04 pest frecuencia
TRANSCRIPT
-
5/27/2018 04 Pest Frecuencia
1/91
Anlisis de procesos estocsticosen el dominio de la frecuencia
Anlisis de procesos estocsticos en el dominio dela frecuenciaF. Javier Cara
ETSII-UPM
Curso !"-!"#
"
-
5/27/2018 04 Pest Frecuencia
2/91
Anlisis de procesos estocsticos en el dominio de la frecuencia
Contenido
Funci$n de densidad espectral%efinici$n
&elaci$n con la transformada de Fourier
Propiedades
Aplicacion. Funcion de densidad espectral de modelos estocsticos lineales
Funcion de densidad espectral cru'ada
Estimacion de la funcion de densidad espectral
%ensidad espectral de al(unos procesos estocsticos
)eneraci$n de reali'aciones artificiales
-
5/27/2018 04 Pest Frecuencia
3/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaFunci$n de
densidad espectral
Funcin de densidad espectral
En el dominio del tiempo* un proceso estocstico +uedacaracteri'ado si conocemos la funci$n de medias ,
Xt
/ la funci$nde autocorrelaci$n RX
0 o la funci$n deautocovarian'as.
1os procesos estocsticos estacionarios tienen propiedadesmu/importantes cuando se anali'an en el dominio de lafrecuencia.
Un proceso estocstico +ueda caracteri'ado en eldominio de la frecuencia mediante la funci$n de
densidad espectral* +ue es la transformada deFourier de RX
0 .1a descripci$n en el dominio de la frecuencia de una
se2aldeterministax t viene dado por la transformadade FourierX 3 /por tanto* tam4i5n por el espectro* 6X
36
.Sin em4ar(o* no siempre es posi4le calcular la
-
5/27/2018 04 Pest Frecuencia
4/91
transformada deFourier de una se2al aleatoria. 1afunci$n de densidad espectral si sepuede calcular.
#
-
5/27/2018 04 Pest Frecuencia
5/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaFunci$n de
densidad espectral
Para +ue una funci$nf t ten(a transformada de Fourier se tiene +ue
cumplir1. 1a funci$n es a4solutamente inte(ra4le
r+7
6f t6dt 8 797
2. Cual+uier discontinuidad def t es finita.
Sea :X t; un proceso estocstico. En principio* todos los procesosestocsticos +ue vamos a considerar no tienen discontinuidadesinfinitas.Para +ue se cumpla la primera propiedad se tiene +ue dar +ueX t < !cuando t < 97 / t < 7. Esto no pasa en los procesosestocticos=
Por tanto* no podemos calcular la transformada de Fourier deX t.>amos a calcular la transformada de Fourier de la funci$n de
autocorrelaci$n* +ue es la +ue nos sirve para caracteri'ar el proceso
estocstico en el dominio del tiempo.
?
-
5/27/2018 04 Pest Frecuencia
6/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaFunci$n de
densidad espectral
Para procesos estacionarios* la funci$n de autocorrelaci$n se puede ponercomo@
RX
0 E X tX t B 0
1os procesos estocsticos estacionarios dean de estar correlacionadospara valores mu/ (randes de 0 * esto es
lim0
-
5/27/2018 04 Pest Frecuencia
7/91
D
-
5/27/2018 04 Pest Frecuencia
8/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaFunci$n de
densidad espectral
%efinici$n
Definicin
Sea :X -t; un proceso estocstico estacionario. 1a funci$n dedensidadespectral de :X -t;* +ue se escri4e como S
X-3* se
define como latransformada de Fourier de la funci$n deautocorrelaci$n@
7
S 3 "
X
E
rR
X0
e97
9i 30d 0
RX
0 r7
SX
3ei 30 d 397
1as ecuaciones anteriores se conocen tam4i5n como las ecuaciones deiener-GincHin en Honor a los matemticos Ior4ert iener / AlesandrGHincHin.Como la funci$n de autocorrelaci$n caracteri'a al proceso estocstico enel
dominio del tiempo* la funci$n de densidad espectral caracteri'a alproceso
en el dominio de la frecuencia.
-
5/27/2018 04 Pest Frecuencia
9/91
K
A li i d t ti l d i i d l f i F i$ d
-
5/27/2018 04 Pest Frecuencia
10/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaFunci$n de
densidad espectral
&elaci$n con la transformada de Fourier
Relacin con la transformada de Fourier de X t
Si estamos tra4aando con el proceso estoctico :X-t; / con laTransformada de Fourier -T.F.* serLadesea4le +ue la funci$n dedensidad espectralestuviese definida a partir de la T.F. de :X -t;
X t X"
7
T .F .
r
-3 X -te9i 3tdtE
97Sin em4ar(o* si el proceso estocstico es estacionario*
te$ricamente7
X -t se etiende desde 97 Hasta B7* / por tantor
97
6X -t6dtnoes finita* por lo +ue en principio no se puede Hacer la T.F. deX t.
