Порядок выполнения работы:

1. Ознакомиться с содержанием работы, изучить алгоритм метода гиперплоскостей для построения областей работоспособности в виде выпуклых оболочек.

2. Получить у преподавателя номер варианта (см.таблицу вариантов заданий).

3. Для контролируемого объекта с помощью методов граничных испытаний в заданных направлениях (рис.1) получить массив граничных точек в пространстве двух параметров Т_, . При этом критерий качества должен принимать значения t_p = t_{p min} или t_p = t_{p max} с допустимой точностью (обычно t_p = 5 % от устанавливаемой величины t_{p min} или t_{p max}).

4. Произвести построение области работоспособности по полученному массиву граничных точек методом гиперплоскостей. Наблюдать на экране или на соответствующем устройстве вывода область работоспособности. Отметить контрольную точку Т_изм, _изм. Принять решение о годности объекта контроля.

5. Проверить с помощью диалогового меню выполнение полученной в п.4 системы линейных неравенств для вектора измеренных значений параметров контролируемого объекта Т_изм и _изм ( см. свой вариант в таблице).

6. Проверить выполнение условий работоспособности для заданных значений параметров Т_изм и _изм непосредственно по критерию работоспособности (времени регулирования), наблюдая на экране (или на графике устройства вывода после соответствующих назначений) переходный процесс. Принять решение о годности объекта контроля по полученному изображению кривой переходного процесса.

Содержание отчета:

1. Краткое описание сущности работы, блок-схема алгоритма метода гиперплоскостей.

2. Результаты расчета на ЭВМ: массив граничных точек, система линейных неравенств, описывающих область работоспособности.

3. Область работоспособности в координатах Т, с отметкой контрольной точки Т_изм, _изм.

4. График переходного процесса объекта контроля с параметрами Т_изм, _изм.

3. Область работоспособности в машинных координатах.

4. Результаты контроля с помощью пакета MS Excel.

5. Выводы.

Библиографический список

1. Кабанов А.Н. Математические методы повышения устойчивости алгоритмов АСУ. Рязань: РРТИ, 1985.

2. Коваленко В.В. Принятие решения о работоспособности объекта: Руководство к лабораторным работам по курсу «Основы построения АСУ».Ч.2. Рязань: РРТИ, 1978.

3. Тюрин Ю.Н., Макаров А.А. Статистический анализ данных на компьютере. Под ред. В.Е. Фигурнова М., 1998.

2. Спектральный метод восстановления входного сигнала измерительной системы

Выходной сигнал y(f) измерительной системы с импульсной переходной функцией k(f,) может быть представлен в виде

(1)

Поскольку в уравнении (1) входной сигнал x() определен на конечном промежутке [0,], то в качестве спектрального базиса можно выбрать тригонометрические функции, функции Уолша и т.д.

Выбор в качестве базиса тригонометрических функций, функций Уолша обусловлен не только хорошими аппроксимативными свойствами, но и возможностью использовать для расчетов алгоритмы быстрых преобразований. Обозначим ортонормированный базис:

(2)

Представим X(t) в виде разложения по системе Ф:

(3)

где

(4)

Подставляя выражение (4) в (1), получаем

(5)

Обозначим

В свою очередь элементы y(t) также можно разложить по базису (2):

(6)

где

(7)

Так как выходной сигнал y(t) также может быть представлен в виде разложения по базису (2)

(8)

то получим матричное уравнение, связывающее спектры исходного входного сигнала и выходного сигнала

 (9)

Тогда спектр исходного сигнала получим из соотношения

(10)

и сам сигнал при найденном спектре определится из выражения (3).

В лабораторной работе в качестве базисных функций используется система

, i=0, 1, 2,…,0t (11)

При этом матрица двумерной передаточной функции {d_e}дифференцирующего звена Р имеет вид:

где

dn,n==2+j2n.

Спектральные характеристики, определенные относительно системы функции (11), представлены таблицей

Матрица {d_e} для линейного стационарного звена имеет вид:

.

