книги из ГПНТБ / Тарушкина Л.Т. Статистическая оценка параметров управляемых систем с помощью ЦВМ
.pdfНетрудно проверить, что Y (и) есть стационарный процесс, причем
|
М | dX |
(со) |2 = sy |
(со) dco, |
|
|
|||
где |
Sy (со) — спектральная |
плотность |
процесса. |
|
|
|||
|
Интеграл (11.51) представляет собой спектральное представле |
|||||||
ние |
стационарного |
случайного процесса. |
|
|
|
|||
|
Вычислим момент |
|
|
|
|
|
|
|
|
УИ I X (со + Асо) — X (со) Р |
= MX'2 |
(со + |
Лео) — |
MX2 |
(со) = |
||
|
= /С, (со + |
Асо, со + |
Асо) — |
Кх (со, со). |
|
(11.52) |
||
|
Из условия (11.52) следует, что для дифференцируемой функции |
|||||||
|
|
К'Л®, |
(о) = 5„(ш). |
|
|
(11.53) |
||
|
Так как по условию для функции Кх (tx, |
t2) задана ее анали |
||||||
тическая структура, |
то из |
условия (11.53) следует, |
что |
известна |
и аналитическая структура спектральной плотности sy (со). Таким образом, перейдя от реализации процесса X (со) к реа
лизации процесса Y (и) и произведя обработку данных стационар |
||||||||
ного процесса Y (и) так, как это указано в п. 6, получим оценки |
||||||||
для неизвестных |
параметров спектральной |
плотности |
sy (со). |
|||||
Используя |
условие |
(11.53) |
и тот факт, |
что |
при t = 0 известны |
|||
значения |
MX |
(0), |
MX2 |
(0), |
определим |
корреляционную |
функ |
|
цию Кх ( М 1 ©)• |
|
|
|
|
|
|
||
Оценка взаимной корреляционной функции. Рассмотрим любые |
||||||||
две координаты |
X,- (/), Х у |
(t) |
процесса X |
(t). Допустим, что ХД(/), |
Xj (t) — процессы с независимыми приращениями. Возьмем по следовательность моментов времени (11.34) и образуем разности (11.37):
|
|
z0 = Xi(tQ)—mi |
|
(*„), |
|
|
zk |
= |
X , (4) - |
Xt . (4_х) - |
mt |
(4) + |
mt (4_i), |
Чи = |
Уi & ) - |
Уi Vk-i) - |
,nj |
(tk) + |
m, (4_i). |
|
Тогда для |
любого момента времени |
tk |
|
;i=0
yi(h) = I l Уп-
n=0
Здесь zn (n = 0, 1, k) — взаимно независимые случайные вели чины; уп (п = 0, 1, .&) — взаимно, независимые величины. Допу-
70
стим, что zs, |
у5 |
зависимы |
между |
собой, |
a zs, |
ур |
при s =h р — |
|||
взаимно |
независимы. |
Тогда |
|
|
|
|
|
|||
|
|
|
|
Mzsyp = MzsMyp |
= |
О, |
|
|
||
|
|
Ku(tk, tn) |
= |
Ku{mm{tk, |
|
tn), |
min(ff t > |
tn)). |
||
Для |
оценки |
функции |
Кц (tlt |
t2) |
следует |
взять статистики, |
||||
аналогичные |
(11.38), |
а |
именно: |
|
|
|
|
|
|
|
|
|
|
• • • - f - Z ( r - H ) ЛГ-1 |
|
Л Л - l ] . |
|
|
|
|
|
||||||
|
Аналитическая структура корреляционной функции Кц (t, t) |
|||||||||||||||||
определяется так, как-указано в п. 2, с использованием |
канони |
|||||||||||||||||
ческого |
разложения процессов с независимыми приращениями. |
|||||||||||||||||
|
Пример. |
Рассмотрим определение параметров, входящих в мо |
||||||||||||||||
менты распределения случайного процесса X (/), имеющего незави |
||||||||||||||||||
симые приращения, |
с |
помощью |
массива |
статистических |
данных |
|||||||||||||
R |
= (X (tx), |
. . ., |
X |
(tm)). |
Точки |
tt |
равномерно |
распределим на |
||||||||||
промежутке |
Т = |
[О, |
|
Т]. |
|
|
|
|
|
|
|
|
|
|
||||
|
Аналитическая структура математического ожидания дается |
|||||||||||||||||
отрезком |
степенного |
|
ряда |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
/п( (0 |
= |
2 > / > |
|
|
|
|
|
|
'(П.54) |
|
где k — фиксированное |
число; |
1=0 |
(i = 0, |
1, |
k) — |
неизвестные |
||||||||||||
ai |
||||||||||||||||||
коэффициенты. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
i |
Разложение |
(11.54) |
является |
частным |
случаем |
разложения |
||||||||||||
(1.14). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Аналитическую структуру корреляционной функции пред |
|||||||||||||||||
ставим одним |
из |
следующих видов: |
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
min (s, t) |
|
|
|
|
|
|
|
0), |
|
|
||
|
|
Kx(s, |
t) |
= |
|
j |
|
%Ьтчт(и) |
du |
+ |
Kx(0, |
|
(11.55) |
|||||
|
|
|
|
|
|
|
0 |
\m=l |
|
|
|
|
|
|
|
|
|
|
|
|
Kx (s, 0 = |
p |
min (s, О |
|
|
|
|
(0, |
0), |
|
|
||||||
|
|
2 |
bl |
J |
<f2m (u)du |
+ |
Kx |
. |
(П.56) |
|||||||||
где cpm (и) известная система функций на |
Т; |
bm |
(k = |
1, |
р) |
— не |
||||||||||||
известные параметры. |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
В качестве |
функций |
cpm (и) можно взять, например, ортого |
|||||||||||||||
нальные |
полиномы |
Чебышева, |
полиномы |
Якоби, если от |
проме- |
71
жутка Т с помощью замены переменной t на новую переменную
и =-jrt— |
1 перейти к промежутку |
обработки, равному [ — 1 , |
1 ] . |
||||||||||||||
|
Неизвестные |
параметры моментов |
распределения |
есть |
|
|
|||||||||||
|
|
|
|
|
q = |
(«о, |
аъ |
|
|
|
а^), |
|
|
|
|
||
|
|
|
|
|
|
q = Фи |
Ь2, |
|
|
|
Ьр). |
|
|
|
|
||
|
Область |
допустимого |
изменения |
параметров: —оо |
< я(. < |
со, |
|||||||||||
—оо < Ьт |
< оо |
(t = 0 , |
1, (k— |
1 ) ; |
tn = |
1, р). |
|
|
|
|
|||||||
|
Метод |
оценивания |
с |
применением |
|
неравенства |
Чебышева. |
||||||||||
Пусть |
п — max (р, |
k) — 10 . Так как |
постоянная |
с, |
входящая |
||||||||||||
в неравенство |
(11.33), |
определяется |
заранее, то |
для |
статистик |
||||||||||||
щг, |
uir |
имеем оценку |
дисперсии |
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
Dllir: |
|
4 2 С 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
r+ |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
DuJr |
= |
2 8 |
с 4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Из |
данных |
неравенств определяется порядок величины г. Если |
|||||||||||||||
| с\. < |
0 , 5 , |
то |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Z 3 « / r < 7 ^ T ' |
д " ^ < т ^ г - |
|
|
|
|
||||||||
Из условия |
N ^ |
п и неравенства |
(11.36) |
определим порядок |
вели |
||||||||||||
чины N . Возьмем г = |
1 0 , JV = 5 0 . |
|
|
|
|
|
|
|
|
||||||||
|
Вычислим статистики и\г по формуле |
(11.38). |
|
их |
мини |
||||||||||||
|
Составим функционалы ( 1 1 . 4 1 ) , |
( 1 1 . 4 2 ) |
и определим |
||||||||||||||
мальное значение. |
Если |
минимальное |
значение |
удовлетворяет |
требованиям точности, то оценка для q, q равна тем значениям, при которых функционалы принимают минимальное значение.
Идентификация параметров с помощью ^статистической про верки гипотез. Положим
q = q o € f . |
q = q o € r , |
где f , f — заданные конечные |
множества. |
Пусть а = 0 , 0 5 . Определим постоянные с0, c l t с2. Постоянная с0 определяется из уравнения
Используя таблицы для функции Ф, получим с0 = 4 9 4 , 5 .
