Рефераты. Измерение случайных процессов

Измерение случайных процессов

Реферат на тему : Измерение случайных процессов.

Содержание

1. Общие сведения об измерениях. . . . . . . . . . . . . . . . . . . стр

3.

2. Измерения математического ожидания и дисперсии случайного процесса. .

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . стр 9.

3. Измерение функций распределения вероятности. . . . стр 11.

4. Измерения корреляционной функции. . . . . . . . . . . . . . стр 13.

5. Анализ спектра мощности. . . . . . . . . . . . . . . . . . . . . . .

стр 14.

6. Приложения . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . стр 16.

7. Список литературы. . . . . . . . . . . . . . . . . . . . . . . . . . .

. . стр 17.

ИЗМЕРЕНИЯ ВЕРОЯТНОСТНЫХ ХАРАКТЕРИСТИК СЛУЧАЙНЫХ ПРОЦЕССОВ

1. ОБЩИЕ СВЕДЕНИЯ

Измерения вероятностных характеристик случайных процессов

(статистические измерения) составляют один из наиболее быстро развивающихся

разделов измерительной техники. В настоящее время область распространения

статистических методов исследования и обработки сигналов измерительной

информации практически безгранична. Связь, навигация, управление,

диагностика (техническая, медицинская), исследование среды и многие другие

области немыслимы без знания и использования свойств сигналов и помех,

описываемых их вероятностными характеристиками.

Потребность в изучении свойств случайных процессов привела к развитию

соответствующих методов и средств (преимущественно электрических).

Появление анализаторов функций распределения вероятностей, коррелометров,

измерителей математического ожидания, дисперсиометров и других видов

измерителей вероятностных характеристик открыло новые возможности в области

создания современной информационной и управляющей техники.

Рассмотрим необходимые исходные определения и общие сведения о

статистических измерениях.

В теории статистических измерений используют следующие понятия и их

аналоги, заимствованные из теории случайных функций (аналоги из

математической статистики): реализация случайного процесса (выборочная

функция), мгновенное значение (выборочное значение), совокупность

мгновенных значений (выборка), вероятностная характеристика (предел

выборочного среднего).

Введем следующие обозначения: Х (t) — случайный процесс;

i-порядковый номер реализации случайного процесса Х (t);

xi(tj) —мгновенное значение процесса Х (t), соответствующее значению (i-

й реализации в j-й момент времени. Случайным называют процесс Х (t),

мгновенные значения которого xi (tj) суть случайные величины.

На рис.1 представлена в качестве примера совокупность реализации

случайного процесса, воспроизводящих зависимости некоторого параметра Х от

времени t.

В теории случайных процессов их полное описание производится с помощью

систем вероятностных характеристик: многомерных функций распределения

вероятности, моментных функций, характеристических функций и т. п. В теории

статистических измерений исследуемый случайный процесс представляется

своими реализациями, причем полное представление осуществляется с помощью

так называемого ансамбля, т. е. бесконечной совокупностью реализаций.

Ансамбль — математическая абстракция, модель рассматриваемого процесса, но

конкретные реализации, используемые в измерительном эксперименте,

представляют собой физические объекты или явления и входят в ансамбль как

его неотъемлемая часть.

Если случайный процесс представлен ансамблем реализации xi (t), i=1, 2,

..., со, то вероятностная характеристика в может быть определена

усреднением по совокупности, т.е.

N

? [X (t)]=lim 1/N ? g[xi(t)], (1)

N> ? i =1

где g [Xi (t)]— некоторое преобразование, лежащее в основе определения

вероятностной характеристики ?. Так, например, при определении дисперсии g

[Xi (t)]= xi (t). При этом полагаем, что процесс характеризуется нулевым

математическим ожиданием.

Вместо усреднения по совокупности может быть использовано усреднение по

времени с использованием k-й реализации xk (t) и тогда

T

? [X(t)]= lim 1/T ? g[xi(t)]dt. (2)

T > ?

0

Например, при определении математического ожидания

T

M [X (t)]= lim 1/T ? xk (t) dt. (3)

T> ? 0

В общем случае результаты усреднения по совокупности (1) и по времени

(2) неодинаковы. Предел выборочного среднего по совокупности (1)

представляет собой вероятностную характеристику, выражающую зависимость

вероятностных свойств процесса от текущего времени. Предел выборочного

среднего по времени (2) представляет собой вероятностную характеристику,

выражающую зависимость вероятностных свойств процесса от номера реализации.

