- •1. Цель работы
- •Содержание курсовой работы
- •Краткие теоретические сведения
- •Корреляционная функция и спектральная плотность стационарного случайного процесса
- •Статистическая корреляционная функция и ее аппроксимация
- •Определение спектральной плотности случайного процесса по его корреляционной функции
- •Прохождение стационарного случайного сигнала через линейную систему
- •3.5. Расчет системы на минимум дисперсии ошибки
- •3.5.1. Расчет составляющей среднего квадрата ошибки, определяемой полезным сигналом.
- •3.5.2. Расчет составляющей среднего квадрата ошибки, определяемой помехой.
Статистическая корреляционная функция и ее аппроксимация
При экспериментальном исследовании случайного процесса первичным материалом является выборка, представляющая дискретные значения процесса, взятые через постоянные интервалы времени . Пусть весь интервал времени наблюдения процесса равен . Разделим этот интервал на равных частей , тогда . Непрерывное время заменим дискретными значениями , где . Непрерывное время (аргумент корреляционной функции) представим как , где Значения случайного процесса в дискретные моменты времени обозначим , а значения корреляционной функции - через . Дискретные значения корреляционной функции могут быть приближенно определены по формуле
. (7)
Функция называется статистической корреляционной функцией. Она лишь приближенно соответствует действительной корреляционной функции, определяемой формулой (1). В формуле (1) интервал наблюдения , а в реальной выборке всегда конечно. Чем больше , тем меньше погрешность определения .
Вычисления по формуле (7) следует выполнять на ЭВМ. Значения изменять от 0 до 40, . Результаты вычислений вписать в табл. 3.
Т а б л и ц а 3
-
K
0
1
2
3
. . .
. . .
39
40
Rg*(k)
Другой важной характеристикой случайного процесса является его математическое ожидание (среднее значение). Оценка математического ожидания процесса по его выборке определяется по формуле
. (8)
В зависимости от характера случайного процесса его статистическая корреляционная функция может быть приближенно аппроксимирована одним из следующих выражений:
, (9)
, (10) . (11)
Используются и другие выражения.
Рис. 1. а) Статистическая корреляционная функция;
b) ее аппроксимация
с которого, не выходит за пределы (0,3-0,5) .
По виду графика следует выбрать соответствующую аппроксимирующую функцию, а затем определить ее параметры таким образом, чтобы графики и максимально совпадали.
Наиболее качественным методом определения неизвестных значений параметров является метод наименьших квадратов, однако его использование требует сложных вычислений. В данной курсовой работе рекомендуется определить неизвестные параметры аппроксимирующего выражения из условия равенства его ординат кривой в некоторых характерных точках. Такими могут быть, например, ; значения при которых и др.
Рассмотрим пример. Пусть имеет вид, как показано на рис. 1. Для аппроксимации этого графика выберем формулу (10).
Необходимо определить параметры . Очевидно . Пусть первое пересечение графиком оси абсцисс происходит в точке(рис.1). Тогда , откуда следует:
.
Для определения выберем произвольную точку на начальном участке кривой . Пусть координаты точки соответственно равны . Подставим эти координаты в формулу аппроксимирующей функции:
.
Из последнего уравнения следует
.
В тех случаях, когда R0 получить невозможно путем обработки экспериментальных данных, что имеет место, например, при проведении расчетов в пакете MATLAB, можно воспользоваться для определения двумя фиксированными точками статистической корреляционной функции, например, первой и шестой. Подставив в формулу (10) параметры, соответствующие первой и шестой точкам статистической корреляционной функции, получим два уравнения:
(12)
(13)
Разделив первое уравнение на второе, получим: .
Из последнего выражения находим µ: .
Подставив найденное значение µ в (12) определим R0: