- •Лекція 1. Аналіз стану електронних систем
- •1.1. Простір станів, передатна функція електронних систем
- •1.2. Моделі автокореляційних функцій стаціонарних сигналів
- •1.3. Двовимірна оцінка похибок апроксимації
- •1.4. Моделі спектрального аналізу стаціонарних сигналів
- •Спектральний аналіз
- •Лекція 2. Механізми перетворення випадкових сигналів
- •2.1. Механізми виникнення випадкових корисних сигналів
- •2.2. Механізми генерації білих та кольорових завад
- •2.3. Оцінка відношення дисперсій сигнал-перешкода та вплив на граничні помилки не реалізованих електронних систем
- •Лекція 3. Структурний стохастичний синтез завадостійких систем
- •3.1. Структурний та параметричний синтез
- •3.2. Операції факторизації та сепарації.
- •Задачі фільтрація вимірювальної інформації
- •Лекція 4
- •4.1. Стохастика каналів керування першого порядку
- •4.2. Стохастичний синтез форсованих систем другого порядку
- •Невідомі параметри знайдемо із системи рівнянь:
- •В алгебраїчній формі вони дорівнюють:
- •Методика Ван-Трiса.
- •4.3. Приклади стохастичного синтезу систем третього порядку.
- •Позначимо відомі параметри сигналів:
- •4.4. Структурний синтез систем довільного порядку.
- •Лекція 5. Стохастична фільтрація
- •5.1 Стохастична фільтрація в каналах вимірювання
- •5.2. Структурна фільтрація рожевої завади
- •5.3. Структура системи фільтрації червоної завади.
- •Лекція 6. Аналіз усталених та перехідних похибок
- •6.1. Вплив безрозмiрних параметрiв сигналу на усталену похибку системи
- •6.2. Дослідження вільної складової руху системи
- •Номограми розрахунку мiнiмальної усталеної похибки I показникiв якостi динамічних систем
- •Лекція 7. Декомпозиція електронної системи
- •7.1. Структура та раціональний порядок елементарної ланки
- •7.2. Послідовне ввімкнення елементарних ланок
- •7.3. Паралельне ввімкнення ланок
- •7.4. Розмикання передатних функцiй форсованих систем
- •Лекція 8. Фільтри Баттерворта, Чебишева, Бесселя та Кауера
- •8.1. Інженерні методи розрахунку аналогових фільтрів
- •Огляд популярних аналогових фільтрів
- •8.2. Порівняльний аналіз амплітудних і фазових характеристик фільтрів Баттерворта, Чебишева та еліптичного.
- •Лекція 9. Цифрові віртуальні фільтри
- •9.1 Структура системи цифрової обробки аналогових сигналів
- •9.2. Нерекурсивні фільтри з кінцевою імпульсною характеристикою
- •9.3. Рекурсивні фільтри з нескінченною імпульсною характеристикою
- •9.4. Фільтри зі змінюваною частотою дискретизації
- •9.5. Адаптивні фільтри
- •9.6. Вплив періоду дискретизації на динаміку електронної системи
- •Дискретний сигнал і його спектр описуються формулами:
- •Лекція 10. Програмно-апаратні засоби спряження з пк
- •10.1. Розробка блоку автоматичної аттенюації
- •10.2. Блок перетворення коду і рівнів сигналу при передачі/прийомі інформації з інтерфейсу rs-232c
- •Лекція 11. Синтез інтелектуальних завадостійких давачів
- •Експоненційне згладжування
- •Застосування експоненційної і стохастичної фільтрації
- •11.3. Фільтрація з врахуванням динамічних можливостей датчика
- •11.3.1. Фільтрація з урахуванням динамічних властивостей датчика.
- •11.4. Суміщення фільтрації та інтерполяції (екстраполяції)
- •Лекція 12. Стохастичний синтез завадостійких систем нижнього рівня
- •12.1. Інженерна методика розрахунку систем автоматичного регулювання технологічних параметрів
- •12.2. Методика структурного синтезу завадостійких контурів компенсації збурень
- •Аналогічне відношення для нефорсованої системи
5.2. Структурна фільтрація рожевої завади
Дана спектральна густина сигналу:
Приймемо дисперсію D рівної 1. Перешкода представлена у вигляді кольорового шуму, а точніше його спектральної густини:
.
Ця
спектральна густина описується процесом
Орнштейна-Уленбека (1930), який є реалізацією
корельованих випадкових блукань. Він
має на увазі, що частинка, що має велику
швидкість, має велику вірогідність
зіткнутися, т.ч. всі частинки мають
властивість повертатися до нульової
швидкості і тим швидше, чим більше їх
швидкість. Процес ОУ
ергодічний і стаціонарний, оскільки
може бути одержаний в результаті
лінійного інерційного перетворення
білого шуму
:
При моделюванні може бути використане наступне ітеративне співвідношення:
,
де
і
–
параметри процесу, а
–
гаусова випадкова величина. Для нас
найцікавіший, що даний процес має
експоненціально спадаючу автокореляційну
функцію:
,
–
дисперсія, а спектр потужності
має лоренцевській вигляд і як
затверджувалося раніше:
.
У зв'язку з тим, що енергія зосереджена у області низьких частот, процес ОУ також називають кольоровий, рожевий шум. Спектральна густина має близьку до плоского ділянку в районі нуля частот і хвіст, що спадає по статечному закону в районі низьких частот.
Знайдемо сумарний сигнал:
.
Розглянемо спектральну густину шуму: .
,
,
Нехай
,
тоді знаменник дробу можна представити
у вигляді
.
Загальний сигнал:
Виконаємо операцію факторизації:
Для цього розглянемо спершу знаменник дробу:
Представимо коріння на комплексній площині:
Після операції факторизації в знаменнику одержимо:
Виконаємо операцію сепарації для чисельника:
Виконаємо
заміну до =
,
тоді:
.
Зведемо
в квадрат ліву і праву частину рівняння,
щоб позбавитися квадратного коріння,
заздалегідь проведемо заміни:
Тоді:
Звідси:
.
Повернемося
до значень
і ψ:
Нехай
,
а
,
Тоді
коріння чисельника:
Запишемо факторізованную спектральну густину сумарного сигналу:
Запишемо передавальну функцію
сигналу в загальному вигляді:
.
Виробимо операцію сепарації з віражением:
.
Вирішимо (*) методом невизначених коефіцієнтів:
Помножимо
обидві частини виразу на:
.
Одержимо:
Складемо систему лінійних рівнянь:
3:
|
(5.21) |
2: 0 = B1 + 2i + C1(m + ni)(ni - m) + B2(-2i) – C2( + i)( - i) |
(5.22) |
1:4(2 + b2) = B1·2·i + C1·(m + ni)(ni - m) + B2(-2i) – C2( + i)( - i) |
(5.23) |
0: Ni·4(2 + b2) = B1·(m + ni)(ni - m) – B2( + i)( - i) |
(5.24) |
Знайдемо рішення цієї системи:
А)
З (5.21)
Б)
З (5.22)
В)
г)
Знайдемо
B1
підставивши B2:
=
де
.
Підставивши В1 і В2 у вираз для С1 одержимо:
Аналогічно і С2:
Передавальна функція прийме вигляд:
де
Перейдемо
до параметра p :
,
де K=C1
Рис. 5.2. Передавальна функція системи в логарифмічній системі координат.
де x – час дискретизації. Матриця-стовпець, одержана при реалізації фільтру представленого на рисунку 5.2, є амплітудними значеннями сигналу в кожен момент часу.
