Churakov_Mat_met_obr_exp_dan_v_ekon
.pdfРешение задачи начнем с вычисления математического ожида ния myit) процесса Y(t). По определению имеем myit) = M{Y(t)} = = M{AX(t)}, Оператор усреднения М, как и оператор А, является линейным, причем оба оператора действуют в одном и том же функциональном пространстве случайных процессов. Поэтому, хотя в общем случае линейные операторы не коммутативны, в данном случае можно изменить последовательность их действия и записать ту{0 =AM{X(t)}, что приводит к первому важному ре зультату:
myit) -=Am;^t), |
(4.24) |
Ковариационную функцию Kyitj, tj) процесса Y(t) ищем, ис пользуя тот же принцип рассуждений. По определению Ky{ti, tj) = = М{Г°(//)Г°(/))}. Так как Г°(0 = Y{t) - mj{t) ^AX(t) -Amx{t) = =-Ar{t), получаем ЛГ^//, tj) = М{ДТ°(//)4-ЛГ°(0}, где индексы у операторов подчеркивают, по каким переменным (// или tj} они действуют. Снова изменяя последовательность действия операто ров Л/, Ai и Ар получаем второй важный результат:
Ky{ti,tj)^AiAjK^ti,tj) |
(4.25) |
и, как следствие, Dy{t) = Ky{t, t).
Поиск взаимных ковариационных функций не будем сопро вождать развернутыми комментариями:
Ку)({и. tj) = M{Y^{t,)X\tj)) = M{AiX\ti)X\tj)) = AiKxiti, tj), (4.26) KxYitb tj) = M{X%t,)Y^{tj)} = M{X%tdAjX^{tj)) = AjKxiti, tj). (4.27)
Аналогичным образом решается задача поиска вероятност ных характеристик процесса У(/), полученного преобразованием двух случайны^ процессов X{t) и Z{t) соответственно линейными операторами Л^и 5 по правилу
У(0 = AX{t) + BZ{t).
Прежняя методика преобразований позволяет установить, что:
my{t)^Am^t) + Bmz^t),
Kyitb tj) = AiAjK^ti, tj) + ABjKxziti, tj) + BiAjKzxiti, tj) +B^Kz(tb tj),
180
KY^U, tj) = AiKxiU, tj) + BiKz)({tb tj),
Kyzktb tj) = AiKxz{ti, tj) + BiKz^tb tj),
Kxyitb tj) = AjKxiU, tj) + BjKxzitb tj),
KzM tj) = AjKzx{tb tj) + BjKz{ti, tj),
где символика обозначений не требует дополнительных поясне ний.
4.8. Преобразование случайного процесса оператором свертки
Оператор свертки является частным сл^-чаем линейного операто ра, широко применяемым при исследовании самых разнообраз ных динамических процессов и явлений, математическая модель которых представлена линейным дифференциальным или разно стным уравнением с постоянными (для простоты) параметрами. Природа оператора такова.
Пусть два случайных процесса Y{t) и ДО связаны друг с дру гом дифференциальным уравнением вида
aoy(t) + aiy^'\t) + a,y^^\t) + ... + aj'\t) = |
^^ ^^^ |
= box(t) + bix^'\t) + ...'^b^^^\t), |
|
где y^^^(t) — производная /-го порядка и n < т. Такие уравнения принято называть стохастическими. Изучение современной тео рии стохастических уравнений требует высокой математической культуры, и мы не будем в нее погружаться, ограничив рассмот рение стандартными приемами интегрирования дифференци альных уравнений в рамках операционного подхода (см. прило жение 1). Преобразовав это уравнение по Лапласу при отсутствии искусственных ограничений на начальные условия, сведем его к следующему алгебраическому соотношению:
y(s) = lV(s)x(x), W(s) = ^ , |
(4.29) |
A{s)
где s - комплексная переменная Лапласа, y(s) — изображение функции y(t), x(s) — изображение функции x(t), A(s) = ^о + ais +
181
+ a2S^ + ... + aj", B{s) = Z>o -+• ^i^^ + bis^ + ... + bm^. Чтобы из (4.29) выразить функцию y{i), необходимо это выражение подвергнуть обратному преобразованию Лапласа, которое на основании од ного из свойств преобразования Лапласа можно представить в виде
y{t) = \k{\i)x{t-yi)dvi, |
(4.30) |
о |
|
где k{t) - обратное преобразование Лапласа от функции W{s). Выражение (4.30) и принято называть оператором свертки. Таким образом, оператор свертки является одной из форм представле ния решения дифференциального уравнения (4.28) при отсутст вии предварительных ограничений на начальные условия.
