ВУЗ:
Составители:
Можно показать [85], что для ортогональных функционалов вида (8.23)
выражение (8.30) принимает вид
Sk N H k k k k k Ak
ymmmi
i
m
Dm
m
( ) ( ,..., ) ( ) ( )=−−−
=
=
∞
∏
∑∑
1
2
1
2
1
0
δ K . (8.31)
На основании полученного выражения спектр
Sk k
ym
()
1
++K , входящий
в (8.31), можно представить состоящим из двух слагаемых
Sk k NH k k Ak S k k
ymmm i
i
m
ym
( ... ) ( ,..., ) ( ) ( ... )
11
2
2
1
1
++ = + ++
=
∏
Δ
, (8.32)
первое из которых обусловлено значением ядра H
m
(k
1
,
...,
k
m
), а второе
характеризует вклад от остальных значений ядер. Подставляя (2.32) в
выражение (8.29), получим:
{}
D
$
( ,..., )
( ... )
() ( )
Hk k
Sk k
LNAk Ak
mm
ym
m
1
1
2
1
2
=
++
⋅⋅
Δ
K
. (8.33)
Таким образом, дисперсия оценки ядра H
m
(k
1
,
...,
k
m
) Винера в точке
(k
1
,
...,
k
m
) прямо пропорциональна значению спектра выходного сигнала
системы за вычетом той составляющей спектра, которая обусловлена
значением вычисляемого ядра. Чем меньший вклад в общий спектр дает
подлежащее оценке значение ядра, тем менее точно его можно вычислить. С
увеличением степени нелинейности системы оценки ядер имеют тенденцию
ухудшаться, так как спектр выходного сигнала системы
обогащается
дополнительными составляющими. Если система линейна, то выходной спектр
Sk
y
() полностью определяется значением ядра H
1
(k) и, следовательно,
дисперсия оценки
$
()Hk
1
равна нулю. Этот факт подтверждается выражением
(8.33) при m = 1.
При моделировании энергетических преобразований сигналов в
нелинейных системах в соответствии с выражением (8.31) требуется знание
Можно показать [85], что для ортогональных функционалов вида (8.23)
выражение (8.30) принимает вид
∞ m
∑ ∑ H m ( k 1 , . . . , k m ) δ( k − k 1 −K − k m ) ∏ A 2 ( k i ) .
2
S y (k ) = N (8.31)
m = 0 Dm i =1
На основании полученного выражения спектр S y ( k1 + K + k m ) , входящий
в (8.31), можно представить состоящим из двух слагаемых
m
∏ A 2 ( k i ) + S yΔ ( k1 +. . .+ k m ) ,
2
S y ( k 1 +. . .+ k m ) = N H m ( k 1 , . . . , k m ) (8.32)
i =1
первое из которых обусловлено значением ядра Hm(k1, ..., km), а второе
характеризует вклад от остальных значений ядер. Подставляя (2.32) в
выражение (8.29), получим:
S yΔ ( k1 +...+ k m )
{
D H$m ( k1 ,... , k m ) = } L NA 2 ( k1 )⋅K ⋅ A 2 ( k m )
. (8.33)
Таким образом, дисперсия оценки ядра Hm(k1, ..., km) Винера в точке
(k1, ..., km) прямо пропорциональна значению спектра выходного сигнала
системы за вычетом той составляющей спектра, которая обусловлена
значением вычисляемого ядра. Чем меньший вклад в общий спектр дает
подлежащее оценке значение ядра, тем менее точно его можно вычислить. С
увеличением степени нелинейности системы оценки ядер имеют тенденцию
ухудшаться, так как спектр выходного сигнала системы обогащается
дополнительными составляющими. Если система линейна, то выходной спектр
Sy (k ) полностью определяется значением ядра H1(k) и, следовательно,
дисперсия оценки H$1( k ) равна нулю. Этот факт подтверждается выражением
(8.33) при m = 1.
При моделировании энергетических преобразований сигналов в
нелинейных системах в соответствии с выражением (8.31) требуется знание
Страницы
- « первая
- ‹ предыдущая
- …
- 192
- 193
- 194
- 195
- 196
- …
- следующая ›
- последняя »