Para resolver este pro4lema vamos a considerarX t en elintervalo
!* T * / Hacemos cero en el resto. AHora si est definida la T.F.
X f T 7
-
5/27/2018 04 Pest Frecuencia
11/91
X f * T "
rX te9i 3t dt
r
T
X -te9i Eftdt
E97 !
>amos a tra4aar conf en lu(ar de con 3 para evitar elfactor " .
N
Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de
-
5/27/2018 04 Pest Frecuencia
12/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaFunci$n de
densidad espectral
&elaci$n con la transformada de Fourier
1a media de 6X f * T 6 para cada frecuenciaf secalcula como
E 6X f * T 6 E X f * T X f * T
=r T
E!
X te9i ft
dtr
T
!
O
X -se+i Efs
ds
=r
Tr
T
E
O
X tX se9i f (t9s)
ds dt! !
1a re(i$n de inte(raci$n se muestra en la fi(urasi(uiente a. Sidefinimos 0 t 9 s* la nueva rea deinte(raci$n es 4.
E -f * T 6 E
= O X -tX -t 9 0 e9i Ef 0 d 0 dt
-
5/27/2018 04 Pest Frecuencia
13/91
=r
Tr
t
OX -tX -t 9 0 e f d 0 dt
! t9T
Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de
-
5/27/2018 04 Pest Frecuencia
14/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaFunci$n de
densidad espectral
&elaci$n con la transformada de Fourier
Si intercam4iamos el orden de inte(raci$n / tomamos laesperan'adentro@
E 6X f * T 6
r
T
r
t E -X -tX -t 9 0 e9i Ef 0 d 0 dt
! t9TT
r rt
! t9T
-
5/27/2018 04 Pest Frecuencia
15/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaFunci$n de
-
5/27/2018 04 Pest Frecuencia
16/91
densidad espectral
&elaci$n con la transformada de Fourier
E -6X -f * T 6
!
rt+0
r
T=
rTO
r
RX 0 e9i f 0
9T !
!
dt d 0 B!
T
RX -0 e9i
Ef 0
dt d 00
r
RX
-0 e9i Ef 0 -0 B T d 0 Br
9T !T
r RX -0 e9i Ef 0 -T 9 60 6d 0
9T
RX
-0 e9i Ef 0 -0 9 T d 0
1a inte(ral anterior va a infinito cuando T < 7.%ividimos por Tpara +ue esto no ocurra@
T
" E 6X f * T 6 r
R -0 e9 E 0 60 6 T
-
5/27/2018 04 Pest Frecuencia
17/91
R -0 e E 0 60 6"X
T9T
TPara T (rande
" 7limT
-
5/27/2018 04 Pest Frecuencia
18/91
densidad espectral
&elaci$n con la transformada de Fourier
Teorema
Sea :X -t; un proceso estocstico estacionario. 1a funci$n de
densidadespectral de :X -t; se puede epresar como@"SX
f limT
-
5/27/2018 04 Pest Frecuencia
19/91
p ( p ( pen funci$n del periodo* no de la frecuencia T "f .
""
Anlisis de procesos estocsticos en el dominio de la frecuenciaFunci$n de
-
5/27/2018 04 Pest Frecuencia
20/91
densidad espectral
&elaci$n con la transformada de Fourier
Va vimos un resultado similar en el tema de Fourier@ la Transformada deFourier de la correlaci$n de dos funciones es i(ual al producto de laconu(ada de la Transformada de Fourier de la primera funci$n / laTransformada de Fourier de la se(unda funci$n.
7
y -t Ar
97
x 0 ht B 0 d 0 TF Y f Hf X f
Cuando ht x t* la correlaci$n se conoce como autocorrelaci$n de
x t. Entonces se tiene
y -t A
r
7
x 0 x t B 0 d 0 TFY f X f X f 6X f 6
97
1a correlaci$n anterior es entre dos funciones deterministas. En el caso de
funciones aleatorias* tenemos +ue tomar esperan'as / dividir por T
lim " E Y f lim
E 6X f 6 S f
-
5/27/2018 04 Pest Frecuencia
21/91
6 f 6 f T
-
5/27/2018 04 Pest Frecuencia
22/91
densidad espectral
Propiedades
Propiedades
1a funci$n de densidad espectral reflea el contenido enfrecuenciasdel proceso estocstico* como sedesprende de la relaci$n entre lafunci$n de densidadespectral / la transformada de Fourier. Portanto*di4uando la funci$n de densidad espectral podemos
o4servar+u5 frecuencias son las ms importantes.SimetrLa
SX
93 SX
3
Se 4asa en el HecHo de +ue 6X 3* T 6 es simetrico.