Итак, теперь предположим, что X{f) - случайный процесс с известными числовыми характеристиками и связан с процессом Y(t) оператором (4.30). Необходимо найти аналогичные характе ристики процесса Y{t) и установить статистическую связь между обоими процессами. Поиск решения задачи проводим в соответ ствии с общими результатами (4.24)—(4.27):
1. |
mY(t) = |
\k(\i)mx{t-\xW\ |
|
|
о |
|
|
2. |
Ку(ti,tj) |
= Ai J к{\х)Кх{tiJj -\х)й\х = |
|
|
|
О |
|
|
= / / k(v)k(ix)Kx(ti - V, tj -yOdiidv; |
||
|
00 |
|
|
3. |
DY(t) = ]]k(v)k([i)Kx(t-v, |
/-^)d^dv; |
|
|
00 |
|
|
4. |
KxY(ti, |
tj)=jk{ix)Kxiti, |
t-\x)dii; |
|
|
0 |
|
5. |
Kyxiti, |
tj) = ik(v)Kx(ti-v, |
tj)dv. |
Если процесс X(t) является стационарным, эти выражения упрощаются:
182
t
1. mY{t) = mx\k(\x)d\i\
0
2. KY{ti,tj)^\\k{y)k{Vi)Kx{x-'\i^v)d\idv, |
x = tj-ti; |
00
3. Dy(t) = !fk(v)k(^)Kx(y''li)dlidv;
00
4. /:лт(//, 0)=/A:([x)i:x(T-fx)d^;
0
5. KYx(ti,tj) = lk(v)Kx(T-^v)dv.
Эти равенства показывают, что в общем случае процесс Y(t) даже при стационарном процессе X(t) является нестационарным. Однако существуют условия, при выполнении которых процесс Y(t) при достаточно больших //, tj становится стационарным.
Пусть процесс X{t) — стационарный и k(t) —> О при / -^ ©о таким образом, что все интегралы в предьщущих выражениях сходятся при t, ti, tj-^ оо. Можно показать, что сходимость интегралов обес печивается, если все корни уравнения A(s) = О, называемого ха рактеристическим, имеют отрицательные вещественные части. Тогда:
1. |
|
оо |
|
|
ту (/) = тх / k(\i)d\x = ту ^ const; |
|
|||
|
|
О |
|
|
2. |
Kyiti, |
tj)^llk(v)k{ii)Kx(T-^^v)diidv |
= Ky(xy, |
|
|
|
00 |
|
|
3. |
|
оооо |
= Dy= const; |
|
Dy(t)=jjk(v)k(\i)Kx(v~[i)d|Lidv |
||||
|
|
00 |
|
|
4. |
Kxyiti, |
tj)^lk(ii)Kx(x-\x)dii |
= KxY('^); |
|
|
|
0 |
|
|
5. |
Kyxit^, |
tj) = ]k(v)KxiT-^v)dv |
= KxY(T). |
|
|
|
0 |
|
|
183
Таким образом, при выполнении указанных условий процесс Y{t), будучи при малых t нестационарным, со временем «превра щается» в стационарный с перечисленными характеристиками. В этом, как говорят, установившемся режиме можем дополнитель но определить его спектральную плотность
SY((O)= J J J k(v)k{\x)Kx(T - |ы + v)d|idv |
• ^ • ^ d x . |
||
00 |
|
|
|
Изменив последовательность операций интегрирования и |
|||
обозначив т — |ы + V = Y, dx = dy, получим |
|
||
SY{co)=Jlk(vMii)\ |
J ^;i^(X-|Ll + v)e"-^''^Mx |
djLidv = |
|
00 |
|
|
|
= Sx (CO) J k(v)e-^'^4v |
J ^(^i)e^^^dfx. |
|
|
0 |
|
0 |
|
Так как по определению |
J k(v)e |
-^^^dv = W^(yw), j k([i)e-^^^d[i = |
|
|
0 |
|
0 |
= Щ—yco), окончательно находим
Syico) = lV(j(oW(-J(o)Sx((^)
(4.31)
|2
= |^(усо)р^дг(со) = ВОЪ)Жусо) Sx((^l
Таким образом, если эндогенная и экзогенная переменные связаны друг с другом дифференциальным уравнением (4.28), эк зогенная переменная представляет собой стационарный случай ный процесс со спектральной плотностью Sxi(i^) и корни характе ристического уравнения имеют отрицательные вещественные ча сти, то спектральная плотность эндогенной переменной в уста новившемся режиме достаточно просто выражается через спект ральную плотность экзогенной переменной и параметры уравне ния (4.28).
