В установившемся режиме
Случайными (стохастическими) процессами являются внешние помехи, флуктуационные шумы на выходе дискриминатора и других устройств РАС, внутренние возмущения в РАС: нестабильность частоты ПГ, нестабильность устройств регулируемой временной задержки и др.
Исследование РАС при случайных воздействиях в принципе можно проводить обычными методами, определяя параметры качества РАС при самых неблагоприятных (максимальных) значениях возмущения (наихудший случай).
Однако, поскольку максимальное значение случайной величины маловероятно и будет наблюдаться редко, к РАС будут предъявляться заведомо жесткие требования. Более рациональные решения можно получить, рассматривая наиболее вероятное значение случайной величины.
Закон распределения флуктуационных составляющих в линейных РАС можно считать нормальным (Гауссовским). Нормальный закон распределения характерен для внутренних возмущений. При прохождении случайного процесса через линейную систему, нормальный закон распределения остается неизменным. Если на входе РАС или в любой другой точке (например, на выходе дискриминатора) присутствует возмущение с законом распределения, отличным от нормального, и обладающее широким спектром S(ω), это возмущение эффективно нормализуется узкополосными элементами фильтра РАС.
Случайный процесс с нормальным законом распределения полностью определяется математическим ожиданием m(t) и корреляционной функцией R(τ).
Математическое ожидание (матожидание) случайного процесса x(t) представляет собой некоторую регулярную функцию mx(t), около которой группируются все реализации данного процесса ( –плотность вероятности) [10].
Его называют также средним значением по множеству (ансамблю).
mx(t) = М{x(t)} = . (6.1)
Случайный процесс (t) без регулярной составляющей mx(t) называется центрированным .
Для учета степени разбросанности [10] случайного процесса относительно его среднего значения mx(t) вводят понятие дисперсии:
Dx(t) = М{( (t))2} = . (6.2)
Среднее значение квадрата случайного процесса связано с его матожиданием mx(t) и дисперсией Dx(t) следующим образом: .
На практике удобно оценивать случайный процесс статистическими характеристиками хскв(t) и sx(t), имеющими ту же размерность, что и сам процесс.
Среднеквадратичное значение хскв(t) случайного процесса :
. (6.3)
Среднеквадратичное отклонение хскв(t) случайного процесса :
. (6.4)
Матожидание и дисперсия не дают достаточного представления о характере отдельных реализаций случайного процесса. Для того, чтобы учесть степень изменчивости процесса или связь между его значениями в различные моменты времени, вводится понятие корреляционной (автокорреляционной) функции.
Корреляционная функция центрированного процесса (t) равна
, (6.5)
где – двумерная плотность вероятности.
Корреляционная функция является четной: R(τ) = R(–τ).
Если функции распределения и плотности вероятности процесса не зависят от сдвига по времени на одинаковую величину всех временных аргументов, такой случайный процесс называют стационарным.
Если у стационарного процесса совпадают значения среднего по множеству и среднего по времени, такой случайный процесс называют эргодическим.
Зная R(τ) можно определить дисперсию стационарного процесса:
. (6.6)
Спектральная плотность Sly(ω) выходного процесса y(t) в линейной системе и спектральная плотность Sl(ω) входного воздействия связаны соотношением:
. (6.7)
Корреляционная функция R(τ) стационарного случайного процесса и его спектральная плотность S(ω) связаны преобразованием Фурье, поэтому часто анализ проводят в частотной области. Выполнив преобразование Фурье для (6.7), получаем выражение для корреляционной функции выходного процесса Ry(τ):
. (6.8)
Спектральные плотности Sly(ω) и Sl(ω)являются двусторонними.
Можно ввести одностороннюю спектральную плотность N(f), которая определяется только для положительных частот ( ).
С учетом четности R(τ) и формулы Эйлера, (6.8) можно упростить:
. (6.9)
Качество работы РАС относительно случайных сигналов и помех характеризуется суммарной среднеквадратической ошибкой (СКО).
Рассмотрим обобщенную РАС, схема которой представлена на рис. 2.12.
