04 Pest Frecuencia

Anlisis de procesos estocsticos en el dominio de la frecuencia

F. Javier Cara
ETSII-UPM
Curso !" - !"#
"
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
Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de densidad espectral
Funcin de densidad espectral
En el dominio del tiempo* un proceso estocstico +ueda caracteri'ado si conocemos la funci$n de medias ,X -t. / la funci$n de autocorrelaci$n RX -0 . -o la funci$n de autocovarian'as.. 1os procesos estocsticos estacionarios tienen propiedades mu/ importantes cuando se anali'an en el dominio de la frecuencia. Un proceso estocstico +ueda caracteri'ado en el dominio de la frecuencia mediante la funci$n de densidad espectral* +ue es la transformada de Fourier de RX -0 ..
1a descripci$n en el dominio de la frecuencia de una se2al determinista x -t. viene dado por la transformada de Fourier X -3. -/ por tanto* tam4i5n por el espectro* 6X -3.6 .. Sin em4ar(o* no siempre es posi4le calcular la
transformada de Fourier de una se2al aleatoria. 1a funci$n de densidad espectral si se puede calcular.
#
Para +ue una funci$n f -t. ten(a transformada de Fourier se tiene +ue cumplir 1. 1a funci$n es a4solutamente inte(ra4le r
+7
97
6f -t.6dt 8 7
2. Cual+uier discontinuidad de f -t. es finita.

Sea :X -t.; un proceso estocstico. En principio* todos los procesos estocsticos +ue vamos a considerar no tienen discontinuidades infinitas. Para +ue se cumpla la primera propiedad se tiene +ue dar +ue X -t. < ! cuando t < 97 / t < 7. Esto no pasa en los procesos estocticos= Por tanto* no podemos calcular la transformada de Fourier de X -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.
?
Para procesos estacionarios* la funci$n de autocorrelaci$n se puede poner como@ RX -0 . A E -X -t.X -t B 0 .. 1os procesos estocsticos estacionarios deCan de estar correlacionados para valores mu/ (randes de 0 * esto es
0 <7 R X
lim
-0 . A E -X -t..E -X -t B 0 .. A ,
Si la media del proceso es distinta de cero* se le resta la media / por tanto cumple +ue lim R -0 . A ! X
0 <7
Por tanto
r
97
6RX -0 .6d 0 8 7
1ue(o la funci$n de autocorrelaci$n de los procesos estocsticos estacionarios -con media cero. tiene transformada de Fourier.
Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de densidad espectral %efinici$n
Definicin
Sea :X -t.; un proceso estocstico estacionario. 1a funci$n de densidad espectral de :X -t.;* +ue se escri4e como SX -3.* se " r
7
define como la transformada de Fourier de la funci$n de autocorrelaci$n@

X
S -3. A
E
r
.e
97
RX -0
9i 30
d0
RX -0
.A
7 97
SX -3.ei 30 d
1as ecuaciones anteriores se conocen tam4i5n como las ecuaciones de Fiener-GincHin en Honor a los matemticos Ior4ert Fiener / AleJsandr GHincHin. Como la funci$n de autocorrelaci$n caracteri'a al proceso estocstico en el dominio del tiempo* la funci$n de densidad espectral caracteri'a al proceso en el dominio de la frecuencia.
Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de densidad espectral &elaci$n con la transformada de Fourier
Relacin con la transformada de Fourier de X -t.
Si estamos tra4aCando con el proceso estoctico :X -t.; / con la Transformada de Fourier -T.F..* serLa desea4le +ue la funci$n de densidad espectral estuviese definida a partir de la T.F. de :X -t.;
X " - .
T .F .
Xt
r -3. A E
X -t.e9i 3t dt
Sin em4ar(o* si el proceso estocstico es estacionario* te$ricamente r 7 X -t. se eMtiende desde 97 Hasta B7* / por tanto 97 6X -t.6dt no
es finita* por lo +ue en principio no se puede Hacer la T.F. de X -t..
97
Para resolver este pro4lema vamos a considerar X -t. en el intervalo

-!* T .* / Hacemos cero en el resto. AHora si est definida la T.F.
X -f * T . A "
A E 97
X -t.e9i 3t dt
X -t.e9i
Eft
dt
>amos a tra4aCar con f en lu(ar de con 3 para evitar el factor " .

