Академический Документы
Профессиональный Документы
Культура Документы
Ю. П. Иванов, Б. Л. Бирюков
ИНФОРМАЦИОННО-СТАТИСТИЧЕСКАЯ
ТЕОРИЯ ИЗМЕРЕНИЙ
Модели сигналов и
анализ точности систем
Учебное пособие
Санкт-Петербург
2008
УДК 519.216
ББК 22.172
И20
Рецензенты:
кафедра процессов управления Балтийского государственного
технического университета; доктор технических наук,
профессор С. Н. Шаров
Утверждено
редакционно-издательским советом университета
в качестве учебного пособия
УДК 519.216
ББК 22.172
Предисловие................................................................... 5
Глава 1. Общая характеристика информационно-измеритель-
ных систем...................................................................... 7
1.1. Основные понятия и назначение информационно-изме-
рительных систем летательных аппаратов................ 7
1.2. Классификация информационно-измерительных
систем летательных аппаратов................................ 11
1.3. Основные свойства и качество информационно-изме-
рительных систем.................................................. 18
Глава 2. Модели сигналов.................................................. 25
2.1. Основные понятия................................................. 25
2.2. Характеристики и параметры сигналов..................... 27
2.3. Классификация сигналов и помех............................ 31
2.4. Описание типовых сигналов.................................... 37
2.4.1. Простейшие сингулярные детерминированные
функции..................................................... 37
2.4.2. Прямоугольный симметричный импульс
с единичной высотой .................................... 43
2.4.3. Модулированные сигналы............................. 45
2.4.4. Квазидетерминированные сигналы................. 48
2.4.5. Дискретизированные сигналы........................ 48
2.5. Пространство сигналов........................................... 53
2.5.1. Пространство детерминированных сигналов..... 53
2.5.2. Пространство случайных сигналов.................. 59
2.6. Дискретные представления сигналов
при помощи рядов................................................. 62
2.6.1. Конечномерные представления реализаций
сигналов..................................................... 62
2.6.2. Представление случайных сигналов
при помощи обобщённых рядов Фурье............ 66
2.6.3. Представление случайных сигналов
при помощи ряда Карунена–Лоэва................. 73
2.6.4. Представление случайных сигналов при помо-
щи канонических разложений Пугачёва......... 77
2.6.5. Сравнительная характеристика представлений
случайных сигналов при помощи рядов........... 80
2.7. Спектральное представление случайных сигналов...... 81
2.7.1. Частотное разложение стационарного случай-
ного процесса на конечном интервале времени 81
2.7.2. Частотное представление стационарного случайного
процесса на бесконечном интервале
времени.Спектральная плотность
стационарного случайного процесса................ 82
2.7.3. Белый шум.................................................. 85
2.7.4. Понятие формирующего фильтра.................... 86
2.8. Интегральные представления сигналов..................... 88
2.8.1. Общие основы интегральных преобразований... 88
2.8.2. Преобразование Гильберта............................. 91
2.8.3. Преобразование Фурье.................................. 95
2.9. Представление сигналов в пространстве состояний..... 98
2.9.1. Построение модели сигнала в пространстве
состояний................................................... 98
2.9.2. Представление случайных процессов
в пространстве состояний ............................. 105
2.10. Представление дискретных во времени сигналов...... 107
2.10.1. Представление сигнала с ограниченной частот-
ной полосой в виде ряда В. А. Котельникова.... 107
2.10.2. Дискретное преобразование Фурье................ 111
2.10.3. Дискретное преобразование Лапласа и
z-преобразование......................................... 115
2.10.4. Особенности дискретизации случайных
сигналов..................................................... 117
Глава 3. Статистический анализ и оценка точности
линейных систем............................................................. 120
3.1. Постановка задачи................................................. 120
3.2. Модели линейных систем........................................ 121
3.3. Общие правила преобразования случайныхсигналов
линейными системами........................................... 127
3.4. Статистические характеристики выходных сигналов
элементарных звеньев............................................ 132
3.5. Статистические характеристики выходного сигнала
системы во временном представлении....................... 136
3.6. Статистические характеристики стационарных
выходных случайных сигналов в частотном
представлении...................................................... 142
3.7. Преобразование случайных сигналов системами
в пространстве состояний.............................................. 153
Заключение.................................................................... 158
Библиографический список .............................................. 159
Предисловие
В учебном пособии рассматриваются вопросы, необходимые для
изучения будущими бакалаврами, инженерами и магистрами дис-
циплины «Информационно-статистистическая теория измерений»
(ИСТИ) и входящие в программу, составленную в соответствии с
государственным образовательным стандартом высшего професси-
онального образования для специальности 190300 «Авиационные
приборы и измерительно-вычислительные комплексы» и направле-
ния 551500 «Приборостроение». Содержание вопросов и форма их
изложения сформировалась на основе материалов лекций, которые
на протяжении ряда лет читались студентам Санкт-Петербурского
государственного университета аэрокосмического приборострое-
ния.
Учебное пособие состоит из двух частей. Первая часть, которая
рассматривается в данной книге, имеет три главы.
В первой главе раскрывается содержание понятия ИИС, указы-
вается место ИИС в приборном оборудовании летательного аппара-
та, определяются её основные задачи, приводится классификация
ИИС летательного аппарата по их назначению, используемой мате-
матической модели, типу применяемых сигналов. Даётся определе-
ние качества ИИС, основных её свойств и показателей их оценок,
таких как эффективность, точность, надёжность, инвариантность,
динамические характеристики, помехозащищённость, адаптив-
ность, робастность и других.
Во второй главе приводятся основные математические модели
сигналов, помех измерения и результатов измерения датчиками
ИИС, используемыми в приборном оборудовании летательного аппа-
рата. Изложение материала в пособии ведётся от общего к частному
и базируется на представлении сигналов в евклидовом и гильберто-
вом пространствах. Модели сигналов рассматриваются в частотно-
временном аспекте с раскрытием их изоморфизма. Общей моделью,
наиболее адекватной реальным физическим процессам, воздейс-
твующим на датчики информации, является случайный процесс. В
пособии рассматриваются модели сигналов в виде частичных сумм
обобщённых рядов Фурье, Карунена–Лоэва, канонических рядов
Пугачёва, рядов Котельникова, позволяющих упростить модели
сигналов и решить ряд новых задач синтеза ИИС на основе исполь-
зования интервального представления случайных процессов. При
изучении реализаций случайных процессов рассматриваются раз-
личные детерминированные функции времени, в том числе гармо-
нические и сингулярные функции. В качестве моделей помех могут
быть использованы многие модели сигналов, представленные в по-
собии, а также белый гауссовский шум.
В третьей главе рассматриваются методы оценки качества ли-
нейных ИИС и описания выходных сигналов при использовании
первых двух моментов случайных процессов как во временной, так
и в частотной областях. При этом рассматриваются как стационар-
ные, так и нестационарные ИИС при воздействии нестационарных
и стационарных случайных входных процессов. В этом же разделе
рассматриваются методы анализа преобразований сигналов в про-
странстве состояний.
Вторая часть пособия посвящена рассмотрению методологии
синтеза ИИС оценки и классификации сигналов
Изложение материала базируется на использовании теории ве-
роятности и случайных процессов, в частности марковских, про-
странства состояний сигналов и систем, элементов функционально-
го анализа, доступных для студентов технических вузов.
Ю.П.Ивановым написаны предисловие, главы 1 и 2, за исключе-
нием пп. 2.8.3, 2.10.2, 2.10.4, а также п. 3.2; Б.Л.Бирюковым подго-
товлена глава 3, а также написаны пп. 2.8.3, 2.10.2, 2.10.4 и заклю-
чение.
Глава 1. Общая характеристика
информационно-измерительных систем
H(d×1)(t)
Xпр (k×1)(t)
B B δв
РВ
δн
ЛА РН
δэ
Э
H2 (ν×1)(t)
B B
Xˆ ( g × )(t)
HH
1 1(l(lЧ1)(t
×1)(t) U(p×1)(t) ИОСУТД
B B
B B
ИИСиИП СУТД
X2 (f×1)(t)
B B
ЛА совершает движение в пространстве в некоторой системе коор-
динат OXYZ, связанной с Землёй, по заранее известной или вычисля-
емой в зависимости от полётной ситуации или задач ЛА траектории
в возмущенной среде. Среда характеризуется такими параметрами,
как давление, плотность, температура, влажность и т. д. Процессы,
протекающие в среде, носят случайный характер и могут быть мате-
матически описаны случайными величинами или процессами.
В условии случайных возмущений среды устойчивое относитель-
но заданной (или программной) траектории полёта Xпр(t) движение
ЛА возможно только при наличии управления аэродинамически-
ми силами, действующими на рулевые поверхности рулей РВ, РН,
элероны и т. д. Управляющие сигналы U(t) вырабатываются систе-
мой управления траекторным движением. Управляющие сигналы
поступают на исполнительные органы СУТД только при наличии
информации о положении осей симметрии и параметрах движения
ЛА, а также их производных.
Эта информация может быть получена с помощью измеритель-
ных приборов и информационно-измерительных систем, входящих
в состав бортового оборудования ЛА. Применительно к контуру
СУТД информационно-измерительные системы измеряют вектор-
функцию X(q×1)(t) размерности (q×1), характеризующую реальную
траекторию движения ЛА и производные её ухода от программной
траектории движения, преобразуя их в выходные сигналы ИИС
Xˆ ( g × )(t) . СУТД вырабатывает в соответствии с некоторыми за-
конами сигналы управления U(p×1)(t), поступающие на исполни-
тельные органы системы управления траекторным движением
(ИОСУТД). Исполнительные органы системы управления траектор-
ным движением управляют поверхностями РВ, РН, Э, отклоняя их
соответственно на углы δв, δн и δэ и обеспечивая в каком-то смысле
близость компонент векторов Xпр(k×1)(t) и X(q×1)(t). Таким образом
обеспечивается устойчивое движение ЛА относительно програм-
мной Xпр(t) траектории движения.
Рассмотренную задачу общего траекторного движения ЛА обыч-
но разделяют на две задачи:
– определение положения центра масс ЛА в некоторой системе
координат (СК) 0XYZ, связанной с Землёй или другой планетой, в
любой момент времени – задача навигации;
– определение положения осей симметрии ЛА, скоростей и ус-
корений их изменения во времени и стабилизация их относительно
программной траектории движения – задача пилотирования ЛА.
На рис. 1.1 векторы возмущающих воздействий H(t), действую-
щие на ЛА и различные элементы бортового оборудования, имеют
различную размерность (d, l, ν, υ) и, возможно, различные по мощ-
ности и физической природе компоненты, так как бортовое обору-
дование может находиться внутри фюзеляжа как в герметических,
так и негерметических отсеках и на различных расстояниях от ис-
точников помех.
Полёт ЛА невозможен без двигателей (силовых установок – СУ),
создающих тягу и подъёмную силу, обеспечивающие возможность
движения ЛА над поверхностью Земли. Работа двигателей требует
наличие запаса топлива на борту ЛА. Поэтому возникают задачи
контроля состояния и управления работой СУ, а следовательно, и
задачи измерения параметров режимов работы двигателей, запаса
и расхода топлива.
Полёт ЛА, связанный с наличием на борту ЛА экипажа или пас-
сажиров, требует реализации условий жизнеобеспечения на борту
ЛА, поскольку с подъёмом на высоту атмосферные условия значи-
тельно меняются (давление и температура падают по сравнению с
их значениями на Земле, плотность воздуха и его состав также ме-
няются с высотой) по сравнению с условиями на Земле. В связи с
этим возникает задача управления условиями жизнеобеспечения в
зоне места работы экипажа и нахождения пассажиров, а следова-
тельно, и в необходимости измерения совокупности физических ве-
личин, характеризующих условия жизнеобеспечения в зоне места
работы экипажа и нахождения пассажиров.
ЛА может иметь и специальные задачи – фотографирование зем-
ной поверхности, распыление удобрений и другие задачи, требую-
щие специальных измерений.
Перечисленные задачи значительно шире рассмотренной зада-
чи траекторного движения и учтены на рис. 1.1 наличием векторов
X1(r×1)(t), X2(f×1)(t), Xˆ (ω× )(t) , размерностей r×1, f×1 и ω×1 соот-
ветственно, а также обобщённой системы управления (ОСУ). В со-
став обобщённой системы управления входит СУТД и дополнитель-
ная система управления, вырабатывающая сигналы U1(s×1)(t), опре-
деляемые параметрами процессов, не связанными непосредственно
с задачей управления траекторным движением.
Если выделить средства измерения как объекты проектирова-
ния из общего состава борто-
вого оборудования (рис. 1.2), H(l×1)(t)
то можно сформулировать X(m×1)(t) Xˆ (n × )(t)
постановку задачи проек- ИИСиИП
тирования бортовых изме-
рительных средств как раз- Рис. 1.2. Информационно-измеритель-
работку алгоритмов работы ная система ЛА
и конструкции информационно-измерительных систем (ИИС) при
известных свойствах, формах представления и диапазонах измене-
ния компонент векторов сигналов X(m×1)(t), возмущений H(l×1)(t) и
векторов показаний Xˆ (n × )(t) ИИС. Таким образом, на ИИС и ИП
воздействует вектор полезных сигналов X(t) размерности m×1, где
m = q+r+f, на выходе которых наблюдается вектор сигналов Xˆ (t)
размерности n×1, где n = g+ω.
При этом требуется обеспечить определённую техническими
условиями степень близости свойств компонент Xˆ i (t) к соответс-
твующим свойствам компонент Xi(t), i = 1, 2, …, m, отражающую
степень адекватности отображения измеряемых физических вели-
чин или процессов в соответствующие им сигналы ИИС или пока-
зания ИП. При этом в качестве моделей сигналов Xi(t), оценок Xˆ i (t)
i = 1, 2, …, m и помех Hj(t), j = 1, 2, …, n используются случайные
процессы и случайные величины. При проектировании одного при-
бора, одной измерительной системы m = 1, n = 1, l = 1.
Бортовое измерительное оборудование образуется как совокуп-
ность приборов и ИИС, обеспечивающих получение и обработку изме-
рительной информации обо всех процессах и их параметрах, которые
в совокупности обеспечивают возможность выполнения всех задач ле-
тательным аппаратом, включая безаварийные взлёт и посадку.
В измерительной технике под средством измерения понимают
всякое техническое средство, используемое в измерениях и име-
ющее нормируемые метрологические характеристики. Таким об-
разом, метрологические свойства средств измерения, в том числе
и бортовых средств измерения, нормированы, т. е. удовлетворяют
нормам, ограничениям, установленным соответствующей техни-
ческой документацией.
