Identyfikacja Procesów Technologicznych, 08 Pomiar gestosci prawdopodobienstwa

background image

**. Pomiar gęstości prawdopodobieństwa

( )

x

f

x

(hipoteza ergodycznośći)


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

x1

X2

Xn

t

t

t

( )

x

x

t
x

m

m

t

=

,

0

Stacjonarny proces jest procesem ergodycznym jeżeli średnia policzona po zbiorze realizacji
jest taka sama dla wszystkich czasów rzeczywistych i dodatkowo jest równa średniej liczonej
po czasie dla wszystkich realizacji. Dla ergodycznych procesów stochastycznych, gęstość
prawdopodobieństwa i dystrybuantę prawdopodobieństwa można łatwo obliczyć według
następujących schematów.

Obliczenie gęstości prawdopodobieństwa:

( )

x

f

x

t

1

t

2

t

3

t

4

t

5

t

6

t

X(t)

X

X+ X

T

( )

?

x

T

x

T

t

x

f

k

i

T

x

x

=

=

,

lim

lim

1

0

Czas obserwacji procesu (horyzont czasowy pomiaru) powinien być wystarczająco długi.
Oznacza to przy używaniu powyższego wzoru dla danego

x

, zakończenie obliczeń gdy

wydłużanie czasu obserwacji nie powoduje zmian

( )

x

f

x

.




background image

Obliczenie dystrybuanty:

( )

x

F

x

∆τ

1

∆τ

2

∆τ

3

t

X(t)

X


( )

T

x

F

k

i

T

x

=

1

lim

τ





rozkład gaussowski:

( )

(

)

2

2

2

1

x

x

m

x

x

x

e

x

f

σ

σ

π

=












background image

rozkład dwumianowy

rozkład jednorodny (równomierny)







**. Pomiar g
ęstości widmowej

( )

ω

j

Φ

xx


Bezpośrednie wyliczenie gęstości widmowej własnej lub wzajemnej jest trudne. Łatwiej
Jest najpierw wyliczyć odpowiednie funkcje korelacji a następnie obliczyć ich transformaty
Fouriera.

Obliczenie funkcji korelacji w oparciu o dane pomiarowe:

( )

( ) ( )

( ) (

)

( )

k

k

n

x

n

x

K

N

t

d

t

x

t

x

T

R

T

xx

xx

K

N

0

n

0

R

1

1

1

=

+

+

+

=

=

τ

τ

max

,....

2

,

1

,

0

k

k

=

( )

( )

τ

τ

=

xx

xx

R

R

( )

( )

τ

τ

xx

xy

R

R

background image

X(t)

t

t


warunki poprawnych obliczeń dla sygnałów ciągłych:

( )

(

)

0

lim

max

=

=

=

τ

τ

τ

xx

R

?

?

T

Horyzont czasowy powinien być tak długi aby wydłużanie czasu obliczeń nie powodowało
zmian wartości otrzymywanych funkcji korelacji. Maksymalna wartość przesunięcia
czasowego, powinna być tak duża aby obejmowała czas w którym występuje funkcja
korelacji.

warunki poprawnych obliczeń dla sygnałów próbkowanych z krokiem próbkowania

t

∆ :

max

?

t

?

k

?

N

=

=

=

d

g

g

d

I

T

t

t

k

T

g

d

ω

ω

ω

π

τ

ω

π

τ

ω

ω

+

=

=

=

=

1

2

2

max

max

max


Obliczenie na podstawie

( )

( )

τ

τ

xy

xx

R

R

,

funkcji

( )

( )

ω

ω

j

Φ

Φ

xy

xx

,

-metoda trapezów

( )

( )

( ) ( )

( ) ( )

τ

τ

ω

τ

τ

τ

ω

τ

τ

τ

ω

τ

ω

d

R

j

d

R

d

e

R

j

Φ

xy

xy

j

xy

xy

sin

cos

+∞

+∞

+∞

=

=


wprowadzamy funkcje

i

T

:

T

i

K

i

t

t

i- i

t

i+ i

t

i


background image

( )

( )







+

+

<

<





+

+

=

<

=

0

1

2

2

0

i

i

i

i

i

i

i

i

i

i

i

i

i

i

i

i

t

t

t

t

K

K

p

t

K

T

τ

τ

τ

τ

τ

τ

( )

( )

=

n

i

i

xy

T

R

1

τ

τ

( )

( )

( )

( )

( )

∑ ∫

∑ ∫

∫ ∑

∫ ∑

=

+∞

=

+∞

+∞

=

+∞

=

+∞





=

=

n

i

i

n

i

i

n

i

i

n

i

i

j

xy

xy

d

T

j

d

T

d

T

j

d

T

d

e

R

j

Φ

1

1

1

1

sin

cos

sin

cos

τ

τ

ω

τ

τ

ω

τ

τ

ω

τ

τ

ω

τ

ω

ωτ


( )

( )

( ) ( )

( )

( ) ( )

=

+

=

+



+



+

n

i

t

t

i

t

i

n

i

t

t

i

t

i

xy

d

t

p

d

K

j

d

t

p

d

K

j

Φ

i

i

i

i

i

i

i

i

i

i

i

i

1

0

1

0

sin

sin

cos

cos

τ

τ

ω

τ

τ

ω

τ

τ

ω

τ

τ

ω

ω




( )

(

)

( ) ( )

=





n

i

i

i

i

i

i

i

xy

t

t

t

K

j

Φ

1

sin

sin

Re

ω

ω

ω

ω

ω


( )

(

)

( ) ( )

=





+

n

i

i

i

i

i

i

i

i

i

xy

t

t

t

K

K

t

sign

j

Φ

1

cos

cos

)

(

Im

ω

ω

ω

ω

ω

ω


Wyszukiwarka

Podobne podstrony:
Identyfikacja Procesów Technologicznych 08.Pomiar gestosci prawdopodobienstwa
Identyfikacja Procesów Technologicznych, 02 Eksperyment czynny
Identyfikacja Procesów Technologicznych, 07 Identyfikacja stochastyczna
Identyfikacja Procesów Technologicznych, Identyfikacja charakterystyki statycznej obiektu dynamiczne
Identyfikacja Procesów Technologicznych, Identyfikacja charakterystyk statycznych obiektu dynamiczne
Identyfikacja Procesów Technologicznych, Identyfikacja parametrycznarekurencyjną metodą najmniejszyc
Identyfikacja Procesów Technologicznych, 06 Metoda Momentów pelna
Identyfikacja Procesów Technologicznych 10.FFT
Identyfikacja Procesów Technologicznych 03.Obiekt oscylacyjny
Identyfikacja Procesów Technologicznych 05.Metoda momentów
Identyfikacja Procesów Technologicznych 09.Metodya korelacji
Identyfikacja Procesów Technologicznych, 05 Metoda momentów
Identyfikacja Procesów Technologicznych, Identyfikacja parametryczna obiektu dynamicznego (cz.1 i 2)
Identyfikacja Procesów Technologicznych, Identyfikacja parametryczna obiektów dynamicznych, Nr ?wicz
Identyfikacja Procesów Technologicznych, 12 Generatory przebiegów przypadkowych c d
Identyfikacja Procesów Technologicznych, 11 Generatory przebiegów przypadkowych
Identyfikacja Procesów Technologicznych, Realizacja liniowych modeli dyskretnych z wykorzystaniem si
Identyfikacja Procesów Technologicznych 06.Metoda Momentów pelna
Identyfikacja Procesów Technologicznych 07.Identyfikacja stochastyczna

więcej podobnych podstron