N
1a media de 6X -f * T .6 para cada frecuencia f se calcula como

E -6X -f * T .6
. A E -X -f * T .X -f * T
= AE r
T ! T
..
O X - t. e
9i Eft
dt
r
!
X -s.e
+i Efs
ds
= AE
r T
!
T !
X - t. X - s . e
9i Ef (t9s)
ds dt
1a re(i$n de inte(raci$n se muestra en la fi(ura si(uiente -a.. Si definimos 0 A t 9 s* la nueva rea de inte(raci$n es -4.. E -f * T .6 . A E
r T
O X -t.X -t 9 0 .e9i
t ! t 9T
Ef 0
d 0 dt
Si intercam4iamos el orden de inte(raci$n / tomamos la esperan'a dentro@ r

E -6X -f * T .6
t
!
E -X -t.X -t 9 0 .. e9i
t 9T
Ef 0
d 0 dt
A
T
r r A
!
t t 9T
RX -0
.e9i
Ef 0
d 0 dt
Como el inte(rando no depende de t* inte(ramos primero en t / lue(o en 0 . Qa/ dos re(iones de inte(raci$n* como se o4serva en -c.@
para 0 -9T * !. t -!* 0 B T .R 0 -!* T . t -0* T ..
S
E -6X -f * T .6
A
r A A r
T
t+ 0
= r
9T !
RX -0 .e
9 i Ef 0
! 9i Ef 0
dt d 0 B
! T
RX -0 .e
9i
0
dt
d0
r
9T
RX -0 .e
Ef 0 -0 B T .d 0 B RX -0 .e9i Ef 0 -0 9 T .d 0
!
r
9T
RX -0 .e9i
Ef 0
-T 9 60 6.d 0
1a inte(ral anterior va a infinito cuando T < 7. %ividimos por T para +ue esto no ocurra@ A " E -6X -f * T .6 .
R -0 .e "
X
9i E f 0
T
9T
60 6
d0
T
r
Para T (rande
T
lim <7
T E -6X -f * T .6 . A
"
7
RX -0
.e 9 i
Ef 0
97
d 0 A S X -f .
"!
Teorema
Sea :X -t.; un proceso estocstico estacionario. 1a funci$n de densidad espectral de :X -t.; se puede eMpresar como@ " SX -f . ATlim E -6X -f * T .6 . <7
X
T
S -3. A lim
"
E -6X -3* T .6
T <7
ET
A (randes ras(os* lo +ue +uiere decir el teorema anterior es +ue* para un proceso estocstico estacionario* el espectro de amplitudes del proceso se calcula como la media de los espectros de amplitudes de las diferentes reali'aciones / se denomina funcin de densidad espectral -como una se2al aleatoria no tiene transformada de Fourier Ha/ +ue dividir por T / calcular el lLmite.. El espectro de amplitudes tam4i5n se conoce como
periodo(rama. Pero el periodo(rama se suele representar en funci$n del periodo* no de la frecuencia -T A "Uf ..
""
Va vimos un resultado similar en el tema de Fourier@ la Transformada de Fourier de la correlaci$n de dos funciones es i(ual al producto de la conCu(ada de la Transformada de Fourier de la primera funci$n / la Transformada de Fourier de la se(unda funci$n. y -t. A
7
r
97
x -0 .h-t B 0 .d 0
TF
Y -f . A H -f .X
-f .
Cuando h-t. A x -t.* la correlaci$n se conoce como autocorrelaci$n de x -t.. Entonces se tiene y -t. A x -0 .x -t B 0 .d 0 r
97 7 TF
Y -f . A X -f .X
-f . A 6X -f .6
1a correlaci$n anterior es entre dos funciones deterministas. En el caso de funciones aleatorias* tenemos +ue tomar esperan'as / dividir por T lim " E -Y -f .. A lim
"
E -6X -f .6 . A S -f . T <7 T
T <7
"
Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de densidad espectral Propiedades
Propiedades
1a funci$n de densidad espectral refleCa el contenido en frecuencias del proceso estocstico* como se desprende de la relaci$n entre la funci$n de densidad espectral / la transformada de Fourier. Por tanto* di4uCando la funci$n de densidad espectral podemos o4servar +u5 frecuencias son las ms importantes. SimetrLa SX -93. A 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 valor cuadrtico medio del proceso estocstico -+ue es constante por definici$n de estacionaridad.@ -3.e r 7 t .. A RX -!. A E SX
d3A
7 97
SX
-3.d
3
97 "#
1ue(o el valor cuadrtico medio

7
W X A
r
97
SX -3.d 3
Como la media del proceso estocstico es cero@

7
X X
X
7 97
SX -f .df
X A
97
SX -3.d 3 / de i(ual manera
Estas relaciones son importantLsimas. Por eCemplo* permiten compro4ar si est 4ien calculada la funci$n de
es decir* el rea 4aCo la funci$n de densidad espectral -/a sea en radUs o Q'. es i(ual a la varian'a del proceso.

X X
densidad espectral. Tam4ien se utili'an para conocer las unidades de SX -3.. * Si U son las unidades de X (t) * las unidades de S (3) son U2U(rad Us)R *
las unidades de S (f ) son U2U(Hz
).
"?
Por eCemplo* si estamos tra4aCando con aceleraciones* la funcion de densidad espectral se mide en -mUs . U-rad Us. o en -mUs . UHz.
Para cam4iar de unidades de radianes por se(undo a Hert'ios@

SX -f
. A ESX -3.
En efecto* 3 A Ef d 3 A Edf r 7 SX -f .df

X
97 7
r SX -3.d 3 XX
97
SX -3.
Edf
97
Si las frecuencias ne(ativas son suprimidas* la funci$n de densidad espectral tiene +ue multiplicarse por dos para +ue se si(a conservando el rea.
GX -3.
SX -3.
3Y!!38 !
"D
Anli.ii.i d proc.iO.i .itocnico.i n 1 dominio d la fr cuncia
1Funcin d dn.iidad .ipccra 1 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 (/)
{e)
(a) Gx(w) 2
-----'!'=---
!
Gx( f)
fo
fo=?,;
-d.
-4.
(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
Funcin de densidad espectral de potencia (PSD)
Antes de la lle(ada de los ordenadores* los espectros se calcula4an simulando las funciones mediante se2ales el5ctricas. 1a ener(La de una se2al x -t. se define como@
EA
6x -t.6
97
dt
1a potencia media de una se2al x -t. entre ! / T se define como@

6x -t.6 dt T ! 1as definiciones anteriores provienen de las se2ales el5ctricas@ si v -t.* i -t. / R son potencial* intensidad / resistencia respectivamente@ P A lim
T <7
"r
p -t. A v -t.i -t.
Ai
-t. potencia
instantne a por oHmio
1a ener(La total / la potencia media disipadas en la resistencia son@ r 7 r 6i -t.6dt -Fatios. EA 6i -t.6dt -Julios.* P A lim "
T <7 97
T !
"N
Se definen los si(uientes espectros@ 1. Espectro de ener(La. Sea una se2al x (t) con ener(ia finita* esto es*
E= r 27 6x (t)6 dt 8 7
97
Por tanto* se cumple la condici$n fundamental para +ue eMista la transformada de Fourier. El espectro se calcula como@ " 2 E Se conoce tam4i5n como densidad espectral de ener(La. X (3)
6X (3)6
2. Espectro de potencia. Si la se2al x (t) no tiene ener(La finita no se
puede calcular su transformada de Fourier. Para calcular el espectro co(emos la se2al entre ! / T /@ " 6X (3* T )6 X (3) = lim
T <7
ET
%e4ido a la semeCan'a de esta f$rmula con la densidad espectral* a SX (3) tam4i5n se conoce como densidad espectral
de potencia.
"P
Anlisis de procesos estocsticos en el dominio de la frecuencia Aplicacion. Funcion de densidad espectral de modelos estocsticos lineales
Aplicacion. Funcion de densidad espectral de modelos estocsticos lineales

En en dominio del tiempo Hemos estudiado los si(uientes modelos estocsticos lineales@
Proceso de &uido 4lanco. Proceso MA-+.. Proceso A&-p..

NU
Para estos procesos* las ecuaciones de Fiener-GincHin se suelen escri4ir como S -f . A [-h. A r
h=9NU +" "U
[-h.e9i S -f .ei
9"U Efh
Efh
9"U \ f \ "U
df * h A !* ]"* ] * . . .
Es decir* transformada de Fourier en tiempo discreto -%TFT.@ los datos son discretos* [-h. A :[-9 N B ".* ^ ^ ^ * [-9".* [-!.* [-".* [- N .;*
pero la
funcion de densidad espectral se define continua.
Va vimos +ue la %TFT se definLa -para datos con tiempo normali'ado* es decir* _t A ".
N9"
X -3. A
k
k=!
xk e9i 3k X
E i 3k
x A
" r
d3
-3.e
En estas f$rmulas* k A !* "* . . . * 9 E "* / 3 est definida en cual+uier intervalo de lon(itud E `!* Ea* `9 * E a. Si utili'amos frecuencias lineales* 3 A Ef * d 3 A Edf * `9 E * E a 9< `9 " * " a -el intervalo de inte(raci$n es cual+uier intervalo de lon(itud uno.* lue(o
N9"
X -f . A xk A r
k=!
"
xk e9i
Efk
X -f .ei
Efk
" 9
df
Densidad espectral del ruido blanco

w
El ruido 4lanco se define como !t [w -h. 1ue(o

NU
-!* X .
X
w
Su funci$n de autocovarian'a es -
si h A !
! si h UA !
Sw -f
.
h=9NU +"
[w
w 9i Efh
-h.e
AX
9"U \ f \ "U
A
w
Si tra4aCamos s$lo con frecuencias positivas
G -f . A X
! \ f \ "U
1ue(o todas las frecuencias tienen la misma potencia o son i(ualmente importantes -i(ual +ue la lu' 4lanca.. El ruido 4lanco eMcita todas las frecuencias por i(ual.
"
Pero Hemos visto +ue la densidad espectral tam4i5n se escri4e como SW -f
lim
.A
E -6" -f * T .6 . A E -" -f * T ." -f * T .. lim T <7 T <7 T T
"
"
d$nde " -f * T . +uiere decir la transformada de Fourier de una se2al de ruido 4lanco !k de lon(itud T -si la se2al se eMtiende de 97
Hasta B7 no tiene transformada de Fourier=.. Pero Hemos visto +ue