Под прибором понимают средство измерения, предназначенное
для выработки сигнала измерительной информации в форме, удоб-
ной для непосредственного восприятия наблюдателем. Бортовые
приборы ЛА имеют в своём составе отсчётные устройства (шкала
и стрелка, шкала и уровень, цифровой счётчик и др.), по которым
оператор (член экипажа) может снять отсчёт измеряемой физичес-
кой величины.
Под ИИС понимают совокупность средств измерения и вспомога-
тельных устройств, связанных между собой каналами связи, еди-
ным алгоритмом работы и обеспечивающих получение, передачу, и
обработку измерительной информации для использования в систе-
мах управления и представление ее в форме, удобной оператору.
Таким образом ИИС в отличие от ИП ЛА производят обработку
и выдают измерительную информацию в форме сигналов, исполь-
10
зуемых в автоматических системах управления и других устройс-
твах (например, бортовой ЦВМ) и, кроме того, как правило, имеют
выводы и на индикационную панель оператора. Обработка измеря-
емой информации ИИС включает в себя различные преобразования
(нормализация, квантование, дискретизация, классификация) сиг-
налов с целью согласования работы отдельных узлов системы и вы-
деление сигналов на фоне шумов (фильтрация и оценивание).
Значительный объём бортового оборудования, устанавливаемого
на борту ЛА, огромное число схемных элементов в нём остро ставят
проблему его надёжности. Недостоверность измерительной инфор-
мации, связанная с наличием погрешности или наличием отказов
в оборудовании, может привести к использованию нагружённых
сверх нормативных уровней режимов работы бортового оборудо-
вания, в том числе и силовых установок, увеличивая вероятность
отказов бортового оборудования и снижая качество решения задач
бортовым оборудованием и летательным аппаратом в целом. Поэто-
му главными являются задачи повышения надёжности бортового
оборудования и исключение возможности попадания недостоверной
измерительной информации в какие-либо каналы ОСУ ЛА.
Следовательно, возникают задачи контроля состояния бортового
оборудования и планёра, в том числе контроля критических (ава-
рийных с точки зрения возможности устойчивого полёта) пилотаж-
но-навигационных параметров и управление структурой бортового
оборудования с целью исключения поступления недостоверной из-
мерительной информации в каналы контуров ОСУ ЛА.
11
– системы жизнеобеспечения и жизнедеятельности экипажа и
пассажиров;
– системы контроля критических (аварийных) значений пило-
тажно-навигационных параметров;
– системы измерения и записи (хранения) параметров процесса
полёта;
–системы измерения и контроля параметров бортового оборудо-
вания ЛА.
Современные бортовые ИИС отличаются от ИИС, используемых
для других целей, тем, что для улучшения характеристик, таких
как точность получаемых оценок, достоверность принимаемых
решений, надёжность навигационных приборов, помехозащищён-
ность информационно-измерительных систем строятся как комп-
лексные системы. В этом случае используется несколько разных по
физическому принципу работы измерителей одного и того же пара-
метра и оптимально-инвариантный алгоритм обработки информа-
ции. Например, курсовые системы (КС) имеют в своём составе ги-
роскопические, магнитные, спутниковые, астрономические и дру-
гие измерители курса, наблюдаемые сигналы которых могут быть
использованы для повышения точности оценок курса ЛА.
При классификации по назначению выделена группа ИИС оп-
ределения физических величин (параметров траектории полёта),
необходимых как для решения задачи пилотирования, так и нави-
гации – истинная воздушная скорость V, путевая скорость W, число
Маха M, вектор линейного ускорения A, угловые характеристики в
навигационной 0XYZ и пилотажной 0XсYсZс (связанной с летатель-
ным аппаратом) системах координат. В том числе угол атаки α (угол
между проекцией вектора истинной воздушной скорости Vв полёта
на вертикальную плоскость и строительной осью ЛА) и угол сколь-
жения β (угол между проекцией Vг вектора V на горизонтальную
плоскость и продольной осью ЛА). К этому классу относятся ИИС
пилотажно-навигационных параметров.
Кроме того, выделена система измерения запаса топлива и управ-
ления центром масс ЛА, поскольку запас топлива является важным
параметром, характеризующим возможную длительность полёта.
Система измерения и контроля аварийных значений пилотаж-
но-навигационных параметров помимо получения измерительной
информации предполагает использование операции контроля. В
этих системах осуществляется сравнение текущей измерительной
информации с критическими значениями параметров и выработка
соответствующего сигнала (больше, меньше, в допуске), а также
осуществляется поиск причины возникшей полётной ситуации (от-
12
каз того или иного оборудования ЛА, наличие каких-либо непред-
виденных влияний окружающей среды и др.). Задачей таких систем
может быть анализ полётной ситуации и определение путей выхода
из сложившейся критической ситуации и выработка рекомендаций
пилоту или сигналов управления, обеспечивающих устойчивое
движение ЛА относительно заданной траектории с требуемым ка-
чеством и с высокой вероятностью. Подобная система в целом явля-
ется не только измерительной и управляющей, но и анализатором
ситуации и определения возможных путей выхода из критической
ситуации и должна опираться на принципы структурной и парамет-
рической адаптации к возникшей ситуации и на идеологию теории
сатистических решений. Если система обладает такими свойствами
на всей траектории полёта, то она может быть названа автоматом
безопасности полёта ЛА.
Средства измерения и записи (хранения) параметров процесса
полёта предназначены для сохранения и записи реализаций па-
раметров процесса полёта при авариях ЛА с целью последующего
анализа причин аварии и конструктивной доработки бортового обо-
рудования, обеспечивающего безаварийность полётов с требуемой
вероятностью.
В составе бортового оборудования имеются также автоматизи-
рованные средства контроля (АСК) состояний бортового оборудова-
ния. Распределённые по отдельным видам бортового оборудования
встроенные АСК обычно решают задачу контроля работоспособнос-
ти, т. е. соответствия показателей качества или параметров состо-
яния проверяемого объекта установленных технической докумен-
тацией пределам работоспособного или неработоспособного состо-
яния объекта контроля. При этом обычно используется двухаль-
тернативный контроль, когда экипажу выдаются сигналы «годен»
или «негоден». Эти сигналы могут обобщаться по отдельным видам
бортового оборудования.
2. По принципу действия (или роду физических величин), ис-
пользуемых в процессе преобразования измеряемых физических
процессов в выходную информацию различают:
– механические системы;
– электромеханические системы;
– оптические системы;
– радиотехнические системы;
– электронные системы;
– тепловые системы.
Гироскопическими системами называются электромеханичес-
кие системы, в которых используются свойства гироскопа.
13
На практике часто применяются смешанные ИИС, использую-
щие различные виды физических процессов (оптикомеханические,
электрооптикомеханические, радиооптические и т.д.).
3. По характеру представления сигналов в процессе выработки
выходной измерительной информации можно выделить:
– аналоговые системы;
– импульсные системы;
– цифровые системы;
Также используют следующие смешанные системы:
– аналогоимпульсные;
– аналого-цифровые;
– импульсно-цифровые.
В аналоговых ИИС (в том числе при измерении физических про-
цессов в форме редко появляющихся импульсов, например ударных
ускорений при посадке ЛА) сигналы на всех этапах преобразования
измеряемых физических процессов в выходные сигналы являются
непрерывными функциями времени.
В импульсных ИИС основные этапы преобразования измери-
тельной информации в выходной сигнал осуществляются с помо-
щью сигналов, дискретизированных по времени, – импульсов, по-
являющихся во времени по определённому закону (через равные
промежутки времени при равномерной дискретизации), у которых
информация об измеряемом физическом процессе заложена в одном
или нескольких параметрах – амплитуде импульса, длительности
импульса или частоте появления.
В цифровых ИИС помимо дискретизации сигналов по времени
(обычно используется равномерная дискретизация) осуществляется
и дискретизация по уровню. При этом область возможных значений
разбивается обычно равномерно на некоторое количество квантов
∆, а значению отчёта уровня сигнала X(t) в некоторый производный
момент времени ti, i = 1, 2, …, ставится и в соответствие наибольшее
число квантов такое, что разность между уровнем сигнала X(ti) и
его отсчётом (квантованным по уровню сигналом) X(ti)–X∆(ti) мини-
мальна. Отсчитанный уровень сигнала X∆(ti) представляется в циф-
ровом виде с помощью кода (двоичного, восьмеричного, двоично-де-
сятичного и т.п.).
4. По характеру передачи измерительной информации ИИС мож-
но классифицировать в зависимости от наличия или отсутствия дис-
танционной передачи измерительной информации от измеритель-
ного преобразователя, непосредственно воспринимающего измеря-
емый физический процесс, к преобразователю, обеспечивающему
выдачу сигнала ИИС или отсчёт показаний индикатора. Для ИИС
14
и приборов, даже простейших, характерно наличие дистанционной
передачи (проводной или осуществляемой с помощью специальных
электромеханических устройств) в составе конструкции, посколь-
ку первичный измерительный датчик устанавливается в месте из-
мерения физического процесса, а индикатор – на приборной доске
одного или нескольких членов экипажа. При этом некоторые ИИС,
например, связанные с измерением параметров среды в кабине ЛА,
которые устанавливаются в зоне оперативной деятельности экипа-
жа, могут и не иметь дистанционной передачи.
Таким образом, по указанному признаку ИИС подразделяются
на дистанционные и недистанционные.
5. По виду математической модели ИИС можно классифици-
ровать с точки зрения используемого математического оператора.
Математическое выражение закона, в соответствии с которым по
заданной реализации y(t) входного сигнала определяется реализа-
ция выходного сигнала xˆ (t), называют [4, 6] оператором системы
Aτt { }
n n
Aτt ∑ cν ⋅ zν (τ) = ∑ cν ⋅ Aτt {zν (τ)}, (1.2.2)
ν= ν=
16
g (t, τ) = Aτt {δ(t − τ)}; (1.2.6))
∞, t = 0 ,
δ(t) =
0, t ≠ 0 .
18
5) помехозащищенность;
6) робастность;
7) инвариантность;
8) адаптивность.
Для количественной оценки качества ИИС вводят показатели ка-
чества и свойств ИИС. Показатель качества – это число, характеризу-
ющее в принятой системе единиц свойство систем. Вычисление пока-
зателя качества позволяет произвести сравнение различных ИИС и оп-
ределить, какая система является лучшей по сравнению с другими.
Система, для которой показатель качества принимает экстре-
мальное значение, называется оптимальной. Оптимальная систе-
ма – это наилучшая система в смысле данного показателя качества
из всех возможных систем данного класса. Определение оптималь-
ных систем составляет задачу синтеза ИИС.
При анализе определяются показатели качества известной сис-
темы, а при оптимальном синтезе определяются сами ИИС, обеспе-
чивающие наилучшие значения показателей качества.
1. Эффективность.
Эффективность ИИС – есть мера целесообразности её примене-
ния.
В качестве показателя качества эффективности можно использо-
вать относительную величину затрат:
C
Э =− ,
C
где С – стоимость затрат на создание ИИС ЛА, обеспечивающей за-
данную точность измерения и оценки полезного сигнала или досто-
верность принимаемых решений; С1 – допустимые затраты, предо-
ставленные на создание ИИС ЛА с требуемыми характеристиками.
2. Точность.
В ИИС ЛА одними из основных операций являются измерение
и оценка параметров сигналов. Процесс измерения параметров сиг-
налов характеризуется точностью. Под точностью ИИС понимают
качество её средств измерения и алгоритмов обработки сигналов,
отражающих близость к нулю погрешностей измерения и ошибок
оценок. Для ИИС ЛА характерно, что наблюдаемый сигнал и пог-
решность измерения являются случайными процессами. Для оцен-
ки показателя качества используется величина среднего риска, ко-
торый в случае определения точности обработки векторного сигна-
ла X(t) характеризуется средним квадратом ошибки оценки
R = M[ET E] , (1.3.1)
19
где E = Xˆ − X – вектор ошибки измерения или оценки Xˆ (t) , «Т» –
знак транспонирования вектора (аргумент t в приведённых выраже-
ниях для простоты записи опущен). Преобразуем выражение (1.3.1)
в форму, удобную для использования. Обозначим среднее значение
вектора ошибки оценки M[E] = E и E = E − Μ [E ] – центрированное
значение ошибки оценки, тогда выражение (1.3.1) можно предста-
вить в следующем виде:
T
R = M[ET E] = M[( E − E + E)T ⋅ ( E − E + E)] = M[E T E] − 2M[E T E] + E E =
=Tr{M[E E T ] + E E T } = Tr{KE + E E T } ,
где Tr{} – след матрицы; KE – корреляционная матрица ошибок оце-
нок сигнала X; E E T – матрица, определяемая смещённостью ошиб-
ки оценки E = M[Xˆ ] − M[X] или наличием систематических ошибок
при измерении и оценке сигнала X.
3. Достоверность.
При исследовании ИИС контроля состояний приборного обору-
дования ЛА, обнаружения и распознавания сигналов, классифика-
ции сигналов, т. е. в том случае, когда число альтернативных при-
нимаемых решений z = 0, 1, ..., N по результатам наблюдения Y(t)
счётное и чаще всего конечное, важнейшей характеристикой явля-
ется достоверность принимаемых решений.
Достоверность ИИС определяет степень доверия к принимаемым
решениям. В качестве показателя достоверности ИИС используется
вероятность принятия правильных решений по результатам наблю-
дений.
Пусть в общем случае векторный наблюдаемый сигнал
Y = G{X, H}, есть известная композиция полезного сигнала X и по-
мехи H, где Y∈Ω, X∈Ω, Н∈Ω, а Ω – область возможных значений со-
ответствующих векторов. Рассмотрим случай двуальтернативного
решения, когда по результатам наблюдения принимается одно из
двух взаимоисключающих решений z = 0, 1. Каждое реальное ре-
шение определяется попаданием вектора Y в соответствующую об-
ласть Φ0 или Φ1.При этом Φ0∩Φ1 = Ω, Φ0∪Φ1 = ∅. Кроме реальных ре-
шений будем рассматривать идеальные решения zT = 0, 1, которые
определяются попаданием вектора X в соответствующие области Ω0
или Ω1, Ω0∩Ω1 = Ω, Ω0∪Ω1 = ∅.
Безусловные достоверности D0, D1 соответственно каналов «0»,
«1» и общая безусловная достоверность D могут быть определены в
виде следующих совместных вероятностей:
20
Ω0
B
Φ1
B
Φ0
Ω1
B
D0 = P{X ∈Ω0 ; Y ∈Φ 0 } ,
D = P{X ∈Ω; Y ∈Φ } ,
D = D0 + D .
Безусловные вероятности появления ошибок при двуальтерна-
тивном решении определяются следующими соотношениями:
α = P{X ∈Ω0 ; Y ∈Φ } ,
β = P{X ∈Ω; Y ∈Φ 0 } .
При рассмотрении процесса контроля приборного оборудования
ЛА безусловную вероятность α называют риском изготовителя, а
β – риском заказчика.
