Главная Случайная страница Контакты | Мы поможем в написании вашей работы! | ||
|
Из первой теоремы нам известно, что спектральная плотность моделируемого процесса определяется как
. (39)
Следовательно, на основании теоремы Винера-Хинчина мы можем определить корреляционную функцию моделируемого процесса по формуле
. (40)
Для приближенного вычисления значений функции корреляции воспользуемся неравенством Буняковского – Шварца [4, 8]
.
Тогда
(41)
Интервал корреляции, определяемый как половина ширины основания прямоугольника единичной высоты, площадь которого равна площади под кривой модуля коэффициента корреляции, вычисляется по формуле [8]
(42)
Отметим, что более точные значения функции и интервала корреляции могут быть получены численными методами, [19].
Знание функции корреляции тем более полезно, что позволяет вычислить значение дисперсии показателя эффективности
(43)
и определить интервал времени
, (44)
через который значения этого показателя могут считаться практически независимыми. В нашем случае, таким показателем является вероятность успешной передачи сообщений за время не более заданного.
Следовательно:
· математическое ожидание M[X(t)] процесса передачи сообщений по системе связи X(t) совпадает с вычисленными методами обращения или двухмоментной аппроксимации значениями P[tП<TЗ] вероятности успешной передачи сообщений за время tП не более заданного TЗ;
· дисперсией D[X(t)] моделируемого процесса X(t) является значение функции корреляции в нуле, вычисленное по ф(43);
· функция корреляции R(t) процесса передачи определяется в соответствии с ф(41);
· интервал корреляции t0 рассчитывается по ф(44).
На основании теоремы 2 можно определить и одномерную плотность распределения моделируемого процесса
, (45)
где x – наблюдаемые случайные значения частости (вероятности) успешной передачи сообщений за время не более заданного.
В том случае, когда наблюдаемым (контролируемым) параметром является время успешной передачи, математическое ожидание и дисперсия определяются по фф(27,28), а значения коэффициента и интервала корреляции остаются прежними. Это объясняется однозначной взаимозависимостью значений вероятности и времени успешной передачи сообщений, определяемых из функции распределения времени передачи.
Заметим, что если параметры эквивалентной функции изменяются в течение времени функционирования, что может иметь место при моделировании процессов передачи информации в условиях радиоэлектронного противодействия противника, стационарность исследуемого процесса может быть нарушена. Однако знание интервала корреляции позволит определять промежутки времени, в течение которых процесс можно считать стационарным.
С целью определения характеристик случайной величины интервалов времени, в течение которых процесс доведения сообщений X(t) соответствует предъявляемым требованиям, рассмотрим следующую постановку задачи.
Пусть в течение периода наблюдения статистические вероятности своевременной передачи сообщений в k -е моменты времени t k принимали значения P k и являются дискретными значениями реализации случайного процесса X(t), имеющего математическое ожидание M[X(t)] и дисперсию D[X(t)], вычисляемыми по ф.(27) и ф.(43) соответственно.
Определить среднюю длительность M[x] и дисперсию D[x] интервала времени x, в течение которого система связи будет соответствовать требованиям по вероятности передачи сообщений за время не более заданного.
Для решения этой задачи будем использовать методы теории выбросов. Предварительно заметим, что в силу теоремы 2 процесс X(t) является гауссовским.
В общем случае, вероятность того, что в момент времени ti -я реализация случайного процесса Xi(t) не пересечёт нижнего a(t) или верхнего y(t) барьеров равна:
(46)
а математическое ожидание длительности пребывания в области G{t, a(t)£Xi(t)£y(t), tÎx}
, (46.а)
где x - оцениваемый интервал времени.
После подстановки (45) в (46) и (46.а) с учётом того, что задана только нижняя грань, то есть a(t)=P з= const получим:
(47)
(48)
где: ui = [Pз– XI(t)]/sx, sx = sx(t) = const.
- интеграл ошибок [18].
