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
14.5. Выбор интервала дискретизации и предварительного фильтраПроцедура дискретизации данных, порождаемых системой, является неотъемлемой частью цифровых систем сбора данных. Дискретизация, как таковая, неизбежно ведет к потере информации, и важно выбрать моменты получения наблюдений так, чтобы эти потери были незначительными. В этом разделе будем предполагать, что сбор информации производится в равноотстоящие моменты времени, и обсуждение, таким образом, будет касаться выбора интервала дискретизации Наложение спектров. Потеря информации, происходящая в результате дискретизации, лучше всего описывается в частотной области. Допустим, что интервал дискретизации сигнала
Обозначим частоту дискретизации
Это следует из простых формул тригонометрии. Таким образом, та часть спектра сигнала, которая соответствует частотам, превышающим
Здесь
а
Эффект (14.64) часто называют складыванием гармошкой Предварительные фильтры для защиты от наложения спектров. Информация о частотах, превышающих частоту Найквиста, теряется. Поэтому важно принять меры против искажения интересующей части спектра ниже частоты Найквиста. Это достиг ается посредством нведсния предварительного фильтра
(здесь
В идеале
Это может быть достигнуто только приближенно. В идеальном случае (14.69) имеем
а это означает в соответствии с (14.64), что сигнал
будет иметь спектр
Таким образом, при наличии фильтра (14.67) и (14.69) достигается такой спектр дискретного сигнала, на котором не сказывается эффект наложения спектров. В связи с этим такой фильтр также называют фильтром, защищающим от наложения спектров. В соответствии со сказанным такой фильтр всегда должен применяться перед процессом дискретизации, если ожидается, что энергией сигнала на частотах, превышающих частоту Найквиста, пренебречь нельзя. Эффект уменьшения шума при защите от наложения спектров. Обычно сигнал состоит из полезной составляющей и возмущения, а спектр возмущения является более широкополосным, чем спектр сигнала. Тогда интервал дискретизации выбирается, как правило, так, чтобы большая часть спектра полезной составляющей была ниже
где
где дисперсия шума
Из этого вьфажения видно, как высокочастотные составляющие шума накладываются на низкочастотную часть интервала
но сравнению со случаем полного отсутствия предварительного фильтра. Это уменьшение шума существенно, если спектр шума имеет значительную энергию выше частоты Найквиста. Защищающие от наложения спектров фильтры при сборе данных. Прокомментируем роль фильтров, предназначенных для защиты от наложения спектров, в приложениях к идентификации систем. Допустим сначала, что система не является системой цифрового управления, т. е. входной сигнал в непрерывном времени не является кусочно-постоянной функцией. Это может быть случай, когда сбор данных производится в процессе нормальной работы системы. Нели при этом входной сигнал низкочастотный и не имеет энергии на частотах, превышающих Рассмотрим теперь случай, когда входной сигнал является кусочно-постоянным на интервале дискретизации. Тогда, очевидно, после дискретизации такой сигнал принимает кусочно-постоянные значения и нет необходимости в применении предварительного фильтра. Ступенчатые изменения во входном процессе, однако, содержат высокие частоты, которые могут проходить на выход. Защищающий от наложения спектров фильтр, примененный к выходному процессу, может, таким образом, исказить полезную информацию. Существуют три способа решения этой проблемы:
Рис. 14.3. Дискретизация, представленная в частотной области. Сплошная линия: частотные характеристики процесса, - ширина полосы пропускания; штриховая линия: спектр шума; точечная линия: частотные характеристики фильтра, предназначенного для защиты от наложения спектров, частота Найквиста 1. Достаточно быстрая дискретизация, если процесс хорошо затухает выше частоты Найквиста. Тогда высокочастотные составляющие выходного сигнала, соответствующие данному входному сигналу, незначительны. 2. Рассматриваем защищающий от наложения спектров выходной фильтр как часть процесса и моделируем систему от ее входа до выхода фильтра (это может привести к необходимости увеличить порядок модели) 3. Поскольку защищающий от наложения спектров фильтр известен, включаем его в модель в качестве известной составной части и пропускаем предсказанный выходной сигнал через фильтр перед тем, как использовать его в критерии идентификации (этот подход проиллюстрирован в (14.75) и Решение 1 наиболее естественно; его принцип изображен на рис. 14.3. Замечание: для целей управления может оказаться хорошей идея применения низкочастотного фильтра к кусочно-постоянной входной последовательности дискретизированных данных. Это будет также полезно при решении 1. Некоторые общие аспекты выбора Другая идеализированная ситуация состоит в том, что время эксперимента
Если модель предназначается для использования в целях управления, в игру вступают некоторые другие аспекты. Интервал дискретизации, для которого строится модель, должен быть таким же, как и в рассматриваемой задаче управления (если мы не хотим производить пересчет от одного интервала дискретизации к другому). Модель с большой частотой дискретизации часто оказывается неминимальнофазовой [32], а инерционные системы могут моделироваться с элементом задержки на несколько интервалов дискретизации. Такого рода эффекты могут породить некоторые проблемы при построении управления и будут, следовательно, оказывать влияние на выбор При выборе О смещении. В гл. 13 показано, что расхождение между модельной и истинной передаточными функциями можно оценить с помощью квадратичной нормы (см.
Здесь
В этих формулах указана зависимость от
не стремится к нулю при возрастании со, и при убывании О дисперсии. Дисперсия оценки параметра, полученной для конкретного набора данных, будет зависеть от средней информации на один такт. Как отмечалось выше, при этом имеет место компромисс между уменьшением уровня шума при небольшой частоте дискретизации и малой информацией относительно свойств динамики, которая содержится в данных. Рассмотрим этот компромисс на простом иримере. Пример 14.4. Оптимальная дискретизация. Рассмотрим систему в непрерывном времени
или
где
Здесь
и пусть входной сигнал является гармоническим (кусочно-постоянным) частоты
При вычислении предсказателя (14.74) мы игнорировали предварительный фильтр, что может быть разумным при достаточно малом
(Заметим, что при малом
где
Для выражения (14.74) имеем
и
Таким образом, имеем
Видно, 410 при неофаничеппом возрастании
это - эффект слабой информации о
Рис. 14.4. График зависимости дисперсии оценки от интервала дискретизации Аналогично после некоторых вычислений получаем стремление к бесконечности как Точный вид предсказателя (14.76) приводит к аналогичным, но более сложным выражениям. На рис. 14.4 показаны выражение (14.79) и соответствующая точная величина дисперсии как функции 1. Оптимальный выбор интервала дискретизации близок к значению постоянной времени системы. 2. Значительно хуже завысить значение Выводы. Подведем итог обсуждению вопроса о частоте дискретизации. — Дискретизация с большой частотой приводит к численным проблемам, подгонке модели в высокочастотном диапазоне и к редким возвратам для проведения дополнительной работы. — При возрастании интервала дискретизации выше естественных постоянных времени системы дисперсия резко возрастает. — Оптимальный выбор Все эти аспекты показывают, что частота дискретизации, примерно в десять раз большая, чем частотный диапазон системы, должна представлять собой хороший выбор в большинстве случаев. Заметим, что это обсуждение касается выбора частоты дискретизации для построения модели. При дешевом сборе данных можно всегда осуществить в процессе эксперимента возможно более частую дискретизацию и окончательный выбор
|
1 |
Оглавление
|