Безусловная вероятность появления ошибок при принятии дву-
альтернативного решения
γ = α+β .
4. Надёжность.
Для ИИС высокие точность и достоверность являются необходи-
мыми, но недостаточными свойствами, так как даже высокоточные
и высокодостоверные системы могут не выполнить поставленных
задач, если в процессе их работы будут появляться отказы в аппа-
ратуре. Поэтому при оценке качества ИИС необходимо учитывать
свойство, присущее всем приборам – надёжность системы.
Надёжность – это свойство выполнять заданные функции, со-
храняя во времени значения установленных эксплуатационных
показателей в заданных пределах, соответствующих заданным ре-
жимам и условиям использования, технического обслуживания,
ремонта, хранения и транспортирования объекта эксплуатации.
Для ИИС ЛА наибольшее значение имеет свойство надёжности,
характеризуемое безотказностью аппаратуры в процессе полёта.
Одним из способов обеспечения требуемой безотказности является
введение в бортовое приборное оборудование структурной избыточ-
ности путём резервирования узлов или приборов ИИС ЛА.
21
Надёжность – комплексное свойство, а отдельные его компонен-
ты характеризуют:
– безотказность;
– ремонтопригодность;
– сохраняемость;
– долговечность;
– помехозащищённость.
5. Помехозащищённость.
В процессе работы ИИС ЛА на неё воздействуют внутренние и
внешние помехи. Под помехой будем понимать любой дестабилизи-
рующий фактор, действующий на сигнал и вызывающий потерю
информации, т. е. помеха – это причина возникновения погрешнос-
ти или сбоя. Помехи по характеру воздействия можно подразделить
на флюктационные и систематические.
Флюктационные помехи представляет собой последовательность
импульсов, имеющих случайные амплитуду, длительность, форму
и время появления отдельных импульсов.
Систематические помехи могут иметь постоянные или изменяю-
щиеся во времени значения.
Воздействие помех на ИИС приводит к появлению недопусти-
мых погрешностей или даже к срыву функционирования систем.
Поэтому важным свойством ИИС является помехозащищённость.
Способность ИИС нормально функционировать (т. е. получать, об-
рабатывать, выдавать информацию) при наличии помех называет-
ся помехозащищённостью системы.
Чем меньше отличие выходного сигнала от полезного при воз-
действии помех, тем большей помехозащищённостью обладает сис-
тема. Современные ИИС, как правило, работают под воздействием
большого числа интенсивных дестабилизирующих факторов. По-
этому для нормального функционирования ИИС необходимо при-
менять специальные меры по повышению её помехозащищенности.
Любое повышение помехозащищённости ИИС связано с введением
избыточности и усложнением аппаратуры.
В качестве показателя помехозащищённости ИИС можно ввести
следующий критерий:
∆R / R *
Kп = ,
∆a / a*
23
ния высокого показателя качества в зависимости от вида входной
информации.
При оценке качества ИИС приходится часто учитывать одновре-
менно несколько разнородных её свойств. В этом случае единый об-
щий критерий показателя качества можно представить в виде функ
ции некоторых критериев
W = ϕ(W1, W2, …, Wk) .
k
W = ∑ λi Wi ,
i =
24
Глава 2. Модели сигналов
26
2.2. Характеристики и параметры сигналов
Под характеристикой сигнала будем понимать зависимость па-
раметров сигнала от времени или частоты. Параметр есть количест-
венное выражение свойства сигнала. Необходимость исследования
характеристик и параметров сигналов вызвана задачами анализа,
синтеза и оптимизации сигналов и информационно-измерительных
систем. Рассмотрение характеристик и параметров сигналов целе-
сообразно производить раздельно применительно к реализациям
сигнала как детерминированным функциям и сигналам как мно-
жеству случайных функций.
Основными задачами теории сигналов являются рассмотрение и
исследование числовых характеристик, параметров, методов пред-
ставления и основных моделей сигналов, в том числе спектральных
характеристик сигналов.
Понятие спектра сигнала возникло из представления периоди-
ческого сигнала x(t) как функции времени в виде ряда, состоящего
из косинусоид (синусоид), называемых гармониками:
N
x(t) = ∑ An cos(ωn t + ϕn ) ,
n =0
27
∞
j ωt
x(t) = ∫ X( jω)e dω ,
2 π −∞
∞
− j ωt
X( jω) = ∫ x(t) e dt ,
−∞
где X(jω) – прямое преобразованием Фурье функции x(t) и называ-
ется комплексным спектром сигнала, который теперь уже может
быть непериодическим. В отличие от спектров при использовании
рядов Фурье спектр X(jω) – сплошной, т. е. является не последова-
тельностью, а функцией непрерывного аргумента – частоты ω. Пер-
вое интегральное выражение является обратным преобразованием
Фурье функции X(jω). Оба преобразования являются взаимно од-
нозначными, и, следовательно, X(jω) несёт в себе всю информацию
о сигнале x(t). Комплексный спектр может быть выражен через ве-
щественные функции
X( jω) = A (ω) e j ϕ(ω) ,
где A(ω) и ϕ(ω) – амлитудный и фазовый спектры соответственно.
Дополнительные сведения о спектрах и их свойствах приводятся в
последующих разделах.
К часто используемым параметрам реализаций сигналов при
анализе и оптимизации моделей сигнала относятся: практически
реальные длительность, время нарастания и полоса частот сигнала,
определяемые соответственно интервалами времени и частоты, при
которых амплитудные значения убывают до заданного значения
относительно максимальных величин, а также средний квадрат
ошибки оценки или воспроизведения, энергия, мощность, средняя
частота, период дискретизации по времени и величина кванта, т. е.
величина дискретизации амплитуды реализации сигнала, ампли-
туда A, частота ω, фаза ϕ гармонического сигнала x(t) = A sin(ωt+ϕ).
К основным характеристикам сигналов, описываемых случай-
ным процессом, относятся закон распределения параметров сигна-
ла и, в частном случае, огибающей узкополосного случайного сиг-
нала, наличие свойства марковости, стационарности и эргодичнос-
ти исследуемого случайного процесса, зависимость спектральной
плотности дисперсии стационарного сигнала от частоты, вид кор-
реляционной функции и математического ожидания сигнала как
функции времени.
В теории сигналов широко используются следующие параметры
и показатели качества ИИС и случайных сигналов: среднеквадра-
тическая точность оценки и фильтрации сигналов, достоверность
28
классификации, длительность среднего интервала корреляции,
среднее число выбросов за заданный уровень, практически реаль-
ная полоса частот спектральной плотности, вероятность недости-
жения заданных границ сигналом, средняя энергия и мощность,
средняя частота непрерывного и средняя частота повторения диск-
ретного сигналов и т. д. При оптимизации ИИС и сигналов наиболее
часто в качестве критериев оптимальности используется средний
квадрат ошибки и достоверность классификации сигналов. Сред-
ний квадрат ошибки оценки сигнала в векторном случае определя-
ется в виде
M[( Xˆ (t) − X(t))T ( Xˆ (t) − X(t))] = Tr{M[( Xˆ (t) − X(t))( Xˆ (t) − X(t))T ]} , (2.2.1)
30
f (xn | xn −,..., x ) = f (xn | xn − ) , (2.2.8)
справедливое для произвольных m-мерных векторов x1 = x(t1), …,
xn = x(tn).
Если считать tn−1 текущем временем, а tn−2, …, t1 – прошедшим,
то вероятностный закон, описывающий поведение процесса в буду-
щем, т. е. во время tn , зависит только от текущего значения процес-
са и совершенно не зависит от его поведения в прошлом. Это свойс-
тво называется «марковостью».
32
Ясно, что
33
Множество случайных сигналов можно также классифициро-
вать аналогично реализациям сигналов по следующим свойствам:
– сигналы, ограниченные в среднем по величине:
∞
XKC = X; M [X(t) ] = ∫ x(t)f (x(t))dx < K; −∞ < t < ∞ ,
−∞
∞
Xτ = X; τ = ∫ tf (t)dt ≤ τd ,
−∞
где f(t) – плотность распределения длительности сигнала X(t); τd –
допустимое среднее значение длительности сигнала;
– случайные стационарные сигналы с практически (в теорети-
ческом аспекте случайные сигналы имеют неограниченный спектр)
ограниченной полосой
∞
XWC = X; S(ω) = ∫ K (τ)e − jωτ dτ = 0, ω > W
2π −∞
∫ S(ω)dω = Kd Dx ,
−W
34
Модели сигналов
детерминированные случайные
Детерминированные
несингулярные сингулярные
описанные описанные
в частотной во временной
области области
интегральное описанные
представление в пространстве
состояний
ряды
моменты
функции
комплексной интегралы
переменной
различные
функции
модулированные немодулированные
сигналы сигналы
по амплитуде
по частоте
по фазе
35
Случайные
сингулярные несингулярные
………...
марковские немарковские
………...
гауссовские негауссовские
………...
стационарные нестационарные
………...
во временной в частотной
области области
интегральное
описанные представление
в пространстве
состояний ряды
функции
разные комплексной
функции переменной
функционал
распределения
закон
распределения
моменты
корреляционные
функции
36
2.4. Описание типовых сигналов
2.4.1. Простейшие сингулярные детерминированные функции
Функция называется сингулярной (вырожденной), если
+∞
∫ x(t) dt = ∞ . (2.4.1)
−∞
sign(t)
1
∧
sign (t)
0 t
–1
37
Тогда функцию знака можно определить соотношением
sign(t) = lim e −αt ⋅ (t) − eαt ⋅ (−t) , (2.4.3)
α→0
∞ 0
= lim ∫ (e −(α+ jω)t )dt − ∫ (e(α− jω)t )dt =
α→0
0 −∞
∞
( )
0
e(
α− jω)t
= lim (e −(α+ jω)t ) − =
α→0 −(α + jω)
0 (α − jω) −∞
−2 jω 2
= lim − = lim 2 = . (2.4.5)
α→0 −(α + jω) (α − jω ) α→0 α − ( jω) 2 jω
0 ω
38
Единичная функция (рис. 2.5) определяется соотношением
(2.4.4) и её также можно определить через функцию знака
(t) = + sign(t) .
2 2
1(t)
1
1
2
0 t
(2.4.6)
F {(t)} = π δ(ω) + .
jω
39
Амплитудный спектр единичной функции показан на рис. 2.6.
F (ω)
0 ω
Рис. 2.6. Амплитудный спектр единичной функции
Таким образом, спектр единичной функции отличается от спек-
тра функции знака наличием у первого дельта-образной составля-
ющей.
3. δ-функция (δ-импульс, единичный импульс, импульсная функ
ция, функция Дирака)
Будем определять δ-функцию следующими соотношениями:
∞ , t = 0 ,
δ(t) =
0, t ≠ 0 ,
+∞ (2.4.7)
δ(t)dt = .
∫
−∞
Свойства δ-фукции
Свойство чётности
δ(−t) = δ(t) .
Связь с единичной функцией
Учитывая, что
0 +∞
∫ δ(t)dt = ∫ δ(t)dt = 2 ,
−∞ 0
то
, t > 0 ,
t
∫ δ(t)dt = , t = 0,
−∞ 2
0, t < 0 ,
t
∫ δ(τ)dτ = (t) ,
−∞
d(t)
= δ(t) .
dt
40
Фильтрующее свойство
Учитывая, что
∞ , t = t0 ,
δ(t − t0 ) =
0, t ≠ t0 ,
t
= x(tв ) − x(t) tв = x(tв ) − x(tв ) + x(t0 ) = x(t0 ) . (2.4.8)
0
0 ω
S(ω) = e − jωt0 .
41
При t0 = 0
∞
− j ωt
δ(t) == ∫ e dω .
2π −∞
(2.4.9)
Энергия дельта-импульса
Используя равенство Парсеваля, можно отметить, что энергия
дельта-функции
Э = lim ⋅ τи = ∞ .
τи → 0 τ 2
и
δˆ (t)
1/τи
–τи/2 τи/2 t
42
функция x(t) имеет непрерывные производные до n-го порядка, по-
лучаем
tв tв
tн tн
rect(t/τи )
–τи /2 τи /2 t
43
Спектр функции rect(t/τи) с учётом соотношения (2.4.10) и фор-
мулы Эйлера
ωτ
sin и
A − jω и
τи /2 τ τ
jω и
S(ω) = ∫ e − jωt dt = − e 2 − e 2 = τи 2 = τ sinc ωτи ,
jω ωτи и 2
−τи /2
2
ωτи
где sinc( ) – функция отсчётов. Заметим, что значение спектра
2
при ω = 0 S(0) = τи, т. е. площади прямоугольного симметричного
импульса. Спектр функции rect(t/τи) показан на рис. 2.10, ампли-
тудный и фазовый спектры – соответственно на рис. 2.11 и 2.12.
S( ω) |S( ω) |
1 1
−2 π/ τи 2 π/τи
ω
ω
θ ( ω)
−π ω
44
до ∞. При τи→∞ точки ω = ±2π/τи, соответствующие двум первым ну-
лям функции S(ω), сближаются, значение S(0) = τи стремится к ∞,
а боковые лепестки спектральной плотности стремятся к нулю. Та-
ким образом, при τи→∞ спектральная плотность стремится к δ(ω).
Рассмотрим функцию отсчётов как функцию времени
sin(ωm t)
sinc(ωm t) = , (2.4.11)
ωm t
45
Амплитудная модуляция
В этом случае параметром, несущим информацию, является ам-
плитуда, изменение которой происходит в соответствии с законом
A (t) = A0 + M A λ(t),
M j ω t +ϕ(t) )
= Re A0 + A λ(t) e ( 0 ,
A0
{
x(t) = A0 cos[ω0 t + ν(t) + ϕ(t) ] = Re A0 e jν (t) e ( 0 }
j ω t +ϕ(t) )
,
ν(t) = Mф λ(t) ,
где Mф – индекс или глубина фазовой модуляции.
Амплитуда сигнала x(t) в этом случае A0(t) = A0 = const. Введем
обозначение ω0t+ν(t)+ϕ(t) = θ(t). Тогда текущая круговая частота
сигнала
dθ dλ(t) dϕ(t)
ω(t) = = ω0 + Mф + ,
dt dt dt
dλ(t)
где ∆ω = Mф – информационное изменение круговой частоты
сигнала. dt
46
Часто ϕ(t) = const, тогда
dλ(t)
ω(t) = ω0 + Mф .
dt
{
x(t) = A0 cos[ω0 t + φ(t) + ϕ(t) ] = Re A0 e jφ(t) e ( 0 }
j ω t +ϕ(t) )
,
t
где φ(t) = Mч ∫ λ(τ)dτ ; Mч – наибольшее отклонение или девиация
0
частоты при модуляции; φ(t) – информационное изменение фазы
сигнала. При λ(t) = cos Ωt
Mч
φ(t) = sin Ωt .
