- •Тема1 Основные понятия теории систем
- •1.2 Классификация систем
- •1.3 Закономерности систем
- •1.4 Системный подход. Системный анализ
- •2.1 Качественные методы описания систем
- •2.2 Количественные методы
- •2.3 Кибернетический подход к описанию систем
- •2.4 Модели и моделирование ис
- •2.5 Сигналы в исследуемых системах
- •Тема 3.
- •3.3 Вх и вых сигналы.
- •3.4. Операторы переходов и выходов.
- •3.5. Детерминированные системы без последствия с вх. Сигналами двух классов.
- •3.6. Детерминированные системы с последействием.
- •3.7. Стохастические системы.
- •3.7.3. Предельная (финальная) вероятность состояний.
- •3.7.4. Типовые мсп.
- •3.7.5. Примеры применения мсп к исследованию систем.
- •3.8. Системы массового обслуживания.
- •3.8.1. Одноканальная смо с отказами.
- •3.8.2. Многоканальные смо с отказами.
- •3.8.3. Одноканальные смо с ожиданием.
- •3.8.4. Многоканальные смо с ожиданием.
- •Тема 4.
- •4.1. Понятие агрегата. Структура агрегативных систем (а-систем)
- •Тема 5.
- •5.1. Основные типы иерархии.
- •5.2. Формализация иерархических понятий.
- •5.3. Модели принятия решений при управлении сложными объектами.
2.5 Сигналы в исследуемых системах
ИС нах. под воздействием внеш. среды, кот. опред. сигналами xi, возмущениями fj, любого произвольного хар-ра, некоторыми промежуточными (внутр) сигналами vl, выходными сигналами yk.
Эти сигналы м.б. разл. видов.
В общем сл. все сигналы случайные, но для решения задач нек. м.б. интерпретированы как детерминированные.
|
|
Какие вер-ые хар-ки:
- мат. ожидание Mx(t)
- дисперсия Dx(t)
- корелляционная ф-я Kx(t1, t2)
- спектр. плотность Sx( )
|
- нестационарность отн. Mx(t)
- нестац-ть отн. Dx(t)
- нестац-ть отн. Kx(t1, t2)
|
Для НСП все хар-ки явл. ф-ями времени, и Kx и Sx связаны с моментом и разложениями. Kx опр-т внутр. структуру. Отн. спектра тоже можем сказать, что он разный в разных частотах (3-й график). При иссл-и систем СП м.б. и ССП и НСП. В чем особ-ть ССП?
|
- постоянство Mx и Dx и кор ф-и и спекрт. состава |
Как можно опр-ть хар-ки? Какой использовать механизм в системе, где процессы нестац?
Исслед-е любых систем, в кот. имеют место воздействия случ. хар-ра всегда очень сложное. Оно требует спец. методов. Но большую сложность при иссл-и системы составляют сигналы, относящиеся к нестац., т.к. очень ограничен аппарат, а имеющийся аппарат позволяет получить рез-ты, обладающие высокой погрешностью. Поэтому как правило всегда стараются путем тех или иных преобразований перейти от иссл-ия систем в классе нестационарных к иссл-ию систем в классе стац. сл. процессов. Здесь аппарат значит. шире и точность выше.
В свою очередь ССП в зав. от того, какими св-вами обладают, делят: 1) (св-во эргодичности) эродические и 2) неэргодические.
Как найти хар-ки ССП: усреднение по мн-ву (чем больше, тем лучше). Если мы может усреднить по времени, то говорят, что СП обладают св-вом эргодичности. Нас они и интересуют.
1) (1)
2) (2)
3) (3)
где
- интервал корреляции
4) (4)
Мы можем говорить об оценках:
, , ,
Кор ф-ии тех. сигналов, кот. исп. в системах, имеют соотв. анал. вид. Чаще всего – падающая экспонента.
(5) – это типовые ССП
≈0
- интервал корреляции
Наряду с (5) исп.:
(6)
- это пар-р, кот. явл. пар-ром и ССП и наз. коэф-том затухания.
Если длина Т конечна и если мы работаем с шагом квантования t, то:
N=T/t +1; и можем говорить об оценках: (7)
(8)
= (9)
N-1 и N-k-1 связано с ликвидацией смещенности оценок.
