Saya tidak yakin secara spesifik apa yang Anda cari di sini. Noise biasanya digambarkan melalui kerapatan spektral kekuatannya, atau fungsi autokorelasi ekivalennya; fungsi autokorelasi dari proses acak dan PSD-nya adalah pasangan transformasi Fourier. White noise, misalnya, memiliki autokorelasi impulsif; ini berubah menjadi spektrum daya datar dalam domain Fourier.
Contoh Anda (walaupun agak tidak praktis) analog dengan penerima komunikasi yang mengamati white noise yang dimodulasi oleh operator pada frekuensi pembawa . Penerima contoh cukup beruntung, karena memiliki osilator yang koheren dengan pemancar; tidak ada offset fasa antara sinusoid yang dihasilkan pada modulator dan demodulator, memungkinkan untuk kemungkinan "downconversion" sempurna ke baseband. Ini tidak praktis sendiri; ada banyak struktur untuk penerima komunikasi yang koheren. Namun, noise biasanya dimodelkan sebagai elemen aditif dari saluran komunikasi yang tidak berkorelasi dengan sinyal termodulasi yang ingin dipulihkan oleh penerima;2 ω
Dengan demikian, dengan melihat matematika di belakang contoh Anda dapat menjelaskan pengamatan Anda. Untuk mendapatkan hasil yang Anda gambarkan (setidaknya dalam pertanyaan awal), modulator dan demodulator memiliki osilator yang beroperasi pada frekuensi dan fase referensi yang sama. Modulator menghasilkan yang berikut:
n ( t )x ( t )∼ N( 0 , σ2)= n ( t ) dosa( 2 ω t )
Penerima menghasilkan sinyal I dan Q yang dikonversi ke bawah sebagai berikut:
saya( T )Q ( t )= x ( t ) dosa( 2 ω t ) = n ( t ) dosa2(2ωt)=x(t)cos(2ωt)=n(t)sin(2ωt)cos(2ωt)
Beberapa identitas trigonometri dapat membantu menyempurnakan dan lagi:Q ( t )I(t)Q(t)
dosa2( 2 ω t )dosa( 2 ω t ) cos( 2 ω t )= 1 - cos( 4 ω t )2= dosa( 4 ω t ) + dosa( 0 )2= 12dosa( 4 ω t )
Sekarang kita dapat menulis ulang pasangan sinyal yang dikonversi menjadi:
I(t)Q(t)=n(t)1−cos(4ωt)2=12n(t)sin(4ωt)
Bunyi input nol-rata-rata, jadi dan juga nol-rata-rata. Ini berarti varians mereka adalah:Q ( t )I(t)Q(t)
σ2I(t)σ2Q(t)=E(I2(t))=E(n2(t)[1−cos(4ωt)2]2)=E(n2(t))E([1−cos(4ωt)2]2)=E(Q2(t))=E(n2(t)sin2(4ωt))=E(n2(t))E(sin2(4ωt))
Anda mencatat rasio antara varian dan dalam pertanyaan Anda. Ini dapat disederhanakan untuk:Q ( t )I(t)Q(t)
σ2I(t)σ2Q(t)=E([1−cos(4ωt)2]2)E(sin2(4ωt))
Harapan diambil dari proses acak variabel waktu . Karena fungsinya deterministik dan periodik, ini sebenarnya hanya setara dengan nilai rata-rata kuadrat dari masing-masing fungsi sinusoidal selama satu periode; untuk nilai yang ditampilkan di sini, Anda mendapatkan rasio , seperti yang Anda catat. Fakta bahwa Anda mendapatkan lebih banyak kekuatan noise di saluran I adalah artefak noise yang dimodulasi secara koheren (yaitu dalam fase) dengan referensi sinusoidal dari demodulator itu sendiri. Berdasarkan matematika yang mendasarinya, hasil ini diharapkan. Namun, seperti yang saya nyatakan sebelumnya, situasi seperti ini tidak tipikal.t √n(t)t3–√
Meskipun Anda tidak langsung bertanya tentang hal itu, saya ingin mencatat bahwa jenis operasi ini (modulasi oleh pembawa sinusoidal diikuti dengan demodulasi reproduksi pembawa yang identik atau hampir identik) adalah blok bangunan mendasar dalam sistem komunikasi. Akan tetapi, penerima komunikasi nyata akan memasukkan langkah tambahan setelah demodulasi pembawa: filter lowpass untuk menghapus komponen sinyal I dan Q pada frekuensi . Jika kita menghilangkan komponen frekuensi pembawa ganda, rasio energi I ke energi Q terlihat seperti:4 ω
σ2saya( T )σ2Q ( t )= E ( ( 12)2)E (0)= ∞
Ini adalah tujuan dari penerima modulasi quadrature yang koheren: sinyal yang ditempatkan di saluran fase (I) dibawa ke sinyal I penerima tanpa kebocoran ke sinyal quadrature (Q).
Sunting: Saya ingin membahas komentar Anda di bawah ini. Untuk penerima quadrature, frekuensi pembawa dalam banyak kasus akan berada di pusat bandwidth sinyal yang ditransmisikan, jadi alih-alih menjadi terbatas pada frekuensi pembawa , sinyal komunikasi yang khas akan menjadi bandpass selama interval , di mana adalah bandwidth modulasinya. Penerima quadrature bertujuan untuk mengkonversi sinyal ke baseband sebagai langkah awal; ini dapat dilakukan dengan memperlakukan saluran I dan Q sebagai komponen nyata dan imajiner dari sinyal bernilai kompleks untuk langkah analisis selanjutnya.ω [ ω - B2, ω + B2]B
Berkenaan dengan komentar Anda pada statistik orde kedua dari cyclostationary , Anda memiliki kesalahan. Sifat siklostasioner dari sinyal ditangkap dalam fungsi autokorelasi. Biarkan fungsinya menjadi :x ( t )R ( t , τ)
R ( t , τ) = E ( x ( t ) x ( t - τ) )
R ( t , τ) = E ( n ( t ) n ( t - τ) dosa(2ωt)sin(2ω(t−τ)))
R(t,τ)=E(n(t)n(t−τ))sin(2ωt)sin(2ω(t−τ))
Karena putihnya proses noise asli , ekspektasi (dan karenanya seluruh sisi kanan persamaan) adalah nol untuk semua nilai bukan nol dari .n(t)τ
R(t,τ)=σ2δ(τ)sin2(2ωt)
Autokorelasi bukan lagi sekadar dorongan sederhana pada titik nol; sebaliknya, itu adalah varian waktu dan periodik karena faktor penskalaan sinusoidal. Ini menyebabkan fenomena yang awalnya Anda amati, yaitu ada periode "varians tinggi" di dan periode lain di mana variansnya lebih rendah. Periode "varians tinggi" dipilih dengan mendemodulasi oleh sinusoid yang koheren dengan yang digunakan untuk memodulasi, yang masuk akal.x(t)