Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Стационарные процессы в линейных системах
Линейная система – это оператор A, на вход которого подается процесс x (t), а на выходе получается процесс y (t)= A x (t), при этом для любой линейной комбинации α x 1(t)+β x 2(t) A [ α x 1(t) + β x 2(t) ]= α A x 1(t) + β A x 2(t). Операторы с такими свойствами хорошо известны, в частности, это производная и интеграл. Оказывается, что любая линейная система имеет представление в виде интеграла
В подавляющем большинстве практически важных случаев можно считать, что свойства выходного сигнала в момент t зависят только от прошлых значений входного сигнала x (s), поэтому при s > t, так что интеграл берется в пределах от 0 до t: Функцию w (t, s) называют весовой функцией линейной системы. Если w (t, s) зависит только от разности t - s, w (t, s)= w (t - s,0), система называется однородной. Физически это означает, что свойства системы постоянны в любой момент времени. Весовую функцию такой системы обозначают w (τ): (6.3) так что выход такой системы – это просто свертка входного сигнала и весовой функции, а универсальный аппарат для работы со свертками – это преобразование Лапласа L. Если x (s)=δ(s), т.е. на вход системы подается короткий импульс, моделируемый как дельта-функция, то, согласно (6.2), Это значит, что весовую функцию линейной системы можно оценить экспериментально, подавая на вход системы короткие импульсы в различные моменты s. Если входной сигнал имеет постоянную составляющую a =M x (t), то его нужно рассматривать как сумму этой составляющей и центрированного сигнала с нулевым математическим ожиданием. Постоянная составляющая преобразуется по основной формуле (3). Дальнейшие рассмотрения касаются центрированного сигнала x (t) с нулевым математическим ожиданием. Преобразование Лапласа весовой функции (6.4) называют передаточной функцией системы. В большинстве случаев весовая функция быстро убывает с ростом τ, поэтому сходимость интеграла в (6.4) обеспечена и передаточную функцию можно рассматривать для чисто мнимых значений ее аргумента. Такую функцию φ(iu) называют амплитудно-фазовой частотной характеристикой или, короче, спектральной характеристикой системы.
Основная теорема теории линейных систем. Спектральные плотности входного Sx (u) и выходного Sy (u) сигналов связаны соотношением Доказательство. Вычислим двумя способами автокорреляционную функцию Ky (s, t) выходного сигнала y (t). Можно заранее предположить, что она зависит только от разности s - t. С одной стороны, (6.5) С другой стороны, Подставим вместо x (s 1) и x (s 2) их представления по формуле (6.1) и изменим порядок интегрирования: Введем в двух первых интегралах вместо s 1 и t 1 новые переменные s 2 и t 2 по формулам s 2= s - s 1, t 2= t - t 1. Тогда разность под знаком экспоненты приобретет следующий вид: s 1 - t 1 = s - s 2 – t + t 2 = (s - t) – (s 2 - t 2). Окончательно имеем: (6.6) Сравнивая две формулы для автокорреляционной функции (4) и (5), видим, что, действительно, Взаимная спектральная плотность входа и выхода Sxy (u) определяется как обратное преобразование Фурье от взаимной корреляционной функции В отличие от обычной спектральной плотности она обычно не является вещественной и положительной. Теорема. Доказательство этой формулы полностью аналогично приведенному выше доказательству основной теоремы. Пример 6.1. Оператор дифференцирования. Пусть x (t) – стационарный случайный процесс с нулевым математическим ожиданием. Для обеспечения сходимости интегралов потребуем, чтобы его спектральная плотность Sx (u) удовлетворяла условию . Рассмотрим линейное преобразование со спектральной характеристикой φ(iu) = iu. Запишем эту характеристику в виде . Тогда на выходе линейной системы получается процесс В частности, это означает, что при ограничениях, обеспечивающих сходимость интегралов, спектральное представление (1) можно дифференцировать по t под знаком интеграла: (6.7) Пример 6.2. Решение линейного стохастического дифференциального уравнения. Пусть линейная система задана в виде дифференциального уравнения , или, в более общем виде, A y = x (t), где A - линейный дифференциальный оператор. Ему ставится в соответствие характеристический полином A (iu) = (iu)2 - 2(iu) + 2. Входным сигналом является стационарный случайный процесс x (t) с нулевым средним и спектральной плотностью Sx (u). Тогда, согласно результатам примера 6.1,
Ay = , так что d Ф x (u)= A (iu) d Ф y (u). Тогда, повторяя рассуждения, проведенные выше при доказательстве основной теоремы теории линейных систем, получаем связь между спектральными плотностями: На практике линейные системы часто предпочитают описывать линейными дифференциальными уравнениями вида Ly (t) = x (t), . Пусть - характеристический многочлен дифференциального оператора L, тогда передаточная функция имеет вид φ(p) = [ L (p) ]-1, так что Прямое численное решение линейных стохастических дифференциальных уравнений может приводить к несколько различным временным рядам в зависимости от метода интегрирования. Обычно удовлетворительные результаты дает модифицированный метод Эйлера (для стохастических уравнений его называют методом Хьюна) или методы Рунге-Кутты, однако нужно иметь в виду, что точность метода, рассчитанная для детерминированных уравнений, в стохастическом случае снижается на порядок. При этом существуют две "ловушки", в которые часто попадают начинающие исследователи: 1. Для стохастических уравнений чрезвычайно трудно построить корректную разностную схему, определяющую аппроксимации производных высших порядков, поэтому уравнения высших порядков всегда следует сводить к системе уравнений первого порядка. 2. Нелинейные уравнения всегда сводятся к соответствующему интегральному уравнению, при этом должно быть точно определено, какая конструкция стохастического интеграла имеется в виду.
|
||||||
Последнее изменение этой страницы: 2021-04-05; просмотров: 91; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.218.129.100 (0.008 с.) |