Sezione 8.4: Disturbi additivi Su Capitolo 8: Distorsione e rumore Capitolo 9: Teoria dell’informazione e codifica di sorgente 

8.5 Appendice

8.5.1 Distorsione non lineare di processo gaussiano

Riprendiamo il calcolo della Py(f) per un segnale y(t) = G[x(t) + αx2(t) + βx3(t)] qualora x(t) sia membro di un processo stazionario gaussiano a media nulla e potenza Px. A tale scopo occorre prima determinare Ry(τ) = E{y(t)y(t + τ)}, e quindi eseguirne la trasformata di Fourier. Sulla base di un risultato di teoria[449]  [449] Noto come teorema di Isserlis, vedi https://en.wikipedia.org/wiki/Isserlis'_theorem. che asserisce che per una coppia di v.a. (x1, x2) estratte da un processo gaussiano a media nulla risulta che E{xi1xj2} = 0 se i + j è dispari, possiamo scrivere
(10.213)
Ry(τ)  = E{y(t)y(t + τ)} = E{G2(x1 + αx21 + βx31)(x2 + αx22 + βx32)} =   = G2(E{x1x2} + 2βE{x1x32} + α2E{x21x22} + β2E{x31x32})
in cui si è indicato per brevità x1 = x(t) e x2 = x(t + τ), a media nulla e covarianza Σx =  Px Rx(τ) Rx(τ) Px . A riguardo della (10.213), riconosciamo subito E{x1x2} come la Rx(τ) in ingresso, mentre per gli altri momenti misti ci si avvale di un corollario al precedente risultato[450]  [450] Vedi https://math.stackexchange.com/questions/957351/proving-isserlis-theorem-for-n-4 per la dimostrazione del caso di quarto ordine., valido per una gaussiana multivariata, che asserisce:
(10.214)
E{x1x2 ⋅ ... ⋅xn} = (E{xp1xp2}E{xp3xp4} ⋅ ... ⋅E{xpn − 1xpn})
in cui la somma è estesa a tutte le possibili permutazioni non equivalenti di (1, 2..., n) [451]  [451] Le permutazioni si definiscono equivalenti se accoppiano con ordine diverso o in posizione diversa le stesse v.a.. Ad esempio, per quattro v.a. si ha
E{x1x2x3x4} = E{x1x2}E{x3x4} + E{x1x3}E{x2x4} + E{x1x4}E{x2x3}
mentre per un momento di ordine 6 si ottengono 15 termini. Se il momento misto coinvolge un numero di v.a. inferiore al suo ordine, come per le (10.215), le permutazioni intendono indicare la posizione di ogni v.a., e non il suo pedice.
. In base a ciò, sviluppiamo i termini che compaiono nella (10.213), e dopo semplici ma laboriosi passaggi otteniamo
(10.215)
E{x1x32}  = E{x1x2x2x2} = 3 PxRx(τ) E{x21x22}  = E{x1x1x2x2} =  P2x + 2R2x(τ) E{x31x32}  = E{x1x1x1x2x2x2} = 9 P2xRx(τ) + 6R3x(τ)
in cui si è sostituito (per la stazionarietà) E{x21} = E{x22} con Px, e E{x1x2} = E{x2x1} con Rx(τ). Sostituendo le (10.215) nella (10.213) possiamo ora scrivere
Ry(τ)  = G2(Rx(τ) + 2β ⋅ 3 PxRx(τ) + α2( P2x + 2R2x(τ)) + β2(9 P2xRx(τ) + 6R3x(τ)))  = G2(α2 P2x + (1 + 6βPx + 9β2 P2x)Rx(τ) + α22R2x(τ) + 6β2R3x(τ))
da cui finalmente otteniamo la Py(f) = F {Ry(τ)} come somma di quattro termini P0(f) + PI(f) + PII(f) + PIII(f), in cui
P0(f)  = G2α2 P2xδ(f) PI(f)  = G2(1 + 6βPx + 9β2 P2x)Px(f) PII(f)  = G22α2 Px(f) * Px(f) PIII(f)  = G26β2 Px(f) * Px(f) * Px(f)
Il termine P0(f) rappresenta un contributo in continua presente in y(t) (ma non in x(t)) e di ampiezza GαPx, mentre PI(f) individua una amplificazione di x(t) di un fattore pari a G1 + 6βPx + 9β2 P2x, e costituisce il segnale utile. Viceversa, i termini PII(f) e PIII(f) esprimono i termini di distorsione causati dall’elemento non lineare, e sono discussi ai §§ 8.3 e 13.3.
 Sezione 8.4: Disturbi additivi Su Capitolo 8: Distorsione e rumore Capitolo 9: Teoria dell’informazione e codifica di sorgente