Jest to proces zmian w czasie pewnej wielkości fizycznej, dlatego tez za modele matematyczne sygnału przyjmujemy funkcje których argumentem jest czas t Wyróżniamy rożne typy sygnałów -s. jednowymiarowe(mowy, zmiana cisnienai względem czasu), dwuwymiarowe (nieruchomy obraz), tiójwymiarowe(obraz zmienny w czasie-wideo). Przetwarzaniu sygnałów z pojęciem sygnału utożsamiać będziemy jego model matematyczny.
Modelem losowym jest rzeczywisty lub zespolony proces stochastyczny (w szczególnym przypadku zmienna losowa), model ten opisuje rzeczywistość dokładniej niż model deterministyczny (min. w przeciwieństwie do niego uwzględnia szumy). W modelu losowym nie jesteśmy jesteśmy stanie określić wartości sygnału w dowolnej chwili czasu, możemy natomiast określić pewne prawdopodobieństwo wystąpienia wartości osiąganych przez sygnał. Przykładowo dla sygnału sinusoid. Model deterministyczny: x(f) = A sin(2^ł + <p) model losowy: x(t) =A£ sin(2xf<ęt + <p§) + n(t) SYGNAŁ LOSOWY NOSNTKEM INFORMACJI A DETERMINISTYCZNY NIE
Z punktu widzenia odbiorcy, sygnał przekazuje informacje jedynie wówczas ma dla odbiorcy charakter losowy, gdy odbiorca nie jest w stanie przewidzieć zachowania i wartości sygnału, a jedynie prognnozowac to z pewnym prawdopodobieństwem. Ponieważ dla sygnału deterministycznego odbiorca może wyznaczyć jego wartość i parametry w dowolnej chwili czasu t to tez nie niesie on informacji.
RÓŻNICE MIEDZY S. CIĄGŁYM DYSKRETNYM I CYFROWYM(sygnał x w funkcji czasu t)
s. ciągłe SA ciągłymi funkcjami czasu, spełniającymi założenie teR, xeR. S. dyskretne czas jest nie ciągły, nie występują one w rzeczywistości spełniają założenie teZ, xeR. S. cyfrowe zarówno czas i wartość sygnału SA nieciągłe spełniają założenie teZ, xeZ (mogą przyjmować tylko określone wartości)
P.Z. nazywamy przestrzeń metryczną, w której każdy ciąg Cauchyego ma granice i granica ta jest elementem przestrzeni, oraz w której wszystkie wyniki operacji na jej elementach również nałeza do tej przestrzeni. Przykładem P.Z. z metryką euklidesową jest zbiór liczb rzeczywistych. R: ro(x,y)=łx-yl PRZESTRZEŃ UNITARNA
P.U. zwiemy przestrzeń liniowa X, w którj określony jest iloczyn skalamy i unormowaną przez normę llxll=sqrt(x,x), xeX. Ponieważ iloczyn skalamy indukuje normę, a ta z kolei metryke, wiec przestrzeń unitarna jest zarazem przestrzenią metryczną.
P.H. jest przestrzenią zupełną liniową (w przestrzeni liniowej zdefiniowane SA dwie operacje: dodawanie element. Przestrzeni i mnożenie element. Przestrzeni przez stałą), unitarną (w P. unitarnej określony jest iloczyn skalamy i jest ona unormowana przez normę llxll=sqrt(x,x), xeX.) a skoro unitarną to również metryczną.
P.L2 jest przestrzenią metryczną i zupełną, znormalizowaną (dla przedziału (0,T) norma II x 11= x2(t)dt dla
przedziału (-cc,cc) norma II xll= J f° x2(t)dt, całkowalna w kwadracie(ale tylko L2(0,T)) (całka kwadratu jest skończona), jest ona również P. sygnałów ciągłych.
cx = J (r -mx)r x(t)dt gdzie mx-moment zwykły r-tego rzędu określony wzorem mrx = J' trx(i)dt
W przestrzeni liniowej definiowane sa 2 operacje na elementach P. sa to: -dodawanie elementów przestrzeni(+) XxX->X -mnożenie elementów P. przez stałą(*) FxX->X; F- sigma ciało zbiór wszystkich liczb R lub Z.
JAKI ZBIÓR ELEMENTÓW P. może stanowić bazę p. (np. XAn). Z ilu elemen. Składa sie baza XAn.
Niech XAn będzie liniową przestrzenią n-wymiar. zbiór elemen. {xi:i=l...n} będący zbiorem liniowo niezależnym nazywamy bazą przestrzeni. Z powyższego prosto wynika że baza przestrzeni XAn składa sie z n elemen.
Baza O. od bazy N.O. rożni sie tym iz dla bazy O. rozwiązanie układu równań Act=a jest dużo prostsze faktem iż
macierze A oraz A-1 są w przypadku bazy O. macierz. Jednostkowyi, oraz tym że dla każdego elementu bazy O. norma
jest jednostkowa tj. Ilxill=l dla i=l,2...n, oraz (xi,xj)=0, i£j, i,j=l,2...n
Dwa sygnały w przestrzeni sygnałów są O. jeżeli ich iloczyn skalamy jest równy zeru czyli
x±.y <=> (x, y) = 0 =>ll x + y II2 =11 x II2 + 11 y II2 uogulnienie wzoru Pitagorasa na dowolna przestrzeń unitarną.