w
Sw -f lim "
T <7
.AX
w
E -" -f * T ." -f * T .. A X
Esta propiedad la vamos a utili'ar en los apartados si(uientes.
Densidad espectral de un proceso MA(q)
1a ecuaci$n de un proceso estocstico MA-+. es@ " t9" t9 q t 9q t x A! Bb! Bb! B^^^B b ! *
w
! -!* X
1a funci$n de densidad espectral de un proceso MA-+. es S x -f
. A X 6"Bb"e9i Ef Bb e9i ?Ef B^ ^ ^Bbq e9i w 9i Ef 9i ?Ef B B ^ ^ ^ B bq e G -f . A X 6" B be b "e
Eqf
6*
9"U \ f \ "U 6* ! \ f \ "U
9i Eqf
Para poder pro4ar la f$rmula anterior* Ha/ +ue utili'ar las si(uientes propiedades de la transformada de Fourier@
k k
1inealidad
k
z A ax B #y
T .F .
$ -f . A aX -f . B #Y -f .
%espal'amiento en el tiempo -time sHiftin(.

k
. .
x e
T .F .
X -f .
9i Efm
k 9m
TF
X -f .
es X -f .* entonces la transformada de Fourier de xk9m es e9i EfmX -f ..

es decir* si la T.F. de xk
A !k B b"!k9" B b !k9 B ^ ^ ^ B bq !k9q 1a transformada de Fourier de xk es

MA-+. xk X -f * T . A " -f * T . B b"e9i X -f * T . A " B b"e9i / el compleCo conCu(ado X -f . Ef
T.
" -f * T . B ^ ^ ^ B b q e 9 i
Eqf .
Eqf
" -f *
Ef
B b e9i ?Ef B ^ ^ ^ B bq e9i
" -f * T .
" -f
* T . A " B b"e9i
Ef
B b e9i ?Ef B ^ ^ ^ B bq e9i
Eqf
*T.
Por tanto X -f * T .X "
-f * T . A " B b"e9i
"
"
Ef
B ^ ^ ^ B bq e9i
Eqf
" -f * T ." -f
*T.
"
Tomando esperan'as / el limite " S x -f . A T <7 T lim
E `X -f * T .X A
" "
"
"B b"e
"
-f * T .a A 9i Ef B b e 9i ?Ef B ^ ^ ^ B b e q
9i Ef
9i Eqf
" "
lim
"
E ` " -f * T ."
-f * T .a
Bb
e 9i ?Ef B ^ ^ ^ B bq e
9i Eqf
" T <7 T " X

W D
"B b"e
Densidad espectral de un proceso AR(p)

1a ecuaci$n de un proceso estocstico A&-p. es@ t9 p t9p t t x Acx Bcx B^^^Bc x B!*
" t9"
w
! -!* X
1a funci$n de densidad espectral de un proceso A&-p. es S x -f
.
6" 9 c"e
Xw
9i Ef
9c e
9i ?Ef
6 X
w
9^^^9
cq e
9i Epf
9"U \ f \ "U
G x -f
.
6" 9 c"e
9i E f
9i ?Ef 9i 9c e 9 ^ ^ ^ 9 cq e Epf
6
! \ f \ "U
A c"xk9" B c xk9 B ^ ^ ^ B cp xk9p B !k 1a tranformada de Fourier de xk es

A&-p. xk
Ef
X -f * T . A c"e9i
X -f * T . B ^ ^ ^ B c p e 9 i Ef
9c e
Epf
X -f * T . B " -f * T . 9i Eqf
" -f * T .
X -f * T . 9i -" 9 c"e A / el compleCo conCu(ado X "
9i ?Ef
9 ^ ^ ^ 9 cq e
-f * T .
-f * T . A
X -f * T .X "
-f * T . A
-" 9 c"e
9i Ef
9c 9 ^ ^ ^ 9 cq e "e-f * T . -f * T . 9c e
9i ?Ef
9i Eqf
6" 9 c"e
9i Ef
9i ?Ef
9 ^ ^ ^ 9 cq e
9i Eqf
Tomando esperan'as / el limite " E `X -f * -f S x -f . A A
lim
X A
T <7
T .X T
" * T .a limT <7 E `" -f * T -f * T .a ."
6" 9 c"e9i
Ef
9 ^ ^ ^ 9 cq e9i
Eqf
6" 9 c"e
9i Ef
9c e
W 9i ?Ef
9 ^ ^ ^ 9 cq e
9i Eqf
Ejemplo
w
%i4uCar la funci$n de densidad espectral del proceso MA-". definido por xt
A !t B !t9"*
!t -!*
A ".
X
Para un proceso MA-". xt
w
A !t B b"!t9" A -" B b"%.!t A b-%.!t
con funci$n de densidad espectral Gx -f
. A X 6" B b"e9i
A X A X
Ef
-" B b"e9i Ef .-" B b"ei Ef . -" B b B b"-ei Ef B e9i Ef .. w " A X -" B b B b" cos- Ef ..* ! \ f \ "U
"
Funcion de densidad espectral de M A d B d

t t
t9"
"! P
S -f. Ù
M M
UQ'a
K ?
! 9!.D
9!.?
9!.#
9!.
9!."
! f -Q'.
!."
!.
!.#
!.?
!.D
Funcion de densidad espectral unilateral "! P
) -f. Ù
M M
UQ'a
K ?
! 9!.D
9!.?
9!.#
9!.
9!."
! f -Q'.
!."
!.
!.#
!.?
!.D
Anlisis de procesos estocsticos en el dominio de la frecuencia Funcion de densidad espectral cru'ada
Funcion de densidad espectral cru ada

