Сигналы случайные

Известно, что характер виброакустических и других диагностических сигналов случайный, они подвержены влиянию помех, часто имеют короткие реализации i[l]. Все это предъявляет повышенные требования к таким свойствам используемых методов анализа, как оперативность и статистическая достоверность результатов и которые все труднее удовлетворить с помощью классических методов. [c.21]

Шумы — это сигналы случайного. характера, проявляющиеся при записи спектра и необусловленные изменениями энергии пропущенного света. Эти посторонние сигналы обычно невелики их источниками могут быть самые различные участки электрической схемы на пути от приемника до самописца. [c.31]

Циклически работающая система самоконтроля МВС отслеживает неисправности устройства и упрощает обслуживание. При выполнении функций самоконтроля микропроцессор производит периодический опрос блоков МВС и анализ ответных сигналов. При отсутствии ответного сигнала какого-либо из блоков формируется соответствующий сигнал сбоя. Такая система самоконтроля позволяет практически исключить возможность снижения точности МВС от прохождения сигналов случайных помех. Поскольку МВС имеет гальванически развязанные входы и выходы, а также систему эффективной фильтрации в источнике электрических питающих напряжений, вероятность появления сигналов случайных помех незначительна. [c.257]

Цель комплекса ЭИК - повышение эффективности преобразования сигналов случайных процессов для контроля состояния системы выделением данных с максимальной информационной [c.80]

На одном и том же основании, совершающем горизонтальные случайные колебания по одной оси, горизонтально установлены три линейных акселерометра, имеющих одинаковые статические характеристики, но различные динамические свойства. Первый из них имеет собственную частоту соо и относительную высоту резонансного пика, равную 1,2, второй — ту же собственную частоту, но относительную высоту резонансного пика, равную 1,6, третий — собственную частоту 2о)о, а относительную высоту резонансного пика, как у первого акселерометра. Предполагая, что случайное ускорение при колебаниях основания можно считать белым шумом, определить, насколько различаются средние квадратические значения о, Стг и Оз выходных сигналов этих акселерометров. [c.448]

СТАТИСТИЧЕСКОЕ ОПИСАНИЕ СЛУЧАЙНЫХ СИГНАЛОВ, может характеризоваться статистической моделью, представляющей собой соответствующий набор усредненных значений и функций математическое ожидание, среднее квадратическое отклонение, корреляционная функция, спектральная плотность и Т.Д. Точность описания случайного процесса с помощью [c.68]

ЦИФРОВАЯ ОБРАБОТКА СИГНАЛОВ в реальном масштабе времени, т.е. без накопления запаздывания. При ЦОС осуществляются математические операции над сигналами,составляющими цифровой временной ряд. По сравнению с аналоговыми методами ЦОС позволяет достичь более высокой точности и технологичности. Случайные сигналы анализируют во времени или частотной области. [c.86]

Как с этой точки зрения следует толковать опыт Майкельсона в какой-либо инерциальной, но не неподвижной системе отсчета Прежде всего, так как такой опыт не был произведен, то нужно высказать какое-то предположение о том, какой результат дал бы этот опыт, если бы он был произведен. Выделяя неподвижную систему отсчета из всех инерциальных систем, Лорентц наделил ее тем особым свойством, которое должно дать возможность обнаружить при помощи физических опытов прямолинейное и равномерное движение относительно этой неподвижной системы отсчета. Однако опыт Майкельсона, как оказалось, не способен обнаружить этого движения, правда, в силу случайной причины — сокращения размеров тел, как раз компенсирующего неравенство путей, проходимых продольным и поперечным световыми сигналами в неподвижной системе отсчета. [c.255]

Полученные выше выражения применимы для анализа нелинейных систем, когда на их входе действуют случайные сигналы с любым законом распределения плотности вероятности. Наиболее часто встречаются на 112 [c.112]

Для иллюстрации применения метод статистического анализа нелинейных систем с использованием полиномов Вольтерра определим математическое ожидание и спектральную плотность мощности сигнала на выходе фотоприемника, когда на его входе действует случайный стационарный гауссовский сигнал. Считаем, что полезная информация о сигнале содержится в амплитуде лучистого потока, к оторый попадает на чувствительную площадку фотоприемника. Тогда в соответствии с изложенным в п. 2 гл. 3 модель фотоприемника представим последовательным соединением нелинейного и линейного звеньев. Спектр сигнала на выходе такой системы, как следует из формул (106) и (107), определяется выражением [c.115]

Оператор ФОН (фоновое поле). При использовании этого оператора генерируется двумерный массив случай>1ых чисел со статистическими характеристиками, соответствующими многоуровневой модели коррелированного случайного яркостного поля. В терминах языка ПАСМ этот сигнал соответствует частично когерентному сигналу (однако излучение при этом может быть и некогерентным). [c.187]

Разумеется, это рассуждение относится лишь к измерениям, при которых точность результата полностью определяется случайной погрешностью. В этих условиях, выбрав п достаточно большим, мы можем существенно уменьшить погрешность результата. Такой метод повышения точности сейчас широко используется, особенно при измерении слабых электрических сигналов. [c.45]

Помехами называют сигналы, не меняющие своего положения 30 времени с момента периодического пуска прибора при неизменных условиях контроля. К шуму относят беспорядочные, непериодические по времени прихода колебания и сигналы, характеризуемые случайностью мгновенных значений параметров. Рассмотрим некоторые виды помех и шумов. [c.278]

Отметим существенное отличие в постановке задач о детерминированных сигналах на входе в нелинейнук) среду и сигналов случайных. В первом случае в решении задачи о поведении регулярных сигналов, таких, например, как несколько монохроматических нелинейных звуковых волн, необходимо учитывать фазовые соотношения между этими волнами, поскольку именно они определяют дальнейшую картину взаимодействия. Во втором случае такие фазовые соотношения не играют роли. [c.108]

Способ преобразования сигнала случайного процесса - патент № 2072563 РФ, АЦП - патент № 2024194 РФ. Данный способ -развитие известной интерполяции первой производной (ИПП) сигналов случайного процесса - обеспечивает минимальную избыточность данных при наибольшей информационной ценности по Больцману и Хартли. [c.81]

Существуют два основных источника шума, появляющегося в выходном сигнале детектора шум самого детектора и флуктуации, присутствующие в тепловом излучении, которое попадает в детектор [58]. Ни один из них не ограничивает чувствительность фотоэлектрических пирометров в области выше 700 °С. Оба детектора (фотоумножитель и кремниевый фотодиод) могут быть использованы с временем усреднения, достаточно большим, чтобы снизить случайную погрешность из-за шума детектора и флуктуаций излучения до уровня в несколько миликельвинов в температурном эквиваленте. [c.377]

Недостаток метода - малопригоден для фиксации дефектов типа несплошностей сварных соединений. Объясняется это высокой чувствительностью к структурной неоднородао-сти металла, что создает помехи при измерении исследуемого параметра. В результате сигнал от дефекта может быть перекрыт сигналом от случайной помехи. [c.217]

ОБУЧЕНИЕ РАСПОЗНАВАНИЮ ОБРАЗОВ - процесс изменения параметров распознающей системы или решающей функции на основании экспериментальных данных с целью улучшения качества распознавания. Применяют в тех случаях, когда имеющиеся априорные сведения о распознаваемых объектах или, точнее, о множествах сигналов, принадлежащих к одному классу, недостаточно полны, чтобы по ним найти определенную решающую функцию. Экспериментальные данные обычно имеют вид обучающей выборки, представляющей собой конечное множество наблюдавшихся значений сигналов, причем для каждой реализации указан класс, к которому она должна быть отнесена. На основании этих данных необходимо выбрать решающую функцию, классифицирующую сигналы из выборки в соответствии с указанными для них классами. Подобный выбор решающей функции с помощью выборки имеет практический смысл лишь тогда, когда можно на основании тех или иных отображений рассчитать, что выбранная функция будет осуществлять правильную классификацию также и для значений сигнала, не представленных в обучающей выборке, но наблюдаемых при тех же условиях, при которых была получена выборка. Наиболее важным при этом является вопрос о том, что считать правильной классификацией. Дпя того, чтобы это понятие имело смысл, необходимо предположить, что объективно существует некоторая закономерность, в соответствии с которой появляется сигнал, соответствующий кажцому из классов. Обычно предполагают, что сигнал является многомерной случайной величиной и каждый класс характеризуется вполне определенным распределением вероятностей. Существуют два различных подхода к обучению, различающиеся прежде всего по характеру сведений об указанных распределениях вероятностей. Параметрический подход применяют в тех случаях, когда эти распределения известны с точностью до значений некоторых параметров. Например, известно, что распределение сигнала для каждого класса является нормальным распределением с независимыми компонентами и с неизвестным средним, которое является неизвестным параметром. Тогда задача обучения, называемая парамет- [c.47]