Точность метода необходимо контролировать путем увеличения размерности матрицы Р.

Порядок выполнения работы:

Для всех исследуемых в лабораторной работе моделей искажающих систем (рис.1) оформить в виде графиков исходный входной и исходный выходной сигналы системы, а также их аппроксимации при различном количестве коэффициентов разложения (рис. 2, 3).

Рис.1. Пример выбора модели искажающей системы

Рис.2. Пример выбора модели входного сигнала системы

Рис.3. Аппроксимированный выходной сигнал

Содержание отчета:

1. Цель работы и основные теоретические положения.

2. Графики исходных сигналов и их аппроксимаций.

3. Обоснование выбора количества членов разложения при восстановлении входного сигнала.

4. Выводы о возможности применения метода в информационных системах и системах управления.

Библиографический список

1. Сизиков В.С. Математические методы обработки результатов измерений: Учеб. для вузов. СПб: Политехника, 2001. 240 с.

2. Кабанов А.Н. Математические методы повышения оперативности принятия управленческих решений: Учеб. пособие. Рязань: РГРТА, 2001. 32 с.

3. Итеративный метод восстановления сигнала

Решение задачи восстановления входных сигналов сводится к решению интегрального уравнения вида

(1)

где К(t) - импульсная переходная функция стационарного оператора, x() - искомый входной сигнал. В большинстве случаев линейные операторы измерительных систем имеют интегрирующий характер [1,2].

Динамические характеристики восстанавливающих операторов, применяемых для преобразования сигнала y(t), приближаются к характеристикам неидеальных дифференцирующих операторов, имеющих укороченные по длине импульсные переходные функции. Входной сигнал может быть восстановлен по формуле:

(2)

Если n изменяется в больших пределах, то вычисление по формуле (2) может оказаться очень трудоемким по числу операций сложения и умножения. Некоторое упрощение можно получить, если применить БПФ-свертку без двоичных инверсий. Однако импульсная переходная функция K_b[n] дифференцирующих звеньев принципиально не может быть реализована точно. Попытку избежать этой принципиальной нереализуемости K_b[n], а с ней и достигнуть точного восстановления входного сигнала можно осуществить на основе итерационных процедур Ван-Циттерта [1]. Для уравнения (1) итерационная процедура может быть представлена в виде

(3)

Выбор величин обеспечивается сходимостью в среднем к решению уравнения (1). В выражении (3) импульсная переходная функция принципиально может быть реализована с высокой точностью. Некоторого упрощения итерационной процедуры можно добиться, если, как и в случае восстановления по формуле (2), применять БПФ-свертку без двоичных инверсий. Ниже приведены примеры применения БПФ-свертки для восстановления входного сигнала с помощью соотношения (2) путем перехода в частотную область и примеры восстановления входного сигнала на основе дискретизации соотношения (3).

Пример 1. Восстановление входного сигнала интегратора.

Входной сигнал в виде единичного скачка: X_i=1, где i= N - число отсчетов. Для нашего примера N=16. Тогда на выходе интегратора будем иметь сигнал вида:

Y^T=[ 0 1 2 3 4 5 6 7 8 9 10 0 0 0 0 0 ].

Дифференцирующий оператор:

V^T=[ 1 -1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ].

Находим коэффициенты разложения в ряд Фурье для сигналов V и Y. Матрица дискретного преобразования Фурье имеет вид:

где

Для восстановления входного сигнала на интервале наблюдения необходимо наблюдаемый входной сигнал и дифференцирующий оператор дополнить соответствующим количеством нулей [3].

Коэффициенты разложения сигнала имеют вид:

Тогда спектр восстановленного сигнала имеет вид:

XF_j=VF_j YF_j,

Применяя обратное преобразование Фурье, получаем

где

B_(l,m)=W^-lm

=[ 0 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 ].

