КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
Нелинейное преобразования случайных процессов
Рассмотрим теперь задачу о прохождении случайного процесса через нелинейную систему. В общем случае эта задача весьма сложная, но она значительно упрощается, когда нелинейная система является безынерционной. В безынерционных нелинейных системах значения выходного процесса в данный момент времени определяются значениями входного процесса в тот же самый момент времени. Для нелинейных безынерционных преобразований более простой задачей является определение функций распределения на выходе и гораздо более сложной - определение корреляционной функции или энергетического спектра. Как отмечалось выше, n - мерная функция распределе ния случайного процесса по сути дела является функцией распределения n случайных величин, представляющих собой значения случайного процесса в n различных моментов времени. Определение законов распределения функционально преобразованных случайных величин является сравнительно простой задачей. Рассмотрим простейший пример одномерной случайной величины. Пусть плотность вероятности случайной величины x, которая подвергается нелинейному преобразованию . Определим плотность вероятности случайной величины h. Предположим, что функция такова, что обратная ей функция - однозначна. Если случайная величина x находится в достаточно малом интервале (х0, x0+ dx), то вследствие однозначной функциональной зависимости между x и h случайная величина h обязательно будет находиться в интервале (y 0, y0+ dy), где y0=f(x0); вероятности этих событий должны быть одинаковыми, т.е. (2.13) откуда находим (2.14) Производная в последнем выражении берется по абсолютной величине, так как плотность вероятности не может быть отрицательной. Если обратная функция j(y) неоднозначная, т.е. имеет несколько ветвей xi=ji(y), то для плотности вероятности с использованием теоремы сложения вероятностей можно получить (2.15)
Отметим, что для определения числовых характеристик нелинейно-преобразованных случайных процессов нет необхoдимости определять ихплотности вероятностей. Действительно, в общем случае для начального момента Н -го порядка имеем (2.16)
Но согласно (3.4.13) и .Поэтому последнее выражение можно переписать (2.17) Полученные выражения (2.14) и (2.15) легко распространить на случай нескольких величин. Приведем здесь лишь окончательный результат для двумерного случая. Если случайные величины xz и x2 имеют совместную плотность вероятностей wx(x1, x2), то для случайных величин (2.18) при однозначности обратных функций Совместная плотность вероятностей бцдет определятся выражением (2.19) Где величины (2.20) называется якобианом преобразования и представляет собой отношение элементарных площадей ds/dS при переходе от одной системы координат к другой. Если D≠О, то справедливо равенство (2.21) Где
Дата добавления: 2014-01-07; Просмотров: 2625; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |