- •ОГЛАВЛЕНИЕ
- •ВВЕДЕНИЕ
- •1.1. Основные понятия и определения теории вероятностей
- •1.2. Функции распределения вероятностей случайной величины
- •1.3. Числовые характеристики случайных величин
- •1.5. Случайные процессы и их основные статистические характеристики
- •1.6. Корреляционные функции случайных процессов
- •1.7. Спектральные плотности случайных процессов
- •1.9. Прохождение дискретного случайного процесса через дискретное динамическое звено первого порядка
- •ЗАДАЧИ
- •2. ЭЛЕМЕНТЫ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
- •2.1. Общие понятия и определения
- •2.2. Простейшие оценки
- •2.3. Интервальные оценки. Доверительный интервал
- •2.4. Проверка статистических гипотез о параметрах распределения
- •2.5. Критерии согласия
- •2.6. Последовательный анализ
- •2.7. Особенности статистического вывода
- •2.8. Статистики и измерения стационарного случайного процесса
- •2.9. Оценка корреляционной функции
- •2.10. Оценка спектральной плотности
- •ЗАДАЧИ
- •3. МОДЕЛИ ОБЪЕКТОВ УПРАВЛЕНИЯ
- •3.1. Средства и этапы описания объектов управления
- •3.2. Характеристика моделей объектов управления
- •3.3. Динамические модели объектов управления
- •3.4. Преобразование и исследование динамических моделей
- •3.5. Статические модели
- •3.6. Графическое представление статических моделей
- •3.7. Пример описания объекта управления
- •4. МЕТОДЫ ИДЕНТИФИКАЦИИ
- •4.1. Дисперсионный анализ
- •4.2. Метод регрессионного анализа
- •4.3. Рекуррентные алгоритмы идентификации линейных моделей
- •4.5. Идентификация параметров динамических моделей
- •4.6. Сглаживание временных рядов
- •ЗАДАЧИ
- •5. ПЛАНИРОВАНИЕ ЭКСПЕРИМЕНТА
- •5.1. Общие требования к плану эксперимента
- •5.2. Полный факторный эксперимент
- •5.3. Дробный факторный эксперимент
- •5.4. Планы для квадратичных моделей
- •ЗАДАЧИ
- •СПИСОК ИСПОЛЬЗУЕМЫХ АББРЕВИАТУР И ОБОЗНАЧЕНИЙ
Среднее время корреляции и с редняя полос а час тот |
r |
|
Sxx(0) |
|
r 4 |
|
|||||||||||||||||||||
|
Kxx(0) |
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
d |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
d 0.393 |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
2 |
r |
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
W( )2 |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
A s |
|
|
|
|
|
|
|
|
|
|
|
( ) |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
||||
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
||
0 |
1 |
2 |
3 |
4 |
5 |
|
|
|
0 |
1 |
2 |
3 |
4 |
5 |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 1.17. Окончание
1.9. Прохождение дискретного случайного процесса через дискретное динамическое звено первого порядка
Рассмотрим прохождение дискретного случайного процесса через динамическое звено первого порядка (рис. 1.18).
U kT 0 |
|
X kT |
0 |
||||
W(z) |
|||||||
|
|
|
|
|
|
||
|
|
|
|
|
|
|
Рис. 1.18. Прохождение дискретного случайного процесса через дискретное динамическое звено
Здесь U kT0 – дискретный стационарный случайный процесс нор-
мального или иного закона распределения типа белый шум или цветной шум. X kT0 – дискретный случайный процесс на выходе звена.
Дискретная передаточная функция апериодического звена первого порядка равна
|
|
|
W (z) |
b |
|
b z 1 |
|
|
|
|
|
|
|
|
|
1 |
, |
|
(1.94) |
||
|
|
|
z a |
|
1 a z 1 |
|
||||
|
|
|
|
|
|
|
1 |
|
|
|
где a exp T /T , b K(1 a ) , z 1 |
exp pT |
, К, Т – коэффициент уси- |
||||||||
1 |
0 |
1 |
1 |
|
|
|
|
0 |
|
|
ления и постоянная времени непрерывного звена, T0 |
– интервал квантования. |
47
Более подробно процесс перехода от непрерывных динамических систем к дискретным представлен в разд. 3.4.
