jωτ dω
−∞
2πW
= (1 / 2π ) jωτ
(
∫ S 0 e dω = (S 0 / 2π ) e / jτ
jωτ
) 2πW
− 2πW
− 2πW
[
= (S 0 / 2π ) (e j 2πWτ − e − j 2πWτ ) / jτ ] (6-48)
= (S 0 / πτ )sin 2πWτ = 2WS 0 [sin 2πWτ / 2πWτ ]
197
olmayacağı görülür. Örnekler arasında ilişkinin olmayışı bundan
sonraki analiz çalışmalarında önemli yararlar sağlayabilir. Özel
olarak, (5-9) paragrafında tanımlanan ilişki matrisi bu tür örneklenmiş
işleme için diyagonal matris olacak, yani ana köşegen dışındaki
bütün terimler sıfıra eşit olacaktır.
ALIŞTIRMA 6-7
Bir lineer sistemin giriş ve çıkışı gibi, ilişkili iki rasgele işleme ele
alındığında, çapraz spektral yoğunluk olarak bilinen bir çift eşitlik
tanımlamak mümkündür. Burada inceleme amaçları için yalnızca
bunları tanımlamak ve herhangi bir ispata yönelmeden birkaç
özelliğini belirtmek yararlı olacaktır.
olarak tanımlanabilir.
1- S XY (ω ) = S YX (ω )
198
3 – İmajiner (S XY (ω ) ) , ω ’nın bir tek fonksiyonudur. Aynı şey
S YX (ω ) için de geçerlidir.
∞
S XY (ω ) = ∫R
−∞
XY (τ )e − jωτ dτ (6-51)
∞
R XY (τ ) = (1 / 2π ) ∫ S XY (τ )e jωτ dω (6-52)
−∞
∞
S YX (ω ) = ∫R
−∞
YX (τ )e − jωτ dτ (6-53)
∞
RYX (τ ) = (1 / 2π ) ∫ S YX (τ )e jωτ dω (6-54)
−∞
199
T −τ
Rˆ X (τ ) = [1 / (T − τ )] ∫ X (t ) X (t + τ )dt 0 ≤ τ << T (5-14)
0
ifadesinden elde edilir. τ , kayıt süresi olan T’nin yanında çok kü-
çüktür ve τ ’nun müsade edilen en büyük değeri τ m ile
gösterilecek olursa, RX için yeni bir kestirim,
T −τ
ˆ
W R X (τ ) = [w(τ ) /(T − τ )] ∫ X (t ) X (t + τ ) dt
0
= w(τ ) a Rˆ X (τ )
200
w [
Sˆ X (ω ) = ℑ w(τ ) a Rˆ X (τ ) ]
= (1 / 2π )W (ω )*a Sˆ X (ω ) (6-56)
wr (τ ) = 1 τ ≤τm
=0 τ >τm (6-57)
201
ŞEKİL 6-9: Dikdörtgen Pencere Fonksiyonu ve Dönüşümü
ile gösterilecektir. ˆ
a S X (τ ) , mevcut sınırlı bilgi ile
kestirilemeyeceğinden (6-59) eşitliğinde görülen konvolüsyonun
uygulanması ile bulunamaz. Bunun yerine (5-14) eşitliği ile
Rˆ X (τ ) ’nun Fourier dönüşümü alınmak suretiyle,
r X [
Sˆ (ω ) = ℑ Rˆ (τ )X ] (6-60)
yazılır. Burada
T −τ
Rˆ X (τ ) = [1 /(T − τ )] ∫ X (t ) X (t + τ )dt 0 ≤τ ≤τm
0
=0 τ >τm
ve
Rˆ X (τ ) = Rˆ X (−τ ) τ <0
202
πτ
Wh (τ ) = 0.54 + 0.46 cos τ <τm
τ m
=0 τ >τm (6-61)
(6-61)
(a) (b)
1
h Sˆ x (ω ) = Wh (ω )*a Sˆ x (ω ) (6-62)
2π
πτ
Wh (τ ) = 0.54 + 0.46 cos .Wr (τ )
τ m
olduğuna dikkat edilirse,
ℑ[Wh (t )] = Wh (ω )
π π
= 0.54δ (ω ) + 0.23δ ω + + δ ω −
* Wr (ω )
τ m τ m
π ˆ π
h Sˆ x (ω ) = 0.54 r Sˆ x (ω ) + 0.23 r Sˆ x ω + + r S x ω −
(6-63)
τ m τm
203
Bölüm 5-4’te özilişki fonksiyonlarının kestiriminin incelenmesinde
hemen hemen bütün pratik durumlarda gözlenen kayıtların
0, ∆t ,2∆t ,..., N∆t gibi ayrık zamanlarda örneklenmeleri ve sonuç
kestirimin toplam biçiminde olduğuna değinilmişti.
1 N −n
Rˆ x (n∆t ) = ∑ X k X k +n n=0,1,...,M (6-64)
N − n + 1 k =0
h { }
Sˆ x (q∆ω ) = 0.54 r Sˆ x (q∆ω ) + 0.23 r Sˆ x [(q + 1)∆ω ]+ r Sˆ x [(q − 1)∆ω ] (6-66)
[ ]
Var h Sˆ x (q∆ω ) =
M 2
N
S x (q∆ω ) (6-67)
204
Ölçülen spektral yoğunluk frekans bandı boyunca uniform bir özellik
göstermiyorsa, Hamming pencere ile sağlanan kestirim ön
düzenleme ile minimuma indirgenebilen, ciddi hatalara neden
olabilir.Ön düzenleme, bilinen yollarla spektrumu
düzgünleştirmektir. Bu tür hatalar, özellikle spektral yoğunlukta,
gözlenen işaretin dc bileşen içermesine karşı düşen δ fonksiyonu
olarak karşımıza çıkar. Bu durumda bilgi işaretinden dc bileşeni
analizden önce çıkarmak oldukça önemlidir.
ALIŞTIRMA 6-9
Özilişki fonksiyonu,
205
ŞEKİL 6-11 Bir Binary İşaret (a) Dikdörtgen Darbeli (b) Yükselen
Kosinüs Darbeli
t1 / 2
sin (ω .t1 / 2)
F (ω ) = ∫ (1)ε
− j ωt
dt = t1
−t 1 / 2 ω .t1 / 2
‘dür. (6-23) eşitliğine göre binary işaretin spektral yoğunluğu,
2
sin (ω .t1 / 2 )
S X (ω ) = A t1
2
(6-68)
ω .t1 / 2
206
dir. Buna ait Fourier dönüşümü,
t1 / 2
1 2π .t − jω .t
F (ω ) = ∫ 1 + cos
2 −t 1 / 2 t1
ε dt
ω .t1
sin
t1 2 π2
=
2 ω .t1 2 ω .t1 2
π −
2 2
olur ve spektral yoğunluk ise,
2 2
ω .t1
sin
B t1 2
2
π2
S X (ω ) =
4 ω .t1 ω .t
2
π 2 − 1
2
2
olmaktadır. Maksimum değer gene ω = 0 meydana gelir.
Bu spektral yoğunlukların band genişliklerinin
değerlendirilmesinde uygulanabilir pek çok farklı seçenek vardır.
Ancak iki haberleşme sistemi; sındaki girişimin azaltılması
istendiğinde, bandgenişliği, işaretin spektral yoğunluğunun belirli bir
kesri kadar küçük (örneğin %1) olmasının dışında ele almak uygun
olur. Buradan arzu edilen ω 1 değeri,
S x (ω )
≤ 0.01 ω > ω1
S x (0)
yazılabilir. sin( ω .t1 / 2 ) hiçbir zaman 1’den büyük olamayacağından,
bu koşul (6-68) eşitliğini sağlayacaktır.
2
1
A t1
2
ω .t1 / 2 ≤ 0.01
A 2 .t1
≤ 0,01
B 2 t1 / 4
ve
ω 1 ≈ 10,68 / t1
olarak bulunur.
207
Dikdörtgen darbeler yerine yükselen kosinüs darbeler kullanılması
halinde band genişliğinin hemen hemen yarıya indiği açıktır.