Sea X -t. un proceso estocastico estacionario. 1a funci$n de autocorrelaci$n se defini$ como RXX -0
. A E `X -t.X -t B 0 .a . A E `X -t.Y -t B 0 .a . A E `X -t B 0 .Y -t.a
Sean X -t.* Y -t. dos procesos estocasticos estacionarios. Se define la funci$n de correlaci$n cru'ada como RXY -0 RYX -0
1a funci$n de densidad espectral cru'ada se define como la transformada de Fourier de la funci$n de correlaci$n cru'ada. Por tanto Ha/ dos de densidad espectral cru'ada "r 7 S -3. A RXY -0 . 9i 30 XY d0 E
S
YX
-3. A
" r E
97 7
RYX -0
.e
97
9i 30
d0
#!
Anlisis de procesos estocsticos en el dominio de la frecuencia Funcion de densidad espectral cru'ada
Propiedades
1as funciones de correlaci$n se o4tienen Haciendo la transformada de Fourier inversa

RXY -0
.A
RYX -0
.A
97 7
SXY -3.ei 30 d SYX -3.ei 30 d
3 3
97
XY
1as funciones de densidad espectral cru'ada toman valores compleCos. Si X -t. e Y -t. son procesos estasticos con valores reales YX S -3. A S -3. Sea $ -T . suma de dos procesos estocasticos
$ -t. A aX -t. B #Y -t. Entonces se cumple SZZ -3.
-3.
A a SXX -3. B a#SXY -3. B a#SYX -3. B # SYY

#"
Anlisis de procesos estocsticos en el dominio de la frecuencia Estimacion de la funcion de densidad espectral
!stimacin no param"trica. M"todo #eneral.

1a estimacion puede ser@

Io param5trica. Param5trica. Se aCusta 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. A lim E -6X -3* T .6 . T <7 ET Si se tienen & reali'aciones del proceso estocstico. " S e
X M
-3* T * & . A
"
ET &
6Xm-3* T .6
m="
Evidentemente* esta estimaci$n ser meCor si disponemos de mucHas reali'aciones -& ff.. En (eneral* la lon(itud de las reali'aciones T de4e
ser suficiente para +ue la funci$n de autocorrelaci$n conver(a a cero.

#
Pero tenemos +ue adaptar las f$rmulas anteriores a se2ales discretas. Sean I valores discretos de g-t.* xk A x -k _t.* k A !* "* . . . *
"
N9"
1a T.F. de xk
Xn A N9"
j j=!
n=!
xk e9i
EnkUN
n A !* "* . . . *
O
9"
El cuadrado del m$dulo de Xn es h h= 9i EjnUN
i EmnUN
6Xn 6 A XnXn
xe xj xm e
N9"
m=!
xme
* n A !* "* . . . * 9"
N9" N9"
9i E(j9m)nUN
j=! m=!
El valor esperado de esta cantidad es@ E -
6Xn 6 A
N9" N9"
j=! m=!
RX --' 9 m._t.e9i
E(j9m)nUN
n A !* "* . . . *
9"
1a do4le suma se simplifica considerando el cam4io de varia4les r A ' 9 m* 'As

##
Anlisis de procesos estocsticos en el dominio de la frecuencia Estimacion
de la funcion de densidad espectral
h E -
(N9")+r
N9" N9"
h h
9i ErnUN
6Xn6
A hr =9(N9")
s=!
_ t .e
r ="
R X -r
s=r
n A !* "* . . . * 9 " 1a suma correspondiente a s tiene +ue reali'arse primero por+ue est eMpresada en t5rminos de r . 1a suma es E Para E -
6Xn 6 A
N9"
"9
r =9(N9")
6r 6
RX -r _t.e
9i ErnUN
suficientemente (randes
6Xn 6 A
h
N9" r =9(N9")
RX -r _t.e
9i ErnUN
9i ErnUN
N9"
R X -r
_ t .e
_t
n A !* "* . . . *
9"
h
#?
r =9(N9")
1a suma en la se(unda eMpresi$n es una aproMimaci$n a la funci$n de densidad espectral@ S X -f
.A
r RX -0
97
. 9i
Ef 0
d0
lue(o
.
E
6Xn 6
A
_t
%espeCand o
SX -fn .* n A !* "* . . . *
9"
SX -fn.
A _ t E -6 X 6 * n A !* "* . . . * 9 "
.
/ en rad Us
E_t E
S -3 . A
n . 6X 6 * n A !* "* . . . * 9 "
#D
iasndonos en estas f$rmulas* la funci$n de densidad espectral discreta se puede estimar como S e
X
-fn . A
E _t
e-
6Xn 6 * n A !* "* . . . *
9"
Si tenemos & reali'aciones del proceso estocstico* la estimaci$n de la esperan'a es