1a funci$n de densidad espectral es positiva para todo 3. El rea definida por la funci$n de densidad espectral es
i(ual al valorcuadrtico medio del proceso estocstico+ue es constante pordefinici$n de estacionaridad@
RX ! E
-t A
r7
SX
3e
!d 3 r 7 SX
d3
-
5/27/2018 04 Pest Frecuencia
23/91
!d 3 3d97 97
"#
Anlisis de procesos estocsticos en el dominio de la frecuenciaFunci$n de
densidad espectral
-
5/27/2018 04 Pest Frecuencia
24/91
densidad espectral
Propiedades
1ue(o el valor cuadrtico medio7
WX
r
SX
3d 397
Como la media del proceso estocstico
es cero@7 7
X
XX
r
SX
3d 3 / de i(ual manera
X 97
rS
Xf df
97
es decir* el rea 4ao la funci$n de densidad espectral /a sea en
rads o Q' es i(ual a la varian'a del proceso.Estas relaciones son importantLsimas. Por eemplo*
permitencompro4ar si est 4ien calculada la funci$n de
densidad espectral. Tam4ien se utili'an para conocer las unidades de S 3
-
5/27/2018 04 Pest Frecuencia
25/91
Tam4ien se utili'an para conocer las unidades de SX
3.* Si U son las unidades deX (t)
X
* las unidades de S (3) son U2(rad s)RX
* las unidades de S (f ) son U2
(Hz ).Por eemplo* si estamos tra4aando con aceleraciones* la funcion dedensidad espectral se mide en ms
rad s o en msHz."?
Anlisis de procesos estocsticos en el dominio de la frecuenciaFunci$n de
densidad espectral
-
5/27/2018 04 Pest Frecuencia
26/91
p
Propiedades
Para cam4iar de unidades de radianes por se(undo a
Hert'ios@
SX
-f ESX
-3
En efecto* 3 f d 3 df7
r
X
X
977
Xr
SX -f df7
r
X S
X3d 3 X
X
97
SX
3df97
Si las frecuencias ne(ativas son suprimidas* la funci$nde densidadespectral tiene +ue multiplicarse por dospara +ue se si(aconservando el rea.
GX 3
- SX3 3 Y ! ! 3 8!
-
5/27/2018 04 Pest Frecuencia
27/91
X !
"D
Anli.ii.i d proc.iO.i .itocnico.i n 1 dominio d la fr cuncia
1Funcin d dn.iidad .ipccra 1
-
5/27/2018 04 Pest Frecuencia
28/91
1P ropi dad.i
Se defi ne n por t a nto 4 posi bl es represe ntaciones de l a d e nsi dad espect ral
Sx(w)Sx (/)
(a)
Gx(w)
2
{e)
-----'!'=--- !Gx( f)
-
5/27/2018 04 Pest Frecuencia
29/91
fo Z fo=?,;
4d
(a) es conoci do como de nsi da d espectral bi l ite ral (two-si ded).
(b) es conoci do como de nsi da d espectral u n i l itera l (one-sid ed).
16
Anlisis de procesos estocsticos en el dominio de la frecuenciaFunci$n de
densidad espectral
-
5/27/2018 04 Pest Frecuencia
30/91
Propiedades
Funcin de densidad espectral de potencia (PSD) Antes de la lle(ada de los ordenadores* los espectros se
calcula4ansimulando las funciones mediante se2alesel5ctricas.
1a ener(La de una se2alx t se definecomo@
7
E r
976x t6dt
1a potencia media de una se2alx t entre ! / T sedefine como@
T
P lim" r
6x t6
dtT
-
5/27/2018 04 Pest Frecuencia
31/91
1a ener(La total / la potencia media disipadas en la resistencia son@
E r 7
6i t6dt Julios* P lim "r
T
6it6dt atios
97
T
-
5/27/2018 04 Pest Frecuencia
32/91
Propiedades
Se definen los si(uientes espectros@
1. Espectro de ener(La. Sea una se2al x (t) con ener(ia finita* esto es*
E =r 7
2
6x (t)6 dt 8 797
Por tanto* se cumple la condici$n fundamental para +ue eista la transformada de Fourier. El espectro se calcula como@
"2
X(3) =
6X (3)6
Se conoce tam4i5n como densidad espectral de ener(La.
2. Espectro de potencia. Si la se2alx (t) no tiene ener(La finita no sepuede calcular su transformada de Fourier. Para calcular el espectroco(emos la se2al entre ! / T /@
X(3) = lim
"6X (3* T )6
2
T
-
5/27/2018 04 Pest Frecuencia
33/91
"
Anlisis de procesos estocsticos en el dominio de la frecuencia
Aplicacion. Funcion de densidad espectral de modelos estocsticos lineales
-
5/27/2018 04 Pest Frecuencia
34/91
Aplicacion. Funcion de densidad espectral de modelos
estocsticos linealesEn en dominio del tiempo Hemos estudiado los si(uientes modelosestocsticos lineales@
Proceso de &uido 4lanco. Proceso MA-+.Proceso A&-p.
Para estos procesos* las ecuaciones de iener-GincHin se suelen escri4ircomo
S f
N
h=9NU+"
"
[he9i fh * 9" \f \ "
[h r
9"
S f ei fhdf * h !* ]"* ]* . . .
Es decir* transformada de Fourier en tiempo discreto %TFT@ los datosson discretos* [-h :[-9 NB "* ^ ^ ^ * [-9"* [-!* [-"* [- N ;*pero la
funcion de densidad espectral se define continua.
Anlisis de procesos estocsticos en el dominio de la frecuencia
Aplicacion. Funcion de densidad espectral de modelos estocsticos lineales
-
5/27/2018 04 Pest Frecuencia
35/91
Va vimos +ue la %TFT se definLa para datos con tiempo normali'ado*esdecir* _t "
N9"
X 3 xke9i 3k
k=!
x "
k E
rX
3e
i 3kd 3
En estas f$rmulas* k !* "* . . . * 9 "* / 3 est definida en cual+uierintervalo de lon(itud ` !* * `9
* . Si utili'amos frecuencias
lineales* 3 f * d 3 df * `9 * 9< `9 " * " el intervalo de
inte(raci$n es cual+uier intervalo de lon(itud uno* lue(o
N9"
X -f xke9i Efk
k=!"
xkr
X f ei fk df
9 "
!
-
5/27/2018 04 Pest Frecuencia
36/91
Anlisis de procesos estocsticos en el dominio de la frecuencia
Aplicacion. Funcion de densidad espectral de modelos estocsticos lineales
-
5/27/2018 04 Pest Frecuencia
37/91
Densidad espectral del ruido blancoEl ruido 4lanco se define como
w
!t -!* X
Su funci$n de autocovarian'a es
[w
-h
1ue(o
-X
wsi h !
! si h !
Sw -f
N
h=9NU+"
[w
he
9i Efh
w
X * 9" \f \ "
Si tra4aamos s$lo con frecuencias positivasw w
G f X
* ! \f \ "
1ue(o todas las frecuencias tienen la misma potencia o son i(ualmenteimportantes i(ual +ue la lu' 4lanca. El ruido 4lanco ecita todas lasf i i l
-
5/27/2018 04 Pest Frecuencia
38/91
frecuencias por i(ual."
Anlisis de procesos estocsticos en el dominio de la frecuencia
Aplicacion. Funcion de densidad espectral de modelos estocsticos lineales
-
5/27/2018 04 Pest Frecuencia
39/91
Pero Hemos visto +ue la densidad espectral tam4i5n se escri4e como
SW
f lim
"E -6" -f * T 6
lim
"E " f * T " f * T
T
-
5/27/2018 04 Pest Frecuencia
40/91
Anlisis de procesos estocsticos en el dominio de la frecuencia
Aplicacion. Funcion de densidad espectral de modelos estocsticos lineales
-
5/27/2018 04 Pest Frecuencia
41/91
Densidad espectral de un proceso MA(q)
1a ecuaci$n de un proceso estocstico MA+ es@t t " t9" t9 q t9q t w
x ! B b ! B b ! B ^ ^ ^ B b ! * !
!* X
1a funci$n de densidad espectral de un proceso MA+ es
w
Sx
f X 6"Bb"e9i f Bb
e9i ?f B^ ^ ^Bb
qe9i qf 6* 9" \f \ "
x w
G f X 6" Bb
"e
9i Ef B
be
9i ?Ef B ^ ^ ^ B bqe 9i qf 6* ! \f \ "
#
-
5/27/2018 04 Pest Frecuencia
42/91
#
Anlisis de procesos estocsticos en el dominio de la frecuencia
Aplicacion. Funcion de densidad espectral de modelos estocsticos lineales
-
5/27/2018 04 Pest Frecuencia
43/91
Para poder pro4ar la f$rmula anterior* Ha/ +ue utili'ar las si(uientes
propiedades de la transformada de Fourier@
1inealidadk k k
z ax B #y T .F . $ -f aX -f B #Y -f
%espal'amiento en el tiempo timesHiftin(
k
xT .F .X f
x. .
e T Fk9m
9i fmX f
es decir* si la T.F. dexk
esX f * entonces la transformada
deFourier dexk9m es e
9i fm
X f .
-
5/27/2018 04 Pest Frecuencia
44/91
?