ŞEKİL 6-12 (a) Band Geçiren Spektral Yoğunluk (b) Karşı Düşen Kutup -
Sıfır Gösterilişi.
S 0 (s )(− s )
S x (s ) =
(s + α + j.ω 0 )(s + α − j.ω 0 )(s − α + j.ω 0 )(s − α − j.ω 0 )
208
c(s) = s c1= 1 c0 = 0
2
d(s) = s +2 α s+ α 2 + ω 02 d2=1 d1=2 α d0= α 2+ ω 02
[ ]
X 2 = S 0 I 2 = S 0 c12 d 0 + c02 d 2 / 2d 0 d 1d 2
(1)2 (α 2 + ω 02 ) + 0 S 0
= S0 =
2(α 2 + ω 02 )(2α )(1) 4α
1
ω1 ω2
∫ S x (ω )dω + ∫ S x (ω )dω
2
1X =
2
2π −ω 2 ω1
ω2
1
=
π ∫ S (ω )dω
ω1
x (6-71)
209
S x (ω ) = 2 Aβ / (ω 2 + β 2 ) (6-40)
1 2 Aβ 1 1 2 Aβ
∞ ∞
π ω∫1 ω 2 + β 2
dω = ∫ 2 dω
( ) 2 π 0 ω + β 2( )
= (1/2)A
O halde,
∞
∫ω (1 / (ω ))
2
+ β 2 dω = π / 4 β
1
tan −1 (ω 1 / β ) = π / 4
ALIŞTIRMA 6-10
210
PROBLEMLER
( )(
a. ω 2 + 9 / ω 4 − 3ω 2 + 2 ) ( )
d. ω 4 − 2 / ω 2 + 10ω 4 + 2ω 2 + 1
b. (ω + 10 ) / (ω + 4) e. (sin (ω ) / ω )
2 4 2 2
+ 5ω
( 2
c. 1 / ω + 2ω + 1 ) [ (
f. δ (ω ) + ω 2 / ω 2 + 1)]
6-2 (6-21) eşitliği ile verilen sonucu kullanarak, örnek fonksiyonu
aşağıda Fourier serisi açınımı ile verilmiş işlemenin spektral
yoğunluğu için bir ifade yazınız.
∞
a
X (t ) = 0 + ∑ a n cos nω 0 (t + t 0 ) + bn sin nω 0 (t + t 0 )
2 n =1
211
Örnekleme frekansına göre dana geniş banda sahip, sıfır
beklendik değerli rasgele gürültü, her bir örnek diğerinden
bağımsız, bu polarite örnekleyiciye uygulandığında, çıkış
rasgele genlikli binary dalga şekli olacaktır. Çıkışın spektral
yoğunluğunu, örnekleme peryodu T ve çalışma faktörü t1/T
cinsinden hesaplayınız.
R x (τ ) = A.e
−α τ
cos ω 0τ
olarak verilmiştir. Rasgele işlemenin spektral yoğunluğunu
bularak, çiziniz.
212
6-9 Bir rasgele işleme şekilde gösterildiği gibidir.
6-10 X(t) ve Y(t) gibi durağan iki rasgele işleme ele alınsın. SXY( ω )
ve SYX( ω )’nın gerçel ve imajiner kısımlarının ifadelerini
yazınız ve
Re SXY( ω ) = Re SYX( ω )
Im SXY( ω ) = -Im SYX( ω )
olduğunu gösteriniz.
6-11 Yeni bir Z(t) rasgele işlemesi, iki bileşik durağın X(t) ve Y(t)
rasgele işlemelerinin toplamı biçimindedir.
a- Yeni işlemeye ait SZ( ω ) spektral yoğunluğunu
hesaplayınız.
b- X(t) ve Y(t), beklendik değerleri sırasıyla X ve Y olan
istatistik bağımsız rasgele işlemeler olduğunda, SXY( ω ) ve
SYX( ω ) hakkında ne söylenebilir.
c- SXZ( ω ) çapraz spektral yoğunluğunu hesaplayınız.
213
6-13 Binary haberleşmesinde kullanılması durumunda, bir üçgen
darbenin performansını, bir dikdörtgen ve bir yükselen kosinüs
darbeyle karşılaştırınız (6-10 paragrafına bakınız). Bütün
darbeler için enerjinin aynı olduğu kabul edilecektir.
6-15 Band sınırlı beyaz gürültü işlemesine ait bir örnek fonksiyonun
band-genişliği W Hz ve örnekleme aralığı ∆ t = 1/2 W’dir. Eğer
işlemenin spektral yoğunluğu S0 ise bu işlemeden alınacak N
örnek için kovaryans matrisini hesaplayınız.
KAYNAKLAR
214
BÖLÜM 7
7-1 GİRİŞ
Bir lineer sistemin girişi deterministik ise her iki yaklaşım da bizi
giriş ve çıkış arasında tek bir bağıntıya götürecektir. Sistem girişi
bir rasgele işlemenin örnek fonksiyonu olduğunda giriş ile çıkış
arasında gene tek bir bağıntı vardır. Ancak girişin rasgele yapısı
nedeniyle, kesin tanımı yapılamaz ve bu yüzden cevap için açık bir
ifade elde edilemez. Bu durumda, çıkışın ya olasılık ya da istatistik
yaklaşımları kabul edilmelidir. Bu tip tanımlar yalnızca girişler için
kullanılmaktadır. Olasılık ve istatistik* yaklaşımlar arasında en
uygun olanı istatistik yaklaşımlardır. Oldukça sınırlı sayıdaki prob-
lemler için girişe ait olasılık verileri ile çıkışın olasılık tanımlarını
elde etmek mümkün olmaktadır. Ancak, istatistik model daha çok
kullanılır ve girişin istatistik modeli üzerinde basit matematik
işlemler yapılarak çıkışın istatistik modeli kolayca elde edilebilir.
215
İstatistik yöntemlerle çıkışın, beklendik değer, ilişki fonksiyonu, ve
spektral yoğunluk gibi büyüklükleri hesaplanabilir. Bundan sonraki
çalışmalarda yalnızca istatistik yaklaşım ele alınacaktır.
∞
y (t ) = ∫ x(t − λ )h(λ )dλ (7-1)
0
ya da
t
y (t ) = ∫ x(λ )h(t − λ )dλ
−∞
(7-2)
−∞
∫ h(t ) dt < ∞ (7-4)
216
∞
Y (t ) = ∫ X (t − λ )h(λ )dλ (7-5)
0
∞
Y = E [Y (t )] = E ∫ X (t − λ )h(λ )dλ (7-6)
0
t 2 t2
E ∫ Z (t ) f (t )dt = ∫ E[Z (t )] f (t )dt
t1 t1
yazılabilir. Ancak:
t2
1. ∫ E[ Z (t ) ] f (t ) dt < ∞
t1
ve
2. Z(t); t1 ve t2 aralığı ile sınırlı olmalıdır. Burada t1 ve t2 sonsuz
olabilir. Ayrıca Z(t)’nin durağan olması için bir zorunluluk yoktur.
217
Sınırlı olmayan bazı matematik ifadeler olmasına karşın Z(t) daima
sınırlılık koşulunu fiziksel işaret olması nedeni ile sağlayacaktır.
∞ ∞
Y = ∫ E[ X (t − λ )]h(λ )dλ = X ∫ h(λ )dλ (7-7)
0 0
∞ ∞
[ ]
Y = E Y (t ) = E ∫ X (t − λ1 )h(λ1 )dλ1 ∫ X (t − λ 2 )h(λ 2 )dλ 2
2 2
0 0
∞ ∞
= E ∫ dλ1 ∫ X (t − λ1 )X (t − λ 2 )h(λ1 )h(λ 2 )dλ 2 (7-8)
0 0
∞ ∞
= ∫ dλ1 ∫ E [X (t − λ1 )X (t − λ 2 )]h(λ1 )h(λ 2 )dλ 2 (7-9)
0 0
E [ X (t − λ1 )X (t − λ 2 )] = R X (t − λ1 − t + λ 2 ) = R X (λ 2 − λ1 )
∞ ∞
Y 2 = ∫ dλ1 ∫ R X (λ 2 − λ1 )h(λ1 )h(λ 2 )dλ 2 (7-10)
0 0
yazılabilir.
