Спектральная плотность. Основная терминология области цифровой связи

В статистической радиотехнике и физике при изучении детерминированных сигналов и случайных процессов широко используется их спектральное представление в виде спектральной плотности, которая базируется на преобразовании Фурье .

Если процесс имеет конечную энергию и квадратично интегрируем (а это нестационарный процесс), то для одной реализации процесса можно определить преобразование Фурье как случайную комплексную функцию частоты:

X (f) = ∫ − ∞ ∞ x (t) e − i 2 π f t d t . {\displaystyle X(f)=\int \limits _{-\infty }^{\infty }x(t)e^{-i2\pi ft}dt.}

(1)

Однако она оказывается почти бесполезной для описания ансамбля. Выходом из этой ситуации является отбрасывание некоторых параметров спектра, а именно спектра фаз, и построении функции, характеризующей распределение энергии процесса по оси частот. Тогда согласно теореме Парсеваля энергия

E x = ∫ − ∞ ∞ | x (t) | 2 d t = ∫ − ∞ ∞ | X (f) | 2 d f . {\displaystyle E_{x}=\int \limits _{-\infty }^{\infty }|x(t)|^{2}dt=\int \limits _{-\infty }^{\infty }|X(f)|^{2}df.}

(2)

Функция S x (f) = | X (f) | 2 {\displaystyle S_{x}(f)=|X(f)|^{2}} характеризует, таким образом, распределение энергии реализации по оси частот и называется спектральной плотностью реализации. Усреднив эту функцию по всем реализациям можно получить спектральную плотность процесса.

Перейдем теперь к стационарному в широком смысле центрированному случайному процессу x (t) {\displaystyle x(t)} , реализации которого с вероятностью 1 имеют бесконечную энергию и, следовательно, не имеют преобразования Фурье. Спектральная плотность мощности такого процесса может быть найдена на основании теоремы Винера-Хинчина как преобразование Фурье от корреляционной функции:

S x (f) = ∫ − ∞ ∞ k x (τ) e − i 2 π f τ d τ . {\displaystyle S_{x}(f)=\int \limits _{-\infty }^{\infty }k_{x}(\tau)e^{-i2\pi f\tau }d\tau .}

(3)

Если существует прямое преобразование, то существует и обратное преобразование Фурье , которое по известной определяет k x (τ) {\displaystyle k_{x}(\tau)} :

k x (τ) = ∫ − ∞ ∞ S x (f) e i 2 π f τ d f . {\displaystyle k_{x}(\tau)=\int \limits _{-\infty }^{\infty }S_{x}(f)e^{i2\pi f\tau }df.}

(4)

Если полагать в формулах (3) и (4) соответственно f = 0 {\displaystyle f=0} и τ = 0 {\displaystyle \tau =0} , имеем

S x (0) = ∫ − ∞ ∞ k x (τ) d τ , {\displaystyle S_{x}(0)=\int \limits _{-\infty }^{\infty }k_{x}(\tau)d\tau ,}

(5)

σ x 2 = k x (0) = ∫ − ∞ ∞ S x (f) d f . {\displaystyle \sigma _{x}^{2}=k_{x}(0)=\int \limits _{-\infty }^{\infty }S_{x}(f)df.}

(6)

Формула (6) с учетом (2) показывает, что дисперсия определяет полную энергию стационарного случайного процесса, которая равна площади под кривой спектральной плотности. Размерную величину S x (f) d f {\displaystyle S_{x}(f)df} можно трактовать как долю энергии, сосредоточенную в малом интервале частот от f − d f / 2 {\displaystyle f-df/2} до f + d f / 2 {\displaystyle f+df/2} . Если понимать под x (t) {\displaystyle x(t)} случайный (флуктуационный) ток или напряжение, то величина S x (f) {\displaystyle S_{x}(f)} будет иметь размерность энергии [В 2 /Гц] = [В 2 с]. Поэтому S x (f) {\displaystyle S_{x}(f)} иногда называют энергетическим спектром . В литературе часто можно встретить другую интерпретацию: σ x 2 {\displaystyle \sigma _{x}^{2}} – рассматривается как средняя мощность, выделяемая током или напряжением на сопротивлении 1 Ом. При этом величину S x (f) {\displaystyle S_{x}(f)} называют спектром мощности случайного процесса.

Энциклопедичный YouTube

1 / 3

Спектр и спектральная плотность

Спектральная плотность прямоугольного импульса

Спектральная плотность треугольного импульса

При исследовании автоматических систем управления удобно пользоваться еще одной характеристикой стационарного случайного процесса, называемой спектральной плотностью. Во многих случаях, особенно при изучении преобразования стационарных случайных процессов линейными системами управления, спектральная плотность оказывается более удобной характеристикой, чем корреляционная функция. Спектральная плотность случайного процесса определяется как преобразование Фурье корреляционной функцией , т. е.

Если воспользоваться формулой Эйлера то (9.52) можно представить как

Так как нечетная функция то в последнем выражении второй интеграл равен нулю. Учитывая, что четная функция получаем

Так как то из (9.53) следует, что

Таким образом, спектральная плотность является действительной и четной функцией частоты о). Поэтому на графике спектральная плотность всегда симметрична относительно оси ординат.

Если спектральная плотность известна, то по формуле обратного преобразования Фурье можно найти соответствующую ей корреляционную функцию:

Используя (9.55) и (9.38), можно установить важную зависимость между дисперсией и спектральной плотностью случайного процесса:

Термин «спектральная плотность» обязан своим происхождением теории электрических колебаний. Физический смысл спектральной плотности можно пояснить следующим образом.

Пусть - напряжение, приложенное к омическому сопротивлению 1 Ом, тогда средняя мощность рассеиваемая на этом сопротивлении за время равна

Если увеличивать интервал наблюдения до бесконечных пределов и воспользоваться (9.30), (9.38) и (9.55) при то можно формулу для средней мощности записать так:

Равенство (9.57) показывает, что средняя мощность сигнала может быть представлена в виде бесконечной суммы бесконечно малых слагаемых , которая распространяется на все частоты от 0 до

Каждое элементарное слагаемое этой суммы играет роль мощности, соответствующей бесконечно малому участку спектра, заключенному в пределах от до Каждая элементарная мощность - пропорциональна значению функции для данной частоты Следовательно, физический смысл спектральной плотности состоит в том, что она характеризует распределение мощности сигнала по частотному спектру.

Спектральная плотность может быть найдена экспериментально через среднюю величину квадрата амплитуды гармоник реализации случайного процесса. Приборы, применяемые для этой цели и состоящие анализатора спектра и вычислителя среднего значения квадрата амплитуды гармоник, называются спектрометрами. Экспериментально находить спектральную плотность сложнее, чем корреляционную функцию, поэтому на практике чаще всего спектральную плотность вычисляют но известной корреляционной функции с помощью формулы (9.52) или (9.53).

Взаимная спектральная плотность двух стационарных случайных процессов определяется как преобразование Фурье от взаимной корреляционной функции т. е.

По взаимной спектральной плотности можно, применяя к (9.58) обратное преобразование Фурье, найти выражение для взаимной корреляционной функции:

Взаимная спектральная плотность является мерой статистической связи между двумя стационарными случайными процессами: Если процессы некоррелированы и имеют равные нулю средние значения, то взаимная спектральная плотность равна нулю, т. е.

В отличие от спектральной плотности взаимная спектральная плотность не является четной функцией о и представляет собой не вещественную, а комплексную функцию.

рассмотрим некоторые свойства спектральных плотностей

1 Спектральная плотность чистого случайного процесса, или белого шума, постоянна во всем диапазоне частот (см. рис. 9.5, г):

Действительно, подставляя в (9.52) выражение (9.47) для корреляционной функции белого шума, получим

Постоянство спектральной плотности белого шума во всем бесконечном диапазоне частот, полученное в последнем выражении, означает, что энергия белого шума распределена по всему спектру равномерно, а суммарная энергия процесса равна бесконечности. Это указывает на физическую нереализуемость случайного процесса типа белого шума. Белый шум является математической идеализацией реального процесса. В действительности частотный спектр западает на очень высоких частотах (как показано пунктиром на рис. 9.5, г). Если, однако, эти частоты настолько велики, что при рассмотрении какого-либо конкретного устройства они не играют роли (ибо лежат вне полосы частот, пропускаемых этим устройством), то идеализация сигнала в виде белого шума упрощает рассмотрение и поэтому вполне целесообразна.