Ω
Mч
Величина называется индексом частоты модуляции и имеет
Ω
смысл наибольшего отклонения фазы в процессе модуляции. При
частотной модуляции изменение частоты Ω при малом значении ин-
декса частоты модуляции практически незначительно сказывается
на изменении спектра сигнала.
При использовании импульсной модуляции сигнал x(t) представ-
ляет собой последовательность импульсов, параметры которых (ам-
плитуда, частота, длительность, временное положение) соответс-
твует значениям измеряемой физической величины в дискретный
момент времени.
При кодовой модуляции дискретной по времени и квантованной
по уровню измеряемой физической величине ставится в соответс-
твие кодовая комбинация, которой модулируется заранее извест-
ный сигнал. Кодовая модуляция применяется с целью обеспечения
повышения помехоустойчивости при передаче сигналов по каналам
информации. При этом часто применяют самокорректирующие
коды.
47
2.4.4. Квазидетерминированные сигналы
Часто сигнал или ошибку измерения информационно-измери-
тельной системы можно описать математической моделью вида
X(t, U), представляющую собой детерминированную функцию
X(t, U) времени и векторной случайной величины U = (U1, U2, …,
Um), m≥1. Такие сигналы называются квазидетерминированными.
Примером квазидетерминированного процесса является гармони-
ческий сигнал
X(t, ω, ϕ, A) = A sin(ωt+ϕ)
n
X(t) = ∑ ai ti , (2.4.12)
i =0
49
x(t)
xкв(t)
∆xi xi+1
xi
xi–1
0 t
εкв(t)
0 t
−∆ xi /2 ≤ ∆εi (t) ≤ ∆ xi /2 .
( )
/2 A
δкв = Ax2 X 2 = ⋅ x , (2.4.15)
2 3Nкв 2 3Nкв Xэф
где Xэф – эффективное значение сигнала x(t).
Выражение (2.4.15) можно записать в виде
δкв = Kx 3Nкв ,
где Kx = Ax/2Xэф – пик-фактор, зависящий от статистики сигнала.
Практика показывает, что для различных классов непрерывных
сигналов Kx≈1,5…3,5 и, следовательно, δкв≈(1…2)/Nкв. В инженер-
ных приложениях среднеквадратическое значение ошибки кванто-
вания обычно оценивают величиной
δкв = , (2.4.16)
Nкв
51
где M – основание системы счисления (M≥2); m – число разрядов;
γi – весовой коэффициент разряда, принимающий одно из целых
значений в интервале 0 ≤ γi ≤M−1.
Передача конкретного числа по линии связи сводится к передаче
его весовых коэффициентов γi. Наиболее просто эта операция реали-
зуется для двоичной системы счисления, когда γi принимает только
два значения (0 и 1). В этом случае кодовые комбинации состоят из
двоичных элементов (например, импульсов и пауз).
Преобразование непрерывных сообщений в цифровую форму
связано с появлением ошибок за счет дискретизации по времени
и квантования по уровню, которые предполагаются некоррелиро-
ванными. В соответствии со свойством аддитивности критерия для
некоррелированных ошибок средний квадрат ошибки цифрового
преобразования
δ2ц = δ2∆ + δ2кв ,
52
2.5. Пространство сигналов
x + y ≤ x + y – неравенство треугольника;
αx = α ⋅ x . (2.5.4)
Если рассматриваются функции, удовлетворяющие условию
квадратичной интегрируемости
2 2
x = ∫ x(t) dt < ∞ , (2.5.5)
T
54
то гильбертово пространство обозначается H2(T). Для реальных
сигналов, являющихся вещественными функциями времени, усло-
вие (2.5.5) можно записать в виде
2
x = ∫ x2 (t)dt < ∞ , (2.5.6)
T
T T T
55
Если нормы x = y = , то cos θ = (x, y) = ∫ x(t)y(t)dt .
T
Будем считать сигналы x(t) и y(t) ортогональными, если их ска-
лярное произведение равно нулю, т. е.
(x, y) = ∫ x(t)y* (t)dt = 0 .
T
n
xˆ n (t) = ∑ αi Vi (t) , (2.5.10)
i =
56
Соотношение (2.5.13) показывает, что сумма квадратов коэффи-
циентов разложения (2.5.10) при использовании ортонормального
базиса ограничена для любого x∈H2(T).
Из неравенства (2.5.13) следует, что {xˆ n } в выражении (2.5.10)
есть последовательность Коши, так как для любого ε>0 при доста-
точно большом n0 имеем
n n
∑ ∑
2 2 2 2 2
xˆ n − xˆ m = αi Vi = (x, Vi / Vi ≤ ε2 , n, m > n0 . (2.5.14)
i =m + i =m +
57
n
d(x, xn ) = x − xn = x − ∑ (x,Ui )Ui < ε при n > n0
i = .
Таким образом, если используется для предоставления произ-
вольного сигнала подпространство Mn, натянутое на первых n эле-
ментах полной ортонормальной системы, то норма погрешности
может быть сделана сколь угодно малой путем выбора достаточно
большого n. Правда, n зависит от x, поэтому нельзя лимитировать
ошибку равномерно для всех x.
Если размерность функционального пространства со скалярным
произведением конечна и равна n, то в этом случае оно называется
евклидовым.
Любой сигнал x(t) в евклидовом n-мерном пространстве при ис-
пользовании ортогонального базиса Vi(t), i = ,n может быть взаим-
но однозначно представлен в виде
n
x(t) = ∑ αi Vi (t) ,
i =
58
n n n n n
(x, y) = ∑ αiUi ∑ β jUj = ∑∑ αi β*j (Ui ,Uj ) = ∑ αi βi* = (α,β) , (2.5.19)
i = i = j =
j = i =
59
( X, Y ) = M X (t) Y * (t′) = KXY (t, t′) =
∞ ∞
= ∫ ∫ X (t) Y * (t′)fXY (t, t′) dx dy , (2.5.20)
−∞ −∞
где X(t) = X(t) − M[X(t)], Y (t) = Y (t) − M[Y (t)] – центрированные
значения случайных процессов X(t) и Y(t), KXY(t, t′); fXY(t, t′) – вза-
имная корреляционная функция и совместная плотность распреде-
ления случайных процессов X(t) и Y(t′) соответственно в моменты
времени t и t′, норму элемента X(t) можно определить следующей
формулой:
2 2
X = M X(t) = [KX (t,t) ]2 = σ X (t) < ∞ , (2.5.21)
60
ализацией сопоставляется одна из точек или вектор пространства
сигналов, в котором определена совместная плотность распределе-
ния случайных значений реализаций.
Определяя скалярное произведение (X, Y) сигнала X(t) на сигнал
Y(t′) из рассматриваемого пространства формулой
( X, Y ) = ∫ ∫ M X(t) Y * (t′) dt dt′ = ∫ ∫ KXY (t,t′)dt dt′ , (2.5.23)
TT TT
2
= ∫ ∫ [KX (t,t′) − 2KXY (t,t′) + KY (t,t′) ]dtdt′ . (2.5.25)
TT
61
n
∑ Μ αi
2 2 2
V ≤ X , (2.5.26)
i =
i
62
Итак, представление сигналов рядами состоит в том, что необхо-
димо с произвольным сигналом ограниченной энергии, т. е. времен-
ной функцией X(t)∈H2(T), сопоставить сигнал, определенный в ко-
нечном n-мерном подпространстве H2(T). Задача сводится к нахож-
дению подходящего отображения гильбертова пространства H2(T)
в пространство Cn, где Cn – пространство наборов n комплексных
чисел, т. е. координат векторного n-мерного евклидова пространс-
{ }
тва Mn, натянутого на базис ϕi (t),i = ,n , где ϕi(t) – в общем случае
независимые функции. Такое отображение должно быть в некото-
ром смысле наилучшим, где n выбирается компромиссно с учетом
точности и экономичности представления. Рассмотрим методы дис-
кретного представления сигналов в n-мерном пространстве.
1. Пусть сигнал x(t) принадлежит подпространству H2(T), ко-
{ }
торое натянуто на систему ϕi (t),i = ,n линейно независимых
произвольных функций из H2(T). В этом случае x(t) может быть
единственным образом представлен в виде линейной комбинации
{ }
ϕi (t),i = ,n
n
x(t) = ∑ αi ϕi (t) = α T ϕ(t) , x ∈ Mn , t ∈ T , (2.6.1)
i =
откуда
α = G −1f .
{ }
Если ϕi (t),i = ,n – ортогональный базис, т. е. ϕi = Vi, где (Vi, Vj) =
=0 при i = j, то
63
2
0 0 (x, V )
V 2
V
0 0 .........
G − = , G −f =
2
V2 . (2.6.3)
.........
......... .......... .......
(x, Vn )
2
0 0 2 Vn
Vn
64
из которых взаимно однозначно соответствует некоторая точка в Mn.
При этом произвольному вектору x∈H2(T) ставится в соответствие
вектор xˆ n ∈ Mn , наиболее близкий к x в смысле расстояния d(x, xˆ n ) ,
используемого в пространствах H2(T) и Mn, где xˆ n – произвольный
вектор, принадлежащий Mn. Таким образом, каждый вектор из Mn
где
∫ x(t)Vi
*
(t)dt
(x, Vi ) T
αi = = , (2.6.7)
∫ Vi (t)Vi
2 *
Vi (t)dt
T
65
Поскольку x n − xˆ n ∈ Mn , на основании (2.6.8) средние слагаемые
пропадают,
2 2 2
d(x, x n ) = x − x n = x − xˆ n + x n − xˆ n . (2.6.9)
66
процессов. Использование моделей сигналов в виде рядов Фурье
позволяет заменить с заданной точностью на выбранном интервале
времени случайный непрерывный или дискретный процесс квази-
детерминированным процессом. Использование рассматриваемых
моделей сигналов особенно эффективно в случае линейных преоб-
разований гауссовских наблюдаемых сигналов датчиков, т. е. когда
выполняется принцип суперпозиции. Основное достоинство таких
моделей сигналов заключается в том, что случайный процесс, опи-
сывающий такие сигналы, представляют в виде суммы произве-
дений случайных величин на детерминированные функции, т. е.
заменяют исходный случайный процесс совокупностью квазиде-
терминированных элементарных процессов, операции с которыми
значительно проще осуществлять, чем с исходным случайным про-
цессом.
Пусть входной сигнал X(t) – произвольный центрированный
(математическое ожидание M[X(t)] = 0) случайный процесс, кото-
рый определён на текущем либо локальном замкнутом интервале
[t−T, t], где T может принимать конечное или бесконечное значение.
Будем рассматривать сигналы с конечной энергией, которые удов-
летворяют следующему требованию:
t
2
∫ x(τ) dσ(τ) < ∞ , (2.6.13)
t −T
ω(λ)≥0 .
В этом случае интеграл ( 2.6.13) является интегралом Лебега или
Римана.
Пусть ортонормальные, в общем случае, комплексные функции
ψk(λ), k = 0, 1, …, ∞, определяющие базис разложения сигнала X(t),
принадлежат также пространству L2σ [0, Т].
Условие ортонормальности функций ψk(λ) можно выразить через
скалярное произведение
T
(ψк , ψ l ) = ∫ ψ k (λ)ψ*l (λ)dσ(λ) = δkl , (2.6.14)
0
k = l, δkl =
где δkl = – символ Кронекера; * – знак сопряжённой
k ≠ l, δkl = 0
функции y.
Если функция σ(λ) дифференцируема, то скалярное произведе-
ние определяется интегралом Римана
T
(ψк , ψ l ) = ∫ ψ k (λ)ψ*l (λ)ω(λ)dλ .
0
где
∫ x(t − λ)ψk (λ)dσ(λ)
*
(x, ψ k )
xk (t) = =T , k = 0, , ..., ∞ , (2.6.17)
∫ ψk (λ)ψk (λ)dσ(λ)
2 *
ψk
T
N – спектральная размерность модели.
Учитывая (2.6.14 ) и ортонормальность базиса {ψk}, k = 0, 1, …, ∞,
2
квадрат нормы функции ψk(λ) ψ k = . Тогда выражение (2.6.17)
можно переписать в следующем виде:
xk (t) = ∫ x(t − λ)ψ*k (λ)dσ(λ) . (2.6.18)
T
69
N −
Отсюда следует, что ряд ∑ xk (t)xk∗ (t) при N→∞ сходится, причём
k =0
выполняется неравенство Бесселя
T ∞
Если для любой функции x(t) из L2σ [0, Т] вместо знака неравенст
ва имеет место знак равенства, то справедлива формула Парсеваля
(N→∞):
T ∞
71
где Kx(t−λ, t−λ) – корреляционная функция в общем случае нестаци-
онарного случайного процесса X(t−λ).
Предположим, что корреляционная функция
TT
Kx (t − λ,t − τ) ∈ L2σ [0,T ]⇒ ∫ ∫ Kx (t − λ,t − τ) dσ(λ)dσ(τ) < ∞ .
2
00
где
TT
xkl (t) = ∫ ∫ ψ∗k (λ)Kx (t − λ,t − τ)ψ l (τ)dσ(λ)dσ(τ) , ( 2.6.27)
00
72
Точность локальной аппроксимации (2.6.16) для реализации
случайного процесса характеризуется среднеквадратическим фун-
кционалом, который определяется выражениями (2.6.24), (2.6.28),
(2.6.29). (2.6.24) и (2.6.28) эквивалентны, так как математическое
ожидание M xk (t)xk∗ (t) = xkk (t).
Достоинства рассмотренного метода представления случайного
процесса X(t) в виде случайного конечномерного вектора заключа-
ется в том, что:
1) ряд Фурье обеспечивает наилучшую точность аппроксимации
сигнала X(t) относительно выбранного базиса;
2) модель сигналов в виде частичной суммы ряда Фурье значи-
тельно проще, чем сам случайный процесс, так как случайный про-
цесс в данном случае заменяется квазидетерминированным процес-
сом, где свойство случайности отражается в коэффициентах ряда
как случайных величинах;
3) интервальная оценка, используемая в данной модели сигнала,
позволяет расширить класс задач, решаемых на основе точечных
методов.
К недостаткам этой модели сигналов можно отнести следующие:
1) ряд Фурье, используемый в рассматриваемой модели сигна-
лов, при произвольном базисе плохо сходится;
2) коэффициенты ряда xk(t) в общем случае являются коррелиро-
ванными величинами, что усложняет анализ и синтез ИИС:
Dk (t) при k = l ,
M[xk (t)xl∗ (t)] =
Kkl (t) ≠ 0 при k ≠ l ;
73
Упростим постановку задачи, выбирая фиксированный интер-
вал представления сигнала X(t) [0, T] и положив dσ(λ) = dλ, ω(λ) = 1,
т. е. будем полагать, что производная по времени от весовой функ-
ции равна единице. Пусть также M[X(t)] = 0, t∈[0, T]. Используя вы-
ражение (2.6.25), запишем выражение для среднеквадратического
функционала
T N − T T
IN (t) = ∫ Kx (λ, λ)dλ − ∑ ∫ ∫ Kx (λ, τ)ψ∗k (λ)ψk (τ)dλdτ . (2.6.30)
0 k =0 0 0
3) неотрицательно-определённый
( Ax ψ, ψ) = M[(x, ψ)2 ] ≥ 0 .
