Моделирование случайных процессов с заданными свойствами
Краткое сожержание материала:
Размещено на
Размещено на
Федеральное агентство по образованию
ГОУВПО Норильский индустриальный институт
Кафедра электропривода и автоматизации технологических процессов и производств
Расчетно-графическая работа
по Моделированию систем
Тема: Моделирование случайных процессов с заданными свойствами
Вариант 01
Выполнил: ст. гр. АПм-06
Арламов А.С.
Проверил: Писарев А.И
Норильск 2009
Цель работы
Освоить методику моделирования случайного процесса по заданной корреляционной функции и математическому ожиданию с использованием MatLab.
Исходные данные.
N |
D |
|||
1 |
4 |
0,4 |
1,5 |
Выполнение работы.
1. По исходным данным вычислить передаточную функцию формирующего фильтра.
2. Выполнить моделирование в программе MatLab. При этом входной сигнал - белый шум со спектральной плотностью .
Схема моделирования
3. Записать в таблицы реализации случайного процесса Y(t),
График процесса Y(t).
График процесса .
4. Выполнить проверку моделирования. Для этого нужно рассчитать значения корреляционной функции по табличным данным Y(t) в пяти точках двумя способами.
Проверка включает в себя два метода: метод усреднения по времени и метод усреднения по реализациям.
Воспользуемся первым методом - усреднение по времени. Для этого используем следующую формулу:
случайный процесс корреляционный функция
? - шаг, выбираемый из соображений точности построения
В нашем случае:
n =200 - общее количество точек;
?=0,20,40,60,80,100,120,140,160,180,200 - шаг, равный 20 точкам.
Для усреднения по времени используем значение точек центрированного случайного процесса.
Корреляционная функция в нуле должна равняться дисперсии.
Усреднение по числу реализаций.
Листинг программы
%Построение случайного процесса по заданным точкам
figure('name','Случайный нецентрированный процесс')
subplot(2,1,1);
load data.mat %открытие файла данных и их загрузка в Workspace
A=data; %присвоение значений матрице А
t=A(1,:)'; %задание времени из 1 строки
Y=A(2,:)'; %задание функции из 2 строки
plot(t,Y,'color','red'); %построение графика Y(t)
set(gcf,'color','w'); %установка белого фона
xlabel('t'); %подпись к оси ОХ
ylabel('Y(t)'); %подпись к оси ОY
title('Случайный нецентрированный процесс');
grid on %отображение сетки
subplot(2,1,2);
plot(t,Y-1.5,'color','blue');
title('Случайный центрированный процесс Y(t)-m');
xlabel('t'); %подпись к оси ОХ
ylabel('Y(t)'); %подпись к оси ОY
grid on
%----------------------------------------------------------------
%Построение корреляционной функции (по формуле)
figure('name','Корреляционная функция по формуле');
tau=0:0.1:20;
K=4*exp(-0.4*tau);
plot(tau,K,'color','blue');
xlabel('tau'); %подпись к оси ОХ
ylabel('Ky(tau)');
title('Корреляционная функция')
set(gcf,'color','w');
grid on
%----------------------------------------------------------------
%Построение корреляционной функции методом усреднения по времени
m=1.5; %математическое ожидание
y=A(2,:)'-1.5;
k0=0; k1=0; k2=0; k3=0; k4=0; k5=0; k6=0; k7=0; k8=0; k9=0; k10=0;
%Вычислим корреляцинную функцию в 0с
n=200; %общее количество точек
for i=1:n
k0=k0+(y(i,1)^2)/n;
end
%Вычислим корреляционную функцию в 2с
for i=1:n-20
k1=k1+y(i,1)*y(i+20,1)/(n-20);
end
%Вычислим корреляционную функцию в 4с
for i=1:n-40
k2=k2+y(i,1)*y(i+40,1)/(n-40);
end
%Вычислим корреляционную функцию в 6с
for i=1:n-60
k3=k3+y(i,1)*y(i+60,1)/(n-60);
end
%Вычислим корреляционную функцию в 8с
for i=1:n-80