Для вычисления дисперсии D[x] необходимо задаться двухмерной плотностью распределения вероятностей для процесса X(t), то есть:
,
здесь: X1i(t), X2i(t) и sx(t1), sx(t2) - соответственно математическое ожидание и дисперсия значений обобщённого показателя качества функционирования в моменты времени t1 и t2; t1 - t2 = x; N - объём произведённой статистической выборки;
- коэффициент корреляции;
Отсюда
, (49)
а . (50)
Определив численными методами [19] значение M[x2], в предположении, что r12=0, x=t1 - t2; sX1 = sX2 = sX = const и подставив полученный результат в (50) имеем
, (51)
где DP = [X(ti) – X(ti-1)].
Результаты ф(47) – ф(51) целесообразно использовать при решении задачи прогнозирования состояния системы связи в следующий момент времени. При этом, глубина прогнозирования определяется длительностью интервала корреляции рассчитываемого по ф.(44).
В свою очередь, вероятность того, что значение показателя своевременности в любой момент времени будет не менее требуемого
,
а средняя длительность интервала времени, в течение которого система связи будет соответствовать требованиям
,
где L(Pз) - математическое ожидание числа пересечений заданного уровня Pз.
Для определения математическое ожидание числа пересечений L(Pз) заданного уровня Pз. случайной функцией X(t) обозначим совместную плотность распределения вероятностей контролируемого параметра x и его производной
через f(x, x’). Тогда математическое ожидание числа пересечений уровня P равно:
.
В силу теоремы 2, процесс X(t) является гауссовым, а значит и его производная по времени тоже имеет нормальное распределение с нулевым математическим ожиданием, следовательно совместная плотность вероятностей
,
где s1, s2 – средние квадратичные отклонения параметров x и x’.
Отсюда
.
С учетом того, что значения P выбираются, как правило, примерно равными M[X(t)] величина L(P) может быть определены непосредственно из корреляционной функции по формуле
,
при этом s2 = 2ps1Lк.
В том случае, когда задача решается в процессе боевого использования системы связи и имеется возможность статистического определения корреляционной функции для расчета L целесообразно использовать следующий подход.
Пусть Ri – значения функции корреляции в равноудаленных точках ti. Тогда из условия дискретизации и с учетом периодичности реальных функций корреляции мы имеем разбиение D: t1 = t0 <t1 <t2 <…<tN = t2 на отрезке [t1, t2], [t2 - t1]=T; T – период функции корреляции.
Из непрерывности и дифференцируемости случайного процесса X(t) на каждом интервале [ti, ti-1] следует, что функция R(t) может быть с высокой точностью аппроксимирована многочленом степени n. То есть, функция корреляции R(t) может быть определена как сплайн Sn(t) степени n с узлами на сетке D:
.
Таким образом, задача определения R(t) сводится к линейной интерполяции рассчитанных экспериментальных величин сплайном Sn(t) с последующей аппроксимацией им реальной функции корреляции.
Исходя из требования дважды дифференцируемости R(t) можно считать достаточным использования в этих целях кубических сплайнов
, (56)
где
Отметим, что кубический сплайн S(t), представленный в виде (56) на каждом из промежутков [ti, ti-1] непрерывен вместе со своей первой производной всюду на отрезке [t1, t2]. Необходимые для построения сплайна S(t) значения mi определяются из условия непрерывности второй производной S’’(t)+0= S’’(t)-0 в точках ti, i = 1,N и для периодических функций имеют вид:
.
.
.
;
.
.
.
где
После вычисления значений mi несложно определить вторую производную сплайна S(t) по формуле:
(57)
Подставляя в (57) значения t=0, с учетом равенства (55) получим, что среднее число нулей процесса изменения показателя эффективности равно
.
Полученное значение L подставляется в ф(53).
В свою очередь, определение значений TИ позволяет на этапе планирования определить нормируемый в руководящих документах показатель устойчивости системы связи
,
а на этапе боевого использования по ф(47).
Дата публикования: 2015-09-18; Прочитано: 346 | Нарушение авторского права страницы | Мы поможем в написании вашей работы!