Anlisis de procesos estocsticos en el dominio de la frecuenciaAplicacion. Funcion de densidad espectral de modelos estocsticos lineales
-
5/27/2018 04 Pest Frecuencia
45/91
MA+ xk
!k
B b"!
k9"B b
!
k9B ^ ^ ^ B b
q!
k9q
1a transformada de Fourier dexk esX -f * T " -f * T B b
"e9i Ef" -f * T B ^ ^ ^ B b
qe9i Eqf" -f *
T
X f * T " B b
"e9i f B b
e9i ?f B ^ ^ ^ B b
qe9i qf
" f * T
/ el compleo conu(ado
X f * T " B b
"e9i f B b
e9i ?f B ^ ^ ^ B b
qe9i qf
Por tanto
" -f * T
X f * T Xf * T
"" B b
"e9i f B ^ ^ ^ B b
qe9i qf
"
" -f * T "-f * T
" "
Tomando esperan'as / el limite"Sx
f limT
-
5/27/2018 04 Pest Frecuencia
46/91
" Bb
"e
T "
A"
"" B
b"e
9i EfB b
e 9i ?Ef B ^ ^ ^ B b
qe
9i qf"
"
T
-
5/27/2018 04 Pest Frecuencia
47/91
Densidad espectral de un proceso AR(p)
1a ecuaci$n de un proceso estocstico A&p es@t " t9" t9 p t9p t t w
x x B x B ^ ^ ^ B x B ! * ! !* X
1a funci$n de densidad espectral de un proceso A&p es
X
Sx
f
w
6" 9 c"e9i Ef
9 ce9i ?Ef
9 ^ ^ ^ 9 cqe9i Epf
6
X
* 9" \f \ "
Gx
-f
w
6" 9 c"e9i Ef
9 ce9i ?Ef
9 ^ ^ ^ 9 cqe9i
Epf6
* ! \f \ "
K
-
5/27/2018 04 Pest Frecuencia
48/91
K
Anlisis de procesos estocsticos en el dominio de la frecuenciaAplicacion. Funcion de densidad espectral de modelos estocsticos lineales
-
5/27/2018 04 Pest Frecuencia
49/91
A&p xk
"x
k9"B
x
k9B ^ ^ ^ B
px
k9pB !
k
1a tranformada de Fourier dexk esX -f * T
"e9i EfX -f * T B ^ ^ ^ B
pe9i EpfX -f * T B " -f * T
" f * T X f * T
" 9 "e9i f
9 e9i ?f
9 ^ ^ ^ 9 q e9i qf
/ el compleo conu(ado
Xf * T
"
-f * T
" 9 "e9i f
9 e9i ?f
9 ^ ^ ^ 9 q e9i qf
X f * T Xf * T
" f * T
"f * T
6" 9 c"e9i Ef
9 ce9i ?Ef
9 ^ ^ ^ 9 cqe9i Eqf
6
Tomando esperan'as / el limite
T
S f
"E X f * f * T limT
-
5/27/2018 04 Pest Frecuencia
50/91
Sx
f lim T X
f "
T
-
5/27/2018 04 Pest Frecuencia
51/91
Ejemplo%i4uar la funci$n de densidad espectral del proceso MA" definido por
w
xt !
tB !
t9"* !
t -!*
X
"
Para un proceso MA-"
xt !
tB b
"!
t9" -" B b
"%!
t b-%!
t
con funci$n de densidad espectralw
Gx
f X 6" B b"e9i f 6
w
X " B b"e9i f " B b
"ei f
X " B b B b"ei f B e9i f
w "
X " B b B b" cosf * ! \ f \ "
w "
-
5/27/2018 04 Pest Frecuencia
52/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaAplicacion. Funcion de densidad espectral de modelos estocsticos lineales
-
5/27/2018 04 Pest Frecuencia
53/91
Funcion de densidad espectral de B t t t9"
"!
Sf`UQ'
K
?
!9!.D 9!.? 9!.# 9!. 9!." ! !." !. !.# !.? !.D
f -Q'
Funcion de densidad espectral unilateral"!
)f`UQ'
K
?
!
9!.D 9!.? 9!.# 9!. 9!." ! !." !. !.# !.? !.Df -Q'
-
5/27/2018 04 Pest Frecuencia
54/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaFuncion dedensidad espectral cru'ada
-
5/27/2018 04 Pest Frecuencia
55/91
Funcion de densidad espectral cruadaSeaX t un proceso estocastico estacionario. 1a funci$n de
autocorrelaci$n se defini$ comoR
XX0 E X tX t B 0
SeanX t* Y t dos procesos estocasticos estacionarios. Se define lafunci$n de correlaci$n cru'ada como
RXY
0 E X tY t B 0
RYX
0 E X t B 0 Y t
1a funci$n de densidad espectral cru'ada se define como latransformadade Fourier de la funci$n de correlaci$n cru'ada. Por tantoHa/ dos dedensidad espectral cru'ada
S -3 "r
XY
7RXY
-0 e
9i 30d 0
S 3 "
YX
E
977
rR
YX
0e
97
9i 30 d 0#!