Для сокращения числа операций целесообразно применять БПФ, представленный в матричной форме. Матрица преобразований имеет вид:

(4)

где I_n - единичная матрица размером (n n), A_j=A₁A₂…A_n - кронекеровское произведение, A_i=A₁A₂…A_n - прямая сумма.

,

где , N = 2ⁿ - число отсчетов.

Формула (4) для n = 4 представляется в виде :

(5)

где

i = 2,4,6,8 j = 1,3,5,7

Результаты представлены FKP с двоично-инверсными номерами. С помощью формул (4) и (5) находим спектр выходного сигнала и спектр восстанавливающего фильтра. Перемножаем их с двоично-инверсными номерами (не переставляя индексов). Входной сигнал находим по формуле

(6)

Функции FKР в формулах (5) и (6) имеют двоично-инверсный порядок. Благодаря отсутствию операции с преобразованием индексов получим экономию в вычислительных операциях.

Пример 2. Восстановление входного сигнала интегрирующего звена с помощью итерационных процедур.

Дифференцирующие звенья принципиально не могут быть реализованы с большой точностью, интегрирующие инерционные звенья принципиально могут быть реализованы с любой заданной точностью. Для восстановления входного сигнала целесообразно использовать итерационную процедуру

(7)

где Т (шаг интегрирования) и определяются точностью интегрирования, К - матрица преобразования интегрирующего оператора, S = 0…7, M = =0…7, I = 1…2000 (число итераций). За счет выбора малого значения = 0,1 обеспечиваем сходимость итерационной процедуры.

Начальные значения входного сигнала принимаются равными выходному сигналу.

Входной сигнал: X^T = [1 2 3 4 3 2 1 1].

Выходной сигнал: Y^T = [0,1 0,3 0,6 1 1,3 1,5 1,6 1,7]. T=0,1, =0,1.

.

= [1 2 3 4 3 2 1 1].

Пример 3. Восстановление входного сигнала апериодического звена

Для восстановления входного сигнала используем итерационную процедуру (7). Начальные значения входного сигнала принимаются равными выходному сигналу. Импульсная переходная функция рассчитывается по формуле K(t) = e^-t. Матрица преобразования имеет вид

Входной сигнал Х^Т = [1 2 3 4 3 2 1 1].

Выходной сигнал: Y^T = [0,1 0,29 0,563 0,909 1,123 1,216 1,2 1,186]. T=0,1, = 0,1.

Восстановленный входной сигнал после 2000-й итерации

= [1 2 3 4 3 2 1 1].

Порядок выполнения работы:

1. Ознакомиться с содержанием работы, рассмотреть особенности изложенных в теоретической части примеров.

2. Используя команды операционной системы, получить доступ к программе выполнения лабораторной работы см. рисунок.

Меню лабораторной работы

3. Рассмотреть вопросы применения метода, изложенного в теоретической части, для конкретных моделей линейных динамических измерительных систем. Кратко это можно изложить так.

В данной лабораторной работе рассматривается итерационный метод восстановления, искаженного линейным оператором сигнала.

В качестве моделей линейной динамической измерительной системы приняты передаточные функции вида:

1. W(p)=1/p

2. W(p)=1/(p+a)

3. W(p)=1/p(p+a)

4. W(p)=1/(p+a1)(p+a2)

5. W(p)=1/(p+a)^2

6. W(p)=1/((p+h)^2+m^2)

с помощью которых могут быть описаны различные классы измерительных систем.

Итерационный процесс имеет вид:

Y(i+1)=Y(i)+(X-AY(i))a,

где Х - выходной сигнал (сигнал после искажения);

А - матрица перехода линейного оператора (полученная с помощью одной из квадратурных формул; в данной работе применяется формула прямоугольника).

Y(0)=X.

а - величина, обеспечивающая сходимость итерационного процесса (в данной работе а=0.1).

Начиная с передаточной функции 3 диагональные элементы матрицы А равны 0 (т.е. в начальный момент времени), что не позволяет восстановить исходный сигнал.

В данной работе используются два метода решения этой проблемы.

1. Восстановление с псевдообращением: в матрице А срезаются первая строка и последний столбец (т.е. диагональные элементы становятся отличными от 0).

2. Восстановление с комбинированным фильтром: ко всем элементам матрицы А прибавляется функция вида f(t)=k*exp[-nt] (в лабораторной работе используется функция f(t)=1*exp[-100t]), которая в начальный момент времени не равна 0, а в остальные - стремится к 0.

Для ускорения процесса восстановления сигнала, свертку А на Y(i) можно выполнять, используя быстрые преобразования (в лабораторной работе используется алгоритм БПФ).

Рассмотрим суть метода:

Ф(2^n)=(1/(2^n))П[I(2^(j-1))*(I(2^(n-j))+b(2^(n-j))][I(2^(j-1))*H2*I(2^(n-j))]

где *-кронекеровское произведение;

+-прямая сумма

П - произведение от j=n до 1;

b(2^(n-j))=диаг.{1,W^(1·2^(j-1)),W^(2·2^(j-1)),W^(3·2^(j-1)),...};

W=exp(-j2п/8).

Для N=8 (n=3) имеем:

Ф·f=(1/8)·Ф2·Ф1·Ф4·Ф3·Ф6·Ф5·f

F1=(1/8)·Ф· А

F2=(1/8)·Ф·[Y(i)] - спектр восстанавливаемого сигнала,

F=F1·F2.

Следовательно, свертка с применением обратного преобразования Фурье равна

f=F·Ф5°·Ф6°·Ф3°·Ф4°·Ф1°·Ф2°,где °- знак транспонирования.

Затем результат подставляется в основную формулу итеративного метода:

Y(i+1)=Y(i)+(X-AY(i))a

Примечание: в результате применения БПФ решение получается в двоичном инверсном коде в несортированном виде, но в данной лабораторной работе благодаря многократному применению БПФ и использованию обратного БПФ результат получается в виде, пригодном для дальнейшего использования, т.е. не требуется производить сортировку и переводить инверсный двоичный код в прямой.

4. Результаты восстановления сигнала при наличии сбойных результатов оформить таблично и графически.

Содержание отчета:

1. Цель работы и основные теоретические положения.

2. Результаты восстановления искаженного сигнала для различных измерительных систем. Оценка эффективности метода при наличии сбойных результатов измерений.

3. Изложить возможности использования метода в информационных системах и системах управления.

Библиографический список

1. Клейман Е.Г. Идентификация входных сигналов в динамических системах// АиТ. 1999. №12. С. 3-15.

2. Аш Ж. и др. Датчики измерительных систем. В 2-х книгах. Кн.2: Пер. с франц. М.: Мир, 1992. С. 292.

3. Василенко Г.И. Теория восстановления сигналов: от редукции к идеальному прибору в физике и технике. М., 1979. 272 с.

4. Оперативный статистический контроль качества промышленной продукции на основе малой выборки. Расчет доверительных интервалов

Промышленное изделие считается годным, если его контролируемые параметры удовлетворяют выбранному критерию. Контроль качества играет заметную роль в задачах управления промышленным производством. При этом использование вычислительной техники позволяет оптимизировать планы статистического (выборочного) контроля и производить более полный анализ информации, накапливаемой в процессе его проведения. Необходимость именно выборочного обследования при решении практических задач связана со следующими причинами:

- генеральная совокупность партии изделий настолько многочисленна, что проведение обследования всех элементов совокупности (сплошное обследование) слишком трудоемко. С такой ситуацией приходится встречаться при контроле качества продукции крупносерийного и массового производства;

- в процессе проведения испытания происходит разрушение отбираемых образцов;

- результаты выборочных исследований используются для оперативного управления производственным процессом;

- объем выборки определяется ограничениями, связанными с методом обработки данных.

