Escolar Documentos
Profissional Documentos
Cultura Documentos
15 1
10 0
5 -1
-2
10 20 30 10 20 30
tempo (segundos)
amostras (n)
2 2
1.5 1
1 0
0.5 -1
0 -2
10 20 30 10 20 30
amostras(n) tempo(segundos)
Processo de Bernoulli
1
0.5 5 realizações do
0 Processo estocástico
0 5 10 15 20 25 30 35
1
0.5
0
0 5 10 15 20 25 30 35
1
0.5
0
0 5 10 15 20 25 30 35
1
0.5
0
0 5 10 15 20 25 30 35
1
0.5
0
0 5 10 15 20 25 30 35
Variável aleatória
0 3 Realizações do
Processo estocástico
-1
0 5 10 15 20 25 30 35
1
-1
0 5 10 15 20 25 30 35
1
-1
0 5 10 15 20 25 30 35
X [ n ] = A cos( 2 π 100 t )
-0.5 0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0.5 0
0 5 10 15 20 25 30 35
0 1
0.5
-0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0
0.5 0 5 10 15 20 25 30 35
1
0
0.5
-0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0
0.5 0 5 10 15 20 25 30 35
1
0
0.5
-0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0
0 5 10 15 20 25 30 35
Variável aleatória
m X (t ) = E[ X (t )] VAR[ X (t )] = E[( X (t ) − m X (t )) 2 ]
m X [n] = E[ X [n]] VAR[ X [n]] = E[( X [n] − m X (n)) 2 ]
Autocorrelação e Autocovariância
0.5
0
-0.5
Um par de variáveis aleatórias
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0.5 t1
0
-0.5
X(t1),X(t2)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0.5
0
-0.5
RX (t1,t2) = E[X(t1),X(t2)]
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0.5
0
-0.5
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0.5
0
t1 t2
Auto-correlação e Auto-covariância
1
Um par de variáveis aleatórias
0.5
0 t1
0 5 10 15 20 25 30 35
1
0.5
0
0 5 10 15 20 25 30 35
X ( n1 ), X (n2 )
1
0.5
RX ( n1 , n2 ) = E[ X (n1 ), X (n2 )]
0
0 5 10 15 20 25 30 35
1
0.5
0
C X (n1 , n2 ) = R X ( n1 , n2 ) − m X ( n1 )m X (n2 )
0 5 10 15 20 25 30 35
1
0.5
0
0 5 10 15 20 25 30 35
n1 n2
Processos estocásticos
Independentes
X = [ X ( n1 ) X (n2 ) ... X (n N )]
N
p X [ n1 ] X [n2 ] ... X [nN ] ( x 1 , x 2 ,... x N ) = ∏i =1
p X [ni ] (xi )
Estacionários
Exemplo 2:
•valor esperado é uma constante (não depende de t)
•Auto-covariância/Auto-correlação: dependem da diferença entre os instantes de
de tempo.
Processos estacionários em
sentido lato (WSS- wide sense stationary)
RX (τ ) = g (τ ) (contínuo) ou RX (k ) = g (k ) (discreto)
-2
0 5 10 15 20 25 30 Média temporal
4 (média das amostras de
2 uma realização)
0
-2
0 5 10 15 20 25 30
-2
0 5 10 15 20 25 30
N −1
)
média de grupo
m X =< X ( n) >= 1
N ∑ x ( n)
i =0
( das realizações)
T
< X (t ) >= 1
2T ∫
−T
x(t ) dt
Estimitavas no tempo (1/3)
Função de auto-correlação
• N amostras de um processo estocástico com valores reais e discreto
no tempo
) N −1−|k |
R X ( k ) = K ∑ x ( n) x ( n + k )
n =0
K =1 K = 1
N K= 1
N −|k | K= ) 1
RX (0)
) N −1−|k |
) )
C X (k ) = K ∑ ( x(n) − m X )( x(n + k ) − m X )
n =0
K =1 K = 1
N K= 1
N −|k | K= ) 1
C X (0)
) N −1−|k |
RXY (k ) = K ∑ x(n) y ( n + k )
n =0
) N −1−|k |
) )
C XY (k ) = K ∑ ( x(n) − m X )( y (n + k ) − mY )
n =0
K =1 K = 1
N K= 1
N −|k | K= ) 1
R XY ( 0 )
/K = ) 1
C XY ( 0 )
-1
0 2 4 6 8 10 12 14 16
1
-1
0 2 4 6 8 10 12 14 16
1
-1
0 2 4 6 8 10 12 14 16
1
-1
0 2 4 6 8 10 12 14 16
>> r1=xcorr(x); 0
>>subplot(512) -10
>> stem(r1,’k’),grid on 0.5
0 5 10 15 20 25 30 35
>> r2=xcorr(x,'biased'); 0
>>subplot(513)
-0.5
>> stem(r2,’k’),grid on 1
0 5 10 15 20 25 30 35
>>r3=xcorr(x,'unbiased'); 0
>>subplot(514)
-1
>> stem(r3,’k’),grid on 1
0 5 10 15 20 25 30 35
>> r4=xcorr(x,'coeff')
0
>>subplot(515)
-1
>> stem(r4,’k’),grid on 0 5 10 15 20 25 30 35
0.4
0.3
0.2
0.1
-0.1
-0.2
-0.3
-0.4
-0.5
0 5 10 15 20 25 30 35
Ruído branco
>>x=randn(1,100) 4
>> mean(x) 2
0.0064
0
>> var(x)
-2
1.2921
-4
>>subplot(211), 0 10 20 30 40 50 60 70 80 90 100
>>stem(x,'k'),grid on 1.5
1
>>r1=xcorr(x,'biased');
0.5
>>subplot(212)
0
>>stem(r,'k'),grid on
-0.5
0 20 40 60 80 100 120 140 160 180 200
Ruído Branco filtrado
4
-2
-4
0 10 20 30 40 50 60 70 80 90 100
0.5
-0 . 5
0 20 40 60 80 100 120 140 160 180 200
0
>> subplot(311) -2
>>stem(x),grid on -4
0 10 20 30 40 50 60 70 80 90 100
>>stem(y),grid on -2
0 10 20 30 40 50 60 70 80 90 100
>> r1=xcorr(x,y,’biased’);0.5
>> subplot(313), 0
>>stem(r1),grid on -0.5
0 20 40 60 80 100 120 140 160 180 200