74
Учитывая указанные свойства, можно сделать следующие выво-
ды относительно уравнения (2.6.32):
1) существуют по крайне мере одна интегрируемая в квадрате
функция ϕ(t) и одно действительное число λ≠0, которые удовлетво-
ряют (2.6.32), и все собственные числа симметричных ядер вещест-
венны;
2) из (2.6.32) следует, что если ϕk(τ) является решением, то cϕk(τ)
есть так же решение, поэтому мы можем нормировать собственные
функции и при этом будет удовлетворяться следующее условие:
( Ax ϕk , ϕl ) = (αk ϕk , ϕl ) = αk δkl ;
0 0 k =0
75
T N − 2
lim M ∫ x(t) − ∑ xk ϕk (t) dt = 0 ;
n→∞ 0 k =0
76
называется разложением Карунена–Лоэва [2]. Разложение Каруне-
на–Лоэва есть частный случай разложения Фурье.
Коэффициенты этого разложения есть некоррелированные (ор-
тогональные) случайные величины, поскольку с учётом теоремы
Мерсера
TT
M xk xl∗ = M (x, ϕk )(x, ϕ∗l ) = ∫ ∫ Kx (λ, τ)ϕ∗k (λ)ϕ∗l (τ)dλdτ = αk δkl ,
00
78
тельно корреляционной функции Kx(t, t), или, иначе, порождаю-
щей.
Vkjk(t) называют элементарными случайными процессами.
Соотношения (2.6.36), (2.6.37) и (2.6.38) определяют каноничес-
кое разложение Пугачёва.
Если jk(t) = akyk(t), то разложение Пугачёва совпадает с разложе-
нием Карунена–Лоэва. Каноническое разложение Пугачёва содер-
жит в общем случае бесконечное число случайных величин и ряд
сходится медленно, что затрудняет расчёты на ЦВМ.
Найдём корреляционную функцию комплексного случайного
процесса, представленного соотношением (2.6.36), учитывая некор-
релированность коэффициентов Vk, Vn канонического разложения
при k≠n:
∞ ∞
Kx (t,t2 ) = M[X(t ) ⋅ X * (t2 )] = M[ ∑ Vk ⋅ϕk (t ) ∑ Vn∗ ⋅ϕ∗n (t )] =
k =−∞ n =−∞
∞ ∞ ∞ ∞
= M[ ∑ ∑ Vk Vl∗ϕk (t )ϕ∗n (t2 )] = ∑ ∑ ϕk (t )ϕ∗n (t2 )M[Vk Vn∗ ] =
k =−∞ n =−∞ k =−∞ n =−∞
∞
= ∑ Dk ϕk (t )ϕ∗k (t2 ) . (2.6.40)
k =−∞
79
1) коэффициенты Vk, k = 0, ±1, ±2, … разложения являются не-
коррелированными случайными величинами и при нормальном за-
коне распределения сигнала X(t) они также и независимы;
2) координатные функции проще найти, чем базисные функции
в разложении Карунена–Лоэва.
К недостаткам разложения Пугачёва относятся:
1) в общем случае плохая сходимость канонических рядов, что
требует большой вычислительной работы для определения порож-
дающих и координатных функций при учёте значительного коли-
чества членов канонического ряда;
2) отсутствуют простые оценки погрешностей аппроксимации
случайного процесса X(t) конечной суммой разложения Пугачёва
даже в пределах корреляционной теории, что создаёт неопределён-
ности при выборе числа членов ряда;
3) каноническая форма рядов в случае нелинейных преобразова-
ний сигнала X(t) мало пригодна.
∞
Kx (τ) = ∑ Dk e jω τ , k (2.7.1)
k =−∞
2π π
где ωk = k= k , k = 0, ±1, ±2, … .
4T 2T
Скалярное произведение рассматриваемых базисных функций
0, если k ≠ n ,
(ψ k , ψ n ) =
ψ k = 4T, если k = n .
81
Принимая во внимание, что сопряжённая базисная функция
ψ*k = e − jωkt , и учитывая, что τ = t2− t1, получим
∞
Kx (τ) = ∑ Dk e− jω t e jω t
k k 2
. (2.7.3)
k =−∞
Dk
где Sx (ω) = lim ST (ωk ) = lim .
T →∞ ∆ω→0 ∆ω
Формулы (2.7.9), (2.7.10) впервые математически строго разрабо-
таны А. Я. Хинчиным. Эти формулы являются обратным и прямым
преобразованиями Фурье.
Смысл (2.7.9) заключается в том, что корреляционная функция
вещественного аргумента представляет собой сумму гармонических
составляющих с амплитудой, зависящей от ω, при этом произведе-
ние Sx(ω)dω есть бесконечно малая амплитуда каждой гармоники.
Таким образом, корреляционная функция может быть представле-
на суммой бесконечно малых гармонических колебаний, бесконеч-
но близких по частоте.
Функция Sx(ω) имеет смысл плотности распределения дисперсии
случайного процесса по частотам непрерывного спектра (дисперсия
амплитуд гармонических колебаний). Функция Sx(ω) называется
83
спектральной плотностью дисперсии стационарного случайного
процесса или просто спектральной плотностью стационарного слу-
чайного процесса.
Полагая в формуле (2.7.9) τ = 0, получим
∞
dDx
Dx = Kx (0) = ∫ Sx (ω)dω, dω
= Sx (ω) .
−∞
84
Формулы Хинчина для двух X(t) и Y(t) стационарных и стацио-
нарно связанных случайных процессов можно определить в следу-
ющем виде:
∞
jωτ
Kxy (τ) = ∫ Sxy (ω)e dω , (2.7.13)
−∞
∞
− jωτ
Sxy (ω) = ∫ Kxy (τ)e dτ ,
2π −∞
(2.7.14)
0 ω
85
где δ(τ) – дельта-функция; Nw = 2πc2 – интенсивность белого шума.
Математическое ожидание белого шума обычно M[W(t)] = 0. Дис-
персия белого шума
Dw = Kw (τ) τ=0 = 2πc2 δ(0) = ∞ . (2.7.16)
тогда
2 Sx (ω) Φ( jω) Φ(− jω) (2.7.18)
F ( jω) = 2
= ⋅ .
c c c
σ2 α σ2 α
Sx (ω) = Φ( jω) ⋅ Φ(− jω) = ⋅ ,
π jω + α π − jω + α
∫ U(t,s)U
*
(s, τ)ds = δ(t − τ) . (2.8.6)
S
∫U
*
(s,t)U(t, σ)dt = δ(s − σ) , (2.8.7)
T
89
которому должны удовлетворять U(t, s) и U*(s, t), чтобы быть сопря-
женными базисными ядрами.
Соответствующие величины для дискретных и непрерывных
представлений сведены в табл. 1.
Таблица 1
Дискретное Непрерывное
90
2.8.2. Преобразование Гильберта
При обработке информации часто пользуются понятиями низ-
кочастотный и узкополосный сигналы. Будем называть сигнал
низкочастотным или узкополосным, если преобразования этих
сигналов соответственно концентрируются около частоты нулевой
и удалённой от начала координат. При этом часто возникает необхо-
димость при моделировании узкополосную систему эквивалентно
смоделировать с помощью двух взаимно связанных низкочастот-
ных систем. Исходным пунктом для построения необходимого нам
низкочастотного представления является понятие аналитического
сигнала, соответствующего вещественному узкополосному сигналу
x(t). Аналитический сигнал – это комплексный сигнал, который
образуется, если к вещественному сигналу x(t) добавить в качестве
мнимой части его преобразование Гильберта xˆ (t) :
∞
xˆ (s)
x(t) = ∫ s − t ds .
π −∞
(2.8.10)
∫ ⇒ lim(
ε→∞ ∫ + ∫ ), ε > 0 .
−∞ −∞ s +ε
91
Сравнивая (2.8.11) и (2.8.12 ) с (2.8.3), мы видим, что базис само-
сопряжённый, так что
(xˆ , yˆ ) = (x, y) .
Интересное и полезное свойство преобразования Гильберта со-
стоит в том, что преобразования Фурье от пары преобразований
Гильберта просто связаны друг с другом:
xˆ = x и (x, xˆ ) = 0 ,
получим следующее полезное соотношение
z = 2 x .
Наиболее важным свойством аналитического сигнала является
то, что преобразование Фурье от него – «одностороннее», т. е. отлич-
но от нуля только при положительных частотах. Согласно (2.8.13)
имеем
92
мнимой части логарифма z(t). С точки зрения физической интерпре-
тации часто более полезна производная фазы, чем она сама.
Определим мгновенную частоту fi(t) произвольного сигнала сле-
дующим образом:
d z(t)
fi (t) = Im ln z(t) = Im =
2π dt 2π z(t)
= [xˆ (t)x(t)− x (t)xˆ (t)] . (2.8.16)
2πω2 (t)
Эта функция приблизительно соответствует выходному сигналу
частотного дискриминатора.
Теперь, чтобы получить эквивалентное низкочастотное пред-
ставление сигнала, необходимо сдвинуть преобразование Фурье z(t)
так, чтобы оно оказалось центрированным около нулевой частоты
и представляло собой низкочастотный сигнал. Полагаем по опреде-
лению
Γ(f ) = Z (f + f0 ) , (2.8.17)
так что
93
Мгновенная частота выражается через комплексную огибаю-
щую следующим образом:
γ (t)
fi (t) = f0 + Im . (2.8.23)
2π γ(t)
Во многих случаях частоту f0 выбрать нетрудно. Например, для
модулированного синусоидального сигнала естественно и удобно
взять f0 равной частоте немодулированного несущего колебания. В
других случаях f0 можно выбрать более или менее произвольно или
так, чтобы минимизировать ширину полосы Γ(f). Один из способов
такого рода состоит в выборе в качестве f0 «центра тяжести» вещес-
твенной положительной функции |Z(f)|2. Такое значение минимизи-
рует величину
∞
2
∫ (f − f0 )
2
Z (f ) df .
0
( Z , Z ) (x, xˆ )
f0 = = .
2πj Z 2 2π x 2 (2.8.25)
= (x, xˆ ) = 2 x f0 .
2
(2.8.26)
π
Замечая, что согласно (2.8.15)
ω2 (t) = x2 (t) + xˆ 2 (t) ,
94
и, следовательно,
2 2 2 2
ω = x + xˆ =2 x . (2.8.27)
∞ ∞
x(t) = ∫ X( jω)e jωt dω = ∫ X(f )e j2πft df . (2.8.31)
2π −∞ −∞
95
Функция X(jω) называется спектральной плотностью или спект-
ром сигнала x(t). X(jω) в общем случае является комплексной функ
цией частоты ω.
Сопоставляя (2.8.28) с (2.8.3), видим, что базис самосопряжен-
ный и, следовательно, согласно (2.8.27)
( X, Y ) = (x, y) . (2.8.32)
Это соотношение известно как равенство Парсеваля при непре-
рывном представлении сигнала x(t), которое часто применяется для
установления частотно-временной двойственности, дуальности.
Предполагая, что условия Дирихле применительно к x(t) выпол-
няются, достаточным условием применимости преобразования Фу-
рье к реализации сигнала x(t) является ее абсолютная интегрируе-
мость
∞
96
∞ ∞
где A (ω) = ∫ x(t)cos ωt dt, B(t) = ∫ x(t)sin ωt dt .
−∞ −∞
Модуль и аргумент спектра определяются выражениями
∞ ∞
= ∫
2π −∞
X( jω) cos(ωt + θ(ω))dω + j ∫ X( jω) sin(ωt + θ(ω))dω . (2.8.37)
2π −∞
Из чётности модуля и нечётности фазы следует, что подынтег-
ральная функция в первом интеграле является чётной, а во вто-
ром – нечётной относительно ω. Следовательно, второй интеграл
равен нулю и окончательно
∞
x(t) = ∫ X( jω) cos(ωt + θ(ω))dω =
2π −∞
∞
π 0∫
= X( jω) cos(ωt + θ(ω))dω. (2.8.38)
x2 (t) = x (mt)
ω
X2 ( jω) = X j
m m
97
Окончание табл. 2
Соотношения для сигналов Соотношения для спектров
dx (t)
x2 (t) = X2 ( jω) = jω X ( jω)
dt
t ∞
x2 (t) = ∫ x (τ)dτ, ∫ x (τ)dτ = 0 X2 ( jω) =
jω
X ( jω)
−∞ −∞
∞
x(t) = y(t) z(t) X ( jω) = ∫ Y ( jv) Z( j(ω − v))dv
2π −∞
∞
x(t) = ∫ y(τ) z(t − τ)dτ X ( jω) = Y ( jω) Z ( jω)
−∞
98
все переменные состояния xi, i = 1, …, m были непрерывными фун-
кциями времени, уравнения (2.9.1) и (2.9.2) должны быть составле-
ны в такой форме, чтобы в них не входили призводные возмущений
wi(t), i = 1, …, l. Дифференциальное уравнение (2.9.1) называется
уравнением переменных состояния, а алгебраическое соотношение
(2.9.2) – выходным уравнением. Оно устанавливает связь между
вектором переменных состояния x(t) и y(t). Область определения
вектора x(t) носит название пространства состояний. С физической
точки зрения уравнения (2.9.1) и (2.9.2) представляют собой описа-
ние формирующего фильтра. На выходе формирующего фильтра
образуется искомый сигнал y(t) при подаче на его вход воздействия
w(t). В зависимости от типа сигнала w(t) уравнения формирующего
фильтра (2.9.1) и (2.9.2) могут принимать различный вид. В частнос-
ти, линейный стационарный формирующий фильтр с постоянными
параметрами описывается уравнениями
dx(t)
= Fx(t) + Hw(t) , (2.9.3)
dt
d i y(t)
= yi0 , i = 0,n − . (2.9.6)
dti t =t0
99
Осуществим переход от уравнения (2.9.5) к системе n уравне-
ний первого порядка. Введём n новых независимых переменных
zi, i = 1, …, n по следующим формулам:
z = y ,
dy(t)
z2 = ,
dt
(2.9.7)
dn −y(t)
zn = .
dtn −
Дифференцируя каждое из равенств (2.9.7) и последовательно
подставляя в каждое предыдущее соотношение последующее, по-
лучим
dz (t)
= z2 (t) ,
dt
dz2 (t)
= z3 (t) ,
dt (2.9.8)
dzn − (t)
= zn .
dt
Дифференцируя последнее из равенств (2.9.8) и подставляя в
dn y(t)
правую часть полученной формулы вместо выражение из
dtn
уравнения (2.9.5), получим следующее соотношение
n −
dzn (t) d i y(t)
= (x(t) − ∑ ai (t) ).
dt an (t) i =0 dti
100
dz(t)
= F (t)z(t) + Γ(t)x(t) ,
dt (2.9.10)
y(t) = Η(t)z(t) ,
где z(t) – n-мерный вектор вида
z (t)
z2 (t)
z(t) = ,
zn (t)
F(t), Γ(t), H(t) – матрицы вида
0 0 0
0
0 0 0
0
F (t) = , Γ(t) = , (2.9.11)
0 0
a (t) a (t) a (t)
− 0 − − n − an (t)
an (t) an (t) an (t)
H(t) = H = 0 0 .