Методические указания охватывают основные задачи статистического контроля качества - определение для одномерного и многомерного объектов контроля интервальных оценок математического ожидания контролируемого параметра партий изделий, интервальных оценок дисперсий, сравнение математических ожиданий и дисперсий двух партий изделий - и в сильной степени ориентированы на практическое применение в инженерной работе для разработки математического обеспечения подсистем автоматизированного управления качеством продукции. Метод получения интервальных оценок случайных величин и построение доверительных интервалов подробно рассмотрены в методических указаниях [1,2]. Ниже приведены примеры использования этого метода.

Для одномерного случая в лабораторной работе даны 9 вариантов контроля. Многомерный случай контроля в теоретическом опыте представляет собой дальнейшее развитие традиционной одномерной статистики, его отличают трудоемкие алгоритмы реализации вычислительных процедур и сложная интерпретируемость аналитических результатов в многомерном пространстве. Для многомерного случая, учитывая большую аналогию с одномерным случаем в статистической обработке данных, приведены 4 варианта многомерного оперативного статистического контроля качества промышленной продукции.

Одномерный статистический контроль. При проверке статистических гипотез используется понятие нулевой (прямой) и альтернативной (обратной) гипотез. Прямая гипотеза (Н₀) является основной и обычно содержит утверждение об отсутствии различий между сравниваемыми величинами. Альтернативная гипотеза (Н₁) представляется конкурирующей по отношению к нулевой и принимается после того, как отвергнута основная.

Удобно разделить ошибки, допускаемые при проверке гипотез, на два основных типа:

1) отклонение гипотезы Н₀, когда она верна, - ошибка первого рода. Ее принято обозначать через . Обычно величина принимается равной 0,05 или 0,01, хотя, конечно, можно использовать и другие значения . Число (1-) называют коэффициентом доверия или доверительной вероятностью;

2) принятие гипотезы Н₀, когда верна какая-либо другая гипотеза, - ошибка второго рода. Вероятность ошибки второго рода принято обозначать через .

Взаимосвязь вероятностей и можно представить таблицей 1.

Таблица 1

Условия	Решения
	Принять Н0	Принять Н1
Справедлива Н0	Правильное	-вероятность ошибка 1-го рода
Справедлива Н1	-вероятность ошибка 2-го рода	Правильное

Проверка гипотезы о математическом ожидании контролируемого параметра большой партии изделий с нормальным законом распределения и известной дисперсией по выборке малого объема (n₁=10)

Гипотеза Н₀: ; .

Гипотеза Н₁: .

Вид выборки: любая - большая, малая.

Закон распределения: нормальный

(1)

_x² известна.

Статистика - формируемая случайная величина с известным законом распределения:



Закон распределения статистики U - нормальный, m_u=0; _u² = 1.

Условия принятия Н₀: |U| < |U_kp|.

Определение величины U_кр показано на рис.1.

Рис.1

(2)

S_кр обозначает величину площади.

1. Модификация гипотезы Н₁:

Условие принятия Н₀: U<U_kp,

(3)

т.е. настраиваем технологический процесс в сторону уменьшения от .

2. Модификация гипотезы Н₁:

Условие принятия Н₀: U>-U_kp ,

 (4)

т.е. настраиваем технологический процесс в сторону увеличения от .

Проверка гипотезы о математическом ожидании контролируемого параметра большой партии изделий с нормальным законом распределения и неизвестной дисперсией по выборке малого объема (n₁=10)

Гипотеза Н₀: ,

(5)

Гипотеза Н₁: .

Вид выборки: любая - большая, малая.

Закон распределения - (1), где _x² неизвестна.

Статистика:

(6)

(7)

Закон распределения статистики U - распределение Стьюдента c n=(n₁-1) степенями свободы [2,с.31].

Плотность распределения:

 (8)

t .

Здесь Гамма-функция не имеет аналитического выражения.

