Реферат

Реферат Измерение случайных процессов

Работа добавлена на сайт bukvasha.net: 2015-10-28

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 22.11.2024



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);

x
i
(t
j
)
—мгновенное значение процесса Х (t), соответствующее значению (i-й реализации в j-й момент времени. Случайным назы­вают процесс Х (t), мгновенные значения которого x
i
(
t
j
)
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 процессових 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 x
i
(
t
),
i=1, 2, ..., со, то вероятностная характеристика в может быть определена усреднением по совокупности, т.е.

                            N

q  [X (t)]=lim 1/N S g[x
i
(t)],                 (1)

                N® ¥              i
=1

где g
[X
i
(t)]— некоторое преобразование, лежащее в основе оп­ределения вероятностной характеристики q. Так, например, при определении дисперсии g [X
i
(
t
)
]= x
i
  (
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 x
k
(
t
)
и тогда

                                                                                            T

         q [X(t)]= lim 1/T ò g[x
i
(t)]dt.                    (2)

                                                             T ® ¥         0

Например, при определении математического ожидания




   T

 M [X (t)]= lim 1/T ò
x
k
 
(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 экспериментапоопределению 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:
q* [X (t)]= KSdg [X (t)];               (4)
q* [X (t)]=  Sd Kg [X (t)];                         (5)

 

q* [X (t)]=  Sd gK [X (t)];                          (6)
где Sd
оператор усреднения; К—оператор сравнения;

q* [X (t)]—результат измерения характеристики q [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 q; Sd
устройство усреднения (сумматор или ин­тегратор); К— компаратор (сравнивающее устройство), а М—мера, с помощью которой формируется известная величина (q., g., x
.
)
Представленное на рис. 2, а средство измерений реализует следующую процедуру: на вход поступает совокупность реализа­ций {x
i
(
t
)
} (при использовании усреднения по времени — одна реализация x
i
, (t
)
-, на выходе узла g имеем совокупность преоб­разованных реализации {g[x
i
(t)]}; после усреднения получаем величину Sd {g[x
i
(t)]}, которая поступает на компаратор, осуще­ствляющий сравнение с известной величиной qо, в результате чего получаем значение измеряемой вероятностной характеристики q*[X
(
t
)].

Отличие процедуры, реализуемой средством измерений, пред­ставленным на рис. 2, б, заключается в том, что после формиро­вания совокупности {g [x
i
(t)]} она поступает не на усреднитель, а на компаратор, который выполняет сравнение с известной вели­чиной go
;
на выходе компаратора формируется числовой массив {g* [x
i
(
t
i
)
]} и усреднение выполняется в числовой форме. На выхо­де усреднителя Sd имеем результат измерения q* [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
,


Погрешность результата измерения вероятностной характе­ристики случайного процесса

Dq* [X(t)]= q*[X(t)]- q [ X(t)].                         (7)

Для статистических измерений характерно обязательное на­личие составляющей методической погрешности, обусловленной конечностью объема выборочных данных о мгновенных значени­ях реализации случайного процесса, ибо при проведении физиче­ского эксперимента принципиально не может быть использован бесконечный ансамбль реализации или бесконечный временной интервал. Соотношение (7) определяет результирующую по­грешность, включающую в себя как методическую, так и инстру­ментальную составляющие. В дальнейшем будут приводиться соотношения только для определения специфической для стати­стических измерений методической погрешности, обусловленной конечностью числа реализации и временного интервала.


2. ИЗМЕРЕНИЯ МАТЕМАТИЧЕСКОГО ОЖИДАНИЯ ИДИСПЕРСИИ СЛУЧАЙНОГО ПРОЦЕССА

Математическое ожидание и дисперсия случайного процес­са — основные числовые вероятностные характеристики, измере­ние которых играет большую роль в практике научных исследова­ний, управления технологическими процессами и испытаний.

При измерении математического ожидания результатом из­мерения является среднее по времени или по совокупности мгно­венных значений реализации исследуемого случайного процесса. Усреднение по времени применяется на практике существенно чаще, чем усреднение по совокупности, поскольку работать с од­ной реализацией удобнее и проще, чем с совокупностью. На рис. 3 приведена структурная схема устройства, реали­зующего алгоритм                                      

                           t

M* [X (t)]= 1/T ò xk (t) dt.

                                 t-T
На рисунке Д—преобразователь измеряемой величины в электрический сигнал (датчик); НП — нормирующий преобра­зователь, превращающий входной сигнал в стандартный по виду и диапазону значений; И — интегратор; УС — устройство сопря­жения, обеспечивающее согласование выхода интегратора со входами цифрового вольтметра и регистрирующего прибора;

ЦИП — цифровой прибор (например, цифровой вольтметр);

РП—регистрирующий прибор (самопишущий прибор).