M mn
e-
6Xn 6 A & m= "
"
6X
n A !* "* . . . *
9"
por lo +ue finalmente S e

X
_t
-fn . A
&
6Xmn 6 * n A !* "* . . . * m="
9"
/ la funci$n de densidad espectral unilateral G e

X
-fn . A _t
&
M m="
6Xmn6 *
n A !* "* . . . *
#K
!stimacin por m$ima %erosimilitud
Si estimamos por mMima verosimilitud* el estimador o4tenido es@

S e
X
-fn . A _t
&
6Xmn 6 * n A !* "* . . . * m="
9"
es decir* se o4tiene el mismo resultado. Pero lo importante de este m5todo es +ue podemos calcular la media / la varian'a del estimador
1a media del estimador de la funci$n de densidad espectral es@ 7 S -fn . U e E S X -fn . A SX -fn . B ( k) " _f X
k
k="
-_f .
- k B ".- k .=
jj
k SX -fn .
SX -fn .*
n A !* "* . . . *
9"
1a varian'a del estimador de la funci$n de densidad espectral es@

(ar U e
S X -f n .
-SX -fn *
A estimador.
..
n A !* "* . . . *
9"
&
es decir* cuanto ma/or es SX -fn .*
ma/or es la varian'a del

#N
Aspectos prcticos de la estimacin de la densidad espect.
1as f$rmulas descritas en los apartados anteriores se utili'an para estimar la funci$n de densidad espectral de un proceso estocstico estacionario. Sin em4ar(o* a menudo s$lo disponemos de una reali'aci$n / tenemos +ue considerar el proceso estocstico como er($dico. 1a estimaci$n en este caso serLa@
S e _t
-f . A X n
6 Xn 6
n A !* "* . . . *
9"
Esta estimaci$n es mu/ mala. Por eCemplo* su varian'a es el cuadrado de la funci$n estimada@ (ar
U e
S X -fn . A -SX -fn ..
Para meCorar la estimaci$n considerando s$lo una
reali'aci$n aplicamos !ind)!in*.

#P
Findodin( consiste en tomar se(mentos de la se2al* calcular el espectro de cada se(mento / lue(o Hacer la media. Al dividir la se2al en se(mentos* disminu/e la resoluci$n en frecuencias del espectro* es decir* la separaci$n entre las frecuencias aumenta. Si la se2al ori(inal est muestreada con _t / tiene ! puntos* / cada se(mento tiene " puntos@ = ( ) ori(inal@ Frecuencia de I/+uist@ f * Se2al nq0 "U t R frecuencias@ = nU(N t) f = "U(N t). f n0 0 n0 0 = ( ) Frecuencia de I/+uist@ f * Se(mentos@ nq1 "U t R frecuencias@ = nU(N t) f = "U(N t). f n1 1 = n1 1 * Por tanto* fnq0 fnq1 * fn0 8 fn1 . 1os se(mentos se o4tienen multiplicando la se2al ori(inal por una funci$n de peso o ventana. Cada ventana introduce un error en la %FT denominado leaka*e. >entanas Ha4ituales@ rectan(ular* Qammin(* Qannin(*
iarlett* CHe4/sHev*... Para aumentar el nlmero de medias a la Hora de estimar . E 6Xn 6

se utili'a el s)lapad) de las ventanas Mtodo de Welch.
#S
!stimacin param"trica
1os m5todos no param5tricos no imponen nin(una condici$n a las se2ales* salvo +ue sean estacionarias. Si asumimos +ue el proceso estocstico se aCusta a un modelo matemtico entonces tenemos estimaci$n param5trica. Iosotros s$lo vamos a estudiar el modelo A&-p.. Si los datos se aCustan a un modelo A&-p.
xt
A c"xt9" B c xt9 B ^ ^ ^ B cp xt9p B !t * !t -!* X .

