Теории управления

/> , берем мат-

ожидание, ,

, - коэффициент корреляции.

Утверждение доказано.


Вывод: На вход схемы рис.1 идет некоррелированный слу-

чайный процесс , а следовательно независимый.

(если процесс гауссовский и некоррелированный, то

он независимый, для других процессов это неверно)

В природе наиболее часто встречается гауссовский

случайный процесс. На выходе схемы - зависимый

коррелированный марковский процесс, у которого

плотность факторизуется по условным плотностям.

- не факторизуется

- факторизуется

Процесс (1) называется односвязный марковский

процесс.


Замечание: Процесс (1) получен при дискретизации непре-

рывного линейного диф. уравнения 1-го порядка.

без учета стохастической правой час-

ти

На сетке дискретного времени имеем :

; - получаем обычную ( не

стохастическую) авторегрессию.


Tc+1=a


Авторегрессия 2-го порядка - двухсвязный процесс


(1)


Коэффициенты называются коэффициентами регрес-

сии. Уравнение (1) без стохастической правой части легко

получается из диф. уравнения 2-го порядка. Уравнение (1)

реализует генератор марковского процесса, который называ-

ется двухсвязным в зависимости от входного процесса .


генератор

марковского рис.2

двухсвязного

процесса


На вход генератора действует белый шум. На выходе - двух

связный марковский процесс.

g(f)





белый шум



0 f f

В зависимости от коэффициентов ны выходе будут раз-

личные процессы. Процесс (1) получается из линейного диф.

уравнения 2-го порядка, если это диф. уравнение рассмат-

ривать на временной сетке (дискретна во времени).

Известно, что диф. уравнение 2-го порядка имеет реше-

ние в виде комплексной экспоненты, если корни характерис-

тического уравнения комплексные, аналогично для некоторых

значений коэффициентов , процесс авторегрессии будет

иметь вид стохастической синусоиды.


Генератор двухсвязного марковского процесса




|ѕѕ| |ѕѕ|





T - период дискретизации


Изменение по синусоиде называется синусоидальный тренд.

Марковский процесс 2-го порядка более богатый, чем 1-го,

с помощью него можно моделировать более сложные процессы.


Авторегрессия m-го порядка


(2)

- возбуждающий белый шум.

Процесс (2) получен из диф. уравнения m-го порядка путем

дискретизации. Это марковский процесс с дискретным време-

нем.

Этот процесс значительно более информативен, чем ра-

нее рассмотренные, ибо он может моделировать сложномоду-

лированные случайные процессы. Он может модулировать АМ,

ЧМ, ФМ путем подбора , а также подбором мож-

но идентифицировать очень многие случайные процессы ре-

ально существующие на практике, например : хорошо моду-

лируется движение летательнвх аппаратов при маневре (рег-

рессия m=6ё16), речь, полет космического корабля, посадка

на планету.Стохастическая модель удобна потому, что она адекватна реальным ситуациям.


Генератор m-связного марковского процесса



Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: