Рассмотрим на примере:
Пусть на вход системы воздействуют случайные процессы с корреляционной функцией
и с
Корреляционную функцию имеет, в частности, случайный процесс, у которого моменты изменения и уровни случайны.
t1 t
Требуется получить квазиоптимальные передаточные функции замкнутой и разомкнутой систем регулирования из условий минимума среднеквадратичной ошибки.
Спектральные плотности
Т.к. корреляционная функция нелинейная по времени, разделим интервал интегрирования на отрицательный (по времени) и положительный:
1 этап. В соответствии с методикой Боде-Шеннона на 1-м этапе осуществляют расщепление (факторизацию) знаменателя частотной характеристики на комплексно сопряженные функции.
Факторизация – представление знаменателя частотной характеристики
в виде произведения комплексно сопряженных функций:
,
,
где , , .
2 этап. Разделение, или сепарирование.
Слагаемое в квадратных скобках со знаком «+» представляет собой реализуемую часть, а со знаком «-» - нереализуемую.
|
|
Для рассматриваемого примера
произведение в скобках может быть преобразовано к следующему виду:
Сравнивая числители из равенства:
получаем уравнение для нахождения A и B.
,
3. Отбрасывая нереализуемую часть , получаем квазиоптимальную передаточную функцию:
В примере отбрасываем и получаем
4. Чтобы найти передаточную функцию формирователя управляющего воздействия, необходимо получить передаточную функцию разомкнутой системы.
- при отрицательной единичной обратной связи
Делим числитель и знаменатель на (1-k):
где , .
Имея передаточную функцию разомкнутой системы, можно найти передаточную функцию формирователя.
Для коррелированных сигналов g и f:
Для марковских случайных процессов (таких процессов, у которых информация о возможных последующих изменениях процесса содержится только в предыдущий момент времени) теория оптимальной фильтрации в спектральной области разработана Калманом.
Для обычных случайных процессов накопление информации с ходом времени позволяет прогнозировать изменение процесса в будущем, причем с увеличением интервала наблюдения достоверность прогноза увеличивается, у марковских процессов это свойство отсутствует, примером таких процессов является «белый шум»).