Происхождение термина «белый шум» объъясняется аналогией такого процесса с белым светом, имеющим одинаковые интенсивности всех компонент, и тем, что случайные процессы типа белого шума впервые были выделены при исследовании тепловых флуктуациоиных шумов в радиотехнических устройствах.

2. Спектральная плотность постоянного сигнала представляет собой -функцию, расположенную в начале координат (см. рис. 9.5, а), т. е.

Чтобы доказать это, допустим, что спектральная плотность имеет вид (9.62), и иандем по (9.55) соответствующую ей корреляционную функцию. Так как

то при получаем

Это (в соответствии со свойством 5 корреляционных функций) означает, что сигнал, соответствующий спектральной плотности, определяемой (9.62), является постоянным сигналом, равным

Тот факт, что спектральная плотность представляет собой -функцию при означает, что вся мощность постоянного сигнала сосредоточена на нулевой частоте, что и следовало ожидать.

3. Спектральная плотность периодического сигнала представляет собой две -функции, расположенные симметрично относительно начала кординат при (см. рис. 9.5, д), т. е.

Чтобы доказать это, допустим, что спектральная плотность имеет вид (9.63), и найдем по (9.55) соответствующую ей корреляционную функцию:

Это (в соответствии со свойством 6 корреляционных функций) означает, что сигнал, соответствующий спектральной плотности определяемой (9.63), является периодическим сиг налом, равным

Тот факт, что спектральная плотность представляет собой две -функции, расположенные при означает, что вся мощность периодического сигнала сосредоточена на двух частотах: Если рассматривать спектральную плотность только в области положительных частот, то получим,

что вся мощность периодического сигнала будет сосредоточена на одной частоте .

4. Спектральная плотность временной функции, разлагаемой в ряд Фурье имеет на основании изложенного выше вид

Этой спектральной плотности соответствует линейчатый спектр (рис. 9.9) с -функциями, расположенными на положительных и отрицательных частотах гармоник. На рис. 9.9 -функции условно изображены так, что их высоты показаны пропорциональными коэффициентам при единичной -функции, т. е. величинам и

которая полностью совпадает с корреляционной функцией, определяемой по (9.45).

Из рис. 9.5, б, в видно, что чем шире график спектральной плотности тем уже график соответствующей корреляционной функции и наоборот. Это соответствует физической сущности процесса: чем шире график спектральной плотности, т. е. чем более высокие частоты представлены в спектральной плотности, тем выше степень изменчивости случайного процесса и тем же графики корреляционной функции. Другими словами, связь между видом спектральной плотности и видом функции времени получается обратной по сравнению со связью между корреляционной функцией и видом функции времени. Это особенно ярко проявляется при рассмотрении постоянного сигнала и белого шума. В первом случае корреляционная функция имеет вид горизонтальной прямой, а спектральная плотность имеет вид -функции (см. рис. 9.5, а). Во втором случае (см. рис. 9.5, г) имеет место обратная картина.

6. Спектральная плотность случайного процесса, на кото рой наложены периодические составляющие, содержит непрерывную часть и отдельные -функции, соответствующие частотам периодических составляющих.

Отдельные пики на графике спектральной плотности указывают на то, что случайный процесс смешан со скрытыми периодическими составляющими, которые могут и не обнаруживаться при первом взгляде на отдельные записи процесса. Если, например, на случайный процесс наложен один периодический сигнал с частотой то график; сцектральной плотности имеет вид, показанный на рис. 9.10,

Иногда в рассмотрение вводят нормированную

спектральную плотность являющуюся изображением Фурье нормированной корреляционной функции (9.48):

Нормированная спектральная плотность имеет размерность времени.