X2 * ! \ f \ "U
entonces el espectro ser w

G (f ) =
1 2 q e9i 2Epf 62 Por lo tanto* si estimamos el modelo A&-p. a partir de los datos
xt e e e A c "xt9" B c xt9 B ^ ^ ^ B c p xt9p B !et * !et -!* Xe .
6" 9 c e9i 2Ef 9 c e9i 4Ef 9 ^ ^ ^ 9 c
la estimaci$n de la funci$n de densidad espectral ser Xe w e G x -f . e" 9i Ef e 9i ?Ef e 9i Epf A 6" 9 c e 9c e 9 ^ ^ ^ 9 c qe 6
! \ f \ "U
?!
Ejemplo
w
Sea el proceso MA-". definido por -
xt A !t B !t9"* !t -!*
t A "* * #* . . . * * A "!!!!*
A ".
X
_t A !*" s
Estimar su funci$n de densidad espectral. Va conocLamos su funci$n de densidad espectral te$rica Gx -f . A X -" B b B b" cos- Ef ..* ! \
w "
f \ "U
Como conocemos _t* lo ideal es +ue la funcion de densidad espectral est5 definida en ! \ f \ fnq A "U- _t. ! \ f \ "U ! \ f \ fnq
A "U- _t.
1ue(o Hemos dividido las frecuencias por _t. Como el rea 4aCo la funci$n de densidad espectral se tiene +ue conservar* multiplicamos Gx
n
por _t.
1a estimaci$n se lleva a ca4o con la f$rmula e G X -fn .
_t e E -6X
6 .* n A !* "* . . . * U
?"
Funcion de densidad espectral teorica
Estimacion con una reali'acion
) -f. Ù
UQ'a
".D " !.D !
) -f. Ù
UQ'a
".D
M "
M M
" !.D !
" f -Q'.
" f -Q'.
Estimacion con "!! reali'aciones
Estimacion con una reali'acion dividida en "! se(mentos
)
"!!
-f. Ù
M
UQ'a
".D " !.D !
) -f. Ù
UQ'a
".D
"s
" !.D
# ? f -Q'. Estimacion con FelcH de matla4
"
-f. Ù
UQ'a
" f -Q'.
Estimacion parametrica con un A&- !.
FelcH
".D
-f. Ù
UQ'a
".D " !.D !
A&
" !.D !
" f -Q'.
" 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
?#
Anlisis de procesos estocsticos en el dominio de la frecuencia )eneraci$n de reali'aciones artificiales
&eneracin de reali aciones artificiales

Si se conoce la funci$n de densidad espectral de un proceso estacionario* se pueden calcular reali'aciones del proceso estocstico +ue verifi+uen dicHa funci$n de densidad espectral. Estas reali'aciones artificiales se pueden utili'ar para carcular la respuesta del sistema en el tiempo. Sea un proceso estocstico :X -t.; del +ue conocemos su funci$n de densidad espectral unilateral discreta* GX -3n .. Sa4emos +ue _t Gx -3n . A E -6Xn 6 . N9" E " X A x e 9i EnkUN
n k=! N9" n=!
xk A
Xn e
i EnkUN
por tanto* si (eneramos los Xn de
manera +ue verifi+uen la primera ecuaci$n* podemos calcular una reali'aci$n xk -utili'ando la lltima ecuaci$n. con la funci$n de densidad espectral 4uscada.
??
En (eneral* de la teorLa de la transformada de Fourier discreta sa4emos +ue los Xn son compleCos Xn E -6Xn 6
A +n B i%n
n
6Xn6 A +n B
%n . A E -+ . B E -% .
n
Como estamos tra4aCando con procesos estocsticos de media cero* se cumple +ue E -+n. A !* E -%n. A ! En efecto " Xn A
N9"
N9"
N9"
"
k
k =!
xk
9i EnkUN
A
"
"
cos- Enk U .9i

k= ! N9"
x sin- Enk U .
k=!
Tomando esperan'as
N9"
E -Xn.
E - xk
"
k =!
cos- Enk U . 9 i
k=!
E -xk . sin- Enk U .
Como el proceso tiene media cero E -xk .
-%n. A !.
A ! E -+n . A !* E
?D
Por tanto se cumple +ue E -+

n
. A (ar -+n .*
E -% . A (ar -%n.
E -6Xn6 Si tomamos +n
. A (ar -+n . B (ar -%n .

!* X !* X
A A
E G -3 _t . E _t G -3
X X n
entonces se cumple
%n
_t E
E -6X 6 . A
_t
-3 . B G
n
E E
-3 . _t
X
A G -3 .
n
_t V o4tenemos la funci$n de densidad espectral 4uscada.
?K
Qa/ +ue tener en cuenta las propiedades de la transf. de Fourier discreta@
real* en concreto es la media X = Si I par@ 1es *X 0 es 0
.* xk . X Como N k=0 = !. tra4aCamos con procesos estocsticos de mecia cero* XNU2
N91
tam4i5n es real
= N 91 X N x "O O
N9" 1 x e9i Ek =
cos(Ek)
N
Por tanto tomamos
2
k k=0
k=0
k
(3
XN
!* X2
NE G
2 N
1os t5rminos entre n = " / n = B
9 " se calculan (enerando A
n como se Ha indicado. 1os t5rminos entre n son compleCos conCu(ados de 5stos. Si I X es impar@ = * 0 si(ue siendo la media X0 !.
= + "/n= N9"
2
1os t5rminos entre n = " / n =
N91
se calculan (enerando A
N+1
/B
como se Ha indicado. 1os t5rminos entre n =
/n= N9"
son
compleCos conCu(ados de 5stos.
Una ve' +ue ten(amos calculados los Xn
xk A ifft-Xn ..
?N
Funcion de densidad espectral dada ! ) "! !! "! ! #! d -radUs. &eali'acion (enerada ?! D! K!
"!! M
t
! 9"!!! "!! !! #!! ?!! D!! t -s. Metodo FelcH por defecto de matla4 K!! N!!
)
M
"! ! ! "! ! #! ?! D! d -radUs. Metodo FelcH con ventanas Qammin( de D!! datos* solapadas el NDm K!
! )
M
"! ! ! "! ! #! d -radUs. ?! D! K!
?P