Her ne kadar, R X (τ ) ve h(t) benzer ve üstel ifadelerle
verilmişlerse, (7-10) eşitliğini hesaplamak güçlük yaratmaz.
Bununla ilgili ayrıntıya girmeye gerek
218
yoktur. Burada, bu tür özilişki fonksiyonlarının türev değerleri
orijinlerinde süreksizlik gösterirler ve integrali kısımlara ayırmak
gerekir. Buna daha sonra değinilecektir. Ancak şimdi tanıtıcı
nitelikte daha kolay bir durum incelenecektir. Eğer giriş işareti
beyaz gürültünün bir örnek fonksiyonu ise
R X (λ ) = S 0δ (τ )
∞ ∞
Y 2 = ∫ dλ1 ∫ S 0δ (λ 2 − λ1 )h(λ1 )h(λ 2 )dλ 2 (7-11)
0 0
∞
Y = S 0 ∫ h 2 (λ )dλ
2
(7-12)
0
∞ ∞
ε −bλ
Y = X ∫ bε − b .λ
dλ = Xb =X (7-13)
0
−b 9
219
Bu sonuç doğrudur çünkü devrenin dc kazancı 1'e eşittir.
∞ ∞
ε −2bλ
Y = S0 ∫ b ε
2 2 − 2 bλ 2
dλ = b S 0 = bS 0 / 2 (7-14)
0
− 2b 0
Zaman sabiti ile ters orantılı olan b parametresi sistemin yarı güç
band genişliği ile ilgilidir. Bu durum için bu band genişliği, B,
1 b
B= = Hz
2πRC 2π
‘dir. Buradan,
Y 2 = π .B.S 0 (7-15)
şeklinde yazılabilir. O halde sistem çıkışının karesel beklendik
değeri sistemin band genişliği ile lineer olarak artar. Bu duruma
rasgele girişin band genişliği, sistemin band genişliğine göre büyük
olan durumlarda sıklıkla rastlanır.
ALIŞTIRMA 7-3
Bir sistemin impuls cevabı
h(t) = 2e1 - e-2t t≥0
=0 t< 0
RY (τ ) = E [Y (t )Y (t + τ )]
220
∞ ∞
RY (τ ) = ∫ dλ1 ∫ E [X (t − λ 2 ) X (t + τ − λ 2 )]h(λ1 )h(λ 2 )dλ 2 (7-16)
0 0
E [ X (t − λ1 )X (t + τ − λ 2 )] = R X (t − λ1 − t − τ + λ 2 ) = R x (λ 2 − λ1 − τ )
olur. O halde, çıkışın özilişki fonksiyonu,
∞ ∞
RY (τ ) = ∫ dλ1 ∫ R x (λ 2 − λ1 − τ )h(λ1 )h(λ 2 )dλ 2 (7-17)
0 0
R x (τ ) = S 0δ (τ )
idi, (7-17)’de yerine yazılarak,
∞ ∞
RY (τ ) = ∫ dλ1 ∫ S 0δ (λ 2 − λ1 − τ )h(λ1 )h(λ 2 )dλ 2
0 0
∞
= S 0 ∫ h(λ1 )h(λ1 + τ )dλ1 (7-18)
0
∞
( )
RY (τ ) = S 0 ∫ b.e −bλ be −b ( λ +τ ) dλ
0
∞
e −2bλ
= b S0e 2 − bτ
= (bS 0 / 2 )e −bτ τ ≥ 0 (7-19)
− 2b 0
221
ŞEKİL 7-3 Şekil 7-2’deki RC Devresi Kullanıldığında (7-18)’deki integrasyonun
τ ’ya bağlı olarak değerlendirilişi
∞
( )
RY (τ ) = S 0 ∫ b.e −bλ b.e −b (λ +τ ) dλ
−τ
∞
= b 2 S 0 e −bτ e −2bλ / (− 2b ) −τ = (bS 0 / 2 )e bτ τ ≤0 (7-20)
RY (τ ) = (bS 0 / 2 )e
−b τ
−∞ <τ < ∞ (7-21)
R X (τ ) = (β .S 0 / 2 )e
−β τ
−∞ <τ < ∞ (7-22)
222
Uygun integrasyon sınırlarını hesaplamak üzere, özilişki
fonksiyonu, Rx (λ 2 − λ1 − τ ) ’e τ >0 için λ 2 ’nin bir fonksiyonu olarak
bakmak gerekir. Bu durum Şekil 7-4’te gösterilmiştir. (7-17)
eşitliğinin sağlanmasında λ 2 daima pozitiftir. Böylece integrasyon
bölgesinin 0’dan ( λ1 + τ )‘ya ve ( λ1 + τ )’dan sonsuza kadar
uzanacağı açıktır. Bu durumda (7-17) eşitliği aşağıdaki gibi
yazılabilir.
∞ λ1 +τ
RY (τ ) = ∫ dλ1 ∫ R (λ X 2 − λ1 − τ )h(λ1 )h(λ 2 )dλ 2
0 0
∞ ∞
+ ∫ dλ1 ∫ R (λ X 2 − λ1 − τ )h(λ1 )h(λ 2 )dλ 2
0 λ 1+τ
∞ λ 1+τ
( )
= b 2 β .S 0 / 2 ∫ e −(b + β )λ1 ∫e
− bτ
e −(b− β )λ2 dλ 2
0 0
∞ ∞
(
+ b β .S 0 / 2 ∫ e
2
) − (b − β )λ1
∫e
βτ
e −(b + β )λ2 dλ 2 (7-23)
0 1+
λ τ
∞
[ ]
= b 2 β .S 0 / − 2(b − β ) e − βτ ∫ e −(b+ β )λ e −(b − β )(λ1+τ ) − 1 .dλ1 [ ]
0
∞
[
− b β .S 0 / − 2(b + β ) e
2
] ∫e βτ − b (b − β )λ 1
[e (
− b + β )(λ 1+τ )
].dλ1
0
[ ]
= b 2 β .S 0 / 2(b − β ) ((− e −b.τ / 2b ) + (e − βτ / b + β ))
[
+ b 2 β .S 0 / 2(b + β ) (e −bτ / 2b ) ]
[
= b 2 β .S 0 / 2(b 2 − β 2 )](e − βτ
− (β / b )e −bτ ) τ >0
223
Simetri özelliğinden τ < 0 için doğrudan yazılarak,
[ (
RY (τ ) = b 2 β .S 0 / 2 b 2 − β 2 e )]( −β τ
− β / be
−b τ
) (7-24)
RY (τ ) = [b.S 0 / 2]e
−b τ
[1 / 1 − [(b )/ β ]][1 − (b / β )e (
2 2 − β −b ) τ
] (7-26)
Uygulamada pek çok durum için, girişte gürültü band genişliği, sistem
band genişliğinden çok fazladır. Bu durumda da beyaz gürültü
yaklaşımını kullanmak mümkündür. Örnek olarak, yüksek güçlü,
vakum tüplü bir kuvvetlendirici düşünülsün ve band genişliği 10 MHz
olsun. İlk aşamada karşılaşılan en önemli gürültü kaynağı shot
noise’dir. Bunun band genişliği 1000 MHz’dir. Böylece (7-26)
eşitliğindeki b/ β çarpanı, 0,01 ve beyaz gürültü yaklaşımının
kullanılması ile oluşacak hatanın %1’inden büyük olmayacaktır.
ALIŞTIRMA 7-4
h(t) = 1 - t 0 ≤ t ≤1
=0 dışında
olduğuna göre, (a) τ = 0 için, (b) τ = 1/2 için, (c) τ =1 için sistem çıkı-
şında özilişki fonksiyonunu bulunuz.