От кор. ф-и обычно переходит к нормированной кор. ф-и: НКФ:
(10), где
|
С увеличением выборки нормированные зн-я приближаются к идеальным. Как получать и задавать случ. посл-ти? Xt, где t=0, 1, 2, … N
|
Для получ-я случ. послед-тей с требуемыми хар-ками Mx, Dx, Kx(k) необход. восп-ся опред. алгоритмом преобраз-я сигнала. νj - незав. норм. вел-ы с M[νj]=0 и D[νj]=1
νj – это белый шум
Алгоритмов известно достаточно много, но наиб. распр-ны метод скользящего суммирования , метод рекуррентных разностных уравнений, метод с исп ур-й формирующего фильтра.
Но к настоящ. времени получено большое кол-во моделей получения сл. послед-тей. Одна из них – это АР модель: (авторегрессионная)
(11), где
αi, μ, β – параметры АР – модели (задаваемые), zt – дискретный белый шум с соответствующими хар-ками M[zt]=0; M[zt2]=1.
АР-модель – это универсальная модель. Через нее можно представить любую сл. послед-ть.
(**)
n – это не порядок АР; n6, удобно взять n=12
К онтрольный тест: n=1
α=0,9
μ=0
β=1
μ –Mx AP
Dx= β/(1- α12 ) - это тоже контр. пар-р (точность зн-я)
(*)
α i -
μx – пар-ры АР модели
β –
n – порядок модели
Если пар-ры АР модели заданы, то весь процесс авторегрессии строится на процессе дискр. белого шума.
С увеличением объема выборки оценки стремятся к их наст. зн-ям ( )
Оценка сравнивается с теор. зн-ем: целесообразно исп. нормированную кор. ф-ю.
|
- дисперсия, а она не const целесообразно привязываться единичному базису
|
Процесс АР второго порядка.
Xt=α1(xt-1-μx)+ α2(xt-2-μx)+ μx+ βZt (**) (здесь ПОС расходится)
(θ, β)=( α1, α2, μx, β)
(12), для k0
корни хар-ого ур-я:
Корни м.б. любого любого порядка; |p|<1 все корни д.б. внутри круга единичного радиуса
Другие алгоритмы получении белого шума:
- метод отбраковки Фон-Неймана: если взять 2 равн. распр-ых числа и уд. усл.: lnU2≤2b2(U1-0.5)2, то Zt=b(2U1-1)
b – это пар-р, в ч.сл. b=3
- алгоритм в соотв. с методом Муллера:
Zt=(-2lnU1)1/2cos(2πU2) или Zt=(-2lnU1)1/2sin(2πU2)
U1 и U2 – 2 случ. числа, норм. распр-х от 0 до 1.
- тот же дискретный белый шум
Метод скользящего суммирования.
В соответствии с этим методом получение м.б. предст. след. обр-м: (в первый мом. вр.)
x(t)=c1ν1+c2
ν 2+…+сm
ν m;
x(2t)=
c1
ν 2+c2
ν 3+…+сm
ν m+1;
……………………………….
x(kt)=
c1
ν k+c2
ν k+1+…+сm
ν m+k-1; (*)
……………………………….
(1)
Если k=1, 2…, то можем получить нашу случ. посл-ть сколь угодно большей длины. Для того, чтобы воспольз. сист. (1), нам не известны коэф-ты Ci и не известно число этих коэф-тов m. Эти вел-ны д.б. связаны с требуемыми вероятными хар-ками.
|
K x( m)=0 m=mt (2) Число m=5, 10, 15, 20 и т.д. Всё опред-ся той вел-ой погрешности ε, с кот. мы будем воспроизводить наши рез-ты моделирования. Как найти Ci? Вычисление этих коэф-ов путем решения системы след вида: |
C 12+C22+…Cm2=Kx(0)
C
(3)
C1Cm-1=Kx[(m-1)t]
напоминает вычисление корел. ф-и.
Система (3) может быть получена путем соответствующих преобр-й системы (1) и применения операции мат. ожидания след. вида:
M[νi · νj]=
Решение системы (3) в наст. время не составляет труда.