Аналогичные соотношения можно установить и для случай ных последовательностей 7^, А'^, « = О, 1, 2, ..., связанных друг с
184
другом линейным разностным уравнением к-то порядка с посто янными параметрами:
^аУ« + (2\Уп+1 + «2У/1+2 + - + ^кУп+к = |
.^ 32 |
= ЬоХп + biXn+i + b2Xn+2 + .- + brrpcn+m. к>т.
Подвергнув это уравнение при отсутствии умышленных огра ничений на начальные условия ^-преобразованию (см. приложе ние 1), получим, подобно (4.29),
y(z) = W(z)x(z), mz) = ^ , |
(4.33) |
A{z) |
|
где y{z), x(z) — изображения соответственно функций у„, х^ и Aiz) = «о + aiz + a2Z^ + ... + д^^, B(z) = 6о + biz + Z^2^ + ... + b^z!^. Пе реходя от (4.33) в область оригиналов, получаем
п |
|
Уг,= Y.kiX^-i. |
(4.34) |
/=0
что является оператором свертки, отождествляемым с решением разностного уравнения (4.33). Решетчатая функция ki в (4.34) яв ляется оригиналом изображения W{z)- Последующая работа с оператором (4.34) проводится точно так же, как и с оператором (4.30), но в конечных соотношениях интегральные операции сле дует заменить суммированием. Так как соответствующее редак тирование сложностей не порождает, приведем окончательные результаты для случая стационарной случайной последователь ности X/, / = О, 1, 2, ... при дополнительном ограничении: корни характеристического уравнения A{z) = О по модулю меньше еди ницы, что обеспечивает сходимость соответствующих рядов и позволяет представить:
ту=тх |
оо |
kji |
|
1 |
|
||
|
/=0 |
|
|
Ку1т]=оо1 ооlk,k^Kx[T-[i |
+ v]; |
||
у=Оц=0 |
|
||
DY=1 |
1 |
k^k^Kx[v-\x]; |
|
у=Оц=0 |
|
185
v=0
Эти соотношения, как и их непрерывные аналоги, напомним, относятся к установившемуся режиму, в котором процесс 1/ можно рассматривать как стационарный. В предшествующем пе реходном режиме последовательность У^ является нестационар ной. Подвергнув ковариационную функцию К}{т] двустороннему ^-преобразованию, найдем спектральную плотность процесса 1/, относящуюся к установившемуся режиму:
5yU)= I |
Z 1 kyk^KxlT-ii-^v]\z |
|
|
v=:On=o |
' |
Снова, изменив последовательность операций суммирования и обозначив X — ц + V = Y, получим
ц=0 v=0
(4.35)
.-Ь
A(z)A(z-^)
Соотношение (4.35), таким образом, позволяет найти спект ральную плотность случайной последовательности }^, если зада но разностное уравнение (4.32) и известна спектральная плот ность Sxiz) последовательности Х^.
4.9. Формирующие фильтры
При разработке математических моделей стохастических процес сов важную роль играет понятие формирующего фильтра. С ма тематической точки зрения под формирующим фильтром пони мают некоторое стохастическое уравнение, решение которого, будучи обусловленным порождающим белым шумом, представ-
186
ляет собой случайный процесс с заданными вероятностными свойствами. Универсального отработанного способа построения такого уравнения нет, однако для процессов с дробно-рациональ ными спектральными плотностями соответствующая методоло гия известна. Рассмотрим вначале случай непрерывного случай ного процесса.
Пусть Y(t) — стационарный случайный процесс со спектраль ной плотностью iSj^co). Ранее уже отмечалось, что эта плотность является четной функцией частоты со и для большинства имею щих практическую значимость процессов аппроксимируется дробно-рациональным выражением
ДсоЪ
где С((о^) = Со + cico^ + сгсо'* + ... + с^со^"^, Дсо^) = do + dxix?'4+ ^/20' + ...+ 4co^^A2>w.