72
Постоянные с ъ с2 находятся из следующих уравнений:
\ / 1 0 0 0 ) |
\ V юоо ) |
которые дают значения с 2 = 547,5; сг — 476. |
|
Составим статистики (11.45). Вычислим значения с0, |
clt с2. |
Проверим выполнение условий (11.48), (11.49), с помощью |
которых |
примем или отвергнем значения q = q„, q = q 0 . |
|
9. СТАТИСТИЧЕСКАЯ ОБРАБОТКА СИГНАЛОВ,
ПОСТУПАЮЩИХ С ЧУВСТВИТЕЛЬНЫХ ЭЛЕМЕНТОВ
Ошибки чувствительных элементов. Современная техника управления автоматическими системами широко использует чув ствительные элементы, с помощью которых решается ряд задач, связанных с управлением системы. В частности, определяются координаты центра масс объекта управления. Точность, с которой решаются задачи управления, зависит прежде всего от точности чувствительных элементов. Основными ошибками чувствительных
элементов |
являются: |
||
1) |
систематическая ошибка акселерометра; она не зависит от |
||
времени |
работы |
системы; |
|
2) |
ошибки из-за научета нелинейности акселерометра; |
||
3) |
постоянный |
дрейф гироскопа; |
|
4) |
начальное отклонение по уровню платформы; |
||
5) |
помехи на входе акселерометра, характеризующиеся рядом |
возмущающих импульсов случайной величины и знака.
Данные ошибки приводят к тому, что погрешность в системе управления имеет тенденцию к накоплению [10, 33] . В [10] де лается попытка доказать, что величина средней квадрэтической ошибки в определении местоположения объекта управления изменяется по закону «корня квадратного из времени».
Статистический характер сигналов, поступающих от акселеро метров. Пусть ах {t), ау (t), аг (t) — сигналы от трех акселеро метров, расположенных на стабилизированной платформе, изме
ряющие ускорение |
объекта управления, вызванные действием |
сил сопротивления |
при перемещении объекта в пространстве. |
Оси чувствительности акселерометров образуют ортогональную систему координат (рис. 7).
Обозначим |
через |
a (t) любой из сигналов ах |
(f), ау (t), az |
(t). |
Относительно |
вероятностных свойств сигнала a (t) сделаем одно |
|||
из следующих |
предположений. |
|
|
|
1. Сигнал |
a (t) — |
Ma (t), где Ma (t) означает математическое |
||
ожидание, является |
стационарным процессом |
[33], причем |
его |
73
корреляционная функция |
|
/Га (т).= С е - в | т | . |
(11.57) |
2. Сигнал a (t) является нестационарным случайным процес сом, среднее квадратическое значение которого изменяется по закону «корня квадратного из времени» [10], т. е. корреляцион ная функция процесса
Ка (t, |
t) |
= |
kt, |
(11.58) |
где k — постоянная величина, |
k |
> |
0. |
|
Рис. 7. Поступление сигналов от |
акселерометров на обработку в управляю |
|
щую |
ЦВМ: |
|
Д\. Л г, Дз |
— |
акселерометры |
3. Сигнал а (I) является нестационарным процессом, имеющим неубывающую, точнее, возрастающую по времени дисперсию. Пусть корреляционная функция Ка (tu t2) при tx — t2 имеет аналитический вид
t |
|
|
|
t)^\[b0 |
+ blUfdu |
+ Ka(0, 0) |
(11.59) |
о |
|
|
|
Заметим, что соотношение (11.58) является частным случаем (11.59). Ограничиваясь рамками корреляционной теории случай ных функций, будем считать, что случайный процесс a (t), корре ляционная функция которого определяется аналитическим видом (11.58), (11.59), имеет независимые приращения. Данное утвержде
ние основано на том, что процессы с независимыми |
приращениями |
||
имеют |
неубывающую дисперсию. |
|
|
Возникает, естественно, вопрос, какому из сделанных предпо |
|||
ложений относительно вероятностных свойств |
процесса a (t) |
||
отдать |
предпочтение. Ответ |
может дать лишь обработка статисти |
|
ческих |
данных о процессе |
a (t). |
|
74
Алгоритмы обработки статистических данных. Рассмотрим пока одноканальную систему измерений, при которой данные поступают от одного акселерометра. Пусть за время работы системы, равное Т,
сигнал |
a (t) |
составляет массив |
статистических |
данных Ra = |
= (a (tj, |
. . |
., a (tm)). Допустим |
также, что a (t) |
является стацио |
нарным и его корреляционная функция имеет аналитическую структуру (П.57). Тогда неизвестными параметрами моментов распределения являются пг, С, а, где m = Ma (t).