Величина, характеризующая распределение энергии по спектру сигнала и называемая энергетической спектральной плотностью, существует лишь для сигналов, У которых энергия за бесконечный интервал времени конечна и, следовательно, к ним применимо преобразование Фурье.

Для незатухающих во времени сигналов энергия бесконечно велика и интеграл (1.54) расходится. Задание спектра амплитуд невозможно. Однако средняя мощность Рср, определяемая соотношением

оказывается конечной. Поэтому применяется более широкое понятие "спектральная плотность мощности". Определим ее как производную средней мощности сигнала по частоте и обозначим Сk(щ):

Индексом k подчеркивается, что здесь мы рассматриваем спектральную плотность мощности как характеристику детерминированной функции u(t), описывающей реализацию сигнала.

Эта характеристика сигнала менее содержательна, чем спектральная плотность амплитуд, так как лишена фазовой информации [см. (1.38)]. Поэтому однозначно восстановить по ней исходную реализацию сигнала невозможно. Однако отсутствие фазовой информации позволяет применить это понятие к сигналам, у которых фаза не определена.

Для установления связи между спектральной плотностью Сk(щ) и спектром амплитуд воспользуемся сигналом u(t), существующим на ограниченном интервале времени (-T<. t

где - спектральная плотность мощности сигнала, ограниченного во времени.

В дальнейшем будет показано (см. § 1.11), что, усредняя эту характеристику по множеству реализаций, можно получить спектральную плотность мощности для большого класса случайных процессов.

Функция автокорреляции детерминированного сигнала

Теперь в частотной области имеется две характеристики: спектральная характеристика и спектральная плотность мощности. Спектральной характеристике, содержащей полную информацию о сигнале u(t), соответствует преобразование Фурье в виде временной функции. Выясним, чему соответствует во временной области спектральная плотность мощности, лишенная фазовой информации.

Следует предположить, что одной и той же спектральной плотности мощности соответствует множество временных функций, различающихся фазами. Советским ученым Л.Я. Хинчиным и американским ученым Н. Винером практически одновременно было найдено обратное преобразование Фурье от спектральной плотности мощности:

Обобщенную временную функцию r(), не содержащую фазовой информации, назовем временной автокорреляционной функцией. Она показывает степень связи значений функции u(t), разделенных интервалом времени, и может быть получена из статистической теории путем развития понятия коэффициента корреляции. Отметим, что во временной функции корреляции усреднение проводится по времени в пределах одной реализации достаточно большой продолжительности.

Пусть сигнал s (t ) задан в виде непериодической функции, причем он существует только на интервале (t 1 ,t 2) (пример - одиночный импульс). Выберем произвольный отрезок времени T , включающий в себя интервал (t 1 ,t 2) (см. рис.1).

Обозначим периодический сигнал, полученный из s (t ), в виде s T (t ). Тогда для него можно записать ряд Фурье

где

Подставим выражение для в ряд:

Для того, чтобы перейти к функции s (t ) следует в выражении s T (t ) устремить период к бесконечности. При этом число гармонических составляющих с частотами w =n 2p /T будет бесконечно велико, расстояние между ними будет стремиться к нулю (к бесконечно малой величине: , амплитуды составляющих также будут бесконечно малы. Поэтому говорить о спектре такого сигнала уже нельзя, т.к. спектр становится сплошным .

При предельном переходе в случае Т => , имеем:

Таким образом, в пределе получаем

Внутренний интеграл является функцией частоты. Его называют спектральной плотностью сигнала, или частотной характеристикой сигнала и обозначают ,

рямое (*) и обратное (**) преобразования Фурье вместе называют парой преобразований Фурье. Модуль спектральной плотности определяет амплитудно-частотную характеристику (АЧХ) сигнала, а ее аргумент называют фазо-частотной характеристикой (ФЧХ) сигнала. АЧХ сигнала является четной функцией, а ФЧХ - нечетной.

Смысл модуля S (w ) определяется как амплитуда сигнала (тока или напряжения), приходящаяся на 1 Гц в бесконечно узкой полосе частот, которая включает в себя рассматриваемую частоту w . Его размерность - [сигнал/частота].

