
- •1. ОСНОВНЫЕ ПОНЯТИЯ ТЕОРИИ СЛУЧАЙНЫХ ПРОЦЕССОВ
- •1.1. Случайные процессы. Основные определения
- •1.2. Элементарная классификация случайных процессов
- •1.3. Конечномерные распределения случайного процесса
- •1.4. Моментные функции случайного процесса
- •2. НЕКОТОРЫЕ ТИПЫ СЛУЧАЙНЫХ ПРОЦЕССОВ
- •2.1. Стационарные случайные процессы
- •2.2. Спектральное разложение стационарного случайного процесса и преобразование Фурье. Спектральная плотность
- •2.3. Нормальные случайные процессы
- •2.4. Абсолютно случайный процесс (белый шум)
- •2.5. Пуассоновские процессы, потоки событий
- •2.6. Потоки Эрланга и Пальма
- •2.7. Марковские процессы (дискретные состояния, дискретное время)
- •2.8. Марковские процессы (дискретные состояния, непрерывное время)
- •3.1. Действительная форма спектрального разложения стационарного случайного процесса
- •3.2. Комплексная форма спектрального разложения стационарного случайного процесса
- •3.5. Преобразование стационарного случайного сигнала линейной стационарной непрерывной системой
- •Лабораторная работа №1. Анализ линейной стационарной непрерывной системы в пакете Matlab
- •Лабораторная работа № 1. Анализ линейной стационарной непрерывной системы в пакете Mathcad
- •Лабораторная работа № 2. Вычисление дисперсии выходного сигнала линейной стационарной непрерывной системы при случайном воздействии в пакете Mathcad
- •Лабораторная работа № 2. Вычисление дисперсии выходного сигнала линейной стационарной непрерывной системы при случайном воздействии в пакете Matlab
- •4. МОДЕЛИРОВАНИЕ СЛУЧАЙНЫХ ПРОЦЕССОВ
- •4.1. Общая характеристика методов моделирования случайных процессов
- •4.2. Метод условных распределений
- •4.3. Метод отбора (Неймана)
- •4.4. Моделирование случайных процессов с заданными корреляционными свойствами
- •4.5. Параметры некоторых алгоритмов моделирования стационарных процессов с типовыми ковариационными функциями
- •Лабораторная работа № 4. Моделирование стационарных гауссовских случайных процессов методом канонических разложений в пакете Mathcad
- •Лабораторная работа № 4. Моделирование стационарных гауссовских случайных процессов методом канонических разложений в пакете Matlab
- •Лабораторная работа № 5. Моделирование дискретных однородных марковских цепей в пакете Mathcad
- •Лабораторная работа № 6. Моделирование случайных процессов методом отбора в пакете Mathcad
- •Лабораторная работа № 6. Моделирование случайных процессов методом отбора в пакете Matlab
- •Лабораторная работа № 7 (факультатив). Моделирование случайных процессов методом условных распределений в пакете Mathcad
- •Библиографический список
- •ОГЛАВЛЕНИЕ
сию выходного сигнала системы |
1 |
на |
|
x′ = Ax + |
u, y = (1 0)x, |
||
|
|
|
|
|
1 |
|
входе которой – белый шум единичной интенсивности.
Т а б л и ц а 3
№ варианта |
|
1 |
|
2 |
|
3 |
|
A |
0 |
1 |
0 |
1 |
0 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
− 3 |
|
|
|
|
− 2 |
− 3 |
|
− 4 |
− 4 |
− 5 |
|
№ варианта |
|
4 |
|
5 |
|
6 |
|
A |
0 |
1 |
0 |
1 |
0 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
− 6 |
|
|
|
|
− 5 |
− 6 |
|
− 5 |
−8 |
− 6 |
|
№ варианта |
|
7 |
|
8 |
|
9 |
|
A |
0 |
1 |
0 |
1 |
0 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
− 4 |
|
|
|
|
−10 |
− 7 |
|
− 4 |
−15 |
−8 |
|
№ варианта |
10 |
|
11 |
|
12 |
|
|
A |
0 |
1 |
0 |
1 |
0 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−12 |
− 7 |
−15 |
−8 |
− 20 |
− 9 |
|
№ варианта |
13 |
|
14 |
|
15 |
|
|
A |
0 |
1 |
0 |
1 |
0 |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− 25 |
−10 |
−18 |
− 9 |
− 24 |
−10 |
Лабораторная работа № 2. Вычисление дисперсии выходного сигнала линейной стационарной непрерывной системы при случайном воздействии в пакете Matlab
Вычислим дисперсию выходного сигнала той же линейной
системы |
0 |
1 |
|
1 |
||
x′ = |
|
|
x + |
u, y = (1 0)x , на вход которой пода- |
||
|
|
−1 |
− 2 |
|
|
|
|
|
|
1 |
ётся белый шум, т.е. случайный процесс с постоянной спектральной плотностью, равной единице.
Так же как в предыдущей лабораторной работе № 1, нам придётся воспользоваться некоторым набором подпрограмм системы
Matlab: poly(a), eye(A), size(A), roots(L), inv(A), simplify(S), subs(S), expand(S), int(R, x), limit(R, x, a). Первые семь из них уже рассмот-
106
рены в предыдущей работе, результат остальных таков: expand(S) раскрывает (и упрощает) каждый элемент символьного массива S; int(R, x) вычисляет неопределённый интеграл от функции R по переменной x; limit(R, x, a) находит предел функции R(x) при x→a.
В соответствии с описанными в лабораторной работе № 1 правилами вводим следующую программу:
» A=[0,1;-1,-2] A =
0 1 -1 -2
»B=[1;1] B =
»C=[1,0] C =
10
»L=poly(A) L =
1 2 1
»r=roots(L) r =
-1 -1
»syms p omega Sy2 Sy3 R
»M=p*eye(size(A))-A M =
[ |
p, -1] |
|
[ |
1, p+2] |
|
» N=inv(M) |
|
|
N = |
|
|
[ (p+2)/(p^2+2*p+1), |
1/(p^2+2*p+1)] |
|
[ |
-1/(p^2+2*p+1), |
p/(p^2+2*p+1)] |
» W=C*N*B W =
(p+2)/(p^2+2*p+1)+1/(p^2+2*p+1)
107
»WS=simplify(W) WS = (p+3)/(p^2+2*p+1)
»W1=subs(WS,p,i*omega) W1 =
(i*omega+3)/(-omega^2+2*i*omega+1)
»W2=subs(WS,p,-i*omega)
W2 = (-i*omega+3)/(-omega^2-2*i*omega+1)
»W3=W2.' W3 =
(-i*omega+3)/(-omega^2-2*i*omega+1)
»Su=1
Su = 1
» Sy=W1*Su*W3 Sy =
(i*omega+3)/(-omega^2+2*i*omega+1)* *(-i*omega+3)/(-omega^2-2*i*omega+1)
»Sy1=simplify(Sy) Sy1 =
(i*omega+3)*(i*omega-3)/(-omega^2+ +2*i*omega+1)/(omega^2+2*i*omega-1)
»p=expand(-(i*omega+3)*(i*omega-3)) p =
omega^2+9
»Sy2=expand((omega^2+2*i*omega-1)*(omega^2- -2*i*omega-1))
Sy2 = omega^4+2*omega^2+1
»Sy3=p/Sy2
Sy3 = (omega^2+9)/(omega^4+2*omega^2+1)
»R=int(Sy3,omega) R =
4*omega/(1+omega^2)+5*atan(omega)
»Sy2=limit(R,omega,inf,'left')
Sy2 = 5/2*pi
108