Пред.
След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
П.3. Разложение ковариационных функций на множители (факторизация)В § П.2 предполагалось, что имеется описание случайного процесса в переменных состояния, и была изложена процедура для определения ковариационой функции (матрицы) этого процесса. В этом параграфе предположим, что известна ковариационная функция процесса, и, исходя из нее, изложим процедуру описания этого процесса в переменных состояния. Интересующую нас задачу можно сформулировать весьма просто. Ковариационная функция Факторизация ковариационной функции или ее аналог в частотной области — спектральная факторизация — значительно более трудная задача, чем синтез ковариационной функции или спектра. Два вопроса встают при рассмотрении задачи факторизации. Первый связан с мотивировкой того, почему вообще необходимо исследование этой задачи, а второй — с выбором наиболее эффективной процедуры для осуществления факторизации. В пользу исследования алгоритмов факторизации говорят два соображения, вытекающие из того, что во многих задачах информации о генерации процесса не имеется, а вместо этого известны измеренные характеристики выходного процесса: ковариационная функция или спектр. Независимо от каких-либо соображений по обнаружению или оценке бывает желательно найти модель для описания динамики генерации процесса, так как она может дать нам более глубокое понимание физики, лежащей в основе задачи. В контексте обнаружения и оценок, как мы уже убедились, многие из синтезированных приемников содержат устройства оценки параметров процессов. Во многих, если не в большинстве, задачах реализация соответствующих алгоритмов оценки требует знания модели генерации; аналогичная информация нужна при расчете помехоустойчивости системы. Имеющиеся методы решения можно разделить на процедуры во временной области и процедуры в частотной области. Для скалярных процессов с рациональными спектрами простейшее решение заключается в выполнении спектральной факторизации и последующем использовании одной из канонических реализаций для представления получающихся передаточных функций, описанных в п. 6.3.1 первого тома. Основная процедура этого решения довольно проста. Наиболее трудной стороной реализации является разложение полинома на множители с корнями в правой и левой полуплоскостях. Для стационарных векторных процессов с рациональными элементами в спектральной матрице желательность разложения на множители в частотной области не столь очевидна, так как реализация имеющихся алгоритмов затруднительна, если не невозможна (см., например, [121). В этом параграфе нас интересуют методы факторизации во временной области при использовании методов переменных состояния. Мы вводим в рассмотрение эти методы по нескольким причинам. Если вопрос связан с принципиально изменяющейся во времени ситуацией (например, процессы, связанные с периодической модуляцией, или отраженные сигналы радио- или гидролокационных станций, имеющие изменяющиеся во времени огибающие), то эти методы являются единственными, позволяющими учесть в структуре алгоритма нестационарный характер этих процессов. Если речь идет о работе со стационарными процессами при использовании экспериментально измеренных данных, то особенно пригодными становятся численные методы. Если понять смысл и значение этих методов, то применение факторизации во временной области дает ряд вычислительных преимуществ, особенно при работе с векторными процессами. Наконец, некоторые аспекты построения алгоритма во временной области позволяют углубить наше понимание фундаментальной структуры случайных процессов. При изложении этого вопроса мы придерживаемся подхода, развитого в [21. Для процесса, моделируемого методами переменных состояния, из (18) следует, что соответствующая ковариационная функция имеет форму
где
где
матриц
