Лекція 1

Поточний об'єкт this, указники на члени класу і класні функції, порівняння з указниками на (позакласні) функції, указники на статичні члени класу

Поточний об'єкт this, указники на члени класу і класні функції, порівняння з указниками на (позакласні) функції, указники на статичні члени класу

Тепер подивимося, як методи дістаються до своїх атрибутів. Наприклад, визначимо

два вікна

const Screen w(4,3,"aaaabbbbcccc");

Screen u(w);

кожен з них змінить значення свого курсору, так що присвоєння

_cursor = _width*i + j;

застосовується до свого атрибуту:

w._cursor == 11

а

u._cursor == 14.

Як бачимо, метод, активізований об'єктом, повинен знати, який саме об'єкт,

його активізував. Для цього існує указник поточного об'єкту this, його тип

Screen*. Отже повний текст будь-якого методу, наприклад, методу move мав би

наступний вигляд

void Screen::move(int i, int j) const

{

if ((i>=this->_height) || (j>=this->_width))

this->_cursor=0;

else

this->_cursor = this->_width*i + j;

};

або для копіювального конструктора

Screen::Screen(const Screen& v)

{

this->_filler = v._filler;

this->_height = v._height;

this->_width = v._width;

this->_wContent = new char [_height*_width+1];

strcpy(this->_wContent,v._wContent);

this->_cursor=v._cursor;

}

Ясно, що в усіх цих випадках діє правило замовчування: “безпритульні” атрибути

і методи

9.1. Нелінійне перетворення нормального випадкового процесу

9.1.1. Загальні співвідношення

Обмежимося вивченням, головним чином, кореляційної функції і спектральної щільності потужності процесу на виході нелінійної статичної системи.

Нехай на вході нелінійної статичної системи діє випадковий процес, що представляє суму детермінованого процесу s(t) і стаціонарного гаусівського випадкового процесу з математичним сподіванням рівним нулю, дисперсією і нормованою кореляційною функцією . Двовимірна щільність імовірності цього процесу:

де .

Підставляючи це значення у формулу для кореляційної функції

і роблячи заміну змінних інтегрування , одержуємо вираз кореляційної функції на виході нелінійної системи з характеристикою

.

Для обчислення цього інтеграла скористаємося прямим методом знаходження кореляційної функції (поліноми Ерміта )

Якщо детермінований доданок звертається в нуль, то визначаємо кореляційну функцію процесу на виході нелінійної системи, коли на вході її діє центрований стаціонарний гаусівський процес

По теоремі Хінчина-Вінера, зробивши перетворення Фур'є обох частин рівності (для ), одержимо спектральну щільність потужності процесу на виході нелінійної системи

- нормована кореляційна функція гаусівського процесу на вході системи.

Перший член відповідає постійній складовій (дискретна частина спектра), а сума інших членів – неперервній частині спектра випадкового процесу на виході системи.

9.1.3. Лінійний детектор

Розглянемо, як перетворяться кореляційна функція і спектр стаціонарного випадкового гаусівського процесу лінійним детектором, з характеристикою

.

Приймемо х=1.

Коефіцієнт у ряді (9.1) у розглянутому випадку представляється інтегралом

при маємо

При інтегруванням частинами маємо

Підставляючи ці значення в (9.0) одержимо

так як .

Маємо вираз для кореляційної функції стаціонарного гаусівського випадкового процесу, що пройшов через лінійний детектор

Так як - має тільки парні степені, те цей ряд може бути просумований і в остаточному підсумку маємо

.

Знаходимо середню потужність процесу на виході лінійного детектора . Так як квадрат постійної складової , то дисперсія процесу на виході лінійного детектора

- дисперсія на виході лінійного детектора

- дисперсія на вході.

Зазаначимо, що якщо в розкладанні (9.2) обмежитися тільки першими трьома членами для підрахунку середньої потужності, то

відкіля

що відрізняється від точного значення тільки на 3%.

Дата добавления: 2014-01-04