224
R XY (τ ) = E [X (t )Y (t + τ )] (7-27)
ve
∞
R XY (τ ) = E X (t )∫ X (t + τ − λ )h(λ )dλ (7-28)
0
X(t), λ ’nın fonksiyonu olmadığından, integral içinde beklendik değer
alınabilir.
∞
R XY (τ ) = ∫ E[ X (t ) X (t + τ − λ )]h(λ )dλ (7-29)
0
∞
= ∫ R X (τ − λ )h(λ )dλ
0
∞
RYX (τ ) = E[ X (t + τ )Y (t )] = E X (t + τ )∫ X (t − λ )h(λ )dλ
0
∞
= ∫ E [X (t + τ ) X (t − λ )]h(λ )dλ (7-30)
0
∞
= ∫ R x (τ + λ )h(λ )dλ
0
R X (τ ) = S 0δ (τ )
ve
∞
R XY (τ ) = ∫ S 0δ (τ − λ )h(λ )dλ = S 0 h(τ ) τ ≥0
0
=0 τ <0 (7-31)
225
Benzer şekilde
∞
RYX (τ ) = ∫ S 0δ (τ + λ )h(λ ) τ >0
0
= S 0 h(− τ ) τ ≤0 (7-32)
(7-31) eşitliği ile elde edilen sonuç sistemin impuls cevabını bulmak
üzere yeni bir yol gösterir. Şekil 7-5’teki blok diyagramı dikkate
alınırsa,
E [Y (t )X (t − τ )] = E [X (t )Y (t + τ )] = R XY (τ ) (7-34)
226
olur. (7-31) eşitliğinden,
227
ŞEKİL 7-6 (a) Sınırlı Zaman İntegratörünün, İmpuls Cevabı (b) Girişin Özilişki
Fonksiyonu
T
Y = X ∫ (1 / T )dt = X (7-35)
0
T T
Y 2 = ∫ dλ ∫ R (λ − λ1 )[1 / T ] dλ 2
2
X 2 (7-36)
0 0
228
(
Y 2 = 2(1 / 3) A 2 / T 2 )( )( )
2T T / 2 = (2 / 3)A 2 (7-37)
T T
RY (τ ) = ∫ dτ 1 ∫ R X (λ 2 − λ 2 − τ )(1 / T ) dλ 2
2
(7-38)
0 0
-2T -T 0 T 2T
T
Y 2 = S 0 ∫ (1 / T ) dλ = S 0 / T
2
(7-39)
0
229
R N (τ ) = 10.e
−1000 τ
∞
S N (ω ) = ∫ R N (τ )e − jωτ dτ
0
ω = 0 için bu ifade,
∞ ∞
S N (0 ) = ∫ R (τ )dτ = 2∫ R (τ )dτ
−∞
N
0
N (7-40)
∞
S N = 2(10) ∫ e −1000τ dτ = 20 / 1000 = 0,02
0
N 02 = bS N / 2 = b(0,02) / 2 = 0,01b
olacaktır. %1’lik istenen doğruluk değerine ulaşabilmek için,
N 02 ≤ (0,01)(1,0)
230
A = 1,0 için filtre kazancı birim'e eşittir.
N 02 = 0,01b ≤ 10 −4
O halde,
b ≤ 10 −2
olduğundan
b = 1/RC, ve RC ≥ 102
olmalıdır.
231
S x (ω ) = {R X (τ )} (7-43)
∞ ∞
RY (τ ) = ∫ dλ1 ∫ R X (λ 2 − λ1 − τ )h(λ1 )h(λ 2 )dλ 2
0 0
S Y (ω ) = {RY (τ )}
∞ ∞ ∞
− jωτ
∫−∞ ∫0 1 ∫0 R X (λ2 − λ1 − τ )h(λ1 )h(λ1 )h(λ2 )dλ2 e dτ
= d λ
∞ ∞ ∞
S Y (ω ) = ∫ dλ1 ∫ h(λ1 )h(λ 2 )dλ 2 ∫ R X (λ 2 − λ1 − τ )e − jωτ dτ
0 0 −∞
∞ ∞
= ∫ dλ1 ∫ h(λ1 )h(λ 2 ).S X (ω )e − jω (λ2 −λ1 ) dλ 2
0 0
∞ ∞
= S X (ω )∫ h(λ1 )e jωλ1
dλ 1 ∫ h(λ 2 )e − jωλ 2 dλ 2 (7-44)
0 0
= S X (ω )H (− ω )H (ω )
2
= S X (ω ) H (ω )
Sonuçta, RX(- τ ) = RX(s) kabul edilmiştir. (7-44) eşitliğinden
görüldüğü gibi çıkışın spektral yoğunluğu, girişin spektral
yoğunluğuna bağlıdır. Bu sonuç kompleks frekans için de sağlanır.
232
j∞
Y = (1 / 2π . j ) ∫ H ( s ) H (− s ) S X ( s )ds
2
(7-46)
− j∞
S Y ( s ) = (b S 0 )(b S 0 ) /( s + b)(− s + b)
c( s ) = b S 0 = c 0
d ( s) = s + b
d0 = b
d1 = 1
ve
Y 2 = I 1 = c02 / 2d 0 d 1 = b 2 S 0 / 2b = bS 0 / 2 (7-48)
233
Biraz daha karmaşık bir örnek olarak, giriş spektral yoğunluğu,
S X ( s ) = − β 2 S 0 /( s 2 − β 2 ) (7-49)
S Y ( s ) = c ( s )c ( − s ) / d ( s ) d ( − s )
[ ][
= (bβ S 0 )(bβ S 0 ) / s 2 + (b + β ) s + bβ s 2 − (b + β ) s + bβ (7-51) ]
c 0 = bβ S 0
c1 = 0
d0 = d β
d1 = b+ β
d2 = 1
Buradan
Y 2 = I 2 = c02 d 2 + c12 d 0 / 2d 0 d1 d 2
= b 2 β 2 S 0 / 2bβ (b + β ) = bβ .S 0 / 2(b + β ) (7-52)
bulunur.
S Y ( s ) = −b 2 S 0 /( s 2 − b 2 )(1 − s 2 / β 2 ) (7-53)
(7-47) eşitliği ile verildiği gibi beyaz gürültü girişi için, β büyük ise
(7-52) eşitliği,
Y 2 = bS 0 / 2(1 + b / β ) (7-54)
şeklinde yazılabilir.
234
Örneklerin değerlendirilmesiyle, sistemin transfer fonksiyonu ve
spektral yoğunluk fonksiyonu rasyonel olduğunda, frekans domeni
yöntemlerinin daha basit olduğu görülecektir. Sistemin daha
karmaşık olması halinde bile bu yöntemin büyük avantajları vardır.
Girişin spektral yoğunluğu veya sistemin transfer fonksiyonu
rasyonel değilse, bunlar geçerli olmayabilir.
ALIŞTIRMA 7-8
Cevap: 25 π
S XY ( s ) = H ( s ) S X ( s ) (7-55)
ve
S YX ( s ) = H (− s ) S X ( s ) (7-56)
235
ŞEKİL 7-11 Sistemin Eşdeğer Gürültü Band genişliği: (a) Alçak Geçiren Sistem
(b) Band Geçiren Sistem
[
= 1 / 4π . j H (0)
2
] ∫ H (s)H (−s)ds Hz (7-57)
− j∞
236
Gürültünün spektral yoğunluğu 2x10-20 (volt)2/Hz olsun (bu değer
yüksek kalitede alıcılar için geçerlidir), çıkışta işaret gücü ve güç
gücü oranının 100 olması için girişin effektif değeri ne olacaktır?
2 2
(S/N)0 = H (ω 0 ) X 2 / 2 N 0 B H (ω 0 ) = X 2 / 2 N 0 B (7-60)
2
X = 2 N 0 B(100) = 2(2 x10 − 20 )(10 4 )(100)
= 4 x10 −14
ve buradan,
X 2 = 2 x10 −7 V
Bu konuya ilişkin son bir örnek olmak üzere Şekil 7-12’de görülen
geri beslemeli bir sistem ele alınacaktır.