9. Свойства преобразования Фурье. Свойства линейности, изменения масштаба времени, другие. Теореме о спектре производной. Теорема о спектре интеграла.

10. Дискретное преобразование Фурье. Помехи радиоприёму. Классификация помех.

Дискретное преобразование Фурье может быть получено непосредственно из интегрального преобразования дискретизаций аргументов (t k = kDt, f n = nDf):

S(f) = s(t) exp(-j2pft) dt, S(f n) = Dt s(t k) exp(-j2pf n kDt), (6.1.1)

s(t) = S(f) exp(j2pft) df, s(t k) = Df S(f n) exp(j2pnDft k). (6.1.2)

Напомним, что дискретизация функции по времени приводит к периодизации ее спектра, а дискретизация спектра по частоте - к периодизации функции. Не следует также забывать, что значения (6.1.1) числового ряда S(f n) являются дискретизаций непрерывной функции S"(f) спектра дискретной функции s(t k), равно как и значения (6.1.2) числового ряда s(t k) являются дискретизацией непрерывной функции s"(t), и при восстановлении этих непрерывных функций S"(f) и s"(t) по их дискретным отсчетам соответствие S"(f) = S(f) и s"(t) = s(t) гарантировано только при выполнении теоремы Котельникова-Шеннона.

Для дискретных преобразований s(kDt) Û S(nDf), и функция, и ее спектр дискретны и периодичны, а числовые массивы их представления соответствуют заданию на главных периодах Т = NDt (от 0 до Т или от -Т/2 до Т/2), и 2f N = NDf (от -f N до f N), где N – количество отсчетов, при этом:

Df = 1/T = 1/(NDt), Dt = 1/2f N = 1/(NDf), DtDf = 1/N, N = 2Tf N . (6.1.3)

Соотношения (6.1.3) являются условиями информационной равноценности динамической и частотной форм представления дискретных сигналов. Другими словами: число отсчетов функции и ее спектра должны быть одинаковыми. Но каждый отсчет комплексного спектра представляется двумя вещественными числами и, соответственно, число отсчетов комплексного спектра в 2 раза больше отсчетов функции? Это так. Однако представление спектра в комплексной форме - не более чем удобное математическое представление спектральной функции, реальные отсчеты которой образуются сложением двух сопряженных комплексных отсчетов, а полная информация о спектре функции в комплексной форме заключена только в одной его половине - отсчетах действительной и мнимой части комплексных чисел в частотном интервале от 0 до f N , т.к. информация второй половины диапазона от 0 до -f N является сопряженной с первой половиной и никакой дополнительной информации не несет.

При дискретном представлении сигналов аргумент t k обычно проставляется номерами отсчетов k (по умолчанию Dt = 1, k = 0,1,…N-1), а преобразования Фурье выполняются по аргументу n (номер шага по частоте) на главных периодах. При значениях N, кратных 2:

S(f n) º S n = s k exp(-j2pkn/N), n = -N/2,…,0,…,N/2. (6.1.4)

s(t k) º s k = (1/N) S n exp(j2pkn/N), k = 0,1,…,N-1. (6.1.5)

Главный период спектра в (6.1.4) для циклических частот от -0.5 до 0.5, для угловых частот от -p до p. При нечетном значении N границы главного периода по частоте (значения ±f N) находятся на половину шага по частоте за отсчетами ±(N/2) и, соответственно, верхний предел суммирования в (6.1.5) устанавливается равным N/2.

В вычислительных операциях на ЭВМ для исключения отрицательных частотных аргументов (отрицательных значений номеров n) и использования идентичных алгоритмов прямого и обратного преобразования Фурье главный период спектра обычно принимается в интервале от 0 до 2f N (0 £ n £ N), а суммирование в (6.1.5) производится соответственно от 0 до N-1. При этом следует учитывать, что комплексно сопряженным отсчетам S n * интервала (-N,0) двустороннего спектра в интервале 0-2f N соответствуют отсчеты S N+1- n (т.е. сопряженными отсчетами в интервале 0-2f N являются отсчеты S n и S N+1- n).