k4=k4+y(i,1)*y(i+80,1)/(n-80);
end
%Вычислим корреляционную функцию в 10с
for i=1:n-100
k5=k5+y(i,1)*y(i+100,1)/(n-100);
end
%Вычислим корреляционную функцию в 12с
for i=1:n-120
k6=k6+y(i,1)*y(i+120,1)/(n-120);
end
%Вычислим корреляционную функцию в 14с
for i=1:n-140
k7=k7+y(i,1)*y(i+140,1)/(n-140);
end
%Вычислим корреляционную функцию в 16с
for i=1:n-160
k8=k8+y(i,1)*y(i+160,1)/(n-160);
end
%Вычислим корреляционную функцию в 18с
for i=1:n-180
k9=k9+y(i,1)*y(i+180,1)/(n-180);
end
%Вычислим корреляционную функцию в 20с
for i=1:n-200
k10=k10+y(i,1)*y(i+200,1)/(n-200);
end
%----------------------------------------------------------------
%Создаем матрицу, содержащую полученные значения
Kf=[k0 k1 k2 k3 k4 k5 k6 k7 k8 k9 k10]'
figure('name','Корреляционная функция методом усреднения по времени');
T=0:2:20; %устанавливаем временной промежуток и шаг
plot(T,Kf,'color','magenta','marker','o','markeredgecolor','k',...
'MarkerFaceColor','red','MarkerSize',5,'linestyle','none');
set(gcf,'color','w'); %установка белого фона
grid on %включение сетки
hold on %добавление на график полинома
p6=polyfit(T,Kf',5) %нахождение коэффициентов полинома
T2=0:0.1:20; %установка шага аппроксимации
P6=polyval(p6,T2)
plot(T2, P6,'color','red'); %построение полинома
title('Корреляционная функция методом усреднения по времени');
hold on
plot(tau,K,'color','blue');
legend(-2,'Реальные данные','Полином','Теоретические данные')
xlabel('t'); %подпись к оси ОХ
ylabel('К(t)'); %подпись к оси ОY
%----------------------------------------------------------------
%Реализация метода усреднения по реализациям
figure(4);
subplot(5,2,1);
plot(A(1,1:20)',A(2,1:20));
grid on
title('1-ая реализация')
subplot(5,2,3);
plot(A(1,20:40)',A(2,20:40));
grid on
title('2-ая реализация')
subplot(5,2,5);
plot(A(1,40:60)',A(2,40:60));
grid on
title('3-ая реализация')
subplot(5,2,7);
plot(A(1,60:80)',A(2,60:80));
grid on
title('4-ая реализация')
subplot(5,2,9);
plot(A(1,80:100)',A(2,80:100));
grid on
title('5-ая реализация')
subplot(5,2,2);
plot(A(1,100:120)',A(2,100:120));
grid on
title('6-ая реализация')
subplot(5,2,4);
plot(A(1,120:140)',A(2,120:140));
grid on
title('7-ая реализация')
subplot(5,2,6);
plot(A(1,140:160)',A(2,140:160));
grid on
title('8-ая реализация')
subplot(5,2,8);
plot(A(1,160:180)',A(2,160:180));
grid on
title('9-ая реализация')
subplot(5,2,10);
plot(A(1,180:200)',A(2,180:200));
grid on
title('10-ая реализация')
set(gcf,'color','w');
%----------------------------------------------------------------
Гибкие компьютеризированные системы и робототехника
Моделирование термодинамической системы с распределенными параметрами, случайных процессов и систем. Статистическое (имитационное) моделирование физич...
Теория случайных процессов
В сборнике изложены результаты исследований по современным проблемам теории случайных процессов. Рассмотрены вопросы теории стохастических дифференциа...
Нелинейные преобразования случайных процессов
В книге приведены различные вероятностные характеристики огибающей, случайной фазы и мгновенной частоты узкополосных случайных процессов, необходимые...
Предельные теоремы для случайных процессов: В 2 т. Т.1
Содержится систематическое изложение теории функциональных и конечномерных предельных теорем для классов случайных процессов семимаргингального вида,...
Имитационное моделирование
Всесторонне рассмотрены все важные аспекты, связанные с имитационным моделированием - моделирование, программное обеспечение моделирования, проверка д...