
- •Корреляционные функции
- •Спектральная плотность стационарных процессов
- •Прохождение случайного сигнала через динамическую систему
- •Постановка задачи статистической идентификации
- •Методы и алгоритмы статистической идентификации динамических объектов и систем
- •Статистические методы получения импульсных переходных функций.
- •Методы получения и формы представления математических моделей динамических систем
- •3/4/ Алгоритмы и программные средства для решения задач моделирования динамических систем на пэвм
- •3/4/1 Задача Коши и средства для ее решения
- •3/4/2 Алгоритмы численных методов решения задачи Коши Метод Рунге-Кутта четвертого порядка с постоянным шагом
- •3/4/3 Метод Рунге-Кутта четвертого порядка с переменным шагом
- •3/4/4 Метод Кутта-Мерсона с переменным шагом
- •Принципы и методы моделирования динамических систем
- •Принципы построения авм
- •Свойства операционного усилителя
- •Линейные математические операции, выполняемые операционными усилителями
Корреляционные функции
Начальный корреляционный момент двух значений случайной функции х (t) и х (t1), взятых в моменты времени t и t1, носит название корреляционной (автокорреляционной) функции. Она может быть найдена аналогично из выражения
. (2.18)
где w2(x, t; x1, t1) – двумерная плотность вероятности.
Иногда под корреляционной функцией понимают центральный корреляционный момент x(t) и x1(t), т.е.
. (2.19)
В
этом случае корреляционная функция
(2.18) может быть представлена в виде суммы
. (2.20)
Корреляционная функция является весьма универсальной характеристикой для случайного процесса. Она определяет зависимость случайной величины в последующий момент времени х (t1) от предшествующего значения х (t) в момент времени t. Это есть мера связи между ними.
Рассмотрим основные свойства корреляционных функций.
1. Из определения корреляционной функции (2.18) и (2.19) следует свойство симметрии: R(t, t1) = R(t1, t) и R0(t, t1) = R0(t1, t).
2. При t1=t корреляционная функция R(t, t1) дает средний квадрат случайной величины, а R0(t, t1) – дисперсию:
.
3. Можно показать, что прибавление к случайным величинам произвольных неслучайных величин не меняет их корреляционных моментов и дисперсии. Поэтому корреляционная функция R° (t, t1) не изменится, если к случайной функции добавить произвольную неслучайную функцию. Это свойство не относится к функции R(t, t1), так как добавление неслучайных величин к случайным величинам изменяет начальные моменты. В этом случае корреляционная функция будет равна сумме корреляционных функций случайной и неслучайной функций.
Иногда в рассмотрение вводится нормированная корреляционная функция
. (2.21)
Аналогично корреляционной функции можно ввести понятие взаимной корреляционной функции для двух случайных величин х (t) и у (t):
(2.22)
.
В случае тождественного равенства нулю взаимной корреляционной функции случайные функции х (t) и у (t) называют некоррелированными.
Если взаимная корреляционная функция отлична от нуля, то х (t) и у (t) носят название коррелированных случайных функций.
В
случае
стационарности процесса корреляционные
функции R
(t,
t1)
и R0(t,
t1)
не будут зависеть от текущего значения
времени t
и
будут определяться только временным
сдвигом
.
С
учетом эргодичности стационарного
процесса корреляционной функцией можно
назвать среднее по времени от произведения
х
(t)
и
х
(t
+
)
или
и
:
(2.23)
Для стационарного процесса корреляционная функция определяет зависимость случайной величины х в последующий момент времени t + от предшествующего значения в момент t.
Приведем основные свойства корреляционной функции стационарного процесса применительно к величине R ( ).
Корреляционная функция является четной функцией, т. е. R (- ) = R( ). Это вытекает из самого определения корреляционной функции.
При = 0 корреляционная функция дает средний квадрат случайной величины:
.
3. При
корреляционная функция дает квадрат
среднего значения
случайной
величины. Докажем это. На основании
эргодической гипотезы
.
П
ри
величины
x1
и
x2
можно считать независимыми. Отсюда
получим
.
4
.
Значение корреляционной функции при
= 0 является ее наибольшим значением,
т. е. имеет место неравенство
.
Докажем это. Рассмотрим очевидное
неравенство
.
С
делаем
преобразование
.
В
озьмем
теперь среднее по времени от правой и
левой частей. В результате получим:
,
откуда и вытекает следующее неравенство: .
5. Значение корреляционной функции чаще всего будет тем меньше, чем больше промежутки времени , так как связь между далеко отстоящими друг от друга значениями х будет обычно слабее.
6. Чем менее инерционен (более подвижен) объект наблюдения, тем быстрее убывает R ( ) с увеличением . Например, у самолета как подвижной цели связь между последующими и предыдущими положениями (при заданном ) будет тем меньше, чем легче и маневреннее. Отсюда следует, что, чем быстрее убывает корреляционная функция, тем более высокие частоты будут присутствовать в случайном процессе.
На рисунке 2.12 в качестве примера приведены две корреляционные функции и две соответствующие им реализации процесса при одинаковых среднеквадратичных значениях случайной величины. Второй процесс по сравнению с первым имеет более тонкую структуру, т. е. в нем присутствуют более высокие частоты. Таким образом, при известной корреляционной функции легко определяются следующие вероятностные характеристики:
а) среднее значение (момент первого порядка)
;
б) среднеквадратичное значение (момент второго порядка)
;
в) дисперсия
;
г) среднеквадратичное отклонение
.
Корреляционную функцию можно найти на основании экспериментально снятой кривой случайного процесса при наличии достаточно длительной записи (рисунок 2.13). Обработка имеющейся осциллограммы производится следующим образом. Весь интервал записи осциллограммы Т делится на N равных частей, длительность которых составляет
.
Затем
для различных значений
=m
t
находятся средние значения произведений
ординат:
.
По этим значениям строится график корреляционной функции в зависимости от интервала m и времени =m t.
Корреляционную функцию можно найти по результатам эксперимента при помощи специальных приборов – корреляторов, которые автоматически вычисляют среднее произведение двух ординат осциллограммы, отстоящих друг от друга.
Рисунок 2.12.
Рисунок 2.13
Если
найденная корреляционная функция R(
)
содержит постоянную составляющую
,
то, выделив ее, можно перейти к
корреляционной
функции R0(
)
в соответствии с (2.19), т.е. R0(
)=R(
)
-
.
Можно также ввести в рассмотрение нормированную корреляционную функцию
,
которая
удобна тем, что всегда
.