Статистическую обработку массива Ra проводим так, как это указано в п. 6. Пусть /п*, С*, а* — оценки для неизвестных пара метров. Если оценки получены с помощью применения преобразо вания Фурье к реализации наблюдаемого процесса, тогда известно значение функционала V 1 2 , определяемого формулой (II.9) и характеризующего точность оценивания параметров. Если оценка параметров проводилась с помощью неканонических разложений процесса a (t), то в качестве оценки точности берется функционал, равный
N |
А ( |
ТА |
12 |
|
|
|
|
|
|
|
|
|
|
(11.60) |
где |
Тх— время поступления массива |
R^ (к = |
1, А), |
при после |
||||
довательной обработке статистических |
данных |
в ЦВМ |J R?. = |
||||||
= |
Ra; T n — точки, |
взятые на |
интервале корреляции |
процесса |
||||
a |
(t); |
N — общее |
число |
точек |
т„. |
|
|
|
|
Допустим, что |
сигнал |
a (t) |
имеет независимые приращения и |
его корреляционная функция имеет аналитическую структуру (11.59), где 6„, Ьх—неизвестные параметры, значение Ка (0, 0) известно и определяется точностью работы акселерометра в на чальный момент времени. Величина Ma (t) определяется в основ ном систематической ошибкой акселерометра и, следовательно, не зависит от времени работы системы, т. е. Ma (t) = m, где in — постоянная.
Как правило, известна максимальная величина ошибок, с ко торой выдается значение a (t) в момент времени t. Обозначим через
Омь 0ы2 максимальные значения дисперсии процесса a (t) |
за время |
||||
работы системы, |
равное |
соответственно |
Т |
|
|
-у- и |
Т. |
|
|||
Имеем |
|
|
|
|
|
т |
|
т |
|
|
|
J [bo + |
biufdu |
==£ J [fig -{- 21 b0bi |
I и + |
ЬЩ du < |
- |
о |
|
0 |
|
|
|
|
T (fi0 |
+ b j ' f при £>0 3s0, |
fi^O. |
|
75
Обозначим |
|
|
|
|
|
|
|
|
|
б 2 и / = |
< & - * « |
(0, |
0) |
(1=1, |
|
2). |
|
|
|
Отсюда получаем |
|
|
|
|
|
|
|
|
|
- Y - f |
^ ^ + |
^ |
- |
i |
- ^ Y |
- |
r 8 |
^ |
. (п.61) |
- Y - T ^ b ' + w ^ Y - r 6 |
" * - |
|
( I I - 6 2 ) |
||||||
Из неравенств (11.61), (11.62) определим допустимые области |
|||||||||
для значений параметров b0, |
b v |
При этом, |
выбрав |
шаг |
дискрет |
ности, придем к допустимому дискретному множеству значений для неизвестных параметров. Для оценки параметров b0, Ьх применим метод идентификации, основанный на статистической проверке гипотез (см. п. 8). Пусть Ь0, Ьх — оценки параметров, полученные при идентификации. Для определения точности оце
нивания используем значение |
функционала |
(11.42) |
при |
т = |
||||
= MX |
(0), bt |
= ~bt (i — 0, 1). Пусть |
при этом значение функцио |
|||||
нала |
равно |
Vi2. |
|
|
|
|
|
|
.Если значения функционалов V12, |
V2 2 > |
г Д е |
функционал |
V 1 2 |
||||
определяется |
формулой (11.60), |
таковы, что |
У 2 |
2 > Vi2, |
тогда на |
промежутке времени, равном Т, сигнал a (t) является стационар ным процессом. Если Vгг < У 1 2 , то это означает, что на проме жутке времени, равном Т, сигнал a (t) следует рассматривать как процесс, имеющий возрастающую дисперсию, причем средняя квадратическая ошибка растет по закону «корня квадратного из времени», если только значение Ьг имеет оценку достаточно близ кую к нулю.
О моменте выбора команды «Коррекция». Для уменьшения величины средней квадратической ошибки за время работы системы, равное Т, в системе управления часто предусматриваются спе циальные устройства, с помощью которых производится коррек тирование определяемых величин. Управляющая ЦВМ, ведущая обработку статистических данных, поступающих от акселеромет ров, определяет момент выбора команды «Коррекция».
Для определения момента выдачи команды «Коррекция» по
ступим |
следующим образом. |
|
Допустим, что статистической связью между сигналами |
ах (t), |
|
ау (t), |
аг (t) можно пренебречь и считать их независимыми. |
Тогда |
выбор момента коррекции можно определить исходя из значений суммарной величины дисперсии по каждому каналу' измерения.