Свойства случайного процесса X kT0 , как и для непрерывной системы (см. разд. 1.8), определены свойствами входного процесса U kT0 и переда-
точной функцией (1.94).
Дискретной передаточной функции (1.94) соответствует разностное уравнение
x(k) a1 x(k 1) b1 u(k 1) , |
(1.95) |
где a1 , b1 – коэффициенты знаменателя и числителя передаточной функции
(1.94).
Связь между входным и выходным процессом определяется следующими соотношениями [16]:
M X 2 (k) σ2 |
σ2 |
b2 |
1 2q |
; |
||
|
|
|||||
x |
u |
|
1 1 a2 |
|
||
|
|
1 |
|
|||
M X (k) U (k) σ2 |
|
b1 |
q; |
(1.96) |
||
|
||||||
|
u |
|
a1 |
|
||
M U 2 (k) σ2 |
|
|
|
|||
, |
|
|
|
|
|
|
u |
|
|
|
|
|
|
где q a1r ρ(r) , σu2ρ(r) M U (k) U (k r) .
r 1
Здесь U (k) , X (k) – стационарные центрированные дискретные случайные процессы, соответственно на входе и выходе дискретного динамического звена (рекурсивного фильтра); σu2 , σ2x – дисперсии входного и выходного дискретного случайного процесса; M – оператор математического ожидания.
Если входной процесс U (k) представляет процесс с нормированной
автокорреляционной функцией [16] |
|
|
|
|
|
|
|
|
|
|
ρ(r) ar e r |
, r 0 . |
(1.97) |
||||||||
1 |
|
|
|
|
|
|
|
|
|
|
Тогда из соотношений (1.96) имеем |
|
|
|
|
|
|
|
|||
|
2 |
|
|
|
|
|
|
|
||
q a1r a1r |
|
a1 |
|
, для |
|
a |
|
1. |
(1.98) |
|
|
|
|
|
|||||||
1 a2 |
||||||||||
r 1 |
|
|
|
|
|
|
||||
|
|
|
1 |
|
|
|
|
|
|
|
Соответственно дисперсия |
|
|
|
|
|
|
|
|
|
|
σ2x T0 b12σu2 1 a12 2b12a12 |
σu2 K 2 σu2 1 a1 2 1 a12 . |
(1.99) |
||||||||
Исследуем зависимость этого выражения от соотношения T0 /T . |
|
|||||||||
График зависимости для T 1, σu |
2 , |
K 3 приведен на рис. 1.19. |
Предельное значение σ2x K 2 σu2 (см. рис. 1.19).
Для равенства дисперсий на выходе непрерывного динамического звена и его дискретного варианта, необходимо, чтобы выполнялось следующее
48
равенство
σ2 T K 2σu2 . |
|
|
(1.100) |
|||
x |
0 |
2T |
|
|
|
|
|
|
|
|
|
|
|
K 3 |
T 1 |
|
u 2 |
|
|
|
T0 0.001 0.1 5 |
|
|
|
|
|
|
|
|
T0 |
|
|
|
|
x2(T0) |
a e |
T |
|
|
|
|
|
x2 K2 u 2 (1 a)2 1 a2 |
|||||
|
40 |
|
|
|
|
|
x2 (T0) |
|
|
|
|
|
|
K2 u 2 |
30 |
|
|
|
|
|
|
|
|
|
|
|
|
2 T |
20 |
|
|
|
|
|
|
|
|
|
|
|
|
K2 u 2 |
|
|
|
|
|
|
2 0.5 |
10 |
|
|
|
|
|
|
00 |
1 |
2 |
3 |
4 |
5 |
|
|
|
T0 |
|
|
|
Рис. 1.19. Зависимость дисперсии случайного процесса x(k ) от T0
Уравнение (1.100) можно решить графически. На рис. 1.19 решением является точка пересечения кривой σ2x T0 и прямой K 2σu2 / 2T .
Исследуем свойства равенства (1.100) для T 0.5 . Пересечения σ2x T0 с прямой K 2σu2 / 2T нет (см. рис. 1.19).
