- •Оглавление
- •Введение
- •Априорный анализ динамических систем Прохождение случайного сигнала через линейную систему
- •Эволюция фазового вектора системы
- •Эволюция ковариационной матрицы фазового вектора системы
- •Статистическая линеаризация
- •Первый способ
- •Второй способ
- •Вычисление коэффициентов линеаризации
- •Неоднозначность в нелинейных звеньях
- •Нелинейное звено, охваченное обратной связью
- •Моделирование случайных процессов
- •Формирующий фильтр
- •Моделирование белого шума
- •Оценивание статистических характеристик динамических систем методом Монте-Карло
- •Точность оценок
- •Нестационарные динамические системы
- •Стационарные динамические системы
- •Апостериорный анализ динамических систем
- •Фильтр Калмана Модель движения
- •Использование калмановской фильтрации в нелинейных задачах
- •Метод наименьших квадратов
- •Построение оценок
- •Прогноз
- •Использование метода наименьших квадратов в нелинейных задачах
- •Построение матрицы Коши
- •Моделирование измерений
- •Гауссовские случайные величины
- •Случайные векторы
- •Интеграл вероятностей
- •Полиномы Чебышева
- •Интегрирование обыкновенных дифференциальных уравнений
- •Методы Рунге-Кутты
- •Точность результатов численного интегрирования
- •Вложенный метод Дормана-Принса 5(4) порядка
- •Управление длиной шага интегрирования
- •Плотная выдача
- •Московский авиационный институт (Государственный технический университет) Кафедра «Информационно - управляющие комплексы»
- •Пояснительная записка к Курсовому проекту «Релейный самонастраивающийся контур» по курсу «Основы статистической динамики комплексных информационных систем»
- •Москва 2003
- •Титульный лист
- •Раздел «Оглавление»
- •Раздел «Введение»
- •Раздел «Теория»1
- •Раздел «Алгоритм»2
- •Раздел «Программа»3
- •Раздел «Результаты»4
- •Раздел «Выводы»
- •Раздел «Список использованных источников»
- •Приложения
- •Литература
Гауссовские случайные величины
В настоящем подразделе описаны несколько способов генерации гауссовских случайных величин с заданными математическим ожиданием и дисперсией на основе использования стандартных равномерно распределенных случайных величин .
Первый способ основывается на использовании свойства суммы случайных величин, связанного со стремлением закона ее распределения к гауссовскому:
.
Хорошее совпадение закона распределения случайной величины с гауссовским получается при . Однако, приведенное соотношение существенно упрощается при :
.
Основной недостаток данного способа генерации гауссовской случайной величины связан с тем, что для этой цели используется (12 или более) равномерно распределенных случайных величин. Т.о. производительность метода составляет .
Второй способ связан с использованием … и является наиболее предпочтительным с точки зрения простоты реализации:
,
где – случайная величина, распределенная по закону Рэлея:
.
Для генерации случайной величины используется только две равномерно распределенных случайных величины. Производительность метода т.о. составляет .
Наиболее высокой производительностью обладает третий способ генерации гауссовских случайных величин:
;
,
где нормирующий множитель определяется следующим соотношением:
.
При этом – сумма квадратов двух тех же самых равномерно распределенных случайных величин и :
,
п ри этом гауссовские случайные величины могут быть построены только в случае, если . Именно на этой проверке приведенный алгоритм теряет часть своей производительности. Все возможные сочетания случайных величин и представляют собой квадрат со стороной 2, а сочетания тех же вичин, удовлетворяющих условию проверки – круг с радиусом 1. Т.о. производительность алгоритма равна вероятности попадания случайного вектора в упомянутый выше круг, что составляет .
В случае, если Вы располагаете датчиком случайных гауссовских стандартных чисел в составе какой-либо библиотеки, то моделирование случайных гауссовских величин с произвольными значениями параметров может быть выполнено на основе использования значений следующим образом:
.
Случайные векторы
Проблема, решение которой описано в настоящем подразделе, состоит в моделировании вектора коррелированных между собой гауссовских случайных величин.
Пусть случайный вектор , подлежащий моделированию, формируется на основе преобразования вектора стандартных некоррелированных случайных величин соответствующей размерности следующим образом:
,
где – вектор математического ожидания ; – матрица коэффициентов, подлежащих определению.
Как известно, ковариационная матрица вектора , отвечающего приведенной выше зависимости, может быть определена на основе следующего соотношения:
.
Пусть матрица имеет вид:
.
Тогда, приравнивая левую и правую части уравнения поэлементно, для каждого из, например, нижнего треугольника, получим совокупность уравнений вида:
Разрешая полученные уравнения относительно элементов матрицы , получим окончательные соотношения:
Т.о. для получения вектора коррелированных случайных величин необходимо вычислить элементы матрицы в соответствии с приведенными выше формулами и сгенерировать реализации элементов вектора гауссовских случайных некоррелированных величин , после чего воспользоваться исходным соотношением подраздела.