А именно, в каждый момент t |
вычислим величину |
дисперсии |
по |
каждому каналу и определим их сумму. Пусть |
|
|
|
*«(*!, h) + Ka,(h, |
tS+КаЛ*!, |
(". |
63) |
где б — заданное значение, величина которого определяется до пустимой точностью.
76
Тогда команда |
«Коррекция» в момент времени, |
равный tl t |
не выдается. Если |
в момент времени tx имеет место |
неравенство, |
противоположное (11.63), то в момент времени tx выдается команда «Коррекция».
Оценка реализуемости алгоритмов обработки. Рассмотрим реали зуемость алгоритмовобработки статистических данных, поступаю щих с акселерометров, с помощью управляющей ЦВМ, основные параметры которой совпадают с управляющей ЦВМ «Днепр» [ 7 ] .
Пусть массив R0 содержит 1500 чисел по 500 в каждом канале измерений. Алгоритмы обработки данных рекуррентны относи тельно массивов статистических данных, поэтому при реализации
алгоритмов |
|
обработки |
вопрос |
об объеме памяти ЦВМ не является |
|||||||
основным. |
Дадим |
оценку |
среднего |
времени |
решения. |
Время, |
|||||
- необходимое |
для обработки массива статистических данных Ra , |
||||||||||
при условии, что процесс a (t) стационарен,-определяется |
данными |
||||||||||
табл. 2. Оценим среднее время, необходимое |
для идентификации |
||||||||||
параметров |
|
Ь0, Ьл |
корреляционной функции |
(П.59) при |
проверке |
||||||
гипотезы b; |
= bt |
(i |
= |
0, |
1), в случае, когда |
процесс a |
(t) имеет |
||||
независимые |
приращения. |
|
|
|
|
|
|
||||
От массива чисел |
Rn перейдем к новому массиву чисел, состав |
||||||||||
ленному из разностей (11.37) (табл. 3). |
|
|
|
|
|||||||
Таблица 3. |
Оценка |
среднего времени, необходимого для |
проверки |
гипотезы |
|||||||
|
|
|
|
|
|
|
Количество |
операций |
|
Среднее |
|
Вычисления |
|
|
|
|
|
|
|
|
время |
||
|
|
сложений |
умножений |
делений |
10" 3 с |
||||||
|
|
|
|
|
|||||||
Л |
л |
|
|
|
500 |
— |
|
— |
30 |
||
|
|
|
|
|
500 |
500 |
|
— |
155 |
||
Проверка |
|
условий |
|
|
2 |
2 |
|
|
1 |
0,8 |
|
(11.48) |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
Проверка |
|
условий |
|
|
2 |
— |
|
2 |
0,7 |
||
(11.49) |
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
Для получения среднего времени решения по трем координатам ах (t), « у (t), аг (0 следует увеличить в три раза среднее время решения по одной координате.
10. ОЦЕНИВАНИЕ МОМЕНТОВ РАСПРЕДЕЛЕНИЯ
ОДНОРОДНОГО И ИЗОТРОПНОГО ПОЛЯ
Постановка задачи. Пусть X (8) = (Хх (8), . . ., Xt (8) —
измеряемая координата системы управления, XL (6) (i = 1, 4) является однородным и изотропным полем, обладающим свой-
77
ством |
эргодичности. Здесь 0 = ( 0 Ь . . ., Qk) — |
точка /г-мерного |
пространства в . Предполагается, что поля Xt |
(0), X,- (в) (i =/= |
|
=h j) — |
независимы. |
|
В каждый момент времени tn (n = 1, т) в систему управления поступает значение измеряемой координаты X (0„).