Следовательно, не существует такого T0 , которое обеспечило бы дисперсию на выходе дискретного динамического звена с σ2x K 2σu2 / 2 0.5 .
Для T 0.5 дисперсия выходного процесса будет меньше дисперсии аналогового процесса не зависимо от К и σu2 .
Модель авторегрессии, сокращенно обозначается AP(n). Рассмотрим в качестве дискретного динамического звена (см. рис. 1.18) линейный фильтр n-го порядка вида
x(k) a1x(k 1) a2 x(k 2) ... an x(k n) u(k) , (1.101)
где a1...ak – параметры фильтра; u(k) – дискретный белый шум с математическим ожиданием mu 0 и дисперсией σu2 и автокорреляционной функцией
49
σ2 , r 0
Ruu (r) u
0, r 0.
Автокорреляционная функция стационарного процесса авторегрессии
(1.101)
Rxx (r) a1Rxx (r 1) a2 Rxx (r 2) ... an Rxx (r n), r 0. |
(1.102) |
|||
В общем случае автокорреляционная функция состоит из совокупности |
||||
затухающих экспонент и затухающих синусоид. |
|
|||
Если поделить все члены уравнения (1.102) на Rxx (0) , то получим |
||||
ρxx (r) a1ρxx (r 1) ... anρxx (r n) . |
(1.103) |
|||
Дисперсия процесса |
|
|
|
|
σ2 |
|
|
σu2 |
. (1.104) |
|
|
|||
x |
1 ρxx (1) a1 |
ρxx (2) a2 ... ρxx (n) an |
|
|
|
|
|||
Спектр процесса |
|
|
|
|
Sxx ( f ) |
|
|
|
|
|
|
|
|
|
|
|
|
2σu2 |
|
|
|
|
|
|
|
|
, |
0 f |
|
1 |
. (1.105) |
|||||||
|
|
1 a1 |
|
e |
i2πf |
... ane |
i2πf |
|
2 |
2 |
|||||||||||||||||||||||
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
Процесс авторегрессии первого порядка (марковский процесс) имеет |
|||||||||||||||||||||||||||||||||
вид |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x(k) a1x(k 1) u(k) , |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.106) |
||||||||||||||||||
и соответственно |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
W (z) |
z |
|
1 |
|
. |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
|
z a |
1 a z 1 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Для стационарности процесса необходимо, |
чтобы 1 a1 |
1. |
Если a1 |
||||||||||||||||||||||||||||||
положительно, то имеем низкочастотный фильтр, при a1 |
отрицательном – |
||||||||||||||||||||||||||||||||
высокочастотный. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Автокорреляционная функция |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
ρxx (r) a1ρxx (r 1) , r 0, |
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.107) |
|||||||||||||||||||
которое при ρx (0) 1 имеет решение |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
ρ |
xx |
(r) ar , |
r 0 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.108) |
||||||||||||
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Дисперсия |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ2 |
|
|
|
|
|
σu2 |
|
|
|
|
|
σu2 |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
(1.109) |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
x |
|
1 ρ |
|
|
(1)a |
|
|
|
1 a2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
xx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Спектр |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sxx ( f ) |
|
|
|
|
|
|
|
2σu2 |
|
|
|
|
|
, 0 f |
|
1 |
. |
|
|
(1.110) |
|||||||||||||
|
|
a2 |
2a cos 2πf |
2 |
|
|
|||||||||||||||||||||||||||
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Модель скользящего среднего порядка m, сокращенно обозначается
CC(m)
50
|
|
|
|
x(k) u(k) b1u(k 1) b2u(k 2) ... bmu(k m) . |
(1.111) |
||||||||||||
Так для процесса СС(1) |
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
x(k) u(k) b1u(k 1) |
|
|
|
(1.112) |
||||||||
и соответственно |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
W (z) 1 b z 1 , |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
нормированная автокорреляционная функция равна |
|
|
|
||||||||||||||
|
|
|
|
|
|
|
b1 |
r 1 |
|
|
|
|
|||||
|
|
|
|
|
|
|
(r) |
|
, |
|
|
|
|
||||
|
|
|
|
|
ρ |
xx |
1 b2 |
|
|
|
(1.113) |
||||||
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
r 2, |
|
|
|
|
|||
|
|
|
|
|
|
|
0, |
|
|
|
|
||||||
и дисперсия процесса |
|
1 b2 σ2 . |
|
|
|
|
|
||||||||||
|
|
|
|
|
σ2 |
|
|
|
|
(1.114) |
|||||||
|
|
|
|
|
|
x |
1 |
u |
|
|
|
|
|
||||
Спектр |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
S |
xx |
( f ) 2σ2 |
|
1 b exp( i2πf ) |
|
2 |
2σ2 |
1 b2 |
2b cos2πf , 0 f |
|
1 |
(1.115) |
|||||
|
|
||||||||||||||||
|
|
|
|
|
|||||||||||||
|
|
u |
|
1 |
|
|
|
|
|
u |
1 |
1 |
2 |
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Если b1 |
– отрицательно, то ρxx (k) |
положительно и в спектре домини- |
руют низкие частоты. При b1 положительном доминируют высокие частоты.
