DSP – Normální rozložení a syntéza šumu

Náhodné procesy a digitální šum v DSP velmi často vykazují zvonovitě tvarované rozdělení pravděpodobnosti, známé jako normální rozdělení, Gaussovo rozdělení nebo Gaussian.

Gaussovo rozložení a CDF

Matematické vyjádření Gaussovy křivky (pdf) závisí na střední hodnotě μ\mu a standardní odchylce σ\sigma: pdf(x)=1σ2πexp⁡(−(x−μ)22σ2)\text{pdf}(x) = \frac{1}{\sigma \sqrt{2\pi}} \exp\left( -\frac{(x - \mu)^2}{2\sigma^2} \right) Rovnice musí být normalizována tak, aby celková plocha ohraničená křivkou byla rovna 1.

Pravidla pro Gaussovo rozložení (pravděpodobnosti v intervalech):

  • V rozmezí ±1σ\pm 1\sigma kolem střední hodnoty leží 68 % hodnot signálu.
  • V rozmezí ±2σ\pm 2\sigma leží 95 % hodnot.
  • V rozmezí ±3σ\pm 3\sigma leží 99.75 % hodnot.

CDF (Kumulativní distribuční funkce)

Integrál pdf, označovaný velkým řeckým písmenem fí (Φ\Phi): cdf(x)=∫−∞xpdf(t) dt\text{cdf}(x) = \int_{-\infty}^{x} \text{pdf}(t) \, dt Vyjadřuje kumulativní pravděpodobnost (např. hodnota 0.02280.0228 znamená 2.28% pravděpodobnost v daném rozsahu).


Syntéza digitálního šumu a Centrální limitní věta

Pro generování umělého šumu se používá generátor náhodných čísel (RND), který vrací hodnoty v intervalu ⟨0,1⟩\langle 0, 1 \rangle (rovnoměrné rozdělení, střední hodnota 0.50.5, standardní odchylka 0.290.29).

1. Pseudo-náhodná čísla a Seed

Generátor začíná s počáteční hodnotou seed (SS) a používá rekurzivní vztah: R=(a⋅S+b)(modc)R = (a \cdot S + b) \pmod c kde a,b,ca, b, c jsou konstanty. Pro změnu sekvence se provádí reseeding (např. pomocí Real-Time Generator – RTG).

2. Centrální limitní věta (Central Limit Theorem)

Říká, že součet většího množství nezávislých náhodných čísel konverguje ke Gaussovu rozložení.

  • Praktický postup pro generování Gaussova šumu (součet 12 náhodných čísel):
    1. Sečíst 12 náhodných čísel z RND: X=∑k=112RNDkX = \sum_{k=1}^{12} \text{RND}_k
    2. Odečíst 6 (pro střední hodnotu μ=0\mu = 0)
    3. Vynásobit požadovanou standardní odchylkou (σ\sigma)
    4. Přičíst požadovanou střední hodnotu (μ\mu)

Precision vs. Accuracy (Přesnost měření)

  • Accuracy (Správnost / Kalibrace): Posun střední hodnoty od skutečné hodnoty způsobený systematickými chybami.
    • Zprůměrování naměřených hodnot accuracy nezlepší. Odstraní ji pouze kalibrace systému. ("Accuracy je měřítkem kalibrace.")
  • Precision (Opakovatelnost / Rozptyl): Šířka rozložení naměřených hodnot (řízeno standardní odchylkou σ\sigma, SNR nebo CV) způsobená náhodnými chybami (šumem).
    • Zprůměrování vícero měření vždy zlepší precision. ("Precision je měřítkem náhodného šumu.")

Související poznámky

Built with LogoFlowershow