Пример: На интервале Т= , N=100, задан дискретный сигнал s(k) = d(k-i) - прямоугольный импульс с единичными значениями на точках k от 3 до 8. Форма сигнала и модуль его спектра в главном частотном диапазоне, вычисленного по формуле S(n) = s(k)×exp(-j2pkn/100) с нумерацией по n от -50 до +50 с шагом по частоте, соответственно, Dw=2p/100, приведены на рис. 6.1.1.

Рис. 6.1.1. Дискретный сигнал и модуль его спектра.

На рис. 6.1.2 приведена огибающая значений другой формы представления главного диапазона спектра. Независимо от формы представления спектр периодичен, в чем нетрудно убедиться, если вычислить значения спектра для большего интервала аргумента n с сохранением того же шага по частоте, как это показано на рис. 6.1.3 для огибающей значений спектра.

Рис. 6.1.2. Модуль спектра. Рис. 6.1.3. Модуль спектра.

На рис. 6.1.4. показано обратное преобразование Фурье для дискретного спектра, выполненное по формуле s"(k) =(1/100) S(n)×exp(j2pkn/100), которое показывает периодизацию исходной функции s(k), но главный период k={0,99} этой функции полностью совпадает с исходным сигналом s(k).

Рис. 6.1.4. Обратное преобразование Фурье.

Преобразования (6.1.4-6.1.5) называют дискретными преобразованиями Фурье (ДПФ). Для ДПФ, в принципе, справедливы все свойства интегральных преобразований Фурье, однако при этом следует учитывать периодичность дискретных функций и спектров. Произведению спектров двух дискретных функций (при выполнении каких-либо операций при обработке сигналов в частотном представлении, как, например, фильтрации сигналов непосредственно в частотной форме) будет соответствовать свертка периодизированных функций во временном представлении (и наоборот). Такая свертка называется циклической (см. раздел 6.4) и ее результаты на концевых участках информационных интервалов могут существенно отличаться от свертки финитных дискретных функций (линейной свертки).

Из выражений ДПФ можно видеть, что для вычисления каждой гармоники нужно N операций комплексного умножения и сложения и соответственно N 2 операций на полное выполнение ДПФ. При больших объемах массивов данных это может приводить к существенным временным затратам. Ускорение вычислений достигается при использовании быстрого преобразования Фурье.

Помехи

Помехами обычно называют посторонние электрические возмущения, накладывающиеся на передаваемый сигнал и затрудняющие его прием. При большой интенсивности помех прием становится практически невозможным.

Классификация помех:

а) помехи от соседних радиопередатчиков (станций);

б) помехи от промышленных установок;

в) атмосферные помехи (грозы, осадки);

г) помехи, обусловленные прохождением электромагнитных волн через слои атмосферы: тропосферу, ионосферу;

д) тепловые и дробовые шумы в элементах радиоцепей, обусловленные тепловым движением электронов.

Математически сигнал на входе приемника можно представить либо в виде суммы передаваемого сигнала и помехи, и тогда помеху называют аддитивной , либо просто шумом , либо в виде произведения передаваемого сигнала и помехи, и тогда такую помеху называют мультипликативной . Эта помеха приводит к значительным изменениям интенсивности сигнала на входе приемника и объясняет такие явления как замирания .

Наличие помех затрудняет прием сигналов при большой интенсивности помех, распознавание сигнала может стать практически невозможным. Способность системы противостоять мешающему воздействию помехи носит название помехоустойчивости .

Внешние естественные активные помехи представляют собой шумы, возникающие в результате радиоизлучения земной поверхности и космических объектов, работы других радиоэлектронных средств. Комплекс мероприятий, направленных на уменьшение влияния взаимных помех РЭС, называется электомагнитной совместимостью. Этот комплекс включает в себя как технические меры совершенствования радиоаппаратуры, выбор формы сигнала и способа его обработки, так и организационные меры: регламентация частоты, разнесение РЭС в пространстве, нормирование уровня внеполосных и побочных излучений и др.

11. Дискретизация непрерывных сигналов. Теорема Котельникова (отсчётов). Понятие частоты Найквиста. Понятие интервала дискретизации.