Процесс авторегрессии первого порядка – скользящего среднего перво-
го порядка (сокращенно APCC(1,1)), описывается формулой
x(k) a1x(k 1) u(k) b1u(k 1)
и соответственно
W (z) |
1 b z 1 |
|
z b |
|||
|
|
1 |
1 |
. |
||
|
|
a z 1 |
|
|||
|
1 |
|
z a |
|||
|
|
|
1 |
|
1 |
|
Процесс стационарен, если 1 a1 1, и обратим, если Автокорреляционная функция процесса равна
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
||||||
Rxx |
(0) |
1 b1 |
2a1 b1 |
|
σu2 , |
|
|
||||||||||||
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
1 a2 |
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|||||
Rxx |
(1) |
1 a b a b |
|
σu2 |
|
|
|||||||||||||
|
|
1 |
1 |
1 |
1 |
|
, |
|
|||||||||||
|
|
|
|
|
|
|
1 a12 |
|
|
|
|
|
|
||||||
R |
xx |
(r) a R |
xx |
(r 1), |
r 2. |
|
|
||||||||||||
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Спектр процесса |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 b |
exp( i2πf ) |
|
2 |
, 0 |
||||||||
|
|
|
|
|
|
|
|
||||||||||||
S |
|
( f ) 2σ2 |
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
xx |
|
|
u |
|
|
1 a |
exp( i2πf ) |
|
2 |
|
||||||||
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
(1.116)
1 b1 1.
(1.117)
f |
1 |
. |
(1.118) |
|
2 |
||||
|
|
|
Пример 1.6. Исследовать влияние интервала дискретизации на характеристики выходного процесса дискретных фильтров с передаточными функциями (1.94) и (1.106)
51
W (z) |
b |
и W1 |
(z) |
|
z |
, |
|
|
|
||||
z a |
|
z a |
||||
|
|
|
|
|
||
где a exp T0 /T , b K (1 a) , K 3 , T 4 , T0 |
– интервал квантования. На |
вход фильтров подан центрированный дискретный белый шум нормального распределения с корреляционной функцией
σ2 |
, |
r 0 |
Ruu (r) u |
|
r 0. |
0, |
|
Рассчитать характеристики фильтров для T0 1 и T0 0.1, сравнить с
характеристиками непрерывного фильтра примера 1.5.
Результаты расчетов представлены на рис. 1.20 и рис. 1.21. Они подтверждают материалы разд. 1.9 о зависимости характеристик выходного процесса от интервала квантования T0 и типа фильтра.
Как видно из результатов рис 1.20 оптимальная T0 1, обеспечивающая равенство дисперсий выходного непрерывного x(t) и дискретного x kT0 для
динамического звена (1.94) не обеспечивает такого равенства для фильтра (1.110). Необходимо для фильтра W1 (z) найти T0 , руководствуясь методикой,
приведенной в разд. 1.9 для фильтра (1.94).
Во многих задачах полученные данные являются результатом функционирования дискретной динамической системы, либо технологического регламента. В этом случае ставит задачу перехода к непрерывной модели нет смысла.
