Формы представления и основные принципы передачи измерительной информации

Классификация измерительных задач

Критерии классификация измерительных задач учитывают свойства измерительных сигналов, передаваемых в информационно- измерительных системах, а также существующую классификацию случайных функций, которыми и являются измерительные сигналы [39,40].

Зависимость вероятностных характеристик измерительных сигналов от начала отсчета времени. В соответствии с этим критерием случайные процессы делят на стационарные, для которых характерна независимость приведенных в предыдущем параграфе вероятностных характеристик от начала отсчета времени, и нестационарные, которым соответствует изменение распределения вероятностей при сдвиге процесса по оси времени.

Таким образом, случайный процесс X(t) называется стационарным в широком смысле или слабо стационарным, если M[X(t)] =const, D[X(t)]= const, R­_X­(t­_1­,t­_2­)=R(t­­₂,t­­_1­)=R­_X­(t) (т.е. не зависят от времени), где ­ t= t­­₂-t­­_1­­.

Для оценки стационарных процессов используют нормированные корреляционные функции.

На рис.5,а приведен измерительный сигнал X(t), имеющий место на выходе одного из звеньев информационно- измерительной системы, а на рис.5,б – его автокорреляционная функция ρ ­_{X ­}(t). Корреляционная функция имеет затухающий характер, так как вероятностная связь между сечениями случайного процесса (измерительного сигнала) ослабевает с увеличением отрезка времени t=t­_к­-t­_{1 ­}. При значительном времени t эта связь исчезает, принято считать, что этому соответствует интервал времени корреляции t­_{к ­}, при котором нормированная корреляционная функция ρ­ _{X ­}(t)=0,1. Это означает, что значения сигнала X(t ­_1­) и X(t­_к) статистически независимы. Такой вывод позволяет перейти к оценке независимых случайных значений измерительных сигналов.

В теории случайных процессов различают стационарные процессы в широком и узком смысле. Когда имеют в виду стационарный процесс, вероятностные характеристики которого не зависят от времени, подразумевают стационарный процесс в узком смысле, для которого все вероятностные характеристики постоянны во времени. Когда от времени не зависят только функции распределения вероятности не выше второго порядка (одно-, двумерные), корреляционные и спектральные функции и их числовые характеристики, случайный процесс считается стационарным в широком смысле.

Характер изменения вероятностных характеристик случайного процесса. В том случае, когда вероятностные характеристики множества реализаций равны вероятностным характеристикам одной длинной реализации, такой процесс (измерительный сигнал) называется эргодическим, если эти характеристики различны для разных реализаций – неэргодическими. Для эргодических процессов одна реализация является как бы полноправным представителем процесса в целом, по ней можно определить вероятностные характеристики всего процесса.

Обоснование эргодичности проводится или исследованием множества реализаций, или на основании изучения физической природы процесса (с точки зрения характера влияющих факторов, их взаимосвязи). Обоснование строгой эргодичности случайного процесса является сложной задачей. Проще обосновать частную эргодичность по отношению к конкретной характеристике. Для эргодического случайного процесса любая вероятностная характеристика, полученная усреднением по времени, должна совпадать с характеристикой., полученной усреднением по множеству реализаций.

Стационарные случайные процессы делятся на эргодические и неэргодические. Классификация нестационарных случайных процессов проводится по особенностям их нестационарностей [40]. Решение прикладных задач оказывается более простым, когда стационарные случайные функции оказываются эргодическими.

В результате классификации случайных функций по таким признакам, как стационарность и эргодичность, имеют место четыре класса: стационарные эргодические, стационарные неэргодические, нестационарные эргодические, нестационарные неэргодические.

Графическое изображение различных видов измерительных сигналов в соответствии вышеназванными критериями классификации показано на рис. 6. Наибольшее практическое значение имеют стационарные эргодические измерительные сигналы.

Эмпирические оценки для перечисленных видов измерительных сигналов имеют различные значения (таблица 3):

- для стационарных случайных процессов θ­_t­,­=const _­­, для эргодических - θ­_k = const_­;

- для стационарного эргодического случайного процесса

θ­_t­= θ­_k = θ­_ср;

- для стационарного неэргодического случайного процесса θ­_t­= θ­_ср;

- для нестационарного эргодического процесса θ­_k = θ­_ср;

- для нестационарного неэргодического процесса все виды вероятностных характеристик различны.

Таблица 3

Эмпирические оценки, определяемые для различных случайных процессов

Вид процесса	Соотношения между вероятностными характеристиками
Эргодический	Неэргодический
Стационарный	θ­t­= θ­k = θ­ср	θ­t­= θ­ср; θ­k
Нестационарный	θ­k= θ­ср; θ­t	θ­t­;θ­k; θ­ср

Область существования (множество значений аргумента) и характер изменения случайной функции (множество ее значений). В соответствии с этим критерием различают:

- дискретные случайные последовательности, характеризуемые дискретным множеством аргумента и дискретным множеством значений измерительного сигнала (измерительные сигналы, квантованные по уровню и по времени; сигналы, представляющие кодово- импульсные комбинации – в определенный момент времени каждому разрешенному уровню сигнала соответствует определенный код);

- непрерывные случайные последовательности (непрерывные по информативному параметру и дискретные по времени сигналы), для которых характерно дискретное множество значений аргумента и непрерывное множество значений функции, например, периодическая последовательность импульсов постоянного тока;

- дискретные случайные функции (непрерывные по времени и квантованные по информативному параметру сигналы), характеризуемые дискретным множеством значений при непрерывных значениях аргумента, например, сигнал на выходе цифро- аналогового преобразователя;

- случайные функции, имеющие непрерывный характер изменения при непрерывном изменении аргумента; примерами являются постоянные и гармонические токи и напряжения, мгновенные значения параметров которых связаны с измеряемой величиной.

Появление информационно- измерительных систем с дискретным аргументом, определенным на дискретном конечном или счетном множестве объясняется цифровой формой передаваемого и обрабатываемого измерительного сигнала. Такие функции называются счетными последовательностями (если аргумент – время, временными рядами).

Зависимость вероятных характеристик от характеристик в определенный момент времени. Если характер случайного процесса не зависит от его значений в предшествующие моменты времени, но определяется значением в настоящий момент времени и условной вероятностью перехода к последующему моменту времени, такой процесс называется марковским, остальные относятся к немарковским.

Рис. 5. Измерительный сигнал X(t), представляющий случайный процесс (а) и его автокорреляционная функция (б)

Рис.6. Измерительные сигналы, представляющие: а - стационарный эргодический процесс; б - нестационарный эргодический процесс; в - стационарный неэргодический процесс; г - нестационарный неэргодический процесс