Для полноты мы кратко обсудим ниже понятия спектра и спектральной плотности. Применение этих важных понятий более подробно описано в . Мы не используем их для анализа временных рядов в этой книге, поэтому при первом чтении этот раздел можно опустить.

Выборочный спектр . При определении периодограммы (2.2.5) предполагается, что частоты являются гармониками основной частоты . Вводя спектр, мы ослабляем это предположение и позволяем частоте изменяется непрерывно в диапазоне 0-0,5 Гц. Определение периодограммы может быть изменено следующим образом:

, , (2.2.7)

где называется выборочным спектром . Подобно периодограмме, он может быть использован для обнаружения и оценки амплитуд синусоидальной компоненты неизвестной частоты , скрытой в шуме, и действительно это даже удобнее, если только не известно, что частота связана гармонически с длинной ряда, т. е. . Более того, он является отправным пунктом для теории спектрального анализа, использующей важное соотношение, приведенное в приложении П2.1. Это соотношение устанавливает связь выборочного анализа спектра и оценок автоковариационной функции:

. (2.2.8)

Таким образом, выборочный спектр - это косинус-преобразование Фурье выборочной автоковариационной функции.

Спектр . Периодограмма и выборочный спектр – удобные понятия анализа временных рядов, образованных смесью синусоид косинусоид с постоянными частотами, скрытыми в шуме. Однако стационарные временные ряды такого типа, как описанные в разд. 2.1, характеризуются случайными изменениями частоты, амплитуды и фазы. Для таких рядов выборочный спектр сильно флуктуирует и не допускает какой-либо разумной интерпретации .

Предположим, однако, что выборочный спектр был вычислен для временного ряда из наблюдений, являющегося реализацией стационарного нормального процесса. Как уже говорилось выше, такой процесс не имеет никаких детерминированных синусоидальных или косинусоидальных компонент, но мы можем формально провести анализ Фурье и получить значения , для любой частоты . Если повторные реализации наблюдений порождены стохастическим процессом, мы можем собрать популяцию значений и . Тогда мы можем найти среднее значение по повторным реализациям длины , а именно

. (2.2.9)

Для больших значений можно показать (см., например, ), что среднее значение автоковариации в повторных реализациях стремиться к теоретической автоковариации, т.е.

Переходя к пределу в (2.2.9) для , определяем спектра мощности как

, . (2.2.10)

Отметим, что так как

то для сходимости спектра должно убывать с ростом настолько быстро, что обеспечивать сходимость ряда (2.2.11). Так как спектр мощности это косинус – преобразования Фурье автоковариационной функции, знание автоковариационной функции математически эквивалентно знанию спектра мощности и наоборот. Далее мы будем называть спектр мощности просто спектром.

Интегрируя (2.2.10) в пределах от 0 да 1/2 , найдем дисперсию процесса

. (2.2.12)

Следовательно, так же как периодограмма показывает, каким образом дисперсия (2.2.6) ряда, состоящего из смеси синусоид и косинусоид, распределена между различными гармоническими компонентами, спектр показывает, как дисперсия стохастического процесса распределена в непрерывном диапазоне частот. Можно интерпретировать как приближенное значение дисперсии процесса в частотном диапазоне от до .

Нормированный спектр . Иногда более удобно определять спектр (2.2.10) при помощи автокорреляций , а не автоковариаций . Результирующая функция

, (2.2.13). Однако можно показать (см. ), что выборочный спектр стационарного временного ряда сильно флуктуирует вокруг теоретического спектра. Интуитивное объяснение этого факта заключается в том, что выборочный спектр соответствует использованию слишком узкого интервала в частотной области. Это аналогично использованию слишком узкого интервала группирования для гистограммы при оценке обычного распределения вероятностей, используя модифицированную, или сглаженную, оценку

, (2.2.14)

где - специально подобранные весы, называемые корреляционным окном, можно увеличить «ширину полосы» оценки и получит сглаженную оценку спектра.

На рис. 2.8 показана выборочная оценка спектра данных о партиях продукта. Видно, что дисперсия ряда сконцентрирована в основном на высоких частотах. Это вызвано быстрыми осцилляциями исходно ряда, показанного на рис. 2.1.