Рассмотрены методы расчета плотности распределения вероятности сигнала ошибки в непрерывных и дискретных системах синхронизации при наличии помехи. Приведены уравнение, определяющее плотность распределения вероятностей для непрерывной фазовой автоподстройки, и его решение при наличии прицельной помехи. При этих же условиях показано получение плотности распределения вероятностей сигнала ошибки приближенным методом Галеркина в случае дискретной фазовой автоподстройки. При расчетах использовался синусоидальный вид нелинейности характеристики фазового дискриминатора как для случая непрерывной фазовой автоподстройки, так и для дискретной. Получены графики плотностей распределения вероятностей сигнала рассогласования для непрерывной и дискретной фазовой автоподстройки и проведен их сравнительный анализ. Сделан вывод о воздействии прицельной помехи на систему непрерывной и дискретной фазовой автоподстройки при которой брались для сравнения различные значения отношения сигнал/шум, и отношен...
Пусть нам задана функция плотности распределениянепрерывной случайной величины.... Для начала вспомним несколько свойств функции распределениявероятности $F(x)$, которые понадобятся нам... Так как случайная величина $X$ непрерывна, то и функция распределения $F(x)$ также непрерывна.... Геометрическое изображение вероятности попадания непрерывной случайной величины в интервал $(\alpha ,... график плотности распределения и найти вероятность попадания случайной величины в интервал $\left(-2,2
В данной статье рассмотрены методы расчета плотности распределения вероятности (ПРВ) сигнала ошибки в непрерывных и дискретных системах синхронизации при наличии комбинированной помехи. Приводится уравнение, определяющее ПРВ для непрерывной фазовой автоподстройки (ФАП) и его решение, при наличии прицельной помехи. При этих же условиях показано получение ПРВ сигнала ошибки приближенным методом Галеркина в случае дискретной фазовой автоподстройки.
формула оценки моды совокупности, рассчитанная путем подразделения диапазона выборки на равные подклассы, учитывая при этом, сколько наблюдений входит в каждый класс и выбирая центральную точку класса (или классов) с наибольшим количеством наблюдений.
функция, дающая для любой пары значений х, у вероятность того, что случайная величина Х будет меньше или равна х, а случайная величина Y- меньше или равна y.