Для оценки среднего квадратичeского значения погрешности, обусловленной конечностью объема выборочных данных,

можно пользоваться следующими соотношениями:

                                                         1/2

               s   =[2D[X(t)] t k/T]

                 M°

при усреднении по времени T и
                                                         1/2

               s   =[D[X(t)]/N]

                 M°
при усреднении по совокупности N. Здесь D[X (t)]—дисперсия процесса X
(
t
),
а t k — интервал корреляции. Дисперсия случайного процесса характеризует математиче­ское ожидание квадрата отклонений мгновенных значений реали­зации случайного процесса от математического ожидания. Таким образом,

                                    T                           2

D[X(t)]= lim 1/T ò [x
k
(t)-[X(t)]] dt

              T®¥        0

или

                            N                         2

D[X(t)]= lim 1/N S [xi(t)-[X(t)]] dt

                  N®¥                 i=1

Возможны различные варианты построения устройств для измерения дисперсии случайного процесса — дисперсиометров. На рис. 4 приведена структурная схема средства измерений дисперсии случайного процесса, т. е. работающего согласно вы­ражению

                       t                           t                 2

D* [X(t)]=1/T ò [x
k
(t)- 1/T1 ò x
k
(t)dt] dt


                     t-T                         t-T1

На рисунке НП — нормирующий преобразователь; И1 и И2 — интеграторы; ВУ— вычитающее устройство; КУ— квадратирующее устройство; УС — устройство сопряжения; ЦИП — цифро­вой прибор; РП — регистрирующий прибор.

Средняя квадратическая погрешность из-за конечности объема выборочных данных о мгновенных значениях Х (t) может быть определена с помощью соотношений

                2                 1/2

   s   =[2D[X (t)] t k/T]

           M°
, где D[X
2
(t)]— дисперсия Х (t); T—время усред­нения.

При усреднении по совокупности N реализаций

             2              1/2

 s   =[D[X (t)] /N]        

          D°
3. ИЗМЕРЕНИЕ ФУНКЦИЙ РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТЕЙ

Одномерная интегральная функция распределения вероятно­сти F
(X)
равна вероятности того, что мгновенное значение про­извольной реализации в произвольный момент времени меньше установленного уровня, т. е. X
i
(
t
i
)
£ X
.
Функция F
(X)
определя­ется как предел выборочного среднего:
F (X)= lim Sd [j [x (t) ,X]],

           d®¥       

 

                           1 при x (t) £ X

Где  j[x(t) ,X]=

                           0 при x (t) > X
Поскольку интегральные F (X) и дифференциальные w
(X)
функции распределения вероятности связаны между собой со­отношениями

                                                           X


w (X) =(dF (X))/dX ;  F (X)= ò w (X) dX


                                           -¥

справедливо выражение

w
(X) = lim ((F(X+ DX)-F (X))/ DX)= lim ((Sd [Dj[x(t) ,X]])/ DX)

            DX®0                                                  DX®0   
                           1 при X <
x
(t) £ X+ DX


где Dj [x(t) ,X]=

                           0 при x (t) £ X, x (t) > X+ DX
В качестве примера рассмотрим средство измеренийдляопределения интегральной функции распределения вероятности уровня электрического сигнала. Схема средства измерений, реа­лизующего алгоритм

                   t                           

F
*(
X
)=
1/T ò j [x
k
(t) ,X]dt
,


                 t-T                        
показана на рис. 5, где ПУ — пороговое устройство, формиру­ющее сигнал X

k
(
t
}—X; ФУ—
формирующее устройство; И—интегратор, на выходе которого получается сигнал F* (X) при установленных значениях Х и Т; УС — устройство сопряжения;

ЦИП — цифровой прибор; РП — регистрирующий прибор.

Средняя квадратическая погрешность из-за конечности объема выборки определяется для F {X) с помощью соотношения
                 2             1/2

   s   =[2(F - F ) t k/T]

           F°
     при усреднении по времени и с помощью соотношения

                       2       1/2

   s   =[2(F - F )/N]

           F°

     при усреднении по совокупно­сти. Для    (X) соответствующие соотношения имеют вид:

                   2                  1/2

   s   =[2(w
-
w
 DX) t k/T]

           w°
                   2              1/2

  и s   =[(w - w  DX)/N]

             w°
В приведенных соотношениях F и w — истинные значения измеряемых функ­ций при данном X.
4. ИЗМЕРЕНИЯ КОРРЕЛЯЦИОННОЙ ФУНКЦИИ

Для случайного процесса с нулевымматематическим ожида­нием корреляционная функция равна:

Rx (s, t) = lim Sd[xi (t) xi-s (t- t)],

                    d ®¥

где t и s — соответственно сдвиг во времени и в пространстве реализации перемножаемых мгновенных значений.  

В практических задачах большую роль играют стационарные случайные процессы, т. е. процессы с постоянными вероятностны­ми характеристиками, не зависящими от текущего времени. Сре­ди случайных процессов можно выделить эргодические процессы, для которых

                         
t



Rx (t) = lim 1/T ò x (t) x (t-t)dt,

                T ®¥                0
Большое значение корреляционного анализа в различных областях науки и техники привело к созданию множества измери­тельных приборов для измерений корреляционных функций — коррелометров.

Типовая структура коррелометра, в котором используется усреднение по времени, представлена на рис. 6. При этом реализуется следующий алгоритм:

                     
t



R*x (t) = 1/T ò x
k
(t) x
k
(t-t)dt,

                          
t
-
T


Как видно, после нормирующего преобразователя НП сигнал поступает в устройство временной задержки УЗ и на перемножа­ющее устройство ПУ, осуществляющее перемножение мгновен­ных значений, сдвинутых по времени на интервал т. Далее с по­мощью интегратора И выполняется усреднение, после которого результирующий сигнал через УС подается на цифровой прибор ЦИП или регистрирующий прибор РП.

Средние квадратические погрешности, обусловленные ко­нечностью объема выборочных данных о мгновенных значениях реализации процесса Х (t
),
оцениваются с помощью соотноше­ний:
                                                1/2

   s   ={2D[x
k
(t) x
k
(t-t)] t k/T}

               R°
 при усреднении по времени Т и

                                         1/2

   s   ={D[x
k
(t) x
k
(t-t)]/N}

               R°
при усреднении по совокупности.
5. АНАЛИЗ СПЕКТРА МОЩНОСТИ

Спектр мощности характеризует ее частотное распределение, и он может быть определен в соответствии со следующими форму­лами: 

                                         2

  Sx(w) = lim 1/T |
x
iT
(w) |

                  T ®¥

Где

                   t              -jwt    

XiT (w) = ò xi (t’) e       dt

                 t-T

На рис. 7 изображена схема анализатора спектра мощно­сти случайного процесса Х (t).

С выхода нормирующего преобразователя НП i-я реализация случайного процесса x
i
(
t
)
поступает на блок Ф, выполняющий преобразование Фурье, после чего узлом Кв производится возве­дение в квадрат и нормирование с учетом интервала усреднения Т. С помощью устройства сопряжения УС сформированный сиг­нал поступает на ЦИП и регистратор РП.

В настоящее время отечественной промышленностью серийно выпускаются анализаторы случайных процессов. К ним относят­ся многофункциональный статистический преобразователь Ф790, корреллометр Ф7016, комплекс измерителей характеристик случайных сигналов Х6-4/а, многофункциональные измерители ве­роятностных характеристик Ф36 и Ф37, анализаторы спектра Ф4326, Ф4327, Ф7058 и др. С помощью этих приборов и устройств можно измерять математические ожидания и дисперсии, а также значения функций распределения вероятности, корреляционных и спектральных функций с последующим восстановлением вида самих функций. Перечисленные анализаторы рассчитаны в ос­новном на унифицированный входной сигнал и позволяют изме­рить от 256 до 4096 ординат анализируемой функции. Погреш­ность измерения не превышает ±5 %.

Кроме того, для определения вероятностных характеристик случайных сигналов могут использоваться электроизмеритель­ные приборы, предназначенные для измерения среднего и дей­ствующего значений сигнала. Для определения среднего значе­ния применяют магнитоэлектрические приборы и цифровые ин­тегрирующие приборы. Для определения среднего квадратического отклонения используют приборы, показания которых определяются действующим значением сигнала (термоэлектри­ческие, электростатические и др.).

Корреляционные устройства получили применение в различ­ных областях науки и техники для измерения различных величин. В качестве примера можно указать корреляционное устройство для измерения скорости прокатки. Эти устройства измеряют кор­реляционную функцию, зависящую от т, которая, в свою очередь, зависит от скорости прокатки.














Список литературы :

1.Метрология и электроизмерительные приборы.  Душин М .Е.\М.: Энергоатомиздат,1986.
2.Метрология, стандартизация и измерения в технике связи.  Под ред. Б.П. Хромого

М.: Радио и связь, 1986.
3.Основы метрологии и стандартизации. Голубева В. П. \М .: Вектор, 1996. 



1. Реферат Психологическое исследование особенностей когнитивной сферы детей с задержкой психического разви
2. Реферат Злокачественный отек
3. Реферат Понятие личности в отечественной психологии
4. Контрольная работа на тему Философская система мировоззрения Социальное неравенство и социаль
5. Задача Структура основных производственных фондов предприятия. Показатели эффективности использования о
6. Реферат Определение усилия штамповки в открытых штампах
7. Реферат Естественный прирост населения в России
8. Курсовая Теплоэнергетический расчет производства клинкера
9. Научная работа Геометрические построения на местности с помощью циркуля и короткой градуированной веревки
10. Реферат Веронский манифест