Считаем воздействие λ(t) детерминированным, а возмущение ξ(t) на выходе дискриминатора – случайным процессом. С помощью формул (2.28)–(2.31) определим ПФ для ошибки при воздействии и возмущении.
. (6.10)
В общем случае между процессами воздействия и возмущения может существовать корреляция (связь). В этом случае кроме автокорреляционных функций вида (6.8) для каждого из процессов необходимо учитывать взаимные корреляционные функции процессов относительно друг друга. Через спектральные плотности по ошибке данные связи записывается следующим образом:
. (6.11)
После подстановки выражения (6.11) в формулу (6.8) получим соответствующие составляющие дисперсии:
. (6.12)
Если корреляция между процессами отсутствует, то Slx(ω) = Sxl(ω) = 0, а также Dlx = Dxl = 0, и формула (6.12) упрощается
. (6.13)
Матожидание ошибки х(t) находится аналогично определению в установившемся режиме: .
Если спектральная плотность Sх(ω) описывается дробно-рациональной функцией относительно ω, то для вычисления Dx его представляют в виде:
. (6.14)
где – полином, содержащий четные степени iω до 2n-2 включительно; а – полином степени n, корни которого лежат в верхней полуплоскости комплексной переменной ω.
Интегралы (6.14) можно вычислить по формуле (6.15) [10]:
, (6.15)
где Dn – старший определитель Гурвица вида (4.7), составленный из коэффициентов аj, а Qn – определитель вида Dn, в котором в первой строке коэффициенты аj заменены на bj.
Для интеграла (6.15) есть таблицы значений [1–5, 10] для n ≤ 7.
Значения при n ≤ 4 определяются по формулам:
, , ,
. (6.16)
Пример 6.1. Определим СКО системы ФАПЧ из примера 4.2.
Пусть на входе РАС действует сигнал λ(t) = 1+0,1t, а возмущение ξ(t) представляет собой белый шум с амплитудой N0 = 1 мВ ( ).
Коэффициенты ошибок для данной РАС уже были найдены в примере 5.1.
Из формул (5.19)–(5.22) получаем .
Для ПФ ошибки по возмущению из формулы (2.30) после замены переменных р® iω получим (К1 = Sд , k0 = k1Sд , k1 = kфkи):
, (6.17)
После подстановки формулы (6.17) в (6.13) (Dl=0) получим:
. (6.18)
Сравнивая (6.18) с выражением (6.14), находим порядок и коэффициенты полиномов (6.14): n=3, b2=0, b1=–(T2)2, b0=1; a3=TфTд, a2=Tф+Tд , a1=1+k0T2, a0=k0.
После подстановки в формулу (6.16) и преобразований получим:
. (6.19)
После подстановки численных значений получаем в результате:
mx = 5×10–4 (1/с), Dx = 1,06×10–3 (1/с2). Из (6.3), (6.4) следует xско = 0,01 (1/с)≈ sx.
Пример 6.2. Определим СКО РАС из примера 4.5 при тех же сигналах: λ(t) = 1+0,1t и ξ(t) = N0 = 1 мВ. λ′(t) = λ1, λ″(t)=0
. (6.20)
Коэффициенты ошибок для данной РАС найдем по формуле (5.19): .
v = 0, d1=0, d0= Sд, b3=Т1Т2Т3, b2=Т1Т2+Т2Т3+Т1Т3, b1=Т1+Т2+Т3, b0=1.
Из формул (5.19)–(5.22) получаем
.
Для ПФ ошибки по возмущению из формулы (2.30) после замены переменных р® iω в (6.20) получим:
, (6.21)
После подстановки формулы (6.20) в (6.13) (Dl=0) получим:
. (6.22)
Сравнивая (6.21) с выражением (6.14), находим коэффициенты полиномов (6.14): n=3, b2=b1=0, b0=1; a3=Т1Т2Т3, a2=Т1Т2+Т2Т3+Т1Т3, a1=Т1+Т2+Т3, a0=Sд+1.
После подстановки в формулу (6.16) и преобразований получим:
. (6.23)
После подстановки численных значений получаем в результате:
mx = (9,2+0,9t)10–2, Dx = 4,2×10–4.
Дата добавления: 2016-02-20; просмотров: 1104;