Поскольку ингибиторы представляют собой, как правило, многокомпонентные смеси веществ сложного строения, с помощью спектрометра SPEKORD-M82 были получены ИК-спек-тры исследованных реагентов. При этом учитывали, что не следует надеяться на получение спектров, свободных от щумов, которые точно передавали бы контуры, частоты и интенсивности поглощения молекул и не были бы искажены самим спектрометром. В то же время с помощью ИК-спектрометрии невозможно установить различия в составе или структуре веществ, когда изменения сигналов соизмеримы с величинами случайных ощибок прибора, и констатировать, действительно ли данная проба удовлетворяет техническим условиям. Не имея атласа ИК-спектров, невозможно расщифровать состав ингибитора. Однако, рассмотрев внещнее сходство пиков ИК-спектров, ингибиторы можно подразделить на группы, в которых наблюдаются примерно одинаковые пики в определенных диапазонах [c.257]

Мы можем образовать другие характеристические величины, имеющие размерность времени (или частоты), массы, скорости и т. д. Построение и оценка характеристических величин, имеющих физический смысл, является превосходным приемом при поисках решения конкретных физических проблем. Определение порядка этих величин служит своего рода сигналом, предостерегающим нас от пренебрежения особенностями явления, несущественными в одних случаях, но имеющими решающее значение в других. Стро 1тели мостов и конструкторы самолетов иногда сталкивались с катастрофическими результатами случайной недооценки эффектов, порядок величины которых можно было бы определить путем несложного расчета на листке бумаги, [c.278]

Большую часть информации об окружающем мире (порядка 90%) человек получает с помощью трения. Сравнивая зрение с другими источниками информации, можно установить следуюгцее. Посредством слуха человек воспринимает акустическую (звуковую) информацию, однако скорость, с которой могут восприниматься звуковые сигналы, на много порядков меньше скорости восприятия света. Совсем низкой по сравнению со зрением и слухом является скорость восприятия информации посредством органов осязания и обоняния. Поэтому наш человеческий мозг упорядочивает информацию о вненгггем мире и в первую очередь при помощи зрительных представлений. Не случайно народная мудрость гласит лучше один раз увидеть, чем десять раз углы-тять [c.4]

С учетом ограничений на объект проектирования сформулируем задачу синтеза ОЭП в общем случае, когда на вход оптико-электронного тракта поступают одновременно случай1ый и детерминированный сигналы, являющиеся адаптивными. Детерминированный сигнал является полезной компонентой и описьшается детерминированной функцией L (х, у), случайный сигнал - соответст g. илlй А (х, у). [c.17]

Если случайный сигнал на входе описывается как стационарный, то выражение (4) точно совпадает с пост шовкой задачи Винера, но для двумерных сигналов. Корреляционная фуикция выходного сигнала [c.18]

Оптические сигналы, которые не вписываются в рамки рассмотренных ранее случаев,- это фоновь е оптические сигналы, имеющие случайный характер. Так как излучение фона некогерентно, то при преобразовании фона оптической системой последнюю можно рассматривать как систему с некогерентным освещением. [c.54]

Ошотеские и электрические сигналы разделяют на детерминированные и случайные. При рассмотрении основ дискретизации ограничимся одномерными детерминированными игналами. Процедуру дискретизации можно интерпретировать как умножение непрерывного сигнала, в частности, электрического, выраженного непрерьшной функцией u(t), на периодическую последовательность тактовых импульсов в виде 5-фун-кций [c.76]

Для вычисления спектральной шютности математического ожвдания и спектральной плотности мощности можно использовать тот же алгоритм, что и для детерминированных сигналов, с той лишь разницей, что в качестве входных воздействий здесь следу п рассматртать моменты функции случайного процесса на входе системь. [c.110]

Для практики важно рассмотреть дей твие на нелинейные системы случайных стационарных сигналов с гауссовским законом распределения плотности вероятности. Для вычисления центральных и-мерных моментов гауссовского стационарного случайного троцесса существует следующая рекуррентная формула [ 16] [c.113]

Отметим еще одно важное свойство i ауссовских процессов, которое можно использовать при статистическом анализе нелинейных систем. Плотность распределения вероятности случайного сигнала на выходе любого нелинейного элемента изменяется. Поэтому, если на входе такого элемента действует случайный сигнал с гауссовским законом шютности распределения вероятности, то на выходе сигнал уже не будет гауссовским. Если после нелинейного элемента сигнал поступает в линейное частотно-зависимое звено, у которого полоса пропускания меньше, чем полоса частот сигнала, то сигнал по своим свойствам приблизится к гауссовскому сигналу. Такое приближение тем точнее, 1ем е полоса пропускания линейного звена по отношению к спектру сигнала на выходе нелинейного звена [ 16]. Это свойство случайных сигн шов позволяет упростить анализ и синтез тракта ОЭП при воздействии случайных сигналов. [c.115]

Проведя указанную классификацию, пользователь должен выбрать тестовые входные сигналы и дать прогно о характере шумов в электронном тракте объекта проектирования. Под прогнозом шумов понимается определение стационарности или нестационарности случайного процесса, описывающего шумы электронного тракта (на основе знания элементной базы электронного тракта объекта прое)стирования и приемника лучистой энергии), и определение основных мс ментов и распределения случайного процесса (в предположении полного отсутствия в тракте специальных помехоподавляющих элементов, т. (. для самого худшего случая). ПАСМ позволяет моделировать только аддитивные шумы. [c.143]

Особенности моделирования электронного тракта ОЭП. ПАСМ предоставляет проектанту возможность моделирования процесса преобразования стандартными линейными и нелинейными звеньями когерентных (детерминированных), некогеренткых (случайных нестационарных) и частично когерентных (стационарных коррелированных) сигналов. [c.148]

При изучении процесса преобразования случайных (некогерентного и настично когерентного) сигналов пользователь ПАСМ записывает оператор ВВОД ШУМА перед тем оператором, который описывает физический источник шумов. Если шум коррелирован, пользователь пакета задается значениями корреляционной функции или спектра мощности шумов. Если шум некоррелирован, работа с пакетом строится следующим образом [c.148]

Как отмечалось, пакет позволяет моделировать прохождение детерминированных и случайных сигналов че))ез оптико-электронный тракт ОЭП. Под оптико-электронным трактом понимается совокупность линейных двумерных звеньев, преобразующих оптический сигнал, и линейных одномерных звеньев. [c.174]

Объективная физически одинаковая возможность обнаружить частицу имеется во всех точках одновременно. Спрашивается почему нельзя обнаружить частицу хотя бы в двух точках одновременно, несмотря на то что точки эквивалентны с физической точки зрения, а события в них неде-терминированы и могут быть связаны лишь сигналом с бесконечно большой скоростью распространения Другими словами, какова причина абсолютной корреляции случайных событий в двух точках, разделенных пространственным интервалом, исключающим наличие обычной физической связи между событиями Особый интерес этого вопроса заключается в том, что аппарат квантовой механики содержит в себе эту корреляцию, НО ПОНЯТЬ ее физическое содержание затруднительно. К этой же [c.409]

Структурные помехи связаны с рассеянием ультразвука на структурных неоднородностях, зернах материала. Их часто называют структурной реверберацией. Импульсы, образовавшиеся в результате рассеяния ультразвука на различных неоднородностях и приходящие к приемгшку в один и тот же момент времени, складываются. В зависимости от случайного соотношения фаз отдельных импульсов они могут усилить или ослабить друг друга. В результате на приемнике прибора структурные помехи имеют вид отдельных близко расположенных пиков (их иногда сравнивают с травой), на фоне которых затруднено наблюдение полезного сигнала. Структурные помехи —основной постоянно действующий фактор, ограничивающий чувствительность при контроле методами отражения, а также комбинированными, связанными с наблюдением отраженных сигналов. Довольно часто структурные помехи превышают донный сигнал, исключая тем самым возможность применения эхо- или зеркально-теневого метода. [c.287]

С т а т и с т и ч е с к я е закономерности формирован я я с т р у к т у р к ы X п о м е X. Фазы импульсов, создающих структурные помехи, распределяются случайным образом, поэтому амплитуда структурных помех на преобразователе в определенный момент времени равновероятно имеет положительное или отрицательное значение, а среднее значение амплитуды разно нулю. Так как дефектоскоп регистрирует не знак, а абсолютное значение амплитуды, средний уровень помех определяется квадратным корнем из среднего кв ад рати чес кого значения амплитуды, которое пропорционально средней интенсивности сигнала помех /д. В дальнейшем помехи будем определять именно их интенсивностью н лишь при сравнении с полезными сигналами переходить к амп. гктуде. [c.288]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...