237
n(t), rüzgarın açısal yön üzerindeki sapmalara neden olan etkisini
simgeler. Geri besleme çevrimindeki motor ve amplifikatörün
transfer fonksiyonu,
H(s) = A/s(s+1)
SX(s)= -2 / (s2-1)
‘dır. O halde çıkışın spektral yoğunluğu,
SY(s) = Sx(s)Hc(s)Hc(-s)
= -2A2/(s2-1)(s2 + s+A)(s2-s+A) (7-62)
ve çıkışın karesel beklendik değeri,
j∞
[
Y 2 = 2 A 2 / 2π . j ] ∫ ds /[s 3
][ ]
+ 2 s 2 + ( A + 1) s + A − s 3 + 2 s 2 − ( A + 1) s + A
− j∞
=2A2I3
Burada,
Y 2 = 2A/(A+2) (7-63)
elde edilir.
238
M(s) = N(s) - H(s) M(s)
‘dir.
Hn(s) = M(s)/N(s) = 1/(1+H(s))
= s(s+1)/(s2 + s+A) (7-64)
SM(S) = SN(s)Hn(s)Hn(-s)
= [ δ (s)-1/(s2 - 0.25)] [s2(s2-1)/(s2 + s+A)(s2-s+A)] (7-65)
j∞
[ ][ ]
M = (1 / 2π . j ) ∫ δ ( s ) − (1 /( s 2 − 0,25)) s 2 ( s 2 − 1) /( s 2 + s + A)( s 2 − s + A) ds
2
− j∞
j∞
[ ]
M 2 = (1 / 2π . j ) ∫ s ( s + 1)(− s )(− s + 1) / s 2 + 1,5s 2 + ( A + 0,5) s + 0,5 A
− j∞
[− s 3
]
+ 1,5s 2 − ( A + 0,5) s + 0,5 A ds
= I3
239
ALIŞTIRMA 7-10
240
PROBLEMLER
7-2 Bir sonlu zaman integratörü, şekilde görülen blok diyagramı ile
temsil edilebilir.
241
Zaman domeni yöntemlerini kullanarak çıkışın özilişki fonksiyonunu
bulunuz.
−β τ
R X (τ ) = ( β .S 0 / 2)e
olması durumu için Problem 7-4’ü tekrarlayınız.
242
7-10 Bir rasgele işlemenin örnek fonksiyonu,
X(t) = A + N(t)
şeklindedir. Burada A işaretin sabit genliği ve N(t) de özilişki
fonksiyonu,
−τ
R N (τ ) = e
243
Şekilde görülen modelin kullanılması ve α 2’nin α yanında
ihmal edilebileceği varsayılarak, bu yaklaşımın mümkün olup
olmadığı araştırılmaktadır. Hangi etki bu sistem modelinde
ölçmenin geçersizliğine neden olur?
244
7-19 Bir amplifikatörün girişinde, herhangi bir işaret daima gürültü
ile bütünleşmiş biçimdedir. Teorik olarak olası minimum
gürültü, rezistif elemanlardan kaynaklanan termal gürültüdür.
(Problem 7-18). Genel olarak amplifikatörler işareti yükseltme
işlemi sırasında ilave gürültü katacaklardır. İşaret
amplifikatörden geçerken, işaretin işaret gürültü oranının
bozulması ölçülecek gürültü miktarını kötü yönde etkiler. Bir
amplifikatörün bu karakteristiklerini belirtmede genel bir
yöntem "Gürültü Katsayısı" (Noise Figüre), F;
F = F1 + (F2-1)/G1
b- Yarıgüç band genişliği 100 MHz ile tek bir zaman sabitli,
100 dB kazançlı, 13 dB gürültü katsayılı bir geniş band
video amplifikatörün giriş ve çıkış empedansları 300
ohm’dur. Giriş işareti sıfır olduğunda çıkışta gürültü
geriliminin effektif değerini hesaplayınız.
KAYNAKLAR
245
BÖLÜM 8
8-1 GİRİŞ
Daha önce, pratik sistemlerde arzu edilen çıkış işareti ile birlikte bazı
istenmeyen rasgele gürültü işaretlerinin meydana geldiğine
değinmiştik, istenmeyen bu rasgele gürültüler sistemin çıkışında
daima mevcuttur ve istenen çıkıştan sapmalara neden olur. O halde
sistemde bu gürültüden oluşacak sapmaları azaltarak sistemi
iyileştirmeye yönelik bir çözüm aramak gerekmektedir. Genellikle,
çıkıştaki gürültüyü minimuma indirgemek için sistemin impuls cevabı
veya transfer fonksiyonu seçimi ile sağlanmaya çalışılır. İşte bu tür
bir sisteme optimum sistem adı verilmektedir.
246
Güncel mühendislik problemlerinde son aşama ise yaklaşıklıkla ve
ekonomik olarak sistemin yapılabileceğine karar verilmesidir. Gerçek
optimum sistemi meydana getirmek çoğu kez mümkün değildir. Bu
durumda anlamlı yaklaşım optimizasyon tekniklerinin değerlerinin
araştırılmasıdır. Optimum sistem oluşturmaya yönelindiğinde bazen
sonuçlan olumlu olmasa bile çoğu kez bu denemeler yararlı bilgiler
ortaya koyarlar. Bunun nedeni optimumluk özelliklerinin herhangi
gerçek bir sistemle kıyaslanabilir bir ölçüt oluşturmasıdır. Optimumluk
arttırılmadığı sürece bu karşılaştırma, verilen sistemin geliştirilmesine
gerek olup olmadığını veya mükemmel olduğunu ve daha iyi bir
optimumluk için sağlanacak çabanın ekonomik olmayacağını açıkça
belirtir. Gerçekte bu tür bir karşılaştırma, optimum sistemlerle
çalışırken en büyük çabanın sarfedilmesini gerektirir. Burada çok
nadir olarak gerçek mükemmelliğe ulaşılabilir.
247
248
Bir kez kabul edilebilir bir ölçüt seçilip, sistem "nedensel" ve "lineer"
olarak sınırlandırıldığında, ölçütü optimumlaştıran transfer
fonksiyonunu veya impuls cevabını bulmak genellikle mümkündür.
Bununla birlikte, bazı durumlarda, sistemi belirli bir biçime getirmek
için daha başka kısıtlamalar istenebilir. Bu tür sınırlamalar daha
genel ve karmaşık bir optimumluğun daha pahalı ve karmaşık
olmaması ve istenen sonuca ulaşmayı çabuklaştırması nedeni ile
önemlidir. Bununla ilgili örnekler ileride verilecektir.
249
ŞEKİL 8-1 İşaret Gürültü oranını Maksimum Yapmak için işaret ve Sistem:
(a) Algılanan İşaret (b) Optimum Sistemin Belirlenen Biçimi
Daha önce de belirtildiği gibi, bu amaç için gerekli olan ölçüt, herhan-
gi bir andaki çıkış işaretinin gürültü gücüne oranını maksimum yapan
sistemi bulmaktır. Yani, eğer çıkış işareti, s0(t) çıkış gürültüsünün
karesel ortalama değeri M 2 ise s 02 (t 0 ) / M 2 oranını maksimum
yapan sistemin bulunması gerekir. Burada t0 bu oranı maksimum
yapacak şekilde seçilmelidir.
