- •Практикум
- •Кафедра "Методи та прилади контролю якості і сертифікації продукції"
- •Практикум
- •Практичне заняття №1 розрахунок ймовірнісних характеристик інформаційних сигналів
- •1.1 Основні теоретичні відомості
- •1.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •Задача 1.4 Щільність ймовірності кривої, яка огинає вузькосмуговий процес Гауса, описується таким виразом:
- •1.3 Завдання для самостійної роботи
- •Задача 1.9 Функція розподілу стаціонарної випадкової напруги u(t) має вигляд:
- •1.4 Запитання для самоконтролю
- •Практичне заняття №2 розрахунок кореляційних функцій аналогових інформаційних сигналів
- •2.1 Основні теоретичні відомості
- •2.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •Задача 2.8 При заданій графічно спектральній щільності середньої потужності (рис.2.9) визначити кореляційну функцію стаціонарного випадкового процесу.
- •2.3 Завдання для самостійної роботи
- •Задача 2.13 Визначити кореляційну функцію і дисперсію стаціонарного випадкового процесу, який володіє спектральною щільністю середньої потужності
- •2.4 Запитання для самоконтролю
- •Розрахунок коефіцієнтів ряду фур’є при апроксимації періодичних сигналів
- •3.1 Основні теоретичні відомості
- •3.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •3.3 Завдання для самостійної роботи
- •3.4 Запитання для самоконтролю
- •Практичне заняття №4 розрахунок спектральних характеристик аналогових інформаційних сигналів
- •4.1 Основні теоретичні відомості
- •4.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •Кореляційна функція записується виразом:
- •4.3 Завдання для самостійної роботи
- •4.4 Запитання для самоконтролю
- •5.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •5.3 Завдання для самостійної роботи
- •5.4 Запитання для самоконтролю
- •6.2 Методичні рекомендації для розв’язуванню задач (на прикладах).
- •6.3 Завдання для самостійної роботи
- •6.4 Запитання для самоконтролю
- •Практичне заняття №7 цифрове обчислення кореляційних функцій дискретизованих періодичних і випадкових сигналів
- •7.1 Основні теоретичні відомості
- •7.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •7.3 Завдання для самостійної роботи
- •7.4 Запитання для самоконтролю
- •8.2 Методичні рекомендації для розв’язування задач (на прикладах)
- •8.3 Завдання для самостійної роботи
- •8.4 Запитання для самоконтролю
Практичне заняття №1 розрахунок ймовірнісних характеристик інформаційних сигналів
Мета і завдання заняття: Засвоїти суть, означення, види і алгоритми обчислення ймовірнісних характеристик інформаційних сигналів. Набути практичних навиків розрахунку аналітичними методами ймовірнісних характеристик випадкових процесів.
Тривалість заняття – 2 год.
1.1 Основні теоретичні відомості
Інформаційні сигнали в засобах неруйнівного контролю внаслідок дії різного виду інформаційних впливів і завад як на об’єкт контролю, так і на вузли зняття і обробки інформації носять в переважній своїй більшості випадковий характер, що дає можливість їх характеризувати з точки аналізу і вивчення випадкових процесів. Випадковий процес— це сукупність функцій часу. Повна сукупність цих функцій становить ансамбль і позначається {xk(t)}, де будь-яка компонента хк(t) є вибіркова функція (реалізація) випадкового процесу. Як правило, при неруйнівному контролі спостерігається і обробляється тільки одна вибіркова функція, а решта— інших можливих реалізацій в принципі можуть бути відсутні. Випадкова функція позначається х(t). Значення її реалізацій х(ti) у деякий момент часу ti, визначає випадкову величину х(ti) або просто Xi. Для будь-якого п і будь-яких фіксованих моментів часу t1 , t2,…, tп значення процесу х(t1), х(t2), х(t3), …, х(tn) становлять п випадкових величин. Вважають, що для будь-якого п існує цілком визначена n-вимірна щільність ймовірності.
Згідно викладеного можна дати таке визначення випадкової функції. Функція x(t) дійсної змінної t називається випадковою, якщо для кожного значення аргументу t вона є випадковою величиною. Інакше кажучи, випадкова функція— це сім'я випадкових величин x(t) залежних від дійсного параметра t. Якщо параметром t є поточний час, то випадкова функція x(t) називається випадковим процесом. На відміну від детермінованого процесу, випадковий процес показує такі зміни за часом фізичного явища або стану технічного об'єкта, які завчасно передбачити неможливо.
Узагальнення підходів до методів аналізу випадкових величин як до випадкових сигналів (процесів) при неруйнівному контролі по своїй суті є досить простим щодо використання математичних процедур. Проте складнішим етапом, що має концептуальне значення, є встановлення зв'язку математичних моделей випадкових величин з фізичними властивостями випадкового процесу. Так, якщо випадкова величина визначається множиною її можливих значень і розподілом ймовірностей на цій множині, то випадковий процес характеризується множиною функцій часу
(1.1)
та ймовірнісною мірою (функція розподілу та щільність ймовірності), заданою на множині функцій (1.1). Кожна окрема реалізація хк(t) має k-те позначення. Множину Т значень параметра t називають областю визначення випадкового процесу х(t), а множину X, якій належать можливі значення хк(t),— простором значень випадкового процесу.
Нехай маємо довільне число п моментів часу (t1 , t2,…, tn)=t, t є Т.Сукупність значень випадкового процесу у вказані моменти часу х(ti), (i=1,2…n,) утворюють систему випадкових величин (векторну випадкову величину)
. (1.2)
Тоді ймовірнісними характеристиками випадкових послідовностей і випадкових процесів з безперервним часом (за часової дискретизації) є функції сумісного розподілу вказаних випадкових величин.
Для випадкових процесів із безперервним часом, фіксуючи послідовно n=1,2,… моментів часу, можна обчислити значення функцій розподілу випадкового процесу x(t).
Одновимірна функція розподілу F1(x1,t1) визначається із виразу
(1.3)
де — ймовірність того, що випадкова змінна х1 набуває значень більших або рівному заданому значенню х(t1) випадкової функції х(t).
Аналогічно записується вираз для двовимірної функції розподілу
(1.4)
і т. д. для довільної скінченновимірної
.
Послідовність функцій розподілу F1(x1;t1), F2(x1,x2; t1,t2),…, Fn(x1,x2,…,xn; t1,t2,…,tn) є своєрідними східцями, піднімаючись по яких вдається детальніше характеризувати випадковий процес і по суті є більш точнішою математичною моделлю цього процесу.
Щоб функція розподілу ймовірностей Fx(x) була ймовірністю, вона має задовольняти таким властивостям:
1) (1.5)
2) (1.6)
3) не зменшується при зростанні х; (1.7)
4) при (1.8)
На рис. 1.1 а показано графік функції розподілу ймовірностей для безперервної випадкової величини, що змінюється від -∞ до +∞; на рис.1.1 б – для випадкової величини від а до б, на рис. 1.1 в – для дискретної випадкової величини, що може набувати тільки п’яти можливих значень (х1, х2, х3, х4, х5).
Рисунок 1.1— Приклади функції розподілу ймовірностей
Ймовірнісними характеристиками випадкового процесу є одновимірна щільність розподілу ймовірності:
(1.9)
Аналогічно записується вираз двовимірної щільності розподілу ймовірності:
(1.10)
і т. д. для довільної n-вимірної .
Основні властивості щільності розподілу ймовірностей записуються так:
1) (1.11)
2) ; (1.12)
3) ; (1.13)
4) . (1.14)
Рисунок 1.2— Щільності розподілу ймовірностей для функцій розподілу, зображених на рис. 1.1.
На рис. 1.2 наведено приклади графіків щільності розподілу ймовірностей, що відповідають функціям розподілу, проілюстрованим на рис. 1.1. Тут особливо зазначимо, що щільність розподілу ймовірностей для дискретної випадкової величини є сукупністю дельта-функцій, площина кожної з яких дорівнює відповідному стрибковому прирощенню функції розподілу ймовірностей.
Скінченновимірні функції розподілу і щільності ймовірності випадкового процесу визначають «тонку структуру» процесу. Більш «грубий» ймовірнісний опис процесу дають числові характеристики (моментні функції), які становлять відповідні статистичні середні значення. Зазначимо, що моменти і функції не характеризують випадковий процес однозначно, бо навіть два різні процеси можуть мати однакові значення одної чи декількох моментних функцій.
Для розв'язання багатьох прикладних задач необхідно знати такі моментні функції:
- середнє значення (математичне сподівання) випадкового процесу (моментну функцію першого порядку)
; (1.15)
- середній квадрат випадкового процесу (моментну функцію другого порядку)
(1.16)
- коваріаційну функцію (змішану моментну функцію другого порядку)
(1.17)
- дисперсію (центральну моменту функцію другого порядку)
(1.18)
- кореляційну функцію (центральну змішану моментну функцію другого порядку)
Поряд з наведеними моментними функціями на практиці широко використовується середнє квадратичне значення процесу, яке є додатним значенням квадратного кореням середнього квадратного випадкового процесу
(1.20)
а також середнє квадратичне відхилення, що є додатним квадратним коренем з дисперсії
(1.21)
Середнє значення визначає розташування центра розсіяння випадкового процесу {xk(t)}, а дисперсія характеризує розсіяння значень {xk(t)}. Середній квадрат дає міру одному і другому. З формули (1.18) знаходимо
(1.22)
Отже, середній квадрат обчислюється за формулою
(1.23)
Дисперсія і середній квадрат збігаються, якщо середнє значення x(t) дорівнює нулю.