Наличие и отсутствие зависимости вероятностных характеристик от времени

или от номера реализации определяет такие фундаментальные свойства

процесса, как стационарность и эргодичность. Стационарным, называется

процесс, вероятностные характеристики которого не зависят от времени;

соответственно эргодическим называется процесс, вероятностные

характеристики которого не зависят от номера реализации.

Следовательно, стационарный неэргодический случайный процесс — это

такой процесс, у которого эквивалентны временные сечения (вероятностные

характеристики не зависят от текущего времени), но не эквивалентны

реализации (вероятностные характеристики зависят от номера реализации).

Нестационарный эргодический процесс — это процесс, у которого эквивалентны

реализации (вероятностные характеристики не зависят от номера реализации),

но не эквивалентны временные сечения (вероятностные характеристики зависят

от текущего времени). Классифицируя случайные процессы на основе этих

признаков (стационарность и эргодичность), получаем следующие четыре класса

процессов: стационарные эргодические, стационарные неэргодические,

нестационарные эргодические, нестационарные неэргодические.

Учет и использование описанных свойств случайных процессов играет

большую роль при планировании эксперимента по определению их вероятностных

характеристик.

Поскольку измерение представляет собой процедуру нахождения величины

опытным путем с помощью специальных технических средств, реализующих

алгоритм, включающий в себя операцию сравнения с известной величиной, в

статических измерениях должна применяться мера, воспроизводящая известную

величину.

Типовые алгоритмы измерений вероятностных характеристик случайных

процессов, различающиеся способом применения меры в процессе измерений,

представляются в следующем виде:

?* [X (t)]= KSdg [X (t)]; (4)

?* [X (t)]= Sd Kg [X (t)]; (5)

?* [X (t)]= Sd gK [X (t)]; (6)

где Sd—оператор усреднения; К—оператор сравнения;

?* [X (t)]—результат измерения характеристики ? [X (t)].

Данные алгоритмы различаются порядком выполнения операций. Операция

сравнения с образцовой мерой (К) может быть заключительной [см. (4)],

выполняться после реализации оператора g, но до усреднения [см. (5)] и,

наконец, быть начальной [см. (6)]. Соответствующие обобщенные структурные

схемы средств измерений значений вероятностных характеристик представлены

на рис. 2.

На этих рисунках для обозначения блоков, реализующих операторы,

входящие в выражения (4) — (6), используются те же обозначения. Так, g —

устройство, выполняющее преобразование, лежащее в основе определения

вероятностной характеристики ?; Sd — устройство усреднения (сумматор или

интегратор); К— компаратор (сравнивающее устройство), а М—мера, с помощью

которой формируется известная величина (?., g., x.)

Представленное на рис. 2, а средство измерений реализует следующую

процедуру: на вход поступает совокупность реализаций {xi (t)} (при

использовании усреднения по времени — одна реализация xi, (t)-, на выходе

узла g имеем совокупность преобразованных реализации {g[xi (t)]}; после

усреднения получаем величину Sd {g[xi (t)]}, которая поступает на

компаратор, осуществляющий сравнение с известной величиной ?о, в результате

чего получаем значение измеряемой вероятностной характеристики ?*[X(t)].

Отличие процедуры, реализуемой средством измерений, представленным на

рис. 2, б, заключается в том, что после формирования совокупности {g [xi

(t)]} она поступает не на усреднитель, а на компаратор, который выполняет

сравнение с известной величиной go; на выходе компаратора формируется

числовой массив {g* [xi (ti)]} и усреднение выполняется в числовой форме.

На выходе усреднителя Sd имеем результат измерения ?* [X (t)].

Средство измерений (рис. 2, в) основано на формировании массива

числовых эквивалентов мгновенных значений реализации случайного процесса Х

(t), после чего преобразование g и усреднение выполняются в числовой форме.

Это устройство эквивалентно последовательному соединению аналого-цифрового

преобразователя (АЦП) и вычислительного устройства (процессора). На выходе

АЦП формируется массив мгновенных значений, а процессор по определенной

программе обеспечивает реализацию операторов g и Sd,

Страницы: 1, 2



2012 © Все права защищены
При использовании материалов активная ссылка на источник обязательна.