250
olur. Bu tip bir devredeki çıkış gürültüsünün karesel beklendik değeri
daha önce de belirtildiği gibi
M 2 = bN 0 / 2 (8-3)
[ ] [ ]
d s 02 (t 0 ) / M 2 / db = (2 A 2 / N 0 ) 2b(1 − e −bT )Te −bT − (1 − e −bT ) / b 2 = 0
2
(8-5)
bT = 1,26 (8-7)
251
İşlem sırasındaki bir sonraki adım, filtrenin gerçekte ne kadar iyi
olduğunun belirlenmesidir. Bu da, (8-7) eşitliği ile verilen bT’nin
optimum değerinin (8-4) eşitliğinde yerine yazılmasıyla kolayca
bulunabilir. Bu işlem yapıldığında,
[s (t ) / M ]
2
0 0
2
max
= 0,814 A 2T / N 0
(8-9)
K = 2(1-e-bT)2/bT
bT
(
S X (ω ) = A 2 / ω 2 + (2π . f a )
2
) (8-11)
[
= (2 A 2 / 4π 2 f a ) (π / 2 ) − tan −1 ( B / f a ) ] (8-12)
253
2πB
M 2 = (1 / 2π ) ∫π N
−2 B
0 dω = 2 BN 0 (8-13)
[ ]
(2 A 2 / 4π 2 f a ) (− 1 / f a ) /(1 + (B / f a ) ) + 2 N 0 = 0
2
ve buradan,
[
B = (A 2 / 4π 2 N 0 ) − f a2 ]1/ 2
(8-15)
ALIŞTIRMA 8-4
255
Şekil 8-6’da notasyonlar gösterilmiştir.
s(t)+N(t)
∫ ∫ ∫
2
f (t ) g (t ) dt ≤ f (t ) dt g 2 (t )dt (8-20)
a a a
256
∞ ∞ ∞
s 02 (t 0 ) / M 2 ≤ ∫ h 2 (λ )dλ ∫ s 2 (t 0 − λ )dλ / N 0 ∫ h 2 (λ )dλ (8-21)
0 0 0
[s (t ) / M ]
∞
2
0 0
2
max
= (1 / N 0 )∫ s 2 (t 0 − λ )dλ (8-22)
0
h(λ ) = ks (t 0 − λ )u (λ ) (8-23)
∞ t0
∫s ∫s
2 2
(t 0 − λ )dλ = (t )dt = ε (t 0 ) (8-24)
0 −∞
[s (t ) / M ]
2
0 0
2
max
= ε (t 0 ) / N 0 (8-26)
257
olur. Burada ε (t 0 ) , s(t)’nin t0 anına kadar olan enerjisidir. (8-25)
eşitliği ile verilen filtreye uyumlu (matched) filtre adı verilir.
Bu konuya ilk örnek olmak üzere Şekil 8-7 (a)’da verilen bir
dikdörtgen darbeyi ele alalım ve işaret-gürültü oranını t0 = T anında
maksimum yapacak h(t) değerini araştıralım.
ŞEKİL 8-7: Dikdörtgen Darbe için Uyumlu Filtre (a) İşaret (b) Çevrilmiş ve
Kaydırılmış işaret (c) t0 = T için Optimum Filtre
[s (t ) / M ]
2
0 0
2
max
= ε (t 0 ) / N 0 = A 2T / N 0 (8-28)
258
ŞEKİL 8-8 Optimum Filtreler ve Çeşitli t0 Değerlerine Tepkileri
259
h(t ) = A.e − b (t 0−t ) u (t ) (8-30)
‘dir.
[s (t ) / M ]
2
0 0
2
max
= ε (t 0 ) / N 0
t0
[
= ∫ A 2 e − 2bt dt / N 0 = A 2 / 2bN 0 1 − e − 2bt 0 ] (8-31)
0
Uyumlu filtrelerle ilgili üçüncü ve son bir örnek olmak üzere, sınırsız
enerji ve sınırsız süreye sahip yani güç işaretleri ele alınacaktır.
Peryodik olarak tekrarlanan bir dalga şekli bu tip işaretler için bir
örnek olabilir. İncelenebilir ilginç bir durum bu darbelerin radar
sistemlerinde kullanılan ve peryodik olarak tekrarlanan RF darbeler
olduğu düşünülebilir. Şekil 8-10 böyle bir işareti, aynı işaretin ters
çevrilmiş ve kaydırılmış biçimini ve uyumlu filtre çıkışını
göstermektedir. Bu şekilde t0 toplam darbe sayısına karşı düşen bir
süre olarak verilmiştir ve gerekli değildir. Darbe başına enerji,
(1/2)A2tp olduğundan, bu tip N darbeli bir uyumlu filtre çıkışının işaret
gürültü oranı,
260
[s (t ) / M ]
2
0 0
2
max
= NA 2 t P / 2 N 0
(8-32)
sayısı N ile artacağı açıktır. Ancak, N’in çok büyük değerleri için bu
tür uyumlu filtreler üretmek çok güçtür. Bu nedenle genellikle N’in
10’dan küçük değerlerinin seçilmesi sözkonusudur.
ALIŞTIRMA 8-5
(8-30) eşitliğindeki uyumlu filtre için maksimum işaret-gürültü oranını,
limit haldeki durumun 0,9’una eşit yapacak t0 değerini bulunuz.
Cevap:(1n10)/2b
261
olur. Bu nedenle, 1-H(s); giriş işaretine ait işaret hatası ile ilgili
transfer fonksiyonudur. İşaret hatasının karesel beklendik değeri,
j∞
j∞
M = (1 / 2πj ) ∫ S N ( s ) H ( s ) H (− s )ds
2
− j∞
(8-35)
262
Toplam hatanın karesel beklendik değeri, (işaret ve gürültü istatistik
bağımsız olduklarından) E 2 + M 2 ’dir, ve
j∞
2 2
E + M = (1 / 2πj ) ∫ {S X ( s )[1 − H ( s )][1 − H (− s )] + S N ( s ) H ( s ) H (− s )}ds
− j∞
(8-36)
olarak tanımlanır. Şimdi amaç, bu ifadeyi minimum yapacak olan
H(s) değerinin bulunmasıdır.
− j∞
− S X ( s ) H (− s ) + S X ( s )}ds (8-37)
j∞
263
Önceki paragrafta uyumlu filtrelerdeki s(t0 -t)’nin negatif zaman
kısmının elimine edilmesi gibi basit bir sorunla karşı karşıya
olmadığımız açıktır. Çünkü sistem girişindeki toplam rasgele işleme
X(t) + N(t)’dir, ve gürültü beyaz gürültü değildir. Eğer giriş beyaz
gürültü olsaydı, özilişki fonksiyonu δ fonksiyonu içerecekti. Bu
nedenle de gelecek giriş değerleri geçmiş değerleri ile ilişkisiz
olacaktı. Bu şekilde, gelecek girişlere cevap vermeyecek (nedensel)
sistem işaretin daha iyi bir kestirimine bizi götürecektir. Nedensel
sistemin elde edilmesinde ilk adım gürültü spektral yoğunluğun
beyaz gürültüye dönüştürülmesidir. Bu yüzden öndüzenleme fil-
tresine gereksinim vardır.
şeklinde transfer fonksiyonu olan bir filtre olsaydı, çıkış beyaz gürültü
olacaktı, çünkü;
Fi ( s ) H ( s ) − (S X ( s ) / Fi ( s ) ) = Fi ( s ) H ( s ) − [S X ( s ) / Fi (− s )]L − [S X ( s ) / Fi (− s )]R
(8-42)
264
Fi(s) H(s) – [ SX(s) / Fi(-s) ]L=0
veya
H(s)=[1/Fi(s)][SX(s)/Fi(-s)]L (8-43)
Sx(s)= -1 / (s2 – 1)
SN(s)= -1 / (s2 - 4)
Fi(s)Fi(-s) = Sx(s)+SN(s)
[ ( )] [ ( )] ( )( )(
= − 1 / s 2 − 1 + − 1 / s 2 − 4 = − 2s 2 − 5 / s 2 − 1 s 2 − 4 )
ve buradan,
265
( )
Fi ( s ) = 2 s + 2,5 / (s + 1)(s + 2) (8-44)
(
H 1 ( s ) = 1 / Fi ( s ) = ( s + 1)( s + 2) / 2 s + 2,5 ) (8-45)
yazılır. İkinci filtreye ait ifade hazır olarak aşağıdaki ifade ile
tanımlanır.