Если же данные получены путем съема данных с непрерывного процесса в дискретные моменты времени и в дальнейшем используются для создания дискретной модели на ЦВМ, необходимо, чтобы выходы непрерывной и дискретной модели совпадали. Как показывают результаты примера 1.6 и разд. 1.9 для этого необходимо найти такое T0 , которое обеспечивает такое
совпадение.
52
Ис ходные данные |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
T 4 |
K 3 |
|
|
|
mu 0 |
u 2 |
T0 1 |
|
|
n 9 |
N 2n |
N 512 |
||||||||||||||
Генератор с лучайных чис ел |
|
u rnorm(N 1 mu u ) |
|
|
|
|
|
|
||||||||||||||||||
Cтатистики дискретного случайного процесса X |
k |
|
|
|
|
|||||||||||||||||||||
Прохождение с лучайного процес с а через дис кретный фильтр |
|
|
|
|
||||||||||||||||||||||
T0 |
b K (1 a) |
x K mu |
|
|
x |
0 |
- начальные ус ловия |
|||||||||||||||||||
a exp |
|
|
|
|||||||||||||||||||||||
T |
|
|
|
|
|
|
|
|
0 |
|
0 |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
x10 0 |
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
a 0.779 |
|
b 0.664 |
|
|
j |
1 |
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
0.01 0.1 3 |
|
z( ) exp(j T0) |
|
Wz( ) |
|
b |
|
|
|
Wz(0) |
|
3 |
||||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
z( ) a |
||||||||||||||||||||||||
SXX( ) u 2 |
|
Wz( ) |
|
2 |
|
|
SXX(0) 36 |
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
W( ) |
|
|
K |
|
|
|
|
|
|
S ( ) u 2 |
|
|
W( ) |
|
2 |
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
xx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 ( T)2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3 |
|
|
|
40 |
|
|
|
Wz( ) 2 |
|
|
|
30 |
|
|
|
|
|
|
SXX( ) |
|
|
|
|
W( ) |
|
|
|
S ( ) 20 |
|
|
|
1 |
|
|
|
xx |
|
|
|
|
|
|
10 |
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
0 |
|
|
|
0.01 |
0.1 |
1 |
10 |
0.01 |
0.1 |
1 |
10 |
|
|
|
|
|
|
|
|
|
Рис . 1. АЧХ дис кретного и непрерывного фильтра. Теоретичес кая с пектральная |
||||||||
|
плотнос ть дис кретного с лучайного процес с а X(k) и непрерывного X(t) |
||||||||
|
k 0 N 1 |
|
|
xk 1 a xk b uk |
|
выборочная дис перс ия |
|||
|
|
|
|
|
|||||
|
Xsr mean(x) |
|
|
Xsr 0.639 |
x0k xk Xsr |
S2x Var(x0) |
|||
|
2x K2 u 2 |
|
(1 a) |
|
2x 4.477 |
S2x 4.573 |
|||
|
|
1 a |
|
||||||
|
|
|
|
|
|
|
|
||
Оценка закона рас пределения |
|
|
|
||||||
|
p 1 3.2 log(N) |
n ceil(p) |
n 10 |
hh histogram(n x) |
|||||
|
int hh 0 |
h hh 1 |
|
|
|
|
|||
|
10 |
|
|
|
|
|
|
|
|
|
5 |
|
Рис. 1.20. Результаты расчетов примера 1.6 для T0 1 |
||||||
xk |
0 |
|
|
|
|
|
|
|
|
|
5 |
|
|
|
|
|
|
|
|
|
100 |
200 |
|
|
400 |
600 |
|
|
|
|
|
|
k |
|
|
|
|
|
53
|
10 |
|
|
|
|
5 |
|
|
|
xk |
0 |
|
|
|
|
5 |
|
|
|
|
100 |
200 |
400 |
600 |
|
|
|
k |
|
150 |
|
|
|
|
100 |
|
|
|
|
h |
|
|
|
|
50 |
|
|
|
|
0 |
5 |
|
|
|
10 |
0 |
5 |
10 |
|
|
|
int |
|
|
|
|
|
|
|
|
|
Рис . 2. Временной ряд x(k) и его гис трограмма |
||||||||||||||||||||||||||||
Авторегрес с ия 1-го порядка |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
x1k 1 a x1k uk 1 |
|
|
r 0 30 |
|
f 0 0.01 0.5 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
x1 ar |
|
|
|
|
|
|
S |
(f) |
|
|
2 u 2 |
|
|
|
S (0) 163.502 |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
r |
|
|
|
|
|
|
x1 |
|
|
1 a2 2 a cos (2 f) |
|
|
|
|
x1 |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
200 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
150 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
0.8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
0.6 |
|
|
|
|
|
|
|
|
|
|
|
|