В некоторых частных случаях, особенно в тех, которые соответствуют системам первого порядка, отыскание множителей Когда условие минимальности не наложено, произвести разложение нетрудно. Поэтому наш подход заключается в отыскании возможного неминимального разложения на матрицы Этап 1. Неминимальная факторизация. Каждый элемент ковариационной матрицы должен иметь форму
где члены ряда
то
Пусть вектор-столбцы
Каждый элемент ковариационной матрицы (39а) можно теперь записать как
где
В этом можно убедиться подставив (42 а) и (42 б) в (37) и сравнив результаты с (39). Отметим, что когда Этап 2. Сведение к разложению на множители минимальной степени. Как правило, разложение (42 а) и (42 б) не является разложением минимальной степени, т. е. могут сществовать матрицы матриц Прежде чем приступить к изложению этого вопроса, следует сделать замечание по поводу временного интервала Рассмотрим теперь достаточный критерий для проверки того, что
являющиеся неотрицательно определенными симметричными матрицами размерностью Достаточный критерий минимальности заключается в том, чтобы обе матрицы
где Рассмотрим теперь алгоритм, который позволяет свести разложение неминимальной степени к разложению минимальной Степени. Этот алгоритм является также конструктивным доказательством необходимости положительной определенности матриц
Нетрудно показать, что
Это можно доказать путем почленного разложения и использования (45 а) и (45 б). В результате имеем
Для ковариационной функции
Поскольку
Алгоритмы для получения такого разложения можно найти в [11]. Для получения множителя минимальной степени введем в рассмотрение матрицы
Легко показать, что множители (48 б) и (48 в) удовлетворяют рассмотренному критерию положительной определенности. Для проверки необходимости указанного критерия заметим, что Рассмотрим теперь некоторые примеры для иллюстрации соответствующих методов разложения Пример 4. Для винеровского процесса разложение ковариационной функции осуществляется просто. Согласно (25)
Следовательно,
Пример 5. Также просто производится разложение ковариационной функции процесса Баттерворта первого порядка, приведенного в примере 2. В этом случае
Пример 6. Разложение ковариационной функции в примере 3 нетривиально, но все же довольно просто. Ради удобства предположим, что интервалом разложения является интервал
Представляя (52) в форме разложения, при
В результате отождествления с (41) и (42) получим
Поскольку элементы матриц
Так как обе эти матрицы имеют полный ранг, равный 2, то (54 а, б) гарантирует, что полученное разложение минимально. Теперь, располагая алгоритмической процедурой для разложения ковариационной матрицы Обозначим матрицы динамической системы в виде трех матриц удобно сначала рассмотреть реализации с триплетом матриц 1. Ограничиваем класс рассматриваемых систем только системами с триплетом матриц 2. Выводим дифференциальное уравнение для 3. Поскольку матрицы решения, определенные на этапе 2, могут иметь некоторые нежелательные свойства, рассматриваем преобразования системы координат вектора состояния, чтобы получить другие описания случайного процесса в переменных состояния. Этап 1. Переходная матрица, связанная с
или
Заметим, что (57 б) не определяет
Далее мы рассмотрим свойства производных
или
Если рассматриваемый процесс дифференцируем в среднеквадратическом, то коэффициент при Используя (59) и замечая, что
Для дифференцируемого процесса разложение [согласно
Из этого следует, что реализацией для производной процесса была бы функция Наша стратегия заключается в повторении этой процедуры дифференцирования до тех пор, пока не будет достигнута
Производная Уравнения (63а), (636), (64) и (65) содержат важные результаты, связывающие дифференцируемость процесса с производными множителей Этап 2. Теперь приступим к изложению алгоритма для определения матриц состояния Далее разбиваем матрицы
Можно было бы как-то упростить систему записи, ограничившись рассмотрением только процессов, у которых все компоненты имеют одинаковый порядок дифференцируемости. Поскольку общий случай не связан с какими-либо дополнительными понятиями и представлениями, целесообразно его рассмотреть.
