- •Технология компьютерного моделирования и особенности ее применения к задачам анализа и проектирования измерительных систем (тестирование, анализ погрешности, параметрическая оптимизация)
- •Параметрическая оптимизация решается при проектировании измерительных систем сразу после определения состава необходимых блоков и связей между ними (этап структурной оптимизации).
- •Формализация понятий «модель» и «соответствие моделей»
- •Модельная трактовка задач цос и км.
- •Критерии близости моделей (погрешности соответствия )
- •Составные модели и их совокупная точность (составной оператор и композиция морфизмов).
- •Переход к конечным интервалам независимых переменных (локализация аргументов).
- •Переход к дискретным множествам для представления переменных (дискретизация по времени, квантование по уровню).
- •Реализация времени в компьютерных моделях (методы фиксированного и переменного шага).
- •Компьютерное моделирование с помощью метода статистических испытаний (метод «Монте-Карло»).
- •Вычисление определенного интеграла
- •Генерирование псевдослучайных чисел.
- •Генерирование псевдослучайных процессов.
- •Построение моделей элементов сложных систем (динамическая система)
- •Линейные динамические системы
- •Покадровый формат модели динамической системы
- •Построение моделей элементов сложных систем (конечные автоматы)
- •Построение моделей элементов сложных систем (вероятностные автоматы)
- •Построение моделей элементов сложных систем (системы массового обслуживания)
- •Модель потока заявок
- •Модель каналов обслуживания
- •Способы нахождения оценок глобальной погрешности
- •Метод «полного перебора» или «прямой» метод
- •Метод «наихудшего входного элемента»
- •Метод «статистических испытаний»
Переход к дискретным множествам для представления переменных (дискретизация по времени, квантование по уровню).
Многие измеряемые параметры являются по своей природе непрерывными аналоговыми величинами. При вводе в ЭВМ неизбежно приходится преобразовывать их в последовательность отсчетов, привязанных к конкретным моментам времени. Именно этот процесс мы и будем называть дискретизацией по времени. Почти всегда, кроме известных частных случаев, замена непрерывных сигналов дискретными приводит к необратимым потерям части исходной информации, что косвенно отражается некоторым увеличением совокупной погрешности конечного результата. Вычленение этого "увеличения" в виде отдельной составляющей погрешности, обусловленной дискретизацией, возможно только для простейших способов обработки, либо в виде очень грубых верхних оценок погрешностей при упрощенных методиках их суммирования.
Рис. 1. Схема определения погрешности при замене непрерывной модели дискретной
Общая схема корректного определения погрешности с учетом всех существенных факторов в этом случае показана на Рис. 1. В данном случае отображение множества непрерывных входов (действительных функций действительного аргумента) на множество цифровых входов (цифровых последовательностей) Fx представлено процедурами дискретизации по времени (с параметром Δt) и квантованием по уровню (с параметром Δx). Последовательное выполнение обратного отображения множества цифровых выходов на множество непрерывных выходов Fy и функции выбора Choce( ) представлено процедурой приписывания каждой выходной цифровой последовательности некоторой непрерывной функции в множестве непрерывных выходов.
В зависимости от того, какая априорная информация о входном сигнале известна и принимается к сведению, какая метрика (функция расстояния в пространстве выходных сигналов) используется для оценки погрешности, а также в каких терминах осуществляется описание постановки и решения задачи обработки сигналов (или моделирования), можно выделить три основных направления или подхода, в рамках которых традиционно рассматривается вопрос о погрешности временной дискретизации:
– использование динамических свойств сигналов (модель сигнала с ограниченными производными, подмножество входных сигналов ограничено предельными значениями производных Mn, аппроксимация решения степенными полиномами, максимальная оценка погрешности);
– использование частотных свойств сигналов (модель сигнала с финитным спектром, подмножество входных сигналов ограничено сигналами с шириной спектра ΔF, описание обработки в терминах фильтрации и линейных динамических систем, энергетическая оценка погрешности);
– использование статистических свойств сигналов (модель сигнала в виде стационарного случайного процесса с известной автокорреляционной функцией, подмножество входных сигналов ограничено интервалом корреляции Δτ, статистическая аппроксимация временных рядов, среднеквадратическая оценка погрешности).
Все три направления имеют глубинные взаимосвязи друг с другом, однако полностью друг к другу не сводятся. Важно только помнить, что каждый подход задает свою систему понятий и следует четко понимать границы их применимости.