Заметим, что второе из равенств (2.9.10) определяет связь выхода
системы y(t) с вектором функций z(t). Начальные условия (2.9.6) для
уравнения (2.9.5) согласно обозначениям (2.9.11) определяют началь-
ные значения вектора z(t) в момент t = t0, т. е. полностью определяют
начальное условие z(t0) = z0 для векторного уравнения (2.9.10).
Уравнения системы вида (2.9.10) и называют уравнениями в про-
странстве состояний. Вектор z(t) называется вектором состояния. Раз-
мерность его совпадает с порядком дифференциального уравнения
системы. Компоненты этого вектора представляют собой совокупность
величин, полностью определяющих состояние системы как в данный
момент времени, так и во все последующие, поскольку играют роль на-
чальных условий для всего будущего движения системы.
Итак, будем определять состояние системы вектором z(t) с компо-
нентами z1(t), z2(t), …, zn(t). Множество этих векторов составляет про-
странство состояний, которое может рассматриваться как абстрак-
тное линейное n-мерное евклидово пространство. Набор n линейно-
независимых векторов в этом пространстве образует базис системы
координат. Каждая координата вектора z(t) представляет собой про-
екцию вектора состояния на соответствующий вектор базиса.
Рассмотрим для более сложного дифференциального уравнения
динамической системы вида
101
n
d i y(t) m
d i x(t)
∑ ai (t) dti
=∑ bi (t)
dti
( 2.9.12)
i =0 i =0
zn − = an −y + zn .
102
Проделаем аналогичную операцию с каждой последующей па-
рой уравнений.
В результате система (2.9.13) приведётся к виду
zn = an y ,
dzn
zn − = an −y + an ,
dt
dzm +
zm = am y + − bm x ,
dt
dz (2.9.14)
zm − = am −y + an m − bm−x ,
dt
dz3
z2 = a2 y + − b2 x ,
dt
dz2
z = ay + − bx .
dt
Дифференцируя обе части последнего равенства в (2.9.14) и учтя
уравнение (2.9.12), получим
dz
= b0 x − a0 y . (2.9.15)
dt
Выразив y через zn из первого уравнения в (2.9.14) и подставив
его во все последующие уравнения в (2.9.14) и (2.9.15), придём к сле-
дующей системе уравнений первого порядка:
dz a
= − 0 zn + b0 x ,
dt an
dz2 a
= z − zn + bx ,
dt an
dzm + am
= zm − zn + bm x , (2.9.16)
dt an
dzm +2 a
= zm + − m + zn ,
dt an
dzn an −
= zn − − zn .
dt an
103
Система уравнений (2.9.16) может быть записана в векторно-мат-
ричной форме (2.9.10), где z(t) – n-мерный вектор состояния с компо-
нентами z1, z2, …, zn, а матрицы F, Γ имеют вид
a0
0 0 −
an b0
a b
0 −
an
F= a2 , Γ= bm . (2.9.17)
0 0 −
an 0
a 0
0 0 − n −
an
В частном случае, когда уравнение (2.9.12) вырождается в урав-
нение (2.9.5), матрица из (2.9.17) принимает вид
T
Γ= 0 0 .
105
На основании того, что S(ω) является действительной, чётной и
неотрицательной функцией, все её нули и полюсы составляют ком-
плексно-сопряжённые пары. Тогда спектральную плотность можно
представить в виде
2
Sx (ω) = Sx+ ( jω)Sx− ( jω) = Sx+ ( jω) ,
где Sx− ( jω) = Sx+ (− jω) . К функции Sx+ ( jω) отнесём нули и полюсы, ле-
жащие в левой полуплоскости комплексной переменной jω и поло-
вину каждой пары чисто действительных нулей и полюсов. В таком
случае комплексная частотная характеристика формирующего
фильтра определяется выражением
Sx+ ( jω)
K ( jω) = . (2.9.21)
c2
Определим систему дифференциальных уравнений, описываю-
щую формирующий фильтр с дробно-рациональным коэффициен-
том передачи (2.9.21) вида
L( jω) l ( jω)r + lr − ( jω)r − + ... + l0
K ( jω) = = r , n ≥ r . (2.9.22)
Q( jω) qn ( jω)n + qn − ( jω)n − + ... + q0
Без нарушения общности положим qn = 1. Из (2.9.22) следует, что
формирующий фильтр описывается дифференциальным уравнени-
ем n-порядка следующего вида:
x(n) (t) + qn −x(n −) (t) + ... + q0 x(t) =
= lr w(r ) (t) + lr −w(r −) (t) + ... + l0 w(t) , (2.9.23)
и дальнейшая задача заключается в представлении уравнения
(2.9.23) в форме (2.9.10).
Как было показано выше, наиболее просто этот переход осущест-
вляется в случае, когда L(jω) является полиномом нулевой степени,
т. е. когда r = 0, L(jω) = l0. Положив x(t) = x1(t), из (2.9.23) получим
искомую систему дифференциальных уравнений относительно
компонент вектора X переменных состояния
x() = x2 (t) ,
()
xn − = xn (t) , (2.9.24)
n −
x() = − q x (t) + l w(t) ,
n ∑ i i + 0
i =0
106
которая тождественна (2.9.10), если положить
0 0 0 0
0 0 0 0
F= , Γ= .
0 0 0 0
−q0 −q −q2 −qn − l0
107
где коэффициенты ряда Фурье αk = x(k∆T) определяются выборками
функции x(t) в моменты времени t = k∆T, а ортогональный базис
sin ωm (t − k∆T )
ϕk (t) = , − ∞ ≤ t ≤ ∞
ωm (t − k∆ T )
имеет бесконечный интервал ортогональности и квадрат нормы,
равный
∞ ∞
2 sin 2 ωm (t − k∆T )
ϕk = ∫ ϕk2 (t) dt = ∫ ω2m (t − k∆T )
dt =
−∞ −∞
∞
sin 2 x
=
ωm ∫ x2
dx = ∆T . (2.10.3)
−∞
Функция
sin ωm (t − k∆t )
ϕk (t) = = sinc ωm (t − k∆T ) (2.10.4)
ωm (t − k∆T )
называется функцией отсчетов (импульс вида sinc ωmt при k∆T = 0
представлен на рис. 2.16).
sinc(ωmt)
1 Φ0( ω)
1/2fm
−1/2fm 1/2fm
t −2πfm 2πfm ω
108
Так как спектр x(t) ограничен, то сигнал x(t) является непрерыв-
ным и определен в интервале −∞ < t < ∞. Поэтому ряд (2.10.2), как
ряд Фурье, точно определяет заданный сигнал x(t) не только в точ-
ках отсчета, но и в любой момент времени. При этом коэффициенты
Фурье в соответствии с (2.6.12), (2.10.1), (2.10.5)
∞ ω
2fm m − jk∆T ω
αk =
∆T ∫ x(t)ϕk (t)dt =
2π −ω∫
X(ω)
2fm
e dω = x(k∆T ) .
−∞ m
109
fmTc fmTc
Э ∆T
∑ [x(k∆T )] = 2f T ∑ [x(k∆T )] .
2 2
x2 = = (2.10.8)
Tc Tc k =− fmTc m c k =− fmTc
110
физически трудно реализуемо и приводит к значительному запаз-
дыванию при восстановлении сигнала.
5. Для реальных сигналов частота среза fm является трудно оп-
ределяемым параметром. Один из возможных способов ее нахожде-
ния состоит в том, что задаются относительной ошибкой воспроиз-
ведения сигналов в виде
∞
2
2 ∫ S(ω) dω
ε (t) ωm
ε2 (t) = = ∞
(2.10.9)
x2 (t) 2
∫ S(ω) dω
0
112
Если сигнал имеет конечную длительность, то, начиная с неко-
торого номера N, отсчёты будут нулевыми, и поэтому спектр сигна-
ла, представленного N отсчётами, будет иметь вид
N −
ST (ω) = ∑ s(kT) e− jωkT . (2.10.14)
k =0
113
либо теорему Котельникова в частотной области по отношению к
спектру. В итоге восстановленный из дискретного спектра сигнал
sT (t) становится периодическим с периодом по времени Tc = 2π/Δω.
Таким образом, после восстановления сигнал является и пери-
одическим, и дискретизированным. Очевидно, что максимально
допустимая величина Δω определяется необходимостью отсутствия
наложения отдельных периодов sT (t), т. е. Tc = 2π/∆ω ≥ τc = NT, где
tc – длительность исходного непрерывного сигнала; N – количество
отсчётов при дискретизации по времени; T – шаг дискретизации.
Поэтому обычно берут ∆ω = 2π/NT.
Так как S(n) – периодическая последовательность (поскольку
ST(ω) – периодическая), то достаточно иметь отсчёты S(n) только
на одном периоде, т. е. достаточно всего (2π/T)/(2π/NT) = N отсчётов
S(n) при n = 0, …, N−1 и Δω = 2π/NT. S(n) называется дискретным
преобразованием Фурье (ДПФ) [1] последовательности s(kT) из N
отсчётов. Преобразования s(kT) ⇔ S(n), k, n = 0, …, N−1 являются
взаимнооднозначными, при этом s(kT) получается из S(n) при помо-
щи обратного ДПФ
2π
N − j kn
s(kT ) = s(k) = ∑
N n =0
S(n) e N , k = 0,..., N − , (2.10.17)
где
N − 2π
−j nk
S(n) = ∑ s(kT) e N , n = 0,..., N − .
k =0
115
t = kT+εT, т. е. x(kT+εT) = x[k, ε], где ε – фиксированная величина
(0 ≤ ε ≤1), задающая смещение отсчёта по времени.
Одностороннее дискретное преобразование Лапласа представля-
ют рядом
∞
X(s, ε) = ∑ e − skT x[k, ε] . (2.10.18)
k =0
116
2. Теорема сдвига.
Если n – целое положительное число, то
n
Z {x [k − n]}= z−n X(z) + ∑ zm x [−m] . (2.10.24)
m =
k k
Ряд ∑ x[m]y[k − m] = ∑ y[m]x[k − m] называют дискретной сверт-
m =0 m =0
кой.
4. Теорема о конечном значении.
lim x[k] = lim(z − ) X(z) . (2.10.27)
k →∞ z→
5. Теорема обращения.
Оригинал x[k] = Z−1{X(z)} определяется выражением
x[k] = ∫
X(z)zk −dz . (2.10.28)
2πj Γ
117
Пусть погрешность восстановления (см. (2.10.10)) характеризует-
ся средним по времени и реализациям квадратом отклонения вос-
становленного аналогового сигнала x (t) от исходного x(t):
σ2в = M ∫ [x(t) − x (t) ] dt .
2
(2.10.29)
T T
2 Nk
σ2в = − ∑ Rx (t − tk ) Φk (t)dt +
T k =0 T∫
Nk Nk
+ ∑ ∑ Rx (t − tk ) Φi (t) Φk (t)dt ,
T i =0 k =0 T∫
(2.10.31)
118
при условии, что интервал времени бесконечный, т. е. T = ∞ и Nk = ∞,
а шаг дискретизации tk+1−tk = 1/2fc = π/ωc , оптимальные базисные
функции существуют
sin ωc (t − tk )
Φ k (t) = , (2.10.33)
ωc (t − tk )
119
Глава 3. Статистический анализ и
оценка точности линейных систем
120
ти неудобно. Поэтому на практике пользуются более простыми и
удобными «числовыми» характеристиками точности.
Важной оценкой точности системы является вероятность того,
что ошибка в момент t не выйдет за пределы заданной области Ω.
Для получения такой оценки в общем случае тоже требуется знать
закон распределения или моменты высших порядков входных слу-
чайных сигналов, что не всегда известно.
Часто ограничиваются определением первых двух моментов слу-
чайной ошибки – математическим ожиданием и корреляционной
функцией или средним квадратом (начальным моментом второго
порядка). Определение этих характеристик существенно проще и
для этого необходимо знать менее полные статистические характе-
ристики входных сигналов. Например, в случае линейной системы
достаточно знать их математические ожидания и корреляционные
функции.
Задача оценки точности системы заключается в том, чтобы по
известным статистическим характеристикам входных сигналов и
заданному преобразованию полезного сигнала найти для данной
системы статистические характеристики её ошибки.
Если известные статистические характеристики входных сигна-
лов недостаточны для определения принятой оценки точности сис-
темы, то задачу оценки точности следует решать на основе принци-
па получения гарантированного результата при наихудших услови-
ях. В этом случае задача заключается в том, чтобы найти оценку
ошибки данной системы при наиболее неблагоприятных значениях
входных сигналов, какие могут быть при известной информации о
них.
В этой главе будут рассмотрены в основном методы определения
первых двух моментов выходных сигналов для линейных стацио-
нарных и нестационарных систем.
121
λ2 λ2
A t {∫ c(τ) ⋅ z(t, τ)dτ} = ∫ c(τ) ⋅ A t {z(t, τ)}dτ . (3.2.1)
λ λ
{ }
Аτt {} = sup Аτt {z(τ)} ; z ≤
{ }
Aτt {} = inf K; Aτt {z(τ)} ≤ K ⋅ z , z ∈ Z .
122
Если пространства входов и выходов идентичны, линейное пре-
образование называется линейным оператором. Таким образом,
линейный оператор – это линейное преобразование, отображающее
область своего определения в себя.
Для операторов естественно ввести ещё одну векторную опера-
цию, называемую произведением. Произведение двух операторов
есть составное отображение вида
t t
Aτt {} = Aτ {} ⋅ A2τ {} ⇒ Aτt {z(τ)} =
t t t t
= Aτ {z(τ)} ⋅ A2τ {z(τ)} = Aτ { A2τ {z(τ)}} . (3.2.5)
∞ ∞
= ∫ g (σ)t− j2πf σ ∫e
j 2 π( f −ν ) τ
dτ dσ = W (f ) ⋅ δ(f − ν) , (3.2.8)
−∞ −∞
123
где δ(f−ν) – дельта-функция; W(f) – частотная характеристика ста-
ционарной или инвариантной во времени системы. В частотном ас-
пекте соотношение (1.2.4) имеет следующий вид:
∞
Xˆ (f ) = ∫ W (f )δ(f − ν)Y (ν)dν = W (f )Y (f ) . (3.2.9)
−∞
124
g(t, τ) = ω(τ)δ(t−τ) .