Моменты распределения поля X (6) неизвестны. Пусть
т Л . = ( т ь . . . , /«,),
где nij — MXi (8) — неизвестный параметр математического ожи дания поля X/ (0); q, — неизвестный параметр, входящий в ана литическую структуру корреляционной функции
|
|
М [X, (9Х) - т,] [Xt |
(92 ) _ |
т , ] = Ки (01 2 ), |
где 9 1 |
2 = |
|вх — 9 2 j — длина вектора |
0 г — 6 2 . |
|
Таким |
образом, известны: |
|
|
|
1) |
значения поля X (Э„) (п = |
1, т)\ |
||
2) |
аналитическая структура корреляционных функций Кц (0i2 ). |
|||
Требуется оценить параметры т д . , |
q- и тем самым определить |
|||
моменты распределения поля X (0). |
|
|||
Оценивание моментов распределения поля с помощью перехода |
к стационарному процессу. За время работы системы управления, равное Т, в ЦВМ образуется массив статистических данных
R, = (X(91 ), X(0m )). (11.64) Рассмотрим поле XL (0) и его массив статистических данных
полученный из массива (11.64) выделением значений поля X,- (0). Из множества точек 0„ (п = 1, т) выберем те, которые отличаются только одной координатой, например, первой. Для выбранных точек 9„ составим из массива (11.65) новый массив статистических •данных
R , „ = ( y ( ( 6 ; ) , |
. . . . Yiib'r)). |
(П.66) |
|
Здесь |
|
|
|
Yi{b's) = Xt{bs, |
6,,2, |
0,l A ) ( s = l T 7 ) . |
|
Если в поле X (0) фиксированы все координаты кроме одной, то оно вырождается в стационарный случайный процесс. Поэтому массив статистических данных (11.66) представояет собой реализа цию стационарного случайного процесса У,- (Q's). Следовательно, задача оценки моментов распределения поля сводится к оценке моментов распределения стационарного процесса. Оценка момен тов распределения стационарного процесса с помощью обработки массива статистических данных (11.66) проводится так, как это указано в п. 6. Обозначим полученные оценки для стационарного
78
процесса Yi (0S) через m*i, q*\, где индекс 1 указывает на то, что
оценки получены в результате обработки процесса, значения |
кото |
|||||
рого зависят от первой координаты точки 0. |
|
|||||
Аналогичную процедуру проделаем для второй, третьей и т. д. |
||||||
вплоть до k-й координаты точки 6. |
|
|
||||
В результате получим последовательности оценок |
|
|||||
т'а, |
m-2, |
.. •, |
mik, |
(11.67) |
||
|
_<7п» |
як |
• • • > Я*1к- |
(П.68) |
||
Последовательности |
(11.67), (11.68) состоят из случайных |
вели |
||||
чин и имеют в силу однородности |
и изотропности поля X (6) оди |
|||||
наковое распределение. |
Выборочные |
средние |
|
|||
|
—* |
|
I |
v |
' |
|
|
—* |
|
1 |
р |
» |
|
|
Qi = |
-г |
L |
9ч |
|
дают несмещенные оценки т\, q* соответственно для неизвестных параметров /?г,:, qt поля X (0).
Последовательности (11.67), (11.68) представляют собой част ный случай составных решений (см. п. 5).
11. ОЦЕНИВАНИЕ И ИДЕНТИФИКАЦИЯ МОМЕНТОВ
РАСПРЕДЕЛЕНИЯ СЛУЧАЙНЫХ ПОЛЕЙ, ИМЕЮЩИХ КАНОНИЧЕСКОЕ РАЗЛОЖЕНИЕ ЧАСТНОГО ВИДА
Постановка задачи. Пусть X |
(t, 0) = |
(Хх (t, 0), . . ., Xt |
(t, 0) — |
|||||
измеряемая координата системы управления |
за время Т, |
причем |
||||||
|
N |
|
|
|
|
|
|
|
Т = S Т., |
Т, - |
[(i — |
1) Т*, |
iT% |
Т* > 0; |
|
|
|
|
i = i |
|
|
|
|
|
|
|
X; (t, 0) — случайное |
поле; t |
6 Т, 0 |
= '(0 Х ) |
. . ., О^) — точка |
||||
(k— 1)-мерного пространства; |
8r £ ®г — заданное |
множество. |
||||||
Обозначим через X (t, 0) любое из полей X,- (t, 0). |
|
|||||||
Делаются |
следующие |
предположения. |
|
|
0) та |
|||
1. Поле X |
(t, 0) нормально |
распределено. Поле |
X (t, |
ково, что аргумент© постоянен на промежутке времени 7\. и может
изменяться лишь от промежутка |
Тп к |
промежутку |
Тр (п |
^ р). |
||||
2. |
Известны выборочные |
значения |
поля |
X |
(t, |
0„), |
t £ Т„ |
|
(я = |
\TN). |
|
|
|
|
|
|
|
3. |
Выборочные значения |
X (t, |
0„), |
t£ Тп; |
X |
(t, |
0„), |
t^lp, |
где п ф р независимы.
79