1.2.2. Модели передаточных функцийВажный тип динамического соотношения между непрерывными входом и выходом, для которого можно найти много физических примеров,- это такой тип, у которого отклонения входа и выхода от соответствующих средних значений связаны линейным дифференциальным уравнением вида , (1.2.11) где - дифференциальный оператор ,и - неизвестные параметры и -параметр, измеряющий холостое время, или чистое запаздывание, выхода относительно входа. Простейшим примером (1.2.11) является система, у которой скорость измерения выхода пропорциональна разности между входом и выходом, т. е. , . Аналогично для дискретных данных в гл. 10 мы описываем систему, где вход и выход , измеряемые через равные интервалы времени, связаны разностным уравнением , (1.2.12) в котором дифференциальный оператор заменен разностным оператором . Выражение вида (1.2.12),содержащее малое число параметров , часто можно использовать как аппроксимацию динамического соотношения более сложной природы. Линейную модель (1.2.12) можно эквивалентным образом писать с помощью прошлых значений входа и выхода, подставив в (1.2.12) , (1.2.13) . Другими словами, выход и вход связаны линейным фильтром , (1.2.14) передаточная функция которого (1.2.15) Может быть выражена как отношение двух полиномов . Линейный фильтр (1.2.14) называют устойчивым, если ряд (1.2.15) сходится при . Ряд весов , появляющихся в передаточной функции (1.2.15), называется функцией отклика на единичный импульс. Заметим, что для модели (1.2.12) первые весов равны нулю. Гипотетическая функция отклика для системы, показанной на рис. 1.2, изображена в центре этого рисунка. Модель передаточной функции (1.2.13) позволяет иначе интерпретировать стохастические модели (1.2.4) и (1.2.5). Часто возмущения выхода вызываются возмущениями некоторой переменной, с которой динамически связано уравнением вида (1.2.12). Поэтому можно ожидать, что сложное стохастическое поведение случайной переменной может быть выражено через другую случайную переменную с более простыми свойствами соотношением . Если допустить возможность существования неустойчивого фильтра, у которого один или более корней уравнения равны единице, то, пользуясь ранее введенными обозначениями, можно получить . (1.2.16) Стохастические модели, рассмотренные выше, как раз принадлежат к этому типу, причём - источник белого шума. Поскольку (1.2.16) можно записать в виде , то считается, что можно получить пропусканием белого шума через линейный фильтр с передаточной функцией . Выводы 1) Мы часто можем описать динамическое соотношение входа и выхода с помощью линейного фильтра , где - передаточная функция фильтра. 2) В свою очередь часто можно компактно и достаточно точно представить в виде отношения двух полиномов малых степеней от : , так что динамические уравнения вход – выход можно записать как . 3) Мы будем считать, что ряд с сильно зависимыми последовательными значениями может быть представлен как результат пропускания белого шума через динамическую систему, в которой отдельные корни уравнения могут быть единицами. Это позволяет получить модель процесса авторегрессии – проинтегрированного скользящего среднего . Модели с наложенным шумом. Мы видели, что задача оценивания подходящей модели, связывающей выход и вход , эквивалентна оцениванию передаточной функции . Однако эта задача на практике усложняется присутствием шума , искажающего истинное соотношение между входом и выходом следующим образом: , где и независимы. Положим, как показано на рис. 1.5, что шум может быть описан нестационарной стохастической моделью вида (1.2.5) или (1.2.7), т. е. . Рис.1.5 Модель передаточной функции динамической системы с наложенным шумом: 1-линейный фильтр, 2 –линейная динамическая система Тогда наблюдаемое соотношение между входом и выходом будет иметь вид . (1.2.17) На практике необходимо оценить передаточную функцию линейного фильтра, описывающего шум, в дополнение к передаточной функции , описывающей динамическое соотношение между входом и выходом. Методы получения таких оценок обсуждается в гл. 11.
|