[ ( )] (
S X ( s ) / Fi ( s ) = − 1 / s 2 − 1 [(− s + 1)(− s + 2)] / 2 − s + 2,5 )
(
= (s − 2) / 2 (s + 1) s − 2,5 )
Bu eşitliğin kısmi kesirlere ayrılması ile,
[ (
S X ( s ) / Fi (− s ) = [0,822 / (s + 1)] − 0,115 / s − 2,5 )]
ve buradan
H 2 ( s ) = [S X ( s ) / Fi (− s )]L = 0,822 / (s + 1)
(8-46)
[ ( )]
H ( s ) = H 1 ( s ) H 2 ( s ) = (s + 1)(s + 2) / 2 s + 2,5 [0,822 / (s + 1)]
= 0,582(s + 2) /( s + 2,5 ) (8-47)
266
j∞ j∞
(E 2
+M2 )min = (1 / 2πj ) ∫ S X ( s )ds − (1 / 2πj ) ∫ [S X ( s ) + S N ( s )]H ( s ) H (− s )ds
− j∞ − j∞
(8-48)
Yukarıdaki sonuçlar, minimum karesel beklendik hatanın (8-47)
eşitliği ile tanımlanan Wiener filtresi kullanılarak bulunabileceğini
göstermektedir. (8-48) eşitliğindeki integral, tablo 6-1’den veya
artıkların (residue) toplamı yardımıyla kolayca bulunabilir. Böylece,
j∞ j∞
= (1 / 2πj ) ∫ [− (2s
2
)( )( )][ 2
( )(
− 5 / s 2 − 1 s 2 − 4 (0,582 ) s 2 − 4 / s 2 − 2,5 ds )]
− j∞
j∞
∫ [− 2(0,582) / (s )]
2 2
= (1 / 2πj ) − 1 .ds = 0,339
− j∞
(E 2
)
+ M 2 min = 0,5 − 0,339 = 0,161
olur. Bu değeri filtre kullanılmaksızın elde edilecek değerle
karşılaştırmak ilginç olacaktır. Filtre kullanılmaması halinde, işaret
hatası olmayacak ve toplam hatanın karesel beldendik değeri
gürültünün karesel beklendik değerine eşit olacaktı. Böylece,
j∞
(E 2
)
+ M 2 = N 2 = (1 / 2πj ) ∫ − 1 /( s 2 − 4)ds = 0,25
− j∞
ALIŞTIRMA 8-6
Bu paragrafta çalışılan örnekte, işaret spektral yoğunluğunu
aynı ve gürültüyü de spektral yoğunluğu SN(s) =1 olan beyaz
gürültü alarak
a) Toplam karesel beklendik hatayı minimum kılan Wiener
Filtresinin transfer fonksiyonunu bulunuz.
b) Elde edilen minimum karesel beklendik hatayı sadeleştiriniz.
Cevap: 0.413/(s+ 2 ), 0.0857
267
PROBLEMLER
268
olan beyaz gürültüye eklenmiştir. Geçici sınır koşullan
kaybolduktan sonra, herhangi bir zamanda toplam karesel
ortalama hatayı minimum yapan alçak geçiren bir RC filtresi
kullanılacaktır. (Y’nin ve zaman sabitinin etkisiyle işaret
hatasının bir sabite yaklaşacağını kaydedelim.) Filtrenin zaman
sabitini bulunuz.
8-5 s(t) işareti şekilde görüldüğü gibi olup spektral yoğunluğu 0,1
V2/Hz
KAYNAKLAR
Bölüm 1’deki kaynaklara bakınız, Özellikle Davenport, Root ve
Lanning, Battin, Papoulis ve Thomas.
269
EK A
MATEMATİK TABLOLAR
1 1
(1 − cos A)
sin 2 A= 2
1 1
(1 + cos A)
cos 2 A= 2
1
sin2 A = 2 ( 1 - cos 2A )
270
1
cos 2 A = (1 + cos 2 A)
2
e jx − e − jx e jx + e − jx
sin x = cos x =
2j 2
jx
e = cos x + j. sin x
where C = A 2 + B 2 − 2 AB cos(φ 2 − φ1 )
A sin φ1 + B sin φ 2
φ 3 = tan −1
A cos φ1 + B cos φ 2
sin (ω .t + φ ) = cos(ω .t + φ − 90°)
1 1
∫ sin axdx = − a cos ax ∫ cos axdx = a sin ax
x sin 2ax
∫ sin
2
axdx =−
2 4a
1
∫ x sin axdx = a 2 (sin ax − ax. cos ax )
1
(
∫ x sin axdx = a 2 2ax sin ax + 2 cos ax − a x cos ax
2 2 2
)
x sin 2ax
∫ cos axdx = 2 + 4a
2
1
∫ x cos axdx = a 2 (cos ax + ax. sin ax )
1
(
∫ x cos axdx = a 3 2ax. cos ax − 2 sin ax + a x sin ax
2 2 2
)
271
sin(a − b) x sin(a + b)
∫ sin ax. sin bx.dx = 2( a − b )
−
2( a + b )
cos(a − b) x cos(a + b) x
∫ sin ax. cos bx.dx = − 2(a − b) + 2(a + b)
sin( a − b) x sin(a + b) x
∫ cos ax. cos bx.dx = 2(a − b) + 2(a + b)
a2 ≠ b2
1 ax
∫e
ax
dx = e
a
e ax
∫ x.e dx = (ax − 1)
ax
a2
e ax 2 2
∫ x e dx =
2 ax
a3
(
a x − 2ax + 2 )
e ax
∫ e sin bxdx = (a sin bx − b cos bx )
ax
a2 + b2
e ax
∫ e cos bxdx = (a cos bx + b sin bx )
ax
a2 + b2
∞
2 2 π
∫ x e dx =
2 −r x
0 4r 3
Γ[(n + 1) / 2]
∞
2 2
∫x e − r x dx =
n
0 2r n +1
∞
sin ax π π
∫ x
dx = ,0,−
2 2
0 for a>0,a=0,a<0
∞
sin 2 x π
∫0 x dx = 2
∞
sin 2 ax π
∫0 x 2 dx = a 2
π π π π
π
∫ sin mxdx = ∫ sin xdx = ∫ cos mxdx = ∫ cos xdx =
2 2 2 2
2
0 0 0 0 ,
m çift
π π
275
276
277
EK B
SIKLIKLA KARŞILAŞILAN OLASILIK DAĞILIMLARI
p
x=1
Pr( x) = q = 1 − p x=0 0<p<1
0 dışında
p X ( x) = pδ ( x − 1) + qδ ( x )
X =p
σ X 2 = pq
φ (u ) = 1 − p + pe ju
Binom
n x n − x
p q x = 0 , 1 , 2 ,..., n
Pr( x) = x
0 aksi halde
0 <p <1 q =1- p n = 1 , 2 ,…..
n
n
p X ( x) = ∑ p k q n −k δ ( x − k )
k =0 k
X = np
σ X 2 = npq
φ (u ) = [1 − p + p.e ju ]
n
Pascal
x − 1 n x −n
p q x = n, n+1,....
Pr( x) = n − 1
0 aksi halde
0 <p <1 q =1- p n = 1, 2, 3,….
X = np −1
σ X = nqp −2
2
φ (u ) = p n e jnu [1 − qe ju ]
−n
278
Poisson
a x e −a
Pr( x) = x = 0, 1, 2, …
x!
a>0
X =a
σX =a2
ju
φ (u ) = e a ( e −1)
SÜREKLİ DAĞILIMLAR
Beta
(a + b − 1)! a −1
x (1 − x )
b −1
0<x<1
p X ( x) = (a − 1)!(b − 1)!
0
dışında
a>0 b>0
a
X =
a+b
ab
σ X2 = 2
(a + b) (a + b + 1)
Cauchy
1 a
p X ( x) = −∞< x < ∞
π a + ( x − b) 2
2
φ (u ) = e jbu − a u
Chi-Square
n −1 − n / 2 ( n / 2) −1 − x / 2
− 1! 2 x e x>0
p X ( x) = 2
aksi halde
0
n = 1, 2, ...
X =n
σ X 2 = 2n
φ (u ) = (1 − 2 ju ) − n / 2
279
Erlang
a n x n −1e − ax x>0
p X ( x) = (n − 1)!
0 aksi halde
a > 0 n = 1, 2, ...
