- •Раздел 1. Фильтрация помех при моделировании
- •1.1 Алгоритм разложения сигнала по неортогональному базису
- •1.2. О сходимости разложений
- •1.4 Фильтрующие свойства разложений
- •1.5 Оценка уровня помех в обрабатываемой реализации
- •1.6. Оценка погрешностей разложения
- •1.7. Численная оптимизация по параметрам базиса
- •1.8 Оценка погрешностей разложения методом статистического моделирования
- •Раздел 2. Моделирование непрерывных систем
- •2.1. Цифровое моделирование непрерывных динамических систем
- •2.1.1 Методы цифрового моделирования
- •2.1.2. Численное решение линейных дифференциальных уравнений методом разложения в ряд Тейлора
- •2.1.3. Выражение ошибки численного решения через изменения коэффициентов дифференциального уравнения
- •2.1.4. Выражение ошибки численного решения через изменение корней характеристического уравнения
- •2.1.5. Устойчивость численного решения
- •2.1.6. Повышение точности численного решения методом коррекции уравнений движения
- •2.2. Погрешности аналогового моделирования
- •2.2.1. Особенности аналоговой вычислительной техники
- •2.2.2. Взаимосвязь приращений корней и коэффициентов характеристического уравнения
- •2.2.3. Влияние аналогового интегратора на корни характеристического уравнения
- •2.3. Погрешности полунатурного моделирования
- •Раздел 3 Упражнения
- •Литература
- •Глава 5. Моделирование системы управления при лабораторных испытаниях (1)
1.5 Оценка уровня помех в обрабатываемой реализации
При обработке экспериментальных реализаций представляет интерес уровень помех, присутствующих в этих данных. Для сигналов, которые можно представить в виде зашумленных сигналов (21), можно оценить амплитуду помехи (а). Из соотношений (24) – (26) можно выразить амплитуду помехи, присутствующую в эксперименте:
a2 = Ed/(Eh – Esh ) = Ed/Eh(1 – Кф2)
Энергия ошибки разложения Ed вычисляется в процессе разложения обрабатываемой реализации. Величины Eh, Esh, и Кф оцениваются выражениями (27), (39) и (40). Таким образом:
a2 = Ed/Dh(N – n) (1.41)
Напомним, что здесь Dh – дисперсия шума, N – число отсчетов в обрабатываемой реализации, n – количество базисных функций.
1.6. Оценка погрешностей разложения
Для зашумленных сигналов типа (21) в качестве погрешности dS(j) разложения естественно принять разность между разложением S(j) зашумленного сигнала и идеальным (незашумленным) сигналом S0(j).
Учитывая выражения (21) и (22) можно записать:
dS(j) = S(j) – S0(j) = = (1.42)
Здесь dCk = Ck – C0k – погрешности разложения в области параметров сигнала.
Из рассмотрения треугольника a0a1a3 (рис.3) можно получить:
dS(j) = S(j) – S0(j) = аSh(j) (1.43)
Вектор аSh(j) был определен выше, как проекция помехи на базисную гиперплоскость Sn, амплитуда помехи а оценивается соотношением (41).
На Рис.4 представлен треугольник а0а1а3 из Рис.3, расположенный в базисной гиперплоскости Sn. При обработке экспериментальных данных вектор S(j) становится известным, вектора же S0(j) и аSh(j) – неизвестны. Однако длина L вектора aSh(j), характеризующего ошибку разложения, может быть оценена с помощью соотношений (39), (40),(41):
L = a = = Кф (1.44)
На Рис.4.4 приведена окружность (в общем случае гиперокружность) с центром в точке а3 и радиусом L (44). Истинное положение точки а3 (конца вектора S0(j)) лежит на
упомянутой окружности, что и является оценкой погрешности разложения.
Сравнивая соотношения (42) и (43) можно получить:
= a (1.45)
Отсюда
dCk = aChk , k = 1…n. (1.46)
Уравнения (46) показывает, что статистические характеристики ошибок коэффициентов разложения Ck могут быть оценены по статистическим характеристикам коэффициентов Chk разложения шума. Дисперсию Chk с учетом (31) можно записать:
D[Chk] = M[Chk 2] = (1.47)
Подставив сюда (36), получим:
D[Chk] = Dh (1.48)
Внутренняя сумма в (48) является элементом единичной матрицы в силу (31) , поэтому:
Отсюда и из (48)
D[Chk]=DhQkk (1.49)
Таким образом, дисперсию ошибок вычисления коэффициентов разложения сигналов типа (21) можно выразить из (46) и (49) следующим образом:
D[dCk]=a2DhQkk (1.50)