logo
LAB work SR

7. Задание на лабораторную работу

  1. Создать модель генератора случайного процесса, спектральная плотность которого задается выражением

.

Если использовать комплексную частоту , то выражение для спектральной плотности принимает вид

.

В начале надо запустить систему Simulink, как указано в п.2 и создать новый файл модели с помощью команды File/new/model. В открывшееся окно перетащить из библиотеки Sources блок Sources/Band-Limited White Noise , который создает шум заданной мощности, равномерно распределенной в пределах заданной полосы частот. В окне задания параметров устанавливаются параметры блока: Noise Power (мощность шума) и Sample Time (такт дискретности, равный интервалу между соседними выборочными значениями). Чтобы выборочные значения представляли систему независимых случайных величин, необходимо, чтобы Sample Time tc и граничная частота спектра (в герцах) были связаны соотношением . Таким образом, задав tc , мы тем самым задали граничную частоту спектра. Seed :(начальное значение генератора случайных чисел по умолчанию равно 23341). Если необходимо посмотреть несколько реализаций случайного процесса, то для каждой реализации нужно устанавливать свое значение Seed.

К выходу блока Sources/Band-Limited White Noise включить формирующий фильтр, передаточная функция которого получается путем факторизации заданной спектральной плотности В нашем случае передаточная функция будет представлять отношение двух полиномов относительно переменной (s=jw).Чтобы создать модель формирующего фильтра, необходимо из библиотеки Continuous перетащить блок Transfer Fcn и в окне задания параметров блока указать: Numerator [вектор коэффициентов полинома числителя, расположенных по убыванию степени переменной s]. Denominator [вектор коэффициентов полинома знаменателя, расположенных в порядке убывания степени переменной s].

К выходу формирующего фильтра подключить осциллограф (Scope) из библиотеки Sinks и посмотреть реализации случайного процесса при различных значениях параметров Noise Power и Sample Time. Убедиться в том, как влияют значения этих параметров на внешний вид реализаций.

Перед выполнением моделирования необходимо предварительно задать параметр Simulation time (интервал моделирования). Задание параметров выполняется в панели управления меню Simulation/Parameters. Установку параметров моделирования выполняется с помощью элементов управления, размещенных на вкладке Solver.Величина интервала моделирования задается с помощью указания начального (Start time) и конечного (Stop time) значений времени. Начальное время, как правило, задается равным нулю. Величина конечного времени задается пользователем, исходя из условий решаемой задачи.

Запуск моделирования выполняется с помощью выбора пункта меню Simulation/Start или кнопки на панели инструментов. Процесс моделирования можно завершить досрочно, выбрав пункт меню Simulation/Stop. Моделирование можно также остановить (Simulation/Pause) и затем продолжить (Simulation/Continue).

  1. Чтобы измерить среднее значение и дисперсию случайного процесса необходимо к выходу формирующего фильтра подключить блоки mean и variance, которые берутся из библиотеки SignalProcessingBlockset/Statistics/mean или variance. В окне задания параметров блоков mean и variance установить параметр running. Для просмотра закона установления среднего значения и дисперсии случайного процесса во времени необходимо подключить осциллографы (scope) из библиотеки sinks/scope к выходу блоков mean и variance. Для определения среднего значения и дисперсии случайного процесса в конце установленного интервала наблюдения в цифровой форме необходимо к выходу блоков mean и variance подключить дисплей sinks/display.

В блоках mean и variance выполняются операции:

соответственно, (*)

где - выборочные значения из интервала наблюдения, а - их количество.

Блок- схема модели для генерирования случайного процесса с заданной спектральной плотностью и измерения среднего значения и дисперсии этого процесса показана на рисунке.

.

  1. Снять законы установления во времени среднего значения и дисперсии для трех реализаций случайного процесса и объяснить различный характер этих зависимостей.

  2. Установить интервал наблюдения, при котором переходной процесс установления среднего и дисперсии случайного процесса еще не закончился, и снять численные значения этих характеристик в конце интервала наблюдения для 50-и реализаций случайного процесса. Из (*) видно, что оценки среднего и дисперсии получаются путем суммирования случайных выборочных значений и, следовательно, сами являются случайными. По формулам, аналогичным (*) , рассчитать среднее значение и дисперсию полученных оценок.

  3. Установить интервал наблюдения, при котором переходной процесс установления среднего значения и дисперсии близок к завершению и повторить п.4.

Теперь самостоятельно создадим модель устройства для измерения корреляционной функции стационарного случайного процесса. По определению корреляционная функция случайного процесса равна

.

Существенными операциями являются: формирование реализации случайного процесса , задержка ее на время , равное аргументу корреляционной функции, перемножение задержанной и не задержанной реализаций и усреднение по времени результата перемножения. Эти операции выполняются в схеме, изображенной на рисунке

Первый блок в схеме представляет генератор квази белого шума, за ним следует формирующий фильтр, за ним стоит дискретизатор по времени (библиотека Discrete/Zero-Order hold) поскольку последующие блоки работают только с дискретными сигналами. Задержка сформированной реализации случайного процесса осуществляется в блоке Transport Delay, который извлекается из библиотеки Continuous/Transport Delay. Перемножение задержанной и не задержанной реализаций происходит в блоке Product (библиотека Mat.operations). Усреднение дискретного сигнала на выходе перемножителя производится путем суммирования импульсов в сумматоре, в цепь обратной связи которого включена задержка равная периоду следования импульсов (sample time).

Порядок определения корреляционной функции случайного процесса следующий:

  1. В блоке Transport Delay устанавливается задержка, равная аргументу корреляционной функции, который принимает значения, кратные интервалу между выборочными значениями (sample time).

  2. Время наблюдения выбрать достаточно большим (например 100).

  3. В блоке Transport Delay1 установить задержку, равную интервалу между выборочными значениями (sample time).

  4. Запустить модель и записать показание display.

  5. В блоке Transport Delay установить новое значение аргумента корреляционной функции, запустить модель и записать новое показание дисплея. Так продолжать до тех пор, пока показание дисплея будет составлять около 10% от показания дисплея для нулевого значения аргумента корреляционной функции.

  6. Чтобы получить корреляционную функцию для всех значений аргумента, необходимо все показания дисплея разделить на число импульсов за время наблюдения, которое равно частному от деления времени наблюдения на период следования импульсов.

  7. По полученным данным построить график зависимости корреляционной функции от значения задержки