В частотной форме можно записать
∞ ∞
− j 2 πft + j 2 πντ
W (f , ν) = ∫ ∫ ω(t)δ(t − τ)e dt dτ =
−∞ −∞
∞
− j 2 π( f −ν ) τ
= ∫ ω(τ)e dτ = W (f − ν) . (3.2.12)
−∞
Следовательно, в частотном представлении рассматриваемая
операция характеризуется интегралом свертки
∞
Xˆ (f ) = ∫ W (f − ν)Y (ν)dν . (3.2.13)
−∞
n
∑ ψ (t)θk (τ) при t ≥ τ ,
g(t,τ)= k= k (3.2.15)
0 при t< τ .
n
∑ α e k
s (t −τ)
при t ≥ τ ,
g (t − τ) = k = k (3.2.16)
0 при t < τ,
125
где sk – корни уравнения Q(s) = 0. Частотная характеристика для та-
кого инвариантного во времени оператора есть рациональная фун-
кция частоты
n
αk
W (f ) = ∑ ,
k = j2πf − sk
5. Вырожденный оператор.
Рассмотрим бесконечномерное функциональное пространство
L2(−∞, ∞), т. е. пространство, в котором энергия (квадрат нормы) сиг-
налов или помех, определённых на бесконечном интервале времени
(−∞, ∞), ограничена
∞
2 2
y = ∫ y(t) dt < ∞ .
−∞
126
где скалярное произведение имеет следующий вид:
∞
∗
(y, θi ) = ∫ y(t)θi (t)dt ,
−∞
где θ*(t) – комплексно-сопряжённая функция. Напомним, что фун-
кциональное полное пространство со скалярным произведением
является метрическим пространством и называется гильбертовым
пространством.
6. Оператор системы в форме линейного интегрального уравне-
ния.
Не все линейные динамические системы можно описать в форме
дифференциальных уравнений. Например, линейная система с чис-
тым запаздыванием. Оператор таких систем может быть представ-
лен в форме линейного интегрального уравнения
T
α ⋅ xˆ (t) − λ ∫ L(t, τ)xˆ (τ)dτ = y(t) , (3.2.20)
0
128
вания оператором системы корреляционной функции входного сиг-
нала: один раз по отношению к первому её аргументу, второй раз
по отношению ко второму аргументу. При этом порядок операций
безразличен.
Рассмотрим преобразования входных случайных сигналов мно-
гомерной системой, имеющей несколько входов и выходов. Пусть на
входы многомерной системы поступает n случайных сигналов, кото-
рые преобразуются в m выходных случайных сигналов (рис. 3.2).
Y11 Y1
X1
A11
B
Y2
X2 Y12
A12
B
……… Yk
Y1k
Xk
A1k
B
………
Xn Y1n
Ym
B
A1n
B B
где l = 1, 2,..., m.
Итак, математическое ожидание рассматриваемого выходного
сигнала получается как сумма результатов преобразований матема-
тических ожиданий всех входных сигналов операторами системы,
соответствующими каждому входному сигналу и рассматриваемо-
му выходному сигналу.
Выведем формулу для взаимной корреляционной функции
Kyl y p (t,t2 ) выходных сигналов с номерами l и p. Предварительно
запишем на основании формулы (3.3.6) для центрированных слу-
чайных процессов
n
Yl (t) = ∑ Alk
t
{Xk (t)} , (3.3.9)
k =
130
n
Yp (t) = ∑ A tph {Xh (t)} . (3.3.10)
h =
131
3.4. Статистические характеристики выходных
сигналов элементарных звеньев
Используя общие правила преобразования входных случайных
сигналов оператором линейной системы, запишем выражения для
математических ожиданий и корреляционных функций выходных
сигналов элементарных звеньев: суммирующего, дифференцирую-
щего, интегрирующего и усилительного.
Математическое ожидание и корреляционная функция
выходного сигнала суммирующего звена
Пусть на вход суммирующего звена поступает n случайных сиг-
налов Xk(t), k = 1, …, n, имеющих математические ожидания mxk (t)
и корреляционные функции Kxkxh (t,t2 ), k, h = 1, 2,..., n.
Суммирующее звено осуществляет операцию суммирования
входных сигналов Xk(t) и для него оператор Alk{} = 1·{}.
Применяя формулы (3.3.8) и (3.3.11), запишем соответственно
математическое ожидание и корреляционную функцию выходного
сигнала суммирующего звена:
n n
my (t) = ∑ ⋅ {mxk (t)} = ∑ mxk (t) ,
k = k =
n n n n
Ky (t,t2 ) = ∑ ∑ ⋅ { ⋅ {Kxkxh (t ,t2 )}} = ∑ ∑ Kxkxh (t,t2 ) . (3.4.1)
k = h = k = h =
132
По формулам (3.3.2) и (3.3.5) находим соответственно математичес-
кое ожидание и корреляционную функцию выходного сигнала диф-
ференцирующего звена:
dmx (t)
my (t) = A t {mx (t)} = , (3.4.2)
dt
d2 Kx (t,t2 )
Ky (t,t2 ) = A t A t2 {Kx (t,t2 )} = . (3.4.3)
dt dt2
133
По формуле (3.4.2) находим математическое ожидание
dmx (t)
my (t) = = −a ω sin ωt .
dt
d2 Kx (τ) d2 Kx (τ)
Ky (t,t2 ) = =− ,
dt dt2 dτ2
где τ = t2−t1.
Выполняя дифференцирование, имеем
d
Dx e −α τ (−α2 2τ) = 2Dx α2 e −α τ ( − 2α2 τ2 ) .
2 2 2 2
Ky (τ) = −
dτ
134
Итак, математическое ожидание выходного сигнала интегриру-
ющего звена равно интегралу от математического ожидания вход-
ного сигнала, а корреляционная функция выходного сигнала равна
двойному интегралу от корреляционной функции входного сигна-
ла, взятого по первому и второму аргументам. Порядок операций
безразличен.
Этот результат обобщается на случай прохождения входного
случайного сигнала через последовательную цепь из интегрирую-
щих звеньев.
Найдём корреляционную функцию выходного сигнала интег-
рирующего звена, когда на его вход поступает случайный сигнал в
виде белого шума.
По формуле (3.4.4), принимая во внимание корреляционную
функцию белого шума (2.7.15), получим
t t2 t t2
0 t=tk
t=tk
t
t
t=t
Рис. 3.3. Вид весовой функции нестационарной системы
Сечение поверхности вертикальной плоскостью, параллельной
оси 0t и проходящей через τk, даёт кривую, изображающую реак-
цию g(t, τk) системы на импульс, приложенный в момент времени
τk.
Сечение поверхности вертикальной плоскостью, параллельной
оси 0τ и проходящей через tk, даёт кривую, изображающую функ-
цию g(tk, τ) как функцию второго аргумента τ.
Следует заметить, что функция g(tk, τ) не представляет собой ре-
акцию данной системы на импульс. График функции g(tk, τ) обра-
зуется как множество ординат весовых функций, построенных для
фиксированного момента времени t = tk.
На основании формулы (1.2.6) запишем выражения оператора
нестационарной линейной системы через весовую функцию
t
A t {} = ∫ g (t, τ){}dτ . (3.5.1)
t0
136
Используя формулы (3.3.2) и (3.3.5) с учётом выражения (3.5.1),
получим соответственно математическое ожидание и корреляцион-
ную функцию выходного сигнала нестационарной линейной систе-
мы:
t
my (t) = ∫ g (t, τ)mx (τ)dτ , (3.5.2)
t0
t t2
Ky (t,t2 ) = ∫ ∫ g (t, τ )g (t2 , τ2 )Kx (τ, τ2 )dτdτ2 . (3.5.3)
t0 t0
137
Для линейной стационарной системы (линейной системы с пос-
тоянными параметрами) весовая функция является функцией
только одного аргумента – разности между моментом наблюдения
реакции системы и моментом приложения единичного импульса,
т. е. g(t, τ) = g(t−τ). В этом случае формулы (3.5.2) – (3.5.4) соответс-
твенно запишутся:
t t −t0
my (t) = ∫ g (t − τ)mx (τ)dτ = ∫ g (u)mx (t − u)du , (3.5.5)
t0 0
t −t0 t2 −t0
Ky (t,t2 ) = ∫ ∫ g (u ) g (u2 ) Kx (t − u,t2 − u2 )dudu2 , (3.5.6)
0 0
t −t0 t −t0
Dy (t) = ∫ ∫ g (u ) g (u2 ) Kx (t − u,t − u2 )dudu2 . (3.5.7)
0 0
∞∞
Ky (τ) = ∫ ∫ g (u )g (u2 ) Kx (τ + u − u2 )dudu2 , (3.5.9)
00
∞∞
Dy = ∫ ∫ g (u )g (u2 ) Kx (u − u2 )dudu2 . (3.5.10)
00
где τ = t2−t1.
Формулы (3.5.8)–(3.5.10) показывают, что математическое ожи-
дание и дисперсия выходного сигнала являются постоянными ве-
личинами, а корреляционная функция выходного сигнала зависит
только от разности аргументов τ = t1−t2. Таким образом, выходной
сигнал в этом случае представляет собой стационарный случайный
процесс.
138
На основании анализа полученных формул можно сделать об-
щий вывод: выходной сигнал линейной системы представляет со-
бой стационарный случайный процесс тогда и только тогда, когда
рассматривается устойчивая стационарная линейная система в ста-
ционарном режиме при стационарном случайном входном сигнале.
Следовательно, нестационарность выходного сигнала системы
обусловливается хотя бы одной из трёх причин: нестационарностью
входного сигнала, нестационарностью данной системы, нестацио-
нарностью режима работы системы.
Результаты, полученные в начале параграфа для одномерной
системы, можно обобщить на случай многомерной системы (см. рис.
3.2.), если динамические свойства её заданы совокупностью опера-
торов Alk, выраженных через весовые функции.
Запишем на основании выражения (3.5.1) оператор системы с по-
мощью весовой функции
t
t
Alk {} = ∫ glk (t, τ){}dτ , (3.5.11)
t0
где l, p = 1, 2,..., m.
139
Зная совокупность весовых функций линейной многомерной
системы, корреляционную функцию рассматриваемой пары выход-
ных сигналов определяют как сумму результатов двойного интег-
рального преобразования вида (3.5.13) всех автокорреляционных и
попарно взаимных корреляционных функций входных сигналов.
Выражение дисперсий выходных сигналов получим из формулы
(3.5.13), если принять t1 = t2 = t и l = p,:
n n t t
Dyl (t) = ∑ ∑ ∫ ∫ glk (t, τ ) glh (t, τ2 ) Kxkxh (τ, τ2 )dτdτ2 , (3.5.14)
k = h = t0 t0
где l = 1, 2,..., m.
Зная совокупность весовых функций линейной многомерной сис-
темы, дисперсию рассматриваемого выходного сигнала определяют
как сумму результатов двойного интегрального преобразования
вида (3.5.14) всех автокорреляционных и попарно взаимных корре-
ляционных функций входных сигналов.
Для случая, когда входные сигналы являются некоррелирован-
ными случайными процессами, т. е. Kxkxh (t,t2 ) = 0 при k≠h, в фор-
мулах (3.5.13) и (3.5.14) двойное суммирование заменяют простым
суммированием.
Так, для дисперсии формула (3.5.14) принимает вид
n t t
Dyl (t) = ∑ ∫ ∫ glk (t, τ ) glk (t, τ2 ) Kxk (τ, τ2 )dτdτ2 , (3.5.15)
k = t0 t0
где l = 1, 2,..., m.
Формула (3.5.15) показывает, что при некоррелированных вход-
ных сигналах дисперсия рассматриваемого выходного сигнала
представляет собой сумму отдельных дисперсий.
Формулы (3.5.12) – (3.5.15) позволяют находить соответствую-
щие характеристики ошибки линейной системы, т. е. оценивать
точность системы. С этой целью схему, показанную на рис. 3.1, не-
обходимо сопоставить с системой, представленной на рис. 3.2, при
условии наличия у неё двух входов и одного выхода. Тогда на осно-
вании формул (3.5.12) и (3.5.13) при n = 2, m = 1 получим:
математическое ожидание ошибки
2 t
me (t) = ∑ ∫ gek (t, τ)mxk (τ)dτ
k = t0
140
2 2 t t2
Ke (t,t2 ) = ∑ ∑ ∫ ∫ gek (t, τ ) geh (t2 , τ2 ) Kxkxh (τ, τ2 )dτdτ2 .
k = h = t0 t0
В этих формулах:
ge (t, τ) – весовая функция идеальной системы, взятая с проти-
воположным знаком;
ge2 (t, τ) – весовая функция реальной системы;
mx (t) и mx2 (t) – математические ожидания соответственно по-
лезного сигнала X(t) и входного сигнала реальной системы Y(t);
Kxx (t,t2 ) , Kx2x2 (t,t2 ) , Kxx2 (t,t2 ) , Kx2x (t,t2 ) – автокорреля-
ционные и взаимные корреляционные функции входных сигналов
X(t) и Y(t).
Если ввести в рассмотрение матрицу весовых функций G =
(m×n)
= glk (t, τ) и учесть выражение для матричного оператора
t
A t {} = ∫ G (t, τ){}dτ ,
t0
∞∞
KY (t,t2 ) = ∫ ∫ G (u )KX (t2 − t + u − u2 )G T (u2 )dudu2 = KY (τ) , (3.5.17)
00
141
∞
KYX (t,t2 ) = ∫ G (u ) KX (t2 − t + u )du = KYX (τ) , (3.5.18)
0
∞
KXY (t,t2 ) = ∫ KX (t2 − t − u2 )G T (u2 )du2 = KXY (τ) . (3.5.19)
0
142
Для того чтобы выразить my(t) через передаточную функцию сис-
темы, воспользуемся соотношением
∞
Φ(s) = ∫ g (u)e − su du, (3.6.4)
0
d r Φ(s)
Φ (r ) (0) = .
dsr s =0
143
значениях u, а передаточная функция Φ(s) является дифференци-
руемой функцией соответствующего порядка.
В частном случае, когда mx = const, формула (3.6.7) принимает
вид
my = mxΦ(0) . (3.6.8)
На основании формул (3.3.2) и (3.6.7) выражение оператора че-
рез передаточную функцию для стационарной системы в установив-
шемся режиме имеет вид
∞
Φ r (0) d r {}
A t {} = ∑ ⋅ r .
r =0 r ! dt
Спектральная плотность
Во временном представлении случайного процесса в качестве его
характеристики рассматривалась корреляционная функция. В час-
тотном представлении аналогичной характеристикой стационарно-
го случайного процесса является спектральная плотность.
Пусть на вход стационарной линейной системы поступает ста-
ционарный случайный процесс X(t) со спектральной плотностью
Sx(ω). Требуется найти спектральную плотность выходного сигнала
системы в установившемся режиме.
Известно, что выходной сигнал в этом случае представляется ста-
ционарным случайным процессом Y(t). Поэтому для выходного ста-
ционарного случайного сигнала на основании соотношения (2.7.9)
спектральной теории стационарных случайных процессов запишем
следующее выражение для спектральной плотности сигнала:
∞
− jωτ
Sy (ω) = ∫ Ky (τ)e dτ .
2π −∞
(3.6.9)
144
Несколько изменяя запись подынтегральной функции, тройной
интеграл в выражении (3.6.11) можно представить в форме
∞ ∞
Sy (ω) = ∫ g (u )e − jωu ∫ g (u2 )e jωu2 ×
0 0
∞
× ∫ Kx (τ + u − u2 )e − jω( τ+ u −u2 ) dτdudu2 . (3.6.12)
2π −∞
Принимая во внимание, что
∞
− jω( τ+ u −u2 )
∫ Kx (τ + u − u2 )e
2π −∞
dτ = Sx (ω)
∫ | Φ( jω) |
2
Dy = Sx (ω)dω . (3.6.15)
−∞
145
Итак, зная частотную характеристику системы, корреляцион-
ную функцию и дисперсию выходного сигнала устойчивой линей-
ной стационарной системы в установившемся режиме при стаци-
онарном случайном входном сигнале определяют как результат
простого интегрального преобразования спектральной плотности
входного сигнала.
Результаты, полученные для одномерной системы, легко обоб-
щаются на многомерную устойчивую стационарную систему. Пусть
на вход многомерной системы поступает n сигналов. Система име-
ет m выходов (см. рис. 3.2). Каждый из n входных сигналов может
быть преобразован в соответствующий выходной сигнал с номером
выхода l (l = 1, 2,..., m).
Статистические характеристики входных сигналов – математи-
ческие ожидания mxk (t) (k = 1, 2,..., n) и спектральные плотности
Sxkxh (ω) (k, h = 1, 2,..., n) – известны. Динамические свойства систе-
t
мы заданы совокупностью операторов Alk через передаточные фун-
кции:
∞ Φ (lkr ) (0) d r {}
t
Alk {} = ∑ ⋅ r , (3.6.16)
r =0 r! dt
где l, p = 1, 2,..., m.
Формула (3.6.19) справедлива только для стационарных и стаци-
онарно связанных случайных процессов. Поэтому этой формулой
можно пользоваться тогда и только тогда, когда рассматривает-
ся устойчивая стационарная линейная система в установившемся
режиме при стационарных и стационарно связанных случайных
входных сигналах.
В этом случае корреляционные функции выходных сигналов оп-
ределяются на основании формулы (3.5.13):
n n ∞∞
Kyl y p (τ) = ∑ ∑ ∫ ∫ glk (u ) g ph (u2 ) Kxkxh (τ + u − u2 )dudu2 . (3.6.20)
k = h = 0 0
147
∞
где l = 1, 2,..., m; Φ lk ( jω) = ∫ glk (u )e − jωu du – частотная харак-
0
теристика системы по отношению к k-му входу и l-му выходу;
∞
Φ ph (− jω) = ∫ g ph (u2 ) jωu2 du2 – комплексно-сопряженная частотная
0
характеристика системы по отношению к h-му входу и p-му выхо-
ду.
Итак, зная совокупность частотных характеристик устойчивой
линейной стационарной многомерной системы, взаимную спект-
ральную плотность рассматриваемой пары выходных сигналов этой
системы в установившемся режиме определяют суммированием
вида (3.6.21).
Перейдём к определению дисперсий выходных сигналов много-
мерной системы.
Корреляционная функция и дисперсия
Взаимную корреляционную функцию произвольной пары вы-
ходных сигналов Yl(t) и Yp(t) рассматриваемой системы на основа-
нии формулы (2.7.13) с учётом выражения (3.6.21) запишем
n n ∞
Kyl y p (τ) = ∑ ∑ ∫ Φlk ( jω)Φ ph (− jω)Sx x
k h
(ω)e jωτ dω , (3.6.22)
k = h =−∞
где l, p = 1, 2,..., m.
При τ = 0 и l = p получаем формулу для дисперсии выходного сиг-
нала Yl(t):
n n ∞
Dyl = ∑ ∑ ∫ Φlk ( jω)Φlh (− jω)Sx x
k h
(ω)dω , (3.6.23)
k = h = −∞
где l = 1, 2,..., m.
Итак, зная совокупность частотных характеристик устойчивой
линейной стационарной многомерной системы, корреляционные
функции и дисперсии рассматриваемых выходных сигналов в ус-
тановившемся режиме определяют суммированием простых интег-
ральных преобразований (3.6.22) и (3.6.23) всевозможных попарно
взаимных спектральных плотностей входных сигналов.
Соотношениям (3.3.12)–(3.3.15) для многомерной системы в час-
тотной области соответствует:
mY = Φ(0)mX ,
T
SY (ω) = Φ( jω)SX (ω)Φ (− jω) ,
(3.6.24)
SYX (ω) = Φ( jω)SX (ω) ,
SXY (ω) = SX (ω)Φ T (− jω) ,
148
где SX(ω), SY(ω) – матрицы спектральных плотностей, а SXY(ω) и
SYX(ω) – матрицы взаимных спектральных плотностей векторов
∞
X(t) и Y(t); Φ ( jω) = ∫ G (u)e − jωu du – матрица частотных характерис-
(m×n)
0
тик многомерной линейной системы.
Полученные формулы для статистических характеристик вы-
ходных сигналов в частотном представлении используем для опре-
деления статистических характеристик установившейся ошибки
линейной стационарной системы.
Рассмотрим статистические характеристики установившейся
ошибки стационарной линейной системы в частном представлении.
Пусть на вход реальной системы поступает (см. рис. 3.1) суммар-
ный сигнал Y(t) = X(t)+ξ(t) . Полезный сигнал X(t) и помеха ξ(t) пред-
ставляют собой стационарные и стационарно связанные случайные
процессы с известными математическими ожиданиями и спект-
ральными плотностями. Требуется найти статистические характе-
ристики ошибки системы в стационарном режиме: математическое
ожидание, спектральную плотность и дисперсию.
Эта задача представляет собой частный случай задачи определе-
ния статистических характеристик выходных сигналов многомер-
ной системы, когда число входов n = 2, а число выходов m = 1.
Используя общие формулы (3.6.18), (3.6.21) и (3.6.23), последова-
тельно запишем выражения для математического ожидания, спек-
тральной плотности и дисперсии ошибки системы.
Математическое ожидание
Формула (3.6.18) при n = 2, m = 1 с учётом того, что математи-
ческие ожидания входных сигналов имеют постоянные значения,
определяет математическое ожидание ошибки системы
2
me = ∑ Φ ek (0)mxk . (3.6.25)
k =
149
Спектральная плотность
Формула (3.6.21) при n = 2, m = 1 определяет спектральную плот-
ность ошибки системы
2 2
Se (ω) = ∑ ∑ Φ ek ( jω)Φ eh (− jω)Sxkxh (ω) . (3.6.26)
k = h =
150
Если спектральные плотности входных сигналов Sxkxh (ω) пред-
ставляют собой дробно-рациональные функции от jω, вычисление
интегралов (3.6.29) можно свести к вычислению интегралов стан-
дартного вида [3, 6]
∞
Bn ( jω)
In = ∫ An ( jω) An (− jω) dω ,
2π −∞
(3.6.30)
где
An ( jω) = a0 ( jω)n + a ( jω)n − + ... + an ,
Bn ( jω) = b0 ( jω)2n −2 + b ( jω)2n −4 + ... + bn − .
Значения этих интегралов получаются непосредственно через
параметры спектральных плотностей входных сигналов и частот
ных характеристик системы.
Заметим, что в случае взаимной некоррелированности сигналов
xk(t) и xh(t) Sxkxh (ω) = 0 и в (3.6.29) останутся только Sxkxk (ω) , явля-
ющиеся чётными вещественными функциями ω, которые, однако,
всегда можно при помощи операции факторизации представить в
виде произведения двух комплексно-сопряжённых функций от jω.
Значение интеграла определяется по формуле
(−)n + Cn
In = , (3.6.31)
2 a0 Dn
∞
Dx α T 2 ( jω)4 − ( jω)2
De =
π −∞∫ (T( jω)2 + jω + k)(T(− jω)2 − jω + k)(α + jω)(α − jω) dω +
∞
dω
+k2 s0 ∫ (T( jω)2 + jω + k)(T(− jω)2 − jω + k) = 2 Dx α I3 + 2π k s0 I2 ,
2
−∞
= a0 ( jω)3 + a ( jω)2 + a2 jω + a3 , a0 = T, a = Tα + , a2 = α + k, a3 = kα .
152
Согласно (3.6.31)
b0 a0 0
b a2 a
3+ b
(−) 2 0 a3 −a2b0 + a0 b − a0 ab2 / a3 + T (α + k)
I3 = = = ⋅ 2 ,
2a0 a a0 0 2a0 (a0 a3 − aa2 ) 2 α T +α+k
a3 a2 a
0 0 a3
Теперь найдём I2.
∞
B2 ( jω)
I2 = ∫
2π −∞ A2 ( jω) A2 (− jω)
dω ,
B2 ( jω) = = b0 ( jω)2 + b , b0 = 0, b = ;
A2 ( jω) = T ( jω)2 + jω + k = a0 ( jω)2 + a jω + a2 , a0 = T, a = , a2 = k;
b0 a0
2+
(−) b a2 −b0 + a0 b / a2
I2 = ⋅ = = .
2a0 a a0 2a0 a 2k
a3 a2
Подставляя найденные значения I2 и I3 в выражение для диспер-
сии, получим
+ T (α + k)
De = Dx α 2 + kπs0 .
α T +α+k
{
Kx (t) = M [x(t) − mx (t)][x(t) − mx (t)]T . } (3.7.10)
155
Учитывая, что M[n(τ1)nT(τ2)] = I⋅δ(τ2−τ1) (так как n(t) – вектор бе-
лых шумов единичной интенсивности), и выполняя интегрирова-
ние с δ‑функцией, окончательно получим
t
Kx (t) = Φ(t,t0 ) Kx (t0 ) Φ T (t,t0 ) + ∫ Φ(t, τ) G (τ) G T (τ)Φ T (t, τ)dτ . (3.7.11)
t0
{
Kx (t,t2 ) = M [x(t ) − mx (t )][x(t2 ) − mx (t2 )]T . }
Повторяя действия, подобные выполненным при выводе (3.7.11),
получим
min(t ,t2 )
Kx (t,t2 ) = Φ(t,t0 ) Kx (t0 ) Φ T (t2 ,t0 ) + ∫ Φ(t, τ) G (τ) G T (τ)Φ T (t2 , τ)dτ .
t0
156
Матрица корреляционных функций вектора наблюдаемых сиг-
налов с учётом (3.7.6)
Ky (t,t2 ) = H(t ) Kx (t,t2 ) H T (t2 ) .
157
Заключение
Подводя итоги изучения изложенного в учебном пособии мате-
риала, перечислим и дадим краткую характеристику рассмотрен-
ных вопросов, предварительно распределив их по следующим трём
группам.
1. Классические способы и методы описания сигналов и систем,
в основе которых лежат такие понятия, как гармонический ана-
лиз реализаций сигналов, описание систем на основе аппарата им-
пульсных весовых функций и частотных характеристик, корреля-
ционно-спектральное описание сигналов и систем при случайных
воздействиях. Вопросы этой группы продолжают оставаться фун-
даментом, на котором строится информационно-статистическая те-
ория измерений.
2. Описание сигналов и систем на основе метода пространства со-
стояний; вопросы, связанные с дискретизацией сигналов по време-
ни, в том числе дискретные преобразования Фурье, Лапласа, z-пре-
образование. Эти вопросы стали актуальными в связи с широким
распространением цифровой обработки сигналов.
3. Специальные вопросы такие, как конечномерная аппрокси-
мация сигналов и оператора систем в гильбертовом пространстве;
представление случайных сигналов при помощи обобщённых рядов
Фурье, рядов Пугачёва и Карунена–Лоэва; интегральное преобра-
зование Гильберта. Вопросы данной группы могут представлять
самостоятельный интерес, а также быть полезными в задачах ана-
лиза ИИС, но главным образом они применяются в приближенных
методах синтеза ИИС.
Приведённое деление на группы является условным, но может
быть отражением уровня формируемых знаний: материал первой
группы соответствует начальному уровню, содержание второй груп-
пы дополняет его до базового уровня, а сведения из третьей группы
необходимы для более глубокого владения предметом.
158
Библиографический список
1. Гоноровский И. С. Радиотехнические цепи и сигналы: учебник
для вузов. М.: Радио и связь, 1986. 512 с.
2. Френкс Л. Теория сигналов. М.: Советское радио, 1974. 344 с.
3. Росин М. Ф., Булыгин В. С. Статистическая динамика и теория
эффективности систем управления: учебник для вузов. М.: Маши-
ностроение, 1981. 312 с.
4. Тихонов В. И., Харисов В. Н. Статистический анализ и син-
тез радиотехнических устройств и систем: учебное пособие для
вузов. М.: Радио и связь, 1991. 608 с.
5. Перов В. П. Прикладная спектральная теория оценивания. М.:
Наука, 1982. 432 с.
6. Иванов Ю. П., Синяков А. Н., Филатов И. В. Комплексирова-
ние информационно-измерительных устройств летательных аппа-
ратов: учебное пособие для вузов. Л.: Машиностроение, 1984. 207 с.
7. Виноградов А. В., Иванов Ю. П. Методы обработки сигналов:
учебное пособие/ ЛИАП. Л., 1986. 76 с.
8. Тихонов В. И., Шахтарин Б. И., Сизых В. В. Случайные про-
цессы. Примеры и задачи: учебное пособие для вузов: В 4 т. Т. 2.
Линейные и нелинейные преобразования. М.: Радио и связь, 2004.
400 с.
9. Чернецкий В. И. Анализ точности нелинейных систем управ
ления. М.: Машиностроение, 1968. 246 с.
10. Михалёв В. И., Окоёмов Б. Н., Чикулаев М. С. Системы авто-
матического управления самолётом. М.: Машиностроение, 1987.
240 с.
159
Учебное издание
ИНФОРМАЦИОННО-СТАТИСТИЧЕСКАЯ
ТЕОРИЯ ИЗМЕРЕНИЙ
Модели сигналов и
анализ точности систем
Учебное пособие
Редактор А. В. Подчепаева
Верстальщик А. Н. Колешко
160