-
5/27/2018 04 Pest Frecuencia
56/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaFuncion dedensidad espectral cru'ada
-
5/27/2018 04 Pest Frecuencia
57/91
Propiedades1as funciones de correlaci$n se o4tienen Haciendo la
transformada deFourier inversaR
XY-0 A
r7
SXY
3ei 30 d 3977
RYX
-0 Ar
97
SYX
3ei 30 d 3
1as funciones de densidad espectral cru'ada tomanvalorescompleos.
SiX -t e Y -t son procesos estasticos con valores
realesXY YXS 3 S 3
Sea $ -T suma de dos procesosestocasticos
$ t aX t B #Y tEntonces se cumple
S -3 aS -3 B a#S -3 B a#S -3 B #S
-
5/27/2018 04 Pest Frecuencia
58/91
SZZ
-3 a SXX
-3 B a#SXY
-3 B a#SYX
-3 B # SYY
-3#"
Anlisis de procesos estocsticos en el dominio de la frecuenciaEstimacionde la funcion de densidad espectral
-
5/27/2018 04 Pest Frecuencia
59/91
!stimacin no param"trica. M"todo #eneral.1a estimacion puede ser@
Io param5trica. Param5trica. Se austa un modelo matemtico a los
datos.
Para definir la estimacin no paramtrica* vamos a utili'ar la definici$n
de la funci$n de densidad espectral a partir de la T.F.@"
SX
-3 limT
-
5/27/2018 04 Pest Frecuencia
60/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaEstimacion
de la funcion de densidad espectral
Pero tenemos +ue adaptar las f$rmulas anteriores a se2ales discretas
-
5/27/2018 04 Pest Frecuencia
61/91
Pero tenemos +ue adaptar las f$rmulas anteriores a se2ales discretas. Sean I valores discretos de gt* x
kx k _t* k !* "* . . . * 9
"N9"
1a T.F. dexkX
n x
ke9i nkN * n !* "* . . . * 9 "
n=!
El cuadrado del m$dulo deXn
esh
N9" 9i EjnUN
h =
N9"i mnN
O
6Xn6 X
nX
n
hx
je
j=!
N9"N9"
h x
me
m=!
xjxm ej=! m=!
9i E(j9m)nUN
* n !* "* . . . * 9 "
El valor esperado de esta cantidad es@N9"N9"
E6X
n6
R
X' 9 m_te9i (j9m)nN * n !* "* . . . * 9 "
j=! m=!
-
5/27/2018 04 Pest Frecuencia
62/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaEstimacion
de la funcion de densidad espectral
h (N9")+r N9" N9"h
-
5/27/2018 04 Pest Frecuencia
63/91
E
6Xn6
h!
h r =9(N9")
(N ")+r
s=!
N9"N9"
Bh
RX r_ter ="
s=r
9i rnN*
n !* "* . . . * 9 "
1a suma correspondiente a s tiene +ue reali'arse primero por+ue estepresada en t5rminos de r . 1a suma es
E6X
n6
N9"
" 9r =9(N9")
6r 6
RX r _te9i rnN
Para suficientemente (randesN9"
E6X
n6
r =9(N9")RX r _te
9i rnN
hN9" RX r
_te
h
9i rnN
* n * * . . . * 9
_th h
r =9(N9")#?
-
5/27/2018 04 Pest Frecuencia
64/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaEstimacion
de la funcion de densidad espectral
1a suma en la se(unda epresi$n es una aproimaci$n a la funci$n de
-
5/27/2018 04 Pest Frecuencia
65/91
1a suma en la se(unda epresi$n es una aproimaci$n a la funci$n de densidad espectral@
7
SX
f r97
RX -0 e
9i f 0 d 0
lue(o
%espeand
o
E
6Xn 6
_tS
Xf
n* n !* "* . . . * 9 "
SX
-fn _t E
6X 6
n
* n !* "* . . . * 9 "
/ en rad s X n
nS -3
_t6X 6
* n !* "* . . . * 9 "
-
5/27/2018 04 Pest Frecuencia
66/91
#D
Anlisis de procesos estocsticos en el dominio de la frecuenciaEstimacion
de la funcion de densidad espectral
asndonos en estas f$rmulas* la funci$n de densidad espectral discreta
-
5/27/2018 04 Pest Frecuencia
67/91
se puede estimar como
SX -fn E
6Xn 6
* n !* "* . . . * 9 "
_t
Si tenemos & reali'aciones del proceso estocstico* la estimaci$n de laesperan'a es
E
6Xn6
M
"&
m="
mn
6X 6* n !* "* . . . * 9 "
por lo +ue finalmente
SX
-fn
_tM
6Xmn
6* n !* "* . . . * 9 "&
m="
/ la funci$n de densidad espectral unilateral
GX
-fn _t M 6X 6* n !* "* . . . *
-
5/27/2018 04 Pest Frecuencia
68/91
&6X
mn6 * n !* "* . . . *
m="
#K
-
5/27/2018 04 Pest Frecuencia
69/91
k SX -fn B X n* n * * . . . * 9
? 1a varian'a del estimador de la funci$n de densidad
espectral es@
-
5/27/2018 04 Pest Frecuencia
70/91
(arS
X
fn
SX
fn
&
* n !* "* . . . * 9 "
es decir* cuanto ma/or es SX
fn* ma/or es la varian'a del
estimador.#N
Anlisis de procesos estocsticos en el dominio de la frecuenciaEstimacion
de la funcion de densidad espectral
Aspectos prcticos de la estimacin de la densidad espect
-
5/27/2018 04 Pest Frecuencia
71/91
Aspectos prcticos de la estimacin de la densidad espect. 1as f$rmulas descritas en los apartados anteriores se
utili'an paraestimar la funci$n de densidad espectral de unproceso estocsticoestacionario.
Sin em4ar(o* a menudo s$lo disponemos de unareali'aci$n /tenemos +ue considerar el proceso
estocstico como er($dico. 1aestimaci$n en este casoserLa@_t
SX
-fn 6Xn 6
* n !* "* . . . * 9 "
Esta estimaci$n es mu/ mala. Por eemplo* su varian'a es elcuadrado de la funci$n estimada@
(arS
X
fn S
Xf
n
Para meorar la estimaci$n considerando s$lo una
-
5/27/2018 04 Pest Frecuencia
72/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaEstimacion
de la funcion de densidad espectral
indoin( consiste en tomar se(mentos de la se2al*
-
5/27/2018 04 Pest Frecuencia
73/91
( (calcular elespectro de cada se(mento / lue(o Hacer la
media. Al dividir la se2al en se(mentos* disminu/e la resoluci$nenfrecuencias del espectro* es decir* la separaci$n entrelas frecuenciasaumenta. Si la se2al ori(inal estmuestreada con _t / tiene
!puntos* / cada se(mento
tiene "
puntos@
* Se2al ori(inal@ Frecuencia de I/+uist@fnq0 = "(t)R frecuencias@fn0
= nU(N0t) f
n0= "U(N
0t).
*Se(mentos@ Frecuencia de I/+uist@f
nq1= "(t)R frecuencias@
fn1
= nU(N1t) f
n1= "U(N
1t).
*Por tanto*f
nq0= fnq1
* fn0
8 fn1
.
1os se(mentos se o4tienen multiplicando la se2alori(inal por unafunci$n de peso o ventana. Cada ventana introduce un error en la %FT denominado
leaka*e. >entanas Ha4ituales@ rectan(ular* Qammin(* Qannin(*
-
5/27/2018 04 Pest Frecuencia
74/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaEstimacion
de la funcion de densidad espectral
!stimacin param"trica
-
5/27/2018 04 Pest Frecuencia
75/91
!stimacin param"trica 1os m5todos no param5tricos no imponen nin(una
condici$n a lasse2ales* salvo +ue sean estacionarias. Siasumimos +ue el proceso estocstico se austa a unmodelo matemtico entonces tenemosestimaci$nparam5trica.
Iosotros s$lo vamos a estudiar el modelo A&p. Si los
datos seaustan a un modelo A&pw
xt
"x
t9"B
x
t9B ^ ^ ^ B
px
t9pB !
t* !
t !* X
entonces el espectro serG
x
(f ) =
w
X2 * ! \f \ "U
6" 9 1e9i 2f 9 2
e9i 4f 9 ^ ^ ^ 9 qe9i 2pf 62
Por lo tanto* si estimamos el modelo A&p a partir de los datos
xt
A ce
"
xt9"
B ce
xt9
B ^ ^ ^ B ce
p
xt9p
B !et
* !t -!* X
w
la estimaci$n de la funci$n de densidad espectral serX
Gx
-f w
6"e"
9i Ef e
9i ?Ef e 9i Epf6
* ! \f \ "?!
-
5/27/2018 04 Pest Frecuencia
76/91
6" 9 c "e 9 c e 9 ^ ^ ^ 9 c qe 6
Anlisis de procesos estocsticos en el dominio de la frecuenciaEstimacion
de la funcion de densidad espectral
Ejemplo
-
5/27/2018 04 Pest Frecuencia
77/91
Sea el proceso MA" definido porw
- xt !
tB !
t9"* !
t!*
X
"
t "* * #* . . . * * "!!!!* _t !*" s
Estimar su funci$n de densidad espectral.
Va conocLamos su funci$n de densidad espectral te$ricaG
xf X " B b B b
"cosf * ! \f \ "
w "
Como conocemos _t* lo ideal es +ue la funcion de densidad espectralest5definida en ! \f \fnq "_t
! \f \ " ! \f \fnq
"_t
1ue(o Hemos dividido las frecuencias por _t. Como el rea 4ao lafunci$n de densidad espectral se tiene +ue conservar* multiplicamos G
xpor _t.
n
1a estimaci$n se lleva a ca4o con la f$rmula
GX
-fn
_t E
6X 6* n !* "* . . . *
?"
-
5/27/2018 04 Pest Frecuencia
78/91
Anlisis de procesos estocsticos en el dominio de la frecuenciaEstimacion
de la funcion de densidad espectral
Funcion de densidad espectral teorica
Estimacion con una reali'acion
-
5/27/2018 04 Pest Frecuencia
79/91
)f`U
Q' ".D) f`U
Q'".D
"
" "
!.D!.D
!! " # ? D
f Q'
!
! " # ? Df Q'
Estimacion con "!! reali'aciones
Estimacion con una reali'acion dividida en "! se(mentos
) f`UQ'
"!!
".D
) f`UQ'
".D
"s
" "
!.D!.D
!! " # ? D
f Q'
Estimacion con elcH de matla4
) f`UQ'
!! " # ? D
f Q'
Estimacion parametrica con un A&!
elcH
".D) f`U
Q'".D
A&
" "
-
5/27/2018 04 Pest Frecuencia
80/91
" "
!.D!.D
!! " # ? D
f Q'
!! " # ? D
f Q'
?
Anlisis de procesos estocsticos en el dominio de la frecuencia%ensidad
espectral de al(unos procesos estocsticos
Densidad espectral de al#unos procesos estocsticos
-
5/27/2018 04 Pest Frecuencia
81/91
?#
-
5/27/2018 04 Pest Frecuencia
82/91
-
5/27/2018 04 Pest Frecuencia
83/91
-
5/27/2018 04 Pest Frecuencia
84/91
cosnk 9 i E xkk=!
sinnk
Como el proceso tiene media cero E -x ! E -+ ! E
-
5/27/2018 04 Pest Frecuencia
85/91
Como el proceso tiene media cero E -xk ! E -+
n !* E
-%n !. ?D
Anlisis de procesos estocsticos en el dominio de la frecuencia)eneraci$n
de reali'aciones artificiales
Por tanto se cumple +ue
-
5/27/2018 04 Pest Frecuencia
86/91
E + (ar +n* E % (ar %
n
n n
Sitomamos
E 6Xn6 (ar +
n B (ar %
n
entonces se cumple
+n%
n
!* X
!* X
_t
_t
G 3
X n
G 3
X n
_tE 6X 6
_t G -3 B
G
-3 G -3
n _t X n
_t X n x nV o4tenemos la funci$n de densidad espectral 4uscada.
?K
-
5/27/2018 04 Pest Frecuencia
87/91
Anlisis de procesos estocsticos en el dominio de la frecuencia)eneraci$n
de reali'aciones artificiales
Qa/ +ue tener en cuenta las propiedades de la transf. de Fourier discreta@Si I es par@*
X0
es real* en concreto es la mediaX0
=1
N91
C
-
5/27/2018 04 Pest Frecuencia
88/91
N
*k=0x
k. Como
tra4aamos con procesos estocsticos de mecia cero*X0
= !.
* XN2
tam4i5n es realN91 N91X
N= "O x e9i Ek= "
O x cos(k)
N
Por tanto tomamos
k
k=0 Nk
k=0
2X N
N !* X2=
N
G
(3N
)
t X 2
* 1os t5rminos entre n=
" / n=
N 9 " se calculan (enerandoAn /NB
ncomo se Ha indicado. 1os t5rminos entre n =
2
+ " / n = N 9 "
son compleos conu(ados de 5stos.Si I es impar@
*X0
si(ue siendo la media X0
= !.
2 91 n n2
como se Ha indicado. 1os t5rminos entre n = N+1 / n = N 9 "soncompleos conu(ados de 5stos.
U t l l d l X x ifftX
-
5/27/2018 04 Pest Frecuencia
89/91
Una ve' +ue ten(amos calculados losXnx
k ifftX
n.
?N
Anlisis de procesos estocsticos en el dominio de la frecuencia)eneraci$n
de reali'aciones artificiales
Funcion de densidad espectral dada!
-
5/27/2018 04 Pest Frecuencia
90/91
)"!
!
"!!
! "! ! #! ?! D! K!
-radUs&eali'acion (enerada
t
!
9"!!
!
! "!! !! #!! ?!! D!! K!! N!!
t -sMetodo elcH por defecto de matla4
)"!
!! "! ! #! ?! D! K!
-radUsMetodo elcH con ventanas Qammin( de D!! datos* solapadas el ND
!
-
5/27/2018 04 Pest Frecuencia
91/91
!
)
"!
!! "! ! #! ?! D! K!
-radUs
?