X = na −1
σ X 2 = na −2
φ (u ) = a n (a − ju ) − n
Exponential
ae − ax x>0
p X ( x) =
0 aksi halde
X = a −1
σ X 2 = a −2
φ (u ) = a(a − ju ) −1
Gamma
xae−x /b
x>0
p X ( x) = a!b a +1
0 aksi halde
a > -1 b>0
X = (a + 1) / b
σ X = (a + 1)b 2
2
φ (u ) = (1 − jbu ) − a −1
Laplace
a − a x −b
p X ( x) = e −∞< x < ∞
2
a>0 −∞<b < ∞
X =b
σ X 2 = 2 a −2
φ (u ) = a 2 e jbu (a 2 + u 2 ) −1
280
Log-normal
{
exp − [ln( x − a ) − b ]2 / 2σ 2
} x≥ a
p X ( x) = 2π σ ( x − a )
0 aksi halde
σ >0 −∞< a < ∞ −∞<b < ∞
2
X = a + e b +.5σ
2 2
σ X = e 2b +σ (e σ − 1)
2
Maxwell
2 3 2 −a2 x2 / 2
a x e x>0
p X ( x) = π
0 aksi halde
a>0
X = 8 / π a −1
8
σ X 2 = 3 − a −2
π
Normal
1 − ( x − X ) 2 / 2σ
X2
p X ( x) = e −∞ < x < ∞
2π σ X
σX >0 −∞ < X < ∞
juX − ( u 2σ / 2)
X2
φ (u ) = e
Normal-bivariate
− 1 x − X 2
y −Y
2
p X ,Y ( x, y ) =
1
exp 2
+ −
2ρ
(x − X )( y − Y )
2πσ X σ Y 1− ρ 2 2 (1 − ρ ) σ X σY σ XσY
281
Rayleigh
x − x2 / 2a2
e x>0
p X ( x) = a 2
0
aksi halde
π
X =a
2
π 2
σ X = 2 −
2 a
2
Uniform
1
a<x<b
p X ( x) = b − a
0 aksi halde
−∞ < a <b <∞
a+b
X =
2
σ X2 =
(b − a )2
12
e − e jua
jub
φ (u ) =
ju (b − a)
Weibull
abx b−1e − ax
b
a<x<b
p X ( x) =
0 aksi halde
a>0 b>0
1/ b
1
X = (
Γ 1 + b −1 )
a
2/b
σX 2
1
=
a
{Γ(1 + 2b ) − [Γ(1 + b )] }
−1 −1 2
282
283
284
285
EK F
ÇEVRİMSEL İNTEGRASYON
c + j∞
1
∫ F ( s )e st ds
2πj c − j∞
( F-1 )
∞
1
2πj −∫∞
S X ( s )ds ( F-2 )
286
Öncelikle kutup ve artıklar konusu ele alınsın. Tek değerli bir F(s)
fonksiyonu bir s=s0 noktası ve civarında türeve sahipse F(s) bu
noktada analitiktir denir. F(s) fonksiyonu s domeninin bir bölgesinde
analitik ise bu bölgenin her noktasında analitiktir denir. Eğer
fonksiyon, s0 noktası civarında analitik fakat s0 noktasının kendisi
analitik değilse s0 noktasına tekil nokta denir. Örneğin, F(s) = 1/(s-2)
fonksiyonunun türevi, F'(s) = -1/(s-2)2 olsun. Buradan hemen bu
fonksiyonun s = 2 noktası haricinde analitik olduğu görülür. s = 2
noktasında ise analitik değildir. Yani fonksiyon s=2’de tekillik
göstermektedir. İzole edilmiş bir tekil nokta, bir bölge içinde bulunan
bir noktanın, fonksiyonun bu nokta haricinde analitik olması demektir.
Gerçekten de yukarıdaki fonksiyon s = 2 için bir izole edilmiş tekil
noktaya sahiptir. En çok karşılaşılan tekillik kutup olma durumudur.
Eğer bir fonksiyon s = s0 noktasında sonsuz oluyor ve bu fonksiyon,
n pozitif bir tamsayı olmak üzere (s-s0)n çarpanı ile çarpıldığında
tekillik ortadan kalkıyor ise, fonksiyon s=s0 noktasında n. mertebeden
bir kutup'a sahiptir denir. Örneğin 1/sin(s) fonksiyonunun s0 noktası
bir kutup noktasıdır, ve şöyle yazılabilir.
1 1
F ( s) = =
sin s s − ( s / 3!) + ( s 5 / 5!) − ...
3
ve s ile çarpıldığında,
s 1
φ (s) = =
s − ( s / 3!) + ( s / 5!) + ... 1 − ( s / 3!) + ( s 4 / 5!) + ...
3 5 2
φ (s ) = (s − s0 ) n F ( s) ( F- 4 )
287
φ (s ) = A−n + A− n +1 (s − s0 ) + A−n + 2 (s − s0 )2
∞
+ ... + A−1 (s − s 0 ) + ∑ B k (s − s 0 )
n −1 n+ k
( F- 5)
k =0
1 1
F (s) = = (F-6 )
sin s s − ( s / 3 ! ) + ( s 5 / 5 ! ) − ...
3
2
F ( s) =
s ( s 2 − 1)
2
288
fonksiyonu ele alınsın. s=-1 civarında F(s)’in Laurent serisini bulmak
üzere,
2
φ (s) = 2
s ( s − 1)
olsun, ve s = v - 1 alarak,
2 2
φ (v − 1) = 2
= 3 2
(v − 2v + 1)(v − 2) v − 4v − 3v − 2
3v v 2
−1+ −
2 4
2 3
− 2 − 3v − 4v + v )2
2 + 3v + 4v 2 − v 3
− 3v − 4v 2 + v 3
9v 2 3v 4
− 3v − − 6v 3 +
2 2
v2 3v 4
+ 7v 3 −
2 2
2 3
v 3v v5
+ + v4 −
2 4 4
3 1
φ (v − 1) = −1 + v − v 2 − ...
2 4
3
φ (s ) = −1 + (s + 1) − 1 (s + 1)2 − ...
2 4
289
1 3 1
F ( s) = − + − ( s + 1) − ...
s +1 2 4
φ ( n −1) ( s 0 )
K S0 = ( F-7 )
(n − 1)!
F ( s ) = H 1 ( s ) + H 2 ( s )...H k ( s ) + q ( s )
290
ŞEKİL F-1 s-Planında İntegrasyon Yolu
∫C1 + C 2
F ( s )ds = ∫ F ( s )ds + ∫ F ( s )ds
C1 C2
(F-8)
Herhangi özel bir durumda, C2 boyunca alınan integralin tüm integrale katkısı
araştırılmalıdır.
c + j∞
∫ F (s)ds = lim ∫
c − j∞
R0 →∞ C1 + C 2
F ( s )ds
Aşağıdaki iki özel durum, sorun çıkaran pek çok hali kapsamaktadır,
1- F(s), paydasının derecesi payının derecesinden en az iki büyük
olacak biçimde rasyonel kesir ise,
c + j∞
∫ F (s)ds = ∫
c − j∞
C1 + C 2
F ( s )ds
c + j∞
1 1
f (t ) = ∫ F1 ( s )e st ds = ∫ F1 ( s )e st ds = ∑ k j
2πj c − j∞ 2πj 1 2
C + C
j
291
Burada kj’ler, j. kutuptaki mutlak yakınsak residue (artık)lardır. Aşağıdaki iki
örnek bu işlemleri açıklamaktadır.
ÖRNEK 1
j∞
1 ds
∫
2
X = = k −1 + k − 2
2πj − j∞ ( s − 1)( s 2 − 4)
2
c + j∞
1 e st
2πj c −∫j∞ s ( s + 2)
f (t ) = ds = k 0 + k − 2
(F-7) eşitliğinden,
e st 1
k0 = =
s+2 s =0
2
e st
e −2 t
k −2 = =
s s = −2
−2
ve böylece,
1
f (t ) = (1 − e − 2t ) t>0
2