El ruido blanco se caracteriza por la función de autocorrelación
⟨ η( t ) η(t′) ⟩ = re δ( t -t′) ,
(Aquí estoy asumiendo que
η
es adimensional por lo que
[ re ] = [ v ]
). Esto significa que (1) el ruido no debe estar correlacionado consigo mismo en diferentes momentos, pero también que (2) la varianza de
η( t )
debe ser
infinito . La condición (2) es el ingrediente esencial que falta aquí.
Antes de mostrar cómo incorporar (2) en un modelo discreto del ruido, primero motivemos por qué necesitamosη( t )
tener varianza infinita. Esto es necesario para que la señal integrada, definida por
W( τ) =∫τ0dt _η( t ) ,
ser distinto de cero. Efectivamente eso lo tenemos
⟨ W( τ)2⟩ =∫τ0dt _∫τ0dt′⟨ η( t ) η(t′) ⟩ = re τ,
es decir, la varianza de la señal integrada crece linealmente con el tiempo, con "constante de difusión"
D
, como una
caminata aleatoria continua donde la posición del caminante en función del tiempo está dada por
W( τ)
. Esto no es casualidad: la variable aleatoria
W( τ)
describe el
proceso de Wiener , que es fundamental para la definición de ruido blanco. En particular, si
d W( t ) = W( t + re t ) - W( t )
, entonces la variable
η( t )
en realidad se
define como
d W( t ) = η( t ) d t .
Tenga en cuenta que si la varianza deη( t )
eran finitos,W( τ)
desaparecería de forma idéntica. Supongamos que en su lugar⟨ η( t ) η(t′) ⟩ = f( t -t′)
, dóndeF( 0 )
es finito yF( t ) = 0
port ≠ 0
. Por lo tanto, se sigue que⟨ W( τ)2⟩ = ⟨ W( τ) ⟩ = 0
. Esto implica que la señal integradaW( τ) = 0
con probabilidad uno. En otras palabras, las fluctuaciones instantáneas finitas deη( t )
combinado con su tiempo de correlación cero, hace que el efecto integrado de la señal de ruido se cancele a cero durante cualquier tiempo finito.
Para definir la señal de ruido como el límite continuo de un proceso discreto, partimos de un paseo aleatorio discreto (imparcial). En cada incremento de tiempodt =tyo + 1−ti
el andador se desplaza la cantidaddWi=ηidt
(cf.d W( t ) = η( t ) re t
), dónde⟨ δWi⟩ = 0
. Hacer que cada tamaño de paso sea proporcional adt
asegura que el tamaño del paso tiende a cero en el límite continuodt → 0
, de modo queW( t )
describe una función continua (en ninguna parte diferenciable). Además, cada uno de estos pasos debe ser estadísticamente independiente para recuperar el tiempo de correlación cero (ruido blanco) en el límite continuo. Suponemos también que el conjunto de pasosdWi
se distribuyen idénticamente. Ahora, la varianza de la posición del andador después denorte
pasos, correspondientes a un tiempoτ= nortedt
, es dado por
⟨ W( τ)2⟩= ⟨(∑yo = 1nortedWi)2⟩= ( δt)2(∑yo = 1norte⟨η2i⟩ +∑yo ≠ j⟨ηiηj⟩ )= ( δt)2∑yo = 1norte⟨η2i⟩ ,
donde la tercera igualdad se sigue de la independencia estadística de los pasos:
⟨ηiηj⟩ = 0
por
yo ≠ j
.
Ahora bien, para recuperar el escalado correcto⟨ W( τ)2⟩ = re τ
, Debemos tener
⟨η2i⟩ = D / δt .
La varianza de la variable de ruido blanco discretizada
ηi
por lo tanto, tiende a infinito en el límite del continuo, según se requiera. Dado que también requerimos que las estadísticas de ruido sean gaussianas de media cero (es decir, el único cumulante distinto de cero es la varianza), se deduce que la función de distribución de probabilidad única es
PAGS(ηi) ∝ exp( -η2idt2D _) ,
hasta una constante de normalización no especificada. El resultado correcto para la función de partición sigue después de escribir la integral de trayectoria y tomar el límite continuo
dt∑i→ ∫dt _
.
Masón
foneyscar
DanielSank
foneyscar
DanielSank
Sean E. Lago
foneyscar