⎭
𝑑𝑠
𝑇
⎫
⎪
⎭
⎤
⎥
⎦
=
=
exp
⎡
⎢
⎣
-μ
𝑇
∫
0
(1-𝑒
𝑖∫𝑘(𝑡+𝑠)𝑔(𝑡)𝑑𝑡
)
𝑑𝑠
⎤
⎥
⎦
.
(12.19)
Таким образом, можно теперь вычислить характеристическую функцию для многих различных случаев. Перейдём к рассмотрению некоторых частных случаев, где можно использовать простые приближения.
Допустим, что сигналы очень слабые, а их среднее число за единицу времени велико. В этом случае 𝑔(𝑡) мало и, разлагая экспоненту exp[𝑖∫𝑘(𝑡+𝑠)𝑔(𝑡)𝑑𝑡] в степенной ряд, можно аппроксимировать характеристическую функцию выражением
exp
⎡
⎢
⎣
𝑖μ
𝑇
∫
0
𝑇
∫
0
𝑘(𝑡+𝑠)𝑔(𝑡)𝑑𝑡
𝑑𝑠
⎤
⎥
⎦
=
exp
⎡
⎢
⎣
𝑖μ𝐺
2𝑇
∫
0
𝑘(𝑡)𝑑𝑡
⎤
⎥
⎦
,
(12.20)
где через 𝐺=∫𝑔(𝑡)𝑑𝑡 обозначена площадь сигнала. Это означает, что характеристическая функция Φ выражается в виде (12.15) с 𝐹(𝑡)=μ𝐺 (постоянной, не зависящей от 𝑡), а это эквивалентно достоверному утверждению, что 𝑓(𝑡) совпадает с или, другими словами, вероятность равна единице при наблюдении функции 𝑓(𝑡)=μ𝐺 и равна нулю при наблюдении других функций 𝑓(𝑡). Таким образом, совокупность большого числа малых слабых сигналов порождает почти постоянный потенциал, величина которого равна произведению числа сигналов за 1 сек на среднее значение потенциала сигнала.
Перейдём теперь к приближению более высокого порядка и изучим флуктуации около этого постоянного потенциала.
Равенство (12.20) даёт первое приближение экспоненты exp[𝑖∫𝑘(𝑡+𝑠)𝑔(𝑡)𝑑𝑡] в выражении для характеристического функционала (12.19). Допустим теперь, что мы переходим к следующему приближению и учитываем члены второго порядка в виде
-
μ
2
∬
𝑘(𝑡)𝑔(𝑡-𝑠)𝑑𝑡
∫
𝑘(𝑡')𝑔(𝑡'-𝑠)𝑑𝑡'
𝑑𝑠
.
(12.21)
Чтобы получить более простое выражение, введём функцию, определяющую степень перекрытия двух соседних сигналов,
λ(τ)
=
∫
𝑔(𝑡)
𝑔(𝑡+τ)
𝑑𝑡
.
(12.22)
Эта подстановка приводит член второго порядка к виду
-
μ
2
𝑇
∫
0
𝑇
∫
0
𝑘(𝑡)
𝑘(𝑡')
λ(𝑡-𝑡')
𝑑𝑡
𝑑𝑡'
.
(12.23)
Характеристический функционал с учётом членов первого и второго порядков приобретает вид
Φ
= exp
⎡
⎢
⎣
𝑖μ𝐺
∫
𝑘(𝑡)
𝑑𝑡
⎤
⎥
⎦
exp
⎡
⎢
⎣
-
μ
2
∬
𝑘(𝑡)
𝑘(𝑡')
λ(𝑡-𝑡')
𝑑𝑡
𝑑𝑡'
⎤
⎥
⎦
.
(12.24)
Первый множитель в этом выражении соответствует постоянному среднему уровню шума, который, если иметь в виду импульсы напряжения, можно назвать уровнем постоянного тока. Мы можем при желании пренебречь этим уровнем и интересоваться только изменениями потенциала, сдвинув начало отсчёта 𝑓(𝑡). Это означает, что путём изменения начала отсчёта функции 𝑓(𝑡) всегда можно освободиться от множителя exp[𝑖∫𝑘(𝑡)𝐹(𝑡)𝑑𝑡] [т.е. записать 𝑓(𝑡)=𝐹(𝑡)+𝑓'(𝑡), изучить распределение вероятности и характеристический функционал для 𝑓(𝑡)]. Если мы сделаем такое изменение начала отсчёта, то будем изучать лишь флуктации напряжения относительно уровня постоянного тока.
Отметим одно приближение к функционалу (12.24), которое часто оказывается точным. В общем случае λ(τ) — узкая, пикообразная функция от τ. Нарастание и спад формы сигнала 𝑔(𝑡) характеризуется конечной шириной, так что если два сигнала разделены достаточно большим промежутком времени, то у них нет области перекрытия. Другими словами, λ(τ) быстро стремится к нулю при увеличении τ. Поэтому, если λ(τ) имеет достаточно узкий профиль, второй член в уравнении (12.24) может быть аппроксимирован выражением
𝑒
-(𝑞/2)∫[𝑘(𝑡)]²𝑑𝑡
,
(12.25)
где обозначено
𝑞
=
μ
∞
∫
-∞
λ
𝑑τ
.
Это эквивалентно распределению вероятности
𝑃[𝑓(𝑡)]
=
𝑒
-(𝑞/2)∫[𝑓(𝑡)]²𝑑𝑡
.
(12.26)
Флуктуации, подобные тем, что мы сейчас рассматриваем, часто называют гауссовым шумом.
Характеристики функционалов вероятности, описывающих шумовые функции, последнее время широко обсуждались в теории связи, причём многие характеристики шумового спектра были определены и вычислены. Аналогичное рассмотрение проведём здесь и в следующем параграфе, где рассматриваются гауссовы шумы.
Покажем ещё на одном примере, как выводятся характеристические функционалы. Рассмотрим сигналы, которые приходят в случайные моменты времени и для которых задана характеристическая форма, например, в виде 𝑢(𝑡), но различен масштабный весовой множитель, так что типичный сигнал запишется как 𝑎𝑢(𝑡). Можно также допустить, что вес 𝑎 может быть либо положительным, либо отрицательным. Пусть сигналы приходят в какие-то моменты времени 𝑡𝑗, а их веса принимают случайные положительные и отрицательные значения 𝑎𝑗. Тогда результирующая функция представляется выражением
𝑓(𝑡)
=
∑
𝑗
𝑎
𝑗
𝑢(𝑡-𝑡
𝑗
)
.
(12.27)
Если отвлечься от случайной природы событий, то мы получим характеристический функционал, эквивалентный функционалу (12.16);
Φ
=
exp
⎡
⎢
⎣
𝑖
∑
𝑗
𝑎
𝑗
∫
𝑘(𝑡)
𝑢(𝑡-𝑡
𝑗
)
𝑑𝑡
⎤
⎥
⎦
.
(12.28)
Если учесть теперь случайную природу весовых масштабных множителей сигналов и обозначить вероятность обнаружения весового множителя, соответствующего 𝑗-му сигналу, в интервале 𝑑𝑎𝑗 через 𝑝(𝑎𝑗)𝑑𝑎𝑗, то характеристический функционал будет иметь вид
Φ
=
∬
…
⎡
⎢
⎣
𝑖
∑
𝑗
𝑎
𝑗
∫
𝑘(𝑡)
𝑢(𝑡-𝑡
𝑗
)
𝑑𝑡
⎤
⎥
⎦
×
×
𝑝(𝑎
1
)𝑑𝑎
1
𝑝(𝑎
2
)𝑑𝑎
2
…
.