04 Pest Frecuencia

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

04 Pest Frecuencia

Hochgeladen von

Copyright:

Verfügbare Formate

Anlisis de procesos estocsticos en el dominio de la frecuencia

Anlisis de procesos estocsticos en el dominio de la frecuencia

Curso !" - !"#

Anlisis de procesos estocsticos en el dominio de la frecuencia

Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de densidad espectral

Funcin de densidad espectral

Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de densidad espectral

2. Cual+uier discontinuidad de f -t. es finita.

Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de densidad espectral

Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de densidad espectral %efinici$n

define como la transformada de Fourier de la funci$n de autocorrelaci$n@

Relacin con la transformada de Fourier de X -t.

Para resolver este pro4lema vamos a considerar X -t. en el intervalo

>amos a tra4aCar con f en lu(ar de con 3 para evitar el factor " .

1a media de 6X -f * T .6 para cada frecuencia f se calcula como

Si intercam4iamos el orden de inte(raci$n / tomamos la esperan'a dentro@ r

Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de densidad espectral Propiedades

Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de densidad espectral Propiedades

1ue(o el valor cuadrtico medio

Como la media del proceso estocstico es cero@

SX -3.d 3 / de i(ual manera

Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de densidad espectral Propiedades

Para cam4iar de unidades de radianes por se(undo a Hert'ios@

En efecto* 3 A Ef d 3 A Edf r 7 SX -f .df

Anli.ii.i d proc.iO.i .itocnico.i n 1 dominio d la fr cuncia

1Funcin d dn.iidad .ipccra 1 1P ropi dad.i

Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de densidad espectral Propiedades

Funcin de densidad espectral de potencia (PSD)

1a potencia media de una se2al x -t. entre ! / T se define como@

p -t. A v -t.i -t.

instantne a por oHmio

Anlisis de procesos estocsticos en el dominio de la frecuencia Funci$n de densidad espectral Propiedades

2. Espectro de potencia. Si la se2al x (t) no tiene ener(La finita no se

Aplicacion. Funcion de densidad espectral de modelos estocsticos lineales

Proceso de &uido 4lanco. Proceso MA-+.. Proceso A&-p..

funcion de densidad espectral se define continua.

Densidad espectral del ruido blanco

El ruido 4lanco se define como !t [w -h. 1ue(o

Si tra4aCamos s$lo con frecuencias positivas

Pero Hemos visto +ue la densidad espectral tam4i5n se escri4e como SW -f

E -6" -f * T .6 . A E -" -f * T ." -f * T .. lim T <7 T <7 T T

Hasta B7 no tiene transformada de Fourier=.. Pero Hemos visto +ue

Esta propiedad la vamos a utili'ar en los apartados si(uientes.

Densidad espectral de un proceso MA(q)

1a funci$n de densidad espectral de un proceso MA-+. es S x -f

. A X 6"Bb"e9i Ef Bb e9i ?Ef B^ ^ ^Bbq e9i w 9i Ef 9i ?Ef B B ^ ^ ^ B bq e G -f . A X 6" B be b "e

9"U \ f \ "U 6* ! \ f \ "U

%espal'amiento en el tiempo -time sHiftin(.

es X -f .* entonces la transformada de Fourier de xk9m es e9i EfmX -f ..

A !k B b"!k9" B b !k9 B ^ ^ ^ B bq !k9q 1a transformada de Fourier de xk es

B b e9i ?Ef B ^ ^ ^ B bq e9i

B b e9i ?Ef B ^ ^ ^ B bq e9i

Por tanto X -f * T .X "

Tomando esperan'as / el limite " S x -f . A T <7 T lim

" T <7 T " X

Densidad espectral de un proceso AR(p)

1a funci$n de densidad espectral de un proceso A&-p. es S x -f

A c"xk9" B c xk9 B ^ ^ ^ B cp xk9p B !k 1a tranformada de Fourier de xk es

X -f * T . 9i -" 9 c"e A / el compleCo conCu(ado X "

Tomando esperan'as / el limite " E `X -f * -f S x -f . A A

" * T .a limT <7 E `" -f * T -f * T .a ."

%i4uCar la funci$n de densidad espectral del proceso MA-". definido por xt

A !t B b"!t9" A -" B b"%.!t A b-%.!t

con funci$n de densidad espectral Gx -f