Модель сигнала

При одновременном измерении т внутренних параметров машин нужно иметь набор из т различных разделительных фильтров. Параметры этих фильтров рассчитываются так же, как это делалось выше. Пусть, например, модель сигнала будет линейной по т параметрам а, а,. .а [c.34]

Процесс регистрации лазерного излучения и соответствующие ему статистические модели сигнала подробно изложены в широко известной литературе по квантовой электродинамике, оптике, радиофизике, а также непосредственно относящейся к вопросам л а зерной локации [6, 33, 36]. Поэтому в настоящем разделе будут чисто конспективно изложены лишь основные сведения и приведены некоторые наиболее важные модели сигналов, необходимые для дальнейших исследований. [c.58]

Г Измеряемые Модель объекта Модель сигнала [c.15]

Таким образом, синтезированная базисная система обеспечивает некоррелированность составляющих -спектра сигнала и в значительной степени подавляет помеху. Это достигается за счет того, что при синтезе учитываются статистические характеристики и модель сигнала, почему эту систему базисных и взаимных базисных функций целесообразно назвать сигнальной (СБС). [c.25]

Процедура сглаживания может быть построена на основании использования параметрической (физической или формальной) либо непараметрической моделей сигнала y (i) в (1.44). В первом случае она фактически сводится к процедуре оценивания неизвестных параметров модели, которая рассмотрена в гл. 2. При этом в качестве формальных моделей используются полиномы или ряды типа (1.21) и проводится оценка их коэффициентов Yi. Сглаживание значений г/(if) рядами целесообразно при таком выборе базисных функций, при котором малая погрешность аппроксимации достигается при не слишком большом числе членов. При сглаживании сложных сигналов целесообразно разбить интервал аппроксимации на участки, позволяющие использовать семейство простых функций, в частности многочленов невысоких порядков (<3) —сплайн-функций, которые состыкованы так, чтобы на граничных участках не было разрывов сигнала y (t) и нескольких его производных [c.28]

Использование полиномиальной модели сигнала порядка L при симметричной выборке приводит к еще одному классу фильтров. Фильтр (1.466) является частным случаем полиномиальных фильтров при L == О или — 1. Такая модель позволяет легко строить дифференцирующие фильтры [оцениваются коэффициенты при членах kAt) полинома g — порядок производной]. Примером фильтра, вычисляющего первую производную, будет фильтр [c.30]

В случае линейной модели сигнала система нормальных уравнений решается сразу, без итераций [c.44]

Особенно это следует учитывать при нелинейной модели сигнала относительно параметров (нелинейный МНК). Иногда к линейной модели можно перейти заменой переменных ( внутренне линейные модели). Однако здесь минимизируется функционал (1.75) в новых переменных, поэтому оценки, полученные для параметров исходной модели, будут отличаться от тех, которые мы получили бы при решении нелинейной системы нормальных уравнений (1.76). Таким образом, необходимо уточнение решения в итерационной процедуре или с помощью коррекций, ускоряющих получение оценок. Для ряда преобразований эти коррекции приведены в приложении (табл. П.З). [c.46]

Величина смещения определяется нелинейностью модели по параметрам. В [44] рассмотрен ряд эмпирических количественных мер нелинейности модельных функций и сделан вывод о том, что теорией линейного оценивания при анализе оценок нелинейных параметров можно пользоваться лишь при малых нелинейностях модели. Сигналы аналитических приборов часто описываются сильно нелинейными моделями, поэтому изучение их статистических свойств проводится моделированием. Некоторые результаты при различных моделях сигнала рассмотрены в разделах 2.4 и 2.5. [c.53]

Здесь у1, — частные производные модели сигнала / (0) в -й точке по параметру 0г веса р/р на р-й итерации будут [c.55]

Оценивание аналитических ситуаций выявление величины и дрейфа базисного сигнала (характера фона), выявление неразделенных компонентов сигнала и выбор алгоритма разделения аналитических полос, выбор модели сигнала и др. Проведение коррекции базисного сигнала. [c.61]

По известной модели сигнала и полученным на выходе фильтра значениям производных иногда можно получить оценки его параметров (см. раздел 2.6). Сложность здесь возникает потому, что используются только четные производные, достигающие при 1 = to экстремальных значений (все нечетные производные симметричных компонентов равны здесь нулю), а точность определения производных высоких порядков резко падает с ростом порядка. [c.97]

Из приведенных формул ясно, что обратно пропорциональна <7. Для гауссовой модели сигнала нижнюю границу для можно пронормировать [c.98]

Для определения числа компонентов в сложном сигнале могут быть использованы, в частности, алгоритмы обнаружения по производным [типа (2.15), (2.16)], но при условии построения соответствующих функционалов для наборов Рк, описывающих среднюю и крайние части пика Qл и Qn Определение максимумов в Qл и Q вблизи максимумов Q позволяет выявить наложившиеся пики. В области производных можно, как уже упоминалось в разделе 2.5, в ряде случаев получить удовлетворительные начальные оценки параметров модели сигнала. [c.116]

Прямое нахождение решения уравнения (1.10) по (2.101) часто затруднительно и не только потому, что в спектре Я( ) могут встретиться нули, но и вследствие убывания мошности сигнала на высоких частотах, а значит роста их влияния на результат. Поэтому стремятся аппроксимировать f( o) и Я(ю) некоторыми простыми выражениями. Например, при использовании часто встречающейся гауссовой модели сигнала s(t, .г) типа (1.3) и представлении приборной функции также гауссовой кривой h t — т), р), восстанавливаемый сигнал имеет ту же форму [c.118]

По своему содержанию данная глава носит вводный характер. В ней даются необходимые определения и приводятся общие свойства некоторых наиболее распространенных моделей случайных процессов. Кратко рассматриваются спектрально-корреляционные характеристики, подчеркивается их существенное влияние на свойства непрерывности и дифференцируемости выборочных функций, перечисляются отдельные особенности поведения производных стационарного случайного процесса. Применительно к модели сигнал плюс шум рассматриваются характерные свойства совместных распределений для значений огибающей, случайной фазы и их производных. [c.11]

Особенности модели сигнал плюс шум [c.35]

Так как помехи и шумы являются случайными функциями времени, распределение их частот характеризуется спектральной плотностью G( o), представляющей собой мощность случайного процесса в единичной полосе частот, выделяемую в единичной нагрузке. Для электрического сигнала (шума, помехи) единичной нагрузкой является резистор с номиналом 1 Ом, для упругой волны - механический импеданс величиной в 1 Н/(м/с) = 1 кг/с. Энергия регулярного сигнала в единичной полосе частот равна 5(со) и для рассмотренной модели сигнала АЭ составляет Л /со . [c.177]

При цифровой обработке сигналов их значения представляют в виде последовательностей слов или кодов. В общем виде целью цифровой обработки является создание модели сигнала или определение ее параметров. Целью обработки может быть также усиление сигнала или удаление из сигнала нежелательных составляющих. Матричные средства являются идеальным инструментом для цифровой обработки сигналов. Из значений сигнала в дискретные моменты времени (выборки) составляют вектор сигнала. Аппарат матричных преобразований делает удобным любые операции с такими выборками. Примитивы для фильтрации сигналов, быстрого преобразования Фурье, идентификации и другие используют аппарат комплексных векторов, что делает цифровую обработку довольно удобной для пользователя. [c.112]

Универсальность. При определении ОА необходимо выбрать совокупность внешних параметров и совокупность выходных параметров у/, отражающих учитываемые в модели свойства. Типичными внешними параметрами при этом являются параметры нагрузки и внешних воздействии (электрических механических, тепловых, радиационных и т.п.). Увеличение числа учитываемых внешних факторов расширяет применимость модели, но существенно удорожает работу по определению ОА. Выбор совокупности выходных параметров также неоднозначен, однако для большинства объектов число и перечень учитываемых свойств и соответствующих им выходных параметров сравнительно невелики, достаточно стабильны и составляют типовой набор выходных параметров. Например, для макромоделей логических элементов БИС такими выходными параметрами являются уровни выходного напряжения в состояниях логических О и 1 , запасы помехоустойчивости, задержка распространения сигнала, рассеиваемая мощность. [c.150]

Для обнаружения статического риска сбоя требуется на каждом такте синхросигналов двукратное решение уравнений синхронной модели. Первое решение проводится при промежуточных значениях входных переменных все изменяющиеся из состояний 1 или О входные переменные получают значение X, не изменяющиеся сохраняют свои исходные значения. Второе решение проводится при итоговых значениях входных переменных. Если у какой-либо переменной в схеме исходное, промежуточное и итоговое значения имеют последовательности О—X—О или 1—X—1, то данная переменная изображает ложный сигнал, т, е. указывает на наличие статического риска сбоя. [c.192]

Асинхронные модели обычно используют с двузначным или трехзначным представлением переменных. Трехзначное асинхронное моделирование позволяет учесть разбросы задержек распространения сигналов в элементах. Пусть в момент времени ti на вход элемента приходит сигнал, изменяющий состояние элемента с О на 1с задержкой ts, лежащей в интервале [ зтш, /этах]. Тогда в асинхронной модели элемента значение выходной переменной [c.194]

Для более полного описания функциональных и конструктивных возможностей схем применяют в качестве модели гиперграфы с помеченными вершинами и ребрами. Множество вершин X гиперграфа Н=(Х, Е) интерпретирует множество элементов исходной схемы и внешние разъемы, множество ребер Е — множество цепей в схеме. Каждой вершине Xi X присваивают метку, характеризующую тип элемента, а каждому ребру /уеЕ —веса, характеризующие качество контактов, принадлежащих одной цепи, и направление распространения сигнала. [c.219]

Выражение (1.21) в этом случае назовем спектральной моделью сигнала с дискретным спектром [14]. Число слагаемых в (1.21) характеризует размерность модели. Очевидно, что выбор базисных функций существено влияет на качество дальнейшего оценивания параметров сигнала. Помимо указанных выше свойств базис должен обеспечивать как можно меньшую размерность модели сигнала. Чрезмерное увеличение размерности, хотя и может повысить точность аппроксимации, но значительно усложнит алгоритм оценивания. Влияние внешних шумов и шумов , определяемых точностью реализации процедуры оценивания, также способствует тому, что более точные спектральные модели сигнала высокой размерности могут оказаться нецелесообразными. [c.22]

При расчете частотных характеристик комплексная амплитуда этого сигнала автоматически полагается равной 1 В, начальная фаза нулевая (независимо от того, как заданы значения параметров модели сигнала), а частота меняется в пределах, задаваемых в меню АС Analysis Limits. Возможно также подключение независимых источников напряжения V или тока I в формате SPI E, для которых задаются значения амплитуды и фазы. Если имеется один источник сигнала, то выходные напряжения будут совпадать с частотными характеристиками устройства. Если же источников сигнала несколько, то отклики от каждого сигнала будут складываться как комплексные величины. [c.144]

Рассмотрим математические модели элементов на логическом подуровне. Для одновыходных комбинационных элементов ММ представляет собой выражение (в общем случае алгоритм), позволяющее по значениям входных переменных (значениям входов) в заданный момент времени t вычислить значение выходной переменной (значение выхода) в момент времени t + t , где ta — задержка сигнала в элементе. Такую модель элемента называют асинхронной. При (з = 0 модель элемента называют синхронной. Модель многовыходного элемента должна включать в себя алгоритм вычисления задержек и значений всех выходных сигналов. [c.189]

Интегрирование подсистем ОДУ с оптимальным для каждого фрагмента значением шага может привести к существенной экономии затрат машинного времени, особенно при применении неявных методов интегрирования. Однако организация неявного пофрагментного интегрирования оказывается более сложной, чем явного. Примеры методов пофрагментного неявного интегрирования — методы однонаправленных моделей и релаксации формы сигнала (РФС). [c.245]

Методы однонаправленных моделей и релаксации формы сигнала. Модели многих сложных элементов являются однонаправленными. В них могут быть выделены входные и выходные фазовые переменные, причем выходные не влияют на входные. Примерами однонаправленных моделей служат большинство моделей логических элементов. [c.245]

Методы решения логических уравнений. Анализ переходных процессов в логических схемах выполняют с помо-щь 0 асинхронных моделей (4.56), т. е. на основе асинхронного моделирования. К началу очередного такта ti известны значения векторов внутренних V/= U]<, V2i, Vni) и входных Ui переменных. Подставляя V и U,- в правую часть выражений (4.57), получаем новые значения которые примут внутренние переменные в моменты времени где ТА — внутренняя задержка распространения сигнала Vk в соответствующем элементе схемы. Далее переходим к следующему такту, в котором вычисления по (4.57) повторяются со значениями векторов V и U, соответствующими новому моменту времени (напомним, что время измеряется в количестве тактов). Асинхронное моделирование называют потактовым. [c.250]

Нулевые элементы в строках матрицы Якоби обусловлены однонаправленностью модели. Выходной сигнал представляет собой зависимый источник тока с компонентным уравнением 1 = ху. Подключая к базовому узлу полюс 4 модели, будем иметь источник тока со знаком плюс, подключая полюс 3 — со знаком минус. [c.149]

В указанных схемах нижний диапазон эффективности ограничен значением собственной частоты датчика вибрационных перемещений. Устранение этого ограничения достигается в гидравлической виброзащитной системе, динамическая модель которой приведена на рис, 10.50 (описание позиций см. к рис. 10.49). Силовая система в виде гидроцилиндра здесь выполнена в одном корпусе с управляющей системой. Управляющая система содержит механизм регулирования давления рабочей жидкости, состоящий из датчика в виде чувствительной мембраны, регистрируюнхей колебания давления в полости силового [1илиндра, заслонки, жестко укрепленной на мембране, и образующий вместе с соплом элемент, вырабатывающий управляющий сигнал. [c.306]

При проектировании ОЭП эти Э1апы имеют более конкретную трактовку построение математической ivioflejm оптико-электронного тракта и изменяемой части ОЭП, определение тестового входного возмущения и желаемого выходного сигнала, опрелеление значений конструктивных параметров модели, обеспечивающих г олучение желаемого выходного сигнала минимальным количеством аппаратных средств. [c.24]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...