Categoría: densidad espectral de potencia

Referencia: León García ejemplos 10.4 y 10.5 p58, Gubner Ejemplo 10.18 p396

Suma de dos procesos

Encuentre la densidad espectral de potencia de Z(t) = X(t) + Y(t), donde X(t) y Y(t) son procesos conjuntamente estacionarios en el sentido amplio WSS.

Solución

Autocorelación de Z(t) es

$R_Z(\tau) = E[Z(t + \tau )Z(t)] =$ $= E[(X(t+ \tau)+ Y(t + \tau ))(X(t) + Y(t))]$ $R_Z(\tau) = R_X(\tau) + R_{XY}(\tau) +R_{YX}(\tau) + R_Y(\tau)$

La densidad espectral de potencia se calcula como:

$S_Z(f) = Fourier\{ R_X(\tau) + R_{XY}(\tau) +R_{YX}(\tau) + R_Y(\tau) \}$ $S_Z(f) = S_X(f) + S_{XY}(f) +S_{YX}(f) + S_Y(f)$

---

Referencia: León García Ejemplo 10.5 p.582, Gubner Ejemplo 10.18 p396

Retraso

Sea Y(t) = X(t- d), donde d es una constante de retraso y donde X(t) es estacionario en el sentido amplio WSS.
Encuentre R_YX(τ), S_YX(f), R_Y(τ) y S_Y(f)

Solución

Usando las definiciones se tiene que:

$R_{YX}(\tau) = E[Y(t + \tau )X(t)] =$ $= E[X(t + \tau - d)X(t)] =$ $R_{YX}(\tau) = R_X (\tau - d)$

que usando la propiedad de desplazamiento en tiempo de la transformada de Fourier:

$S_{YX}(f) = Fourier\{ R_X(\tau - d) \} =$ $= S_X(f) e^{-j2 \pi fd} =$ $= S_X(f) \cos (2\pi fd) - jS_x(f) sin (2 \pi fd)$

Finalmente.

$R_Y(\tau) = E[Y(t + \tau)Y(t)] =$ $= E[X(t + \tau - d)X(t - d)] = R_X(\tau)$ $S_Y(f) = Fourier\{ R_Y(\tau) \} = Fourier\{ R_X(\tau) \} =$ $S_Y(f) = S_X(f)$

Note que la densidad espectral de potencia crusada es compleka, y que S_X(f) = S_Y (f) sin importar el hecho que X(t) ≠ Y(t). Entonces S_X(f) = S_Y(f) lo que no implica que X(t) = Y(t)

Referencia: León-García Ejemplo 10.2 p581, Gubner Ejemplo 10.21 p399

Ejercicio

Sea X(t) = a cos(ω t + Θ), donde Θ es uniforme en el intervalo (0,2π) Encontrar la autocovarianza de X(t).
Encuentre la densidad espectral de potencia de S_X(f):

Solución

$S_X(f) = Fourier\{ R_X (\tau) \}$

---

Autocorrelación

$R_X (t_1,t_2) = E[(a \cos(\omega t_1 + \Theta)) (a \cos(\omega t_2 +\Theta))]$

Recordando que:

$E[g(x)] = \int_{-\infty}^{\infty} g(x) f(x) dx$ $cos(x) cos(y) = \frac{cos(x-y) + cos(x+y) }{2}$

se tiene que:

$= \int_{-\pi}^{\pi} [a\cos(\omega t_1 + \Theta) a\ cos(\omega t_2 +\Theta)] \frac{1}{2\pi} d\Theta$ $= \int_{-\pi}^{\pi} a^2 \frac{\cos(\omega (t_1 - t_2))+\cos(\omega (t_1 + t_2)+ 2\Theta)}{2} \frac{1}{2\pi} d\Theta$ $= a^2 \int_{-\pi}^{\pi} \frac{cos(\omega (t_1 - t_2))}{2} \frac{1}{2\pi} d\Theta + a^2\int_{-\pi}^{\pi} \frac{cos(\omega (t_1 + t_2 )+ 2\Theta)}{2} \frac{1}{2\pi} d\Theta$

El primer integral, el coseno no depende de Θ, mientras que el segundo integral es semejante al intergral de la media y cuyo resultado es cero.

$= a^2 \left. \frac{cos(\omega (t_1 - t_2))}{2} \frac{\Theta}{2\pi} \right|_{-\pi}^{\pi} + 0$ $R_X (t_1,t_2) = \frac{a^2}{2} cos(\omega (t_1 - t_2))$ $R_X (t_1,t_2) = \frac{a^2}{2} cos(\omega \tau)$

---

La densidad espectral de potencia entonces es:

$S_X(f) = Fourier\{ R_X (\tau) \}$ $= Fourier\{ \frac{a^2}{2} cos(\omega \tau) \}$ $= \frac{a^2}{2} Fourier\{ cos(\omega \tau) \}$ $= \frac{a^2}{2} Fourier\{ cos(2\pi f_0 \tau) \}$

usando las tablas de transformadas de Fourier:

$= \frac{a^2}{2} (\frac{1}{2}\delta (f-f_0) + \frac{1}{2} \delta (f+f_0))$ $= \frac{a^2}{4} \delta (f-f_0) + \frac{a^2}{4} \delta (f+f_0))$

El promedio de potencia de la señal es R_X(0) = a²/2.
De toda esta potencia, se concentra en las frecuencias en f₀ positiva y negativa, por lo que la densidad espectral de potencia en esta frecuencias es infinita.

Referencia: León García 10.1.1 p578

Sea X(t) un proceso aleatorio contínuo en el tiempo estacionario en el sentido amplio WSS, con media m_X y función de autocorrelación R_X(t).

Si cambiamos el dominio de la función desde tiempo a frecuencia, lo anterior deberá también cambiarse de dominio. Si la función densidad de probabiliad se cambia de dominio, se conocería como periodograma estimador, y se llega a determinar la densidad espectral de potencia de X(t) definida como:

$S_X (f) = lim_{T \rightarrow \infty} \frac{1}{T} E \left[ \left| \tilde{x} (f) \right| ^2\right]$

La densidad espectral de potencia de X(t) está dada por la transformada de Fourier de la función de autocorrelación:

$S_X (f) = Fourier\{R_x(\tau) \} = \int_{-\infty}^{\infty} R_x(\tau) e^{-j2\pi f \tau} d\tau$

La potencia promedio de X(t) se expresa también como:

$E[ X^2(t)] = R_X(0) = \int_{-\infty}^{\infty} S_X (f) df$

La densiddad espectral de potencia también se relaciona con la autocorrelación y autocovarianza por medio de la transformada de Fourier:

$S_X(f) = Fourier\{ C_x (\tau) + m^2_x\}$

si consideramos que m_x es un componente constante o «DC»

$S_X(f) = Fourier\{ C_x (\tau)\} + m^2_x \delta(f)$

ampliando el concepto a densidad espectral de potencia cruzada S_X,Y (f) se define como:

$S_{X,Y}(f) = Fourier\{ R_{X,Y} (\tau) \}$ $$