Sx1(f)100 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
x1r |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
50 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
0.2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
0.01 |
|
|
|
|
|
|
0.1 |
1 |
||||||||||||||
0 |
10 |
20 |
|
30 |
|
|
|
|
|
|
|
|
r |
f |
|
Рис . 3. Нормированная автокорреляционная функция дис кретного фильтра. Теоретичес кая с пектральная плотнос ть дис кретного с лучайного процес с а X1(k)
2x1 |
u 2 |
|
|
|
|
X1sr mean(x1) |
|
X1sr 0.95 |
x10 |
x1 |
X1sr |
|||||
|
|
|
|
|
|
|
|
|||||||||
|
1 a2 |
|
|
|
|
|
|
|
|
|
|
k |
k |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
S2x1 Var(x10) |
|
|
S2x1 10.402 |
|
|
2x1 10.166 |
|
|
|
|||||||
W1z( ) |
z( ) |
|
|
W1z(0) |
|
4.521 |
|
|
|
|||||||
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||
z( ) a |
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Sx1( ) u 2 |
|
W1z( ) |
|
2 |
Sx1(0) 81.751 |
|
|
|
||||||||
|
|
|
|
|
Рис. 1.20. Продолжение
54
5 |
|
|
|
100 |
|
|
|
|
|
|
|
|
|
|
|
4 |
|
|
|
80 |
|
|
|
|
|
|
|
|
|
|
|
3 |
|
|
|
60 |
|
|
|
|
|
|
Sx1( ) |
|
|
|
|
W1z( ) |
|
|
|
40 |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
20 |
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
0 |
|
|
|
0.1 |
1 |
10 |
0.01 |
0.1 |
1 |
10 |
|
0.01 |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис . 4. АЧХ дис кретного фильтра. Теоретичес кая с пектральная плотнос ть дис кретного |
|||||||
|
|
|
с лучайного процес с а X1(k) |
|
|
|
Рис. 1.20. Окончание
55
|
Ис ходные данные |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
T 4 |
K 3 |
|
|
|
|
mu 0 |
u 2 |
T0 0.1 |
|
|
n 9 |
N 2n |
|
N 512 |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||
Генератор с лучайных чис ел |
|
|
|
|
|
u rnorm(N 1 mu u ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||
Cтатистики дискретного случайного процесса X |
k |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||
Прохождение с лучайного процес с а через дис кретный фильтр |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
T0 |
b K (1 a) |
|
|
|
x K mu |
|
|
x 0 |
|
|
|
- начальные ус ловия |
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||
a exp |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
T |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x10 0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
a 0.975 |
b 0.074 |
|
|
|
|
|
|
|
|
j |
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
0.01 0.1 3 |
|
|
|
|
z( ) exp(j T0) |
|
Wz( ) |
|
b |
|
|
|
|
|
|
|
|
|
|
Wz(0) |
|
3 |
|||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
z( ) a |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
SXX( ) u 2 |
|
Wz( ) |
|
2 |
|
|
|
|
|
|
SXX(0) 36 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
W( ) |
|
|
|
|
K |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S ( ) u 2 |
|
|
W( ) |
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
1 ( T)2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
40 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
30 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
Wz( ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
SXX( ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
W( ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
S ( ) 20 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xx |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
0.01 |
|
|
|
|
|
0.1 |
|
1 |
|
|
10 |
|
|
|
|
|
|
|
|
0.01 |
0.1 |
1 |
|
|
10 |
||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис . 1. АЧХ дис кретного и непрерывного ф ильтра. Т еоретичес кая с пектральная плотнос ть дис кретного с лучайного процес с а X(k) и непрерывного X(t)
|
k 0 N 1 |
xk 1 a xk b uk |
|
выборочная дис перс ия |
|
|||||||
|
|
|
|
|
||||||||
|
Xsr mean(x) |
Xsr 0.614 |
x0k xk Xsr |
|
S2x Var(x0) |
|
|
|||||
|
2x K2 u 2 |
(1 a) |
2x 0.45 |
|
S2x 0.533 |
|
|
|||||
|
1 a |
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
Оценка закона рас пределения |
|
|
|
|
|
|
|
|||||
|
p 1 3.2 log(N) |
n ceil(p) |
n 10 |
hh histogram(n x) |
|
|
|
|||||
|
int hh 0 |
h hh 1 |
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
150 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.1 |
|
|
|
1 |
Рис. 1.21. Результаты расчетов примера 1.6 для T0 |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
xk |
0 |
|
|
|
|
|
|
100 |
|
|
|
|
1 |
|
|
|
|
|
h |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
50 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
30 |
200 |
400 |
600 |
|
|
0 |
1 |
0 |
1 |
2 |
|
|
|
|
|
|
|
|
|
2 |
k
int
56
|
2 |
|
|
|
150 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
xk |
0 |
|
|
|
100 |
|
|
|
|
1 |
|
|
|
h |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
50 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
30 |
200 |
400 |
600 |
0 |
1 |
0 |
1 |
2 |
|
|
|
|
|
2 |
||||
|
|
|
k |
|
|
|
int |
|
|
|
|
|
|
|
|
|
|
|
Рис . 2. Временной ряд x(k) и его гис трограмма
Авторегрес с ия 1-го порядка |
|
|
|
|||
x1k 1 a x1k uk 1 |
|
r 0 30 |
f 0 0.01 0.5 |
|
||
|
r |
|
|
2 u 2 |
4 |
|
x1 a |
|
S (f) |
|
|
S (0) 1.312 |
10 |
|
|
|
||||
r |
|
x1 |
|
x1 |
|
|
|
|
1 a2 2 |
a cos (2 f) |
|
||
|
|
|
|
1 |
|
|
|
|
2 103 |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
1.5 103 |
|
|
|
0.8 |
|
|
|
|
1 103 |
|
|
|
x1r |
|
|
|
Sx1(f) |
|
|
||
0.6 |
|
|
|
|
500 |
|
|
|
|
|
|
|
|
|
|
||
0.4 |
|
|
|
|
0 |
|
|
|
0 |
10 |
20 |
30 |
0.01 |
0.1 |
1 |
||
|
||||||||
|
|
|
|
|||||
|
|
|
r |
|
|
f |
|
|
|
|
|
|
|
|
|
Рис . 3. Нормированная автокорреляционная функция дис кретного фильтра. Теоретичес кая с пектральная плотнос ть ди с кретного с лучайного процес с а X1(k)
2x1 |
u 2 |
|
|
|
|
X1sr mean(x1) |
|
X1sr 8.218 |
x10 |
x1 |
X1sr |
|||||
|
|
|
|
|
|
|
|
|||||||||
|
1 a2 |
|
|
|
|
|
|
|
|
|
|
k |
k |
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
S2x1 Var(x10) |
|
|
S2x1 97.932 |
|
|
2x1 82.017 |
|
|
|
|||||||
W1z( ) |
z( ) |
|
|
W1z(0) |
|
40.502 |
|
|
|
|||||||
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||
z( ) a |
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Sx1( ) u 2 |
|
W1z( ) |
|
2 |
Sx1(0) 6.562 103 |
|
|
|
||||||||
|
|
|
|
|
8 103
Рис. 1.21. Продолжение
6 103
Sx1( ) 4 103
2 103
0 |
|
|
|
0.01 |
0.1 |
1 |
10 |
57
|
|
|
50 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
8 103 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
40 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
6 103 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
W1z( ) |
|
30 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Sx1( ) |
4 103 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
20 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 103 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
10 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0.01 |
0.1 |
1 |
10 |
||||||||||||||||||||||||
|
|
|
0.01 |
0.1 |
1 |
10 |
|
|
||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис . 4. АЧХ дис кретного фильтра. Теоретичес кая с пектральная плотнос ть дис кретного с лучайного процес с а X1(k)
Рис. 1.21. Окончание
58