![](/user_photo/_userpic.png)
1503
.pdf![](/html/65386/418/html_a2nHg9L0No.ZmRk/htmlconvd-nhPkSP31x1.jpg)
Оценки параметров распределения СП должны отвечать следующим требованиям:
оценка должна быть состоятельной, т.е. сходиться по вероятности к оцениваемой величине при неограниченном увеличении времени реализации процесса;
оценка должна быть несмещенной, т.е. сходиться к ее математическому ожиданию;
оценка должна быть эффективной, т.е. ее рассеивание относительной (оцениваемой) величины должно быть минимальным.
Для стационарного эргодического математического ожидания является нижеприведенного выражения величина
m*x T1T x(t)dt ,
0
где T – длина реализации, дисперсия которой
2 |
|
2 T |
||
mT |
|
|
K( )(T )d |
|
T2 |
||||
|
|
0 |
СП такой оценкой получаемая из
(1.13)
зависит от длины интервала задания реализации T и вида корреляционной функции K( ).
При переходе к сигналу, заданному на интервале T в N последовательных точках, выражения для оценки математического ожидания и его дисперсии имеют вид:
|
|
1 |
N |
|
|
1 |
|
N 1 |
|
|
||
m* |
|
x |
, 2 |
|
K 0 N 2 |
(N l) K(l t) |
, l i j. (1.14) |
|||||
|
||||||||||||
x |
|
N |
i |
mN |
|
N |
2 |
|
|
|
|
|
|
|
|
i 1 |
|
|
|
|
l 1 |
|
|
Учитывая, что K( ) x2 r( ), получим
m2N |
|
|
2 |
N 1 |
|
|
|
|
x |
N 2 (N l)(l t) . |
|||
N |
2 |
|||||
|
|
|
|
l 1 |
|
![](/html/65386/418/html_a2nHg9L0No.ZmRk/htmlconvd-nhPkSP32x1.jpg)
Определим показатель эффективности оценки математического
ожидания как kЭ mN . Чем меньше kЭ , тем эффективнее оценка.
x
Минимум kЭ определяется числом последовательных измерений реализации СП, заданной на интервале T, и видом корреляционной
функции процесса. |
Для |
функции |
вида |
r( ) e |
|
|
|
минимум |
||
|
|
|||||||||
находится из |
|
|
|
|
|
|
|
|
|
|
соотношения |
|
|
|
|
|
|
|
|
|
|
2 |
|
|
1 e |
, |
T |
. |
||||
N e (N 2) |
|
|||||||||
mont |
|
|
(N 1) |
Принимая 0,1 и T 50с, получим mont2 = 0,286. Используя соотношение (1.13), найдем, что mT2 = 0,321. В то же время формула (1.14) для разного числа регистрируемых точек на интервале T дает: по 6 точкам m2N = 0,310; по 11 точкам m2N = 0,307; по 21 точке m2N = = 0,311.
Среднеквадратичная оценка при разбиении интервала реализации на 10 участках в данном примере оказалась достаточно эффективной. Приведенный пример иллюстрирует важность вопроса выбора числа отсчетов для описания реализаций СП. К такому же выводу можно прийти при рассмотрении оценок дисперсии, корреляционной функции и спектральной плотности случайных стационарных процессов и последовательностей.
На практике, как правило, корреляционная функция неизвестна, и задача по выбору оптимального числа отсчетов СП на интервале его задания не имеет решения. С другой стороны, имеющиеся экспериментальные данные и физические законы формирования и течения различных динамических процессов позволяют достаточно точно судить о максимально возможных изменениях в исследуемом процессе в единицу времени. Другими словами, речь идет об оценке максимальной частоты в спектральной плотности СП, которая значимо влияет на его форму. В качестве примера на рис. 1.8 приведена спектральная плотность функции изменения скорости ветра, полученная экспериментальным путем. На графике четко выражены синоптический максимум, соответствующий колебаниям с
![](/html/65386/418/html_a2nHg9L0No.ZmRk/htmlconvd-nhPkSP33x1.jpg)
периодом около 4 суток (~100 часов), и микрометеорологический максимум колебаний с периодом ~1 минута.
Рис. 1.8. Спектральная плотность изменений горизонтальной составляющей скорости ветра
График изображен в координатах f S(f ) (f ), |
f |
2 – |
частота, выражаемая в циклах в час или Гц. Такое представление позволило усилить высокочастотные составляющие процесса и увидеть наличие микрометеорологического максимума с частотой ~0,0016 Гц. Колебания с частотами более 0,3 Гц имеют ничтожную амплитуду, ими можно пренебречь, приняв за максимальную частоту процесса 0,3 Гц.
В ряде случаев информацию о максимальной частоте (частоте среза) удается получить теоретически. К примеру, в гидромеханике выведено уравнение для максимально возможной частоты изменений
метеорологических параметров атмосферы f |
|
|
|
|
3 |
|
0,25 |
||
|
, где |
|
|
– |
|||||
max |
|
|
|
|
|
||||
|
|
|
|
||||||
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
колмогоровский масштаб турбулентности, выраженный через постоянные среднюю скорость диссипации кинетической энергии и вязкость воздуха . Принимая скорость ветра =10 м/с и =1см2∙с-3,
![](/html/65386/418/html_a2nHg9L0No.ZmRk/htmlconvd-nhPkSP34x1.jpg)
=10-1см2∙с-1, получим fmax 103Гц. Эта оценка является предельно возможной на земном шаре и, как следует из приведенных выше экспериментальных данных для изучаемой местности, ее значение более чем в 1000 раз превышает используемое на практике значение
fmax.
Значение частоты среза fmaxпозволяет для решения поставленной задачи воспользоваться теоремой В.А. Котельникова: функция, спектральная плотность которой отлична от нуля только в полосе ( fmax, fmax), полностью определяется своими значениями отсчетов,
взятых в дискретных точках аргумента через интервалы t 1 .
2 fmax
По этим отсчетам можно восстановить исходную функцию x(t), используя выражение
|
|
sin (t k t) |
|
|
|
x(t) |
x(k t) |
, 2 f , |
(1.15) |
||
|
|||||
|
k |
(t k t) |
|
где x(k t)– отсчеты непрерывной функции x(t) в моменты времени
tk k t, k – |
целое число. Каждый |
отсчет |
умножается |
на |
||
соответствующую функцию |
sin (t k t) |
, сумма этих произведений |
||||
(t k t) |
||||||
|
|
|
|
|
||
есть описание исходной функции x(t). |
|
|
|
|||
На рис. 1.9 |
показан процесс формирования |
функции x(t) |
по |
отсчетам x(k t).
Сигналы, с которыми приходится иметь дело на практике, ограничены по длительности. Такие функции формально можно описать усеченным рядом Котельникова:
|
|
B |
sin (t k t) |
|
|
|
|
xy (t) x(k t) |
, |
(1.16) |
|
|
|
||||
|
|
k 1 |
(t k t) |
|
|
где B |
T |
1 2 fmax T 1; T– длительность реализации. |
|
||
|
|
||||
|
t |
|
|
|
![](/html/65386/418/html_a2nHg9L0No.ZmRk/htmlconvd-nhPkSP35x1.jpg)
Налицо отступление от классической формулы (1.15), возникает погрешность представления исходной функции
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
S( f )df |
|
|
|
x(t) xy (t) |
|
. |
(1.17) |
|||||
|
|
|
fmax |
||||||
|
|
|
|||||||
|
|
x |
2 (t) |
|
|
|
|
||
|
|
|
|
|
|
|
S( f )df |
|
|
|
|
|
|
|
|
|
0 |
|
|
Здесь черточка над x означает усреднение.
Рис. 1.9. Иллюстрация представления произвольной функции x(t) рядом Котельникова:
а – взятие отсчетов x(tk ) через интервал t в точках (t k t);
б-г – формирование аппроксимирующих функций соответственно в точках t 0, t Δt, t 8Δt
Таким образом, для финитных (ограниченных во времени) функций использование усеченного ряда Котельникова предполагает:
задание допустимой относительной |
погрешности у и |
|
вычисление по (1.17) значения fmax; |
|
|
по |
формуле t 1/2fmax определение |
искомого интервала |
взятия |
отсчетов. |
|
Вернулись к той же проблеме: заранее надо знать спектральную плотность или корреляционную функцию исследуемого процесса.
Однако, |
если |
частота fmax |
ориентировочно известна, интеграл |
||
|
|
|
|
|
|
S( f )df |
0, |
тогда |
погрешностью у |
можно пренебречь. Этот |
|
fmax |
|
|
|
|
|
подход и получил распространение на практике. |
|||||
Можно привести много примеров, когда ширина спектра, |
|||||
регистрируемого с |
целью |
обработки |
процесса, изменяется во |
||
времени. До |
|
|
|
|
99 % мощности ураганного ветра переносится на частотах, расположенных до микрометеорологического максимума. При штиле для переноса такой же мощности необходимо расширить спектр частот на порядок. Поэтому естественным представляется метод дискретизации функции с переменной частотой взятия отсчетов, определяемый динамическими свойствами СП на текущем отрезке времени. Такой метод получил название метод адаптивной дискретизации.
Наибольшее распространение на практике получила следующая процедура. В точке ti берется отсчет функции x(ti ) (рис. 1.10), и начинается вычисление разности зарегистрированного значения отсчета и текущей функции: x x(t) x(ti ). При превышении разностью установленного порога 0, т.е. x 0, берется новый отсчет. Полученная функция имеет вид ступенчатой кривой (рис. 1.10, а).
![](/html/65386/418/html_a2nHg9L0No.ZmRk/htmlconvd-nhPkSP37x1.jpg)
Рис. 1.10. Пояснение идеи адаптивной дискретизации:
а – без использования производной; б – с использованием производной
В другом варианте (рис. 1.10, б) после взятия очередного отсчета x(ti ) формируется сигнал, x*(t) x(t) x (ti ) t , где x (ti )– производная функции x(t) в момент времени ti . Очередной отсчет производится в точке, определяемой выполнением равенства
x(t) x(t) x(ti) x (ti ) t 0.
Очевидно, при таком подходе к процессу дискретизации СП исследователь в меньшей степени зависит от априорных данных. Необходимость хранения времени взятия отсчетов, т.е. ti , – недостаток адаптивного метода.
Задачи
1. Источник информации генерирует колокольные импульсы вида
e 2t2 , которые через фильтр с частотой среза fmax подлежат записи в память ПЭВМ. Определить интервал дискретизации сигнала t, если допустимая относительная погрешность последующего его восстановления не должна превышать 10%, а =20 с-1.
Решение
В соответствии с (1.4) спектральная плотность колокольного импульса
![](/html/65386/418/html_a2nHg9L0No.ZmRk/htmlconvd-nhPkSP38x1.jpg)
|
|
2t2 |
e j tdt |
|
|
|
exp 0,5 2 |
2 . |
S f |
e |
|
||||||
|
|
|
||||||
|
|
|
|
|
|
Принимая во внимание известное соотношение
|
1 |
|
|
|
|
|
|
exp 0,5 2 |
2 df , 2 f |
|
|
|
||
|
2 2 |
|||
|
0 |
|
и умножая числитель и знаменатель в выражении (1.17) на 12 2 , получим
|
|
|
|
|
|
|
|
2 1 Φ 2 fmax |
, |
|
|
S f df |
|
|
|
S f df |
|
||
|
f |
|
|
|
|||||
|
max |
|
0 |
|
|
|
|
||
|
|
|
|
|
|
|
|
где Φ z – функция Крампа.
Учитывая, что 0,1, известным способом определяем аргумент
функции Крампа: 2 fmax |
=2,4. При =20 и |
fmax=24/ получим |
t 12 fmax 6,56 10 2 с.
2. Найти относительную погрешность представления случайного синхронного двоичного сигнала рядом Котельникова при произвольной граничной частоте. Определить погрешность представления , если граничная частота выбирается равной fЭ .
Решение
Известно, что спектр случайного синхронного телеграфного сигнала описывается формулой
S f h2t |
sin2 fT |
, |
|
fT 2 |
|||
|
|
где Т– длительность посылки; h – ее амплитуда. Подставляя это выражение в формулу (1.17), получим
![](/html/65386/418/html_a2nHg9L0No.ZmRk/htmlconvd-nhPkSP39x1.jpg)
|
|
2 |
|
sin |
2 |
fT |
|
|
|
||
|
|
|
|
0,5 sin 2 fT |
, |
||||||
|
|
|
|
|
|
||||||
|
|
|
fT |
|
|
|
|
||||
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
где sin x sin y/ y dy– интегральный синус. |
|
|
|||||||||
0 |
|
|
|
|
|
|
|
|
|
|
будем иметь = |
При f fЭ , |
учитывая, |
|
что fЭ T 0,5, |
||||||||
2 2 0,5 sin / 0,23. Если f fЭ , то |
2(0,5 sin 2 )/ |
||||||||||
/ 0,096. |
|
|
|
|
|
|
|
|
|
функцией K |
|
Случайный |
процесс |
|
с |
корреляционной |
K 0 exp дискретизирован с шагом t. Найти погрешность представления такого процесса рядом Котельникова в зависимости от параметров и t.
Решение
Энергетический спектр случайного процесса
S f 2 K 0 / 2 2, |
2 f . |
При ограничении полосы такого спектра частотой fmax
погрешность 1 2 arctg 2 fmax
.
Принимая fmax 0,5 t , найдем 1 2 arctg
t .
1.5. Модели нестационарных случайных процессов
Приступая к обработке результатов наблюдений (измерений), исследователь должен принять решение о модели изучаемого процесса и прежде всего о его стационарности или нестационарности. Классический подход при решении этого вопроса строится по следующей схеме.
При наличии m реализаций (1, 2, …, k, …, m) и разбиении интервала задания СП на n отрезков (i=1, 2, …, n) можно рассчитать
оценки математического ожидания m*(t ), дисперсии |
D* 2 |
(t )* |
|
x |
i |
x |
i |
корреляционной функции Kx*(ti ,tj ). |
Обозначим |
любую |
из |
рассчитанных оценок индексом *(ti ) и построим для каждого сечения ti доверительные интервалы:
![](/html/65386/418/html_a2nHg9L0No.ZmRk/htmlconvd-nhPkSP40x1.jpg)
Iβm |
m*x(ti ) tβ |
σ |
, |
IβD D*(ti ) tβ σD . |
|
|
m |
|
(1.18) |
|
|
|
|
Что касается доверительного интервала для корреляционной функции, приводить его не будем из-за громоздкости выражения для
дисперсии 2* .
k
Ввыражении (1.18) индекс tβ вычисляется через β –
доверительную вероятность того, что найденная оценка попадет в
доверительный интервал tβ arcΦ |
* 1 |
β |
, где arcΦ |
* |
(x)– функция, |
|||||||||
|
|
|
|
|
|
|
|
|||||||
|
2 |
|
|
|||||||||||
обратная |
интегралу |
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
||||
вероятностей |
|
Φ* (x) |
|
1 |
|
|
|
x |
t2 |
|
|
|||
|
|
|
|
|
|
e 2 dt . |
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
2 |
|
|
|||||||||
|
|
|
|
|
|
|
|
|
||||||
Входящие |
в |
формулы |
|
|
|
доверительных |
|
интервалов |
||||||
среднеквадратические |
отклонения |
m* |
|
и |
D* определяются для |
нормального распределения величин по формулам:
m D /m ; D
2D /m 1.
Охарактере связи t f ( ) можно судить по данным табл. 1.2.
Таблица 1.2
Значения используемых на практике доверительных вероятностей и связанных с ними индексов tβ
β |
t |
β |
t |
β |
t |
|
|
|
|
|
|
0,80 |
1,282 |
0,87 |
1,513 |
0,94 |
1,880 |
|
|
|
|
|
|
0,81 |
1,310 |
0,88 |
1,554 |
0,95 |
1,960 |
|
|
|
|
|
|
0,82 |
1,340 |
0,89 |
1,597 |
0,96 |
|