Рис. П.1. Структурная схема реализации процесса в соответствии с дифференцируемостью его компонентов. Некоторые читатели сочтут необходимым предположить, что все элементы Каждая компонента
Если к соответствующим компонентам
Прежде чем продолжать анализ, необходимо произвести разбиение
Теперь, как очевидно из (57), необходимо отождествить
Ввиду этого можно свободно взаимно заменить матрицы
Продифференцировав (71 6), получим
Если
а если
После
Произведем почленное умножение (74 а) на
где определена система матриц матрица; поэтому она имеет положительно определенный квадратный корень. Матрицу
Теперь подставим транспонированную матрицу — результат транспонирования (76) в (74 а), в итоге получим
или
Формула (776) выражает разложение
Это дифференциальное уравнение типа Рикатти. Попытка показать существование вполне определенного решения может привести к некоторым довольно трудным вопросам теории систем. (Подробнее по этому вопросу см. [2].) Для наших целей достаточно потребовать, чтобы начальное условие
была положительно определенной матрицей. Для определения на- чальных условий заметим, что (74 б) можно выразить в виде системы
Нам необходимо вычислить эти уравнения для момента времени Уравнение (78) при заданных начальных условиях моделирует искомое решение для Теперь мы располагаем процедурой описания процесса в переменных состояния и можем обратиться к вопросам преобразований координатных систем для рассматриваемых реализаций. Этап 3. Предположим, что реализация с заданным триплетом матриц Введем в рассмотрение матрицу
Матрицы состояния для преобразованного вектора состояния имеют вид:
В общем случае, когда рассмотренная процедура применяется для определения реализации вида такое преобразование, чтобы все матрицы состояния были постоянными; другими словами, надо найти условия, когда матрицы Из (81 а) при
где
При
где в явном виде определена матрица
Следовательно, для существования реализации системы с постоянными (не зависящими от времени) параметрами необходимо и достаточно, чтобы существовала матрица
Хотя уравнения (84) и (85) образуют необходимый и достаточный критерий существования реализации с постоянными параметрами, этим критерием довольно трудно пользоваться. Другие необходимые условия можно вывести из (84) и (85) или из ранее полученных результатов. Некоторые из них сформулированы ниже. На основании (84) и (85) легко показать, что для существования реализации системы с постоянными параметрами необходимо, чтобы
Поскольку произведение
является необходимым условием существования реализации системы с постоянными параметрами. Из (68) и (75) следуют и другие уравнения. (Заметим, что если не все элементы Этим завершается общее рассмотрение процедуры отыскания матриц состояния. Рассмотрим теперь некоторые примеры для иллюстрации этой процедуры. Пример 4 (продолжение). Уравнения (50) дают функциональное разложение ковариационной функции винеровского процесса. Этот процесс является выходным процессом первого порядка и не дифференцируем. В результате их подстановки в (78) получим
Начальное условие получается из (71) в виде
С учетом (87а) и (87б)
Поэтому из (70) и (77) имеем
т. е. реализация имеет вид ( Пример 5 (продолжение). Для процесса первого порядка, рассмотренного в примере 5, подстановка разложения, выполненного в соответствии с (51), в (78) и (71) дает
Решением уравнения (77) является
Его подстановкой в (77) и (70) получим
Нетрудно заметить, что
Следовательно, если применить преобразование
то получим реализацию Пример 6 (продолжение). Здесь мы рассмотрим нетривиальный пример. Так как развернутое изложение связано с большим объемом алгебраических выкладок, ограничимся лишь наброском схемы решения. Процесс, рассмотренный в примере 3, имеет дифференцируемость второго порядка. Поэтому
В результате дифференцирования получим
Непосредственная подстановка в (75) дает
Дифференциальное уравнение для
Начальные условия получим из (74)
откуда следует
Теперь для отыскания
В этом параграфе было показано, что спектральное разложение на множители, зависящие от времени, вполне возможно. Однако, как правило, даже для некоторых простых стационарных примеров приходится прибегать к численным методам ввиду принципиальной связи рассматриваемого алгоритма с изменяющимися во времени параметрами системы. Во многих случаях заведомо проще использовать спектральные методы и заниматься далее решением алгебраических уравнений, а не дифференциальных уравнений. В этом контексте есть смысл еще раз подчеркнуть значение наших рассуждений в начале этого параграфа.
|
1 |
Оглавление
|