Характерная особенность многочленов, зависящих от четных степеней аргумента со, проявляется в том, что их можно предста вить в виде произведения двух одинаковых многочленов, но один из которых зависит отусо, а второй — от (—усо). Например, а^ + со^ = = (а + усо)(а + (—/со)). Это позволяет представить С(со^) = = 5(/со)5(~усо), Дсо ) = ^(/co)v4(-yco), где 5(/со) и Л(/со) - многочле ны поусо соответственно порядков тип. Подобную операцию принято называть факторизацией. В случае ее проведения полу чим факторизованную спектральную плотность
^' ЖУсоМ(-усо) |
виъ) |
(4.36) |
|
A(M |
|||
|
Сопоставим это выражение и ранее полученное выражение (4.31). Если в (4.31) положить -5';^<со) = 1, то оба выражения совпа дают, причем соотношение (4.31) получено на основе уравне ния (4.28) при предположении, что X(t) является случайным про цессом со спектральной плотностью i^j^co). Следовательно, и (4.36) можно считать результатом, порожденным уравнением (4.28), но при условии, что процесс X(t) имеет единичную спект ральную плотность 5Y(CO) = 1. Как уже отмечалось, таким процес-
187
COM является белый шум с единичной интенсивностью. Но тогда процесс Y(t) можно интерпретировать как решение уравнения (4.28), в котором левая и правая части построены по результатам факторизации (4.36), при порождающем белом шуме ДО с еди ничной интенсивностью. Это уравнение при такой его содержа тельности и принято называть формирующим фильтром. Процеду ра его построения, таким образом, сводится к следующему. Про водится факторизация заданной спектральной плотности ^^со), следствием чего являются многочлены .4(/со) и 5(/со). Технология этой операции отработана, содержится, например, в [7] и может быть усовершенствована с привлечением современных вычисли тельных возможностей. Полезно обратить внимание на то, что при правильно выполненной факторизации корни многочленов A(s) и B(s) имеют отрицательные вещественные части. По резуль
татам факторизации |
составляется уравнение A(p)y(t) = |
= B(p)x(t), где /^ =d77 - |
оператор дифференцирования. Если X(t) - |
белый шум с единичной интенсивностью, то это уравнение и бу дет представлять собой формирующий фильтр. Заметим, что если природа уравнения (4.28) не связана с результатами факториза ции, но X{t) — белый шум, то это уравнение позволяет белый шум преобразовать в процесс Y{t), не обязательно стационарный, со свойствами, определяемыми операторами А(р) и В(р).
Подобная идея построения формирующего фильтра распро страняется и на случайные последовательности, но здесь форми рующий фильтр отождествляется не с дифференциальным, а с разностным стохастическим уравнением и дискретным белым шумом. В основе соответствующего подхода лежит соотношение (4.35), вытекающее из разностного уравнения (4.32). Итак, пусть рассматривается случайная последовательность J^, / = 1, 2, ... с известной спектральной плотностью Syiz), построенной в соот ветствии с (4.22). Функции Sy^iz) и SY^(Z~^) обычно являются дробно-рациональными функциями аргументов zn z"^ соответ ственно, причем нули и полюсы функции Sy^iz) лежат внутри ок ружности единичного радиуса. Если правую часть в выражении функции Syiz), соответствующем определению (4.22), привести к общему знаменателю, то снова получим дробно-рациональное выражение. Его знаменатель представляет собой произведение двух одинаковых многочленов, но один из них зависит от^, а вто рой — от г~^ В числителе же окажется так называемый возврат-
188
ный многочлен вида qoz"^ + Q\Z~^^^ + ..• + Qk-iz"^ + ^^ + Qk-\Z + ...
+ ^i^~^ + QQZ!^. Особенность таких многочленов проявляется в том, что их можно представить в виде произведения двух одина ковых многочленов, из которых один зависит от z, а второй - от z~^ Для этого достаточно вычислить корни многочлена, разло жить его на элементарные сомножители, сгруппировать сомно жители, содержащие корни, по модулю меньшие единицы, и со множители с большими по модулю корнями и затем преобразо вать к требующемуся виду. Например: Iz"^ + 5 + 2г = 2z~ (г^ +
+ 1^+1) = 2z^\z + ^ )(z + 2) = 2(z + I )(1 + 2z-^) = 2(z +
+ - )2(г"^ "*" 7 )' искомые сомножители 2(z + Ч ) ^ 2(z~^ "*" 9" ^•
С использованием современных вычислительных средств подоб ную процедуру несложно реализовать для возвратных многочле нов произвольного порядка. В результате этой процедуры, кото рую также называют факторизацией, спектральную плотность Sy(z) удается представить в виде
A{z)A{z-'^)
где A{z) — знаменатель функции Sy^iz), B(z) — результат факториза ции ее числителя.
Из сопоставления выражений (4.37) и (4.35) следует, что при S)^z) = 1 оба выражения совпадают. Но соотношение (4.35) полу чено на основе разностного уравнения (4.32), в котором последо вательность Xi принималась случайной стационарной со спект ральной плотностью S]^z). Тогда выражение (4.37) можно также считать следствием уравнения (4.32), но для последовательности Jf/, имеющей единичную спектральную плотность. Такой после довательностью является дискретный белый шум с ковариацион ной функцией К^т\ = 5^^ о и» *^^к следствие, со спектральной плотностью S^z) ~ 1. Стохастическое разностное уравнение (4.32), в котором последовательность Jf/ принимается дискрет ным белым шумом с единичной интенсивностью, принято назы
вать дискретным формирующим фильтром для стационарно
случайной последовательности со спектральной плотностью
189