Для учебных целей значения Г(х) для 1 x 2 даны в табл.2. Для 0<х<1 расчет ведется по формуле ; для х>2 - по формуле Г(х)=(х-1)Г(х-1).

Таблица 2

Х	Г(х)	Х	Г(х)
1	1	1,5	0,886
1,05	0,9735	1,55	0,889
1,1	0,95135	1,6	0,89
1,15	0,93304	1,65	0,9
1,2	0,91817	1,7	0,91
1,25	0,9064	1,75	0,919
1,3	0,8975	1,8	0,93
1,35	0,89	1,85	0,946
1,4	0,887	1,9	0,96
1,45	0,886	1,95	0,98

Страница:

•  1 
•  2 

лабораторная работа "Адаптивная обработка данных" скачать

Подобные документы

• Анализ прохождения детерминированного сигнала через линейную цепь с постоянными параметрами

  Нахождение корреляционной функции входного сигнала. Спектральный и частотный анализ входного сигнала, амплитудно-частотная и фазочастотная характеристика. Переходная и импульсная характеристика цепи. Определение спектральной плотности выходного сигнала.
  
  курсовая работа [781,9 K], добавлен 27.04.2012
  

• Пороги и методы фильтрации речевого сигнала в вейвлет области

  Жесткий и гибкий пороги фильтрации речевого сигнала. Графики вейвлет-разложения речевого сигнала. Блок схема алгоритма фильтрации с гибким порогом. Статистический метод фильтрации речевого сигнала. Оценка качества восстановленного речевого сигнала.
  
  реферат [440,2 K], добавлен 01.12.2008
  

• Спектральный анализ и исследование систем

  Формирование математической модели сигнала и построение ее графика. Спектральный состав сигнала. Исследования спектрального состава сигнала с помощью быстрых преобразований ряда Фурье. Построение графика обработанного сигнала. Верхняя граничная частота.
  
  курсовая работа [187,7 K], добавлен 14.08.2012
  

• Формирование АИМ-сигнала

  Экспериментальное исследование принципов формирования АИМ – сигнала и его спектра. Методика и этапы восстановления непрерывного сигнала из последовательности его дискретных отсчетов в пункте приема, используемые для этого главные приборы и инструменты.
  
  лабораторная работа [87,1 K], добавлен 21.12.2010
  

• Цифровая обработка сигналов

  Моделирование процесса дискретизации аналогового сигнала, а также модулированного по амплитуде, и восстановления аналогового сигнала из дискретного. Определение системной функции, комплексного коэффициента передачи, параметров цифрового фильтра.
  
  курсовая работа [1,5 M], добавлен 07.01.2014
  

• Расчет цифрового фильтра

  Построение графиков амплитудного и фазового спектров периодического сигнала. Расчет рекурсивного цифрового фильтра, цифрового спектра сигнала с помощью дискретного преобразования Фурье. Оценка спектральной плотности мощности входного и выходного сигнала.
  
  контрольная работа [434,7 K], добавлен 10.05.2013
  

• Спектральный анализ аналоговых сигналов и расчет откликов на выходе линейной цепи

  Разложение непериодического сигнала на типовые составляющие. Расчет изображения аналогового непериодического сигнала по Лапласу. Нахождение спектральной плотности аналогового непериодического сигнала. Расчет ширины спектра периодического сигнала.
  
  курсовая работа [1,3 M], добавлен 13.01.2015
  

• Спектральный анализ сигналов

  Определение спектральной плотности заданного непериодического сигнала, спектра периодической последовательности заданных видеоимпульсов. Определение функции корреляции заданного видеосигнала. Спектральный метод анализа процессов в линейных цепях.
  
  курсовая работа [1013,1 K], добавлен 23.02.2012
  

• Обработка речевого сигнала

  Расчёт объёма звукового файла и порядка фильтра Баттерворта как основа для приложений обработки сигналов. Спектр входного сигнала и его частота. Расчет порядка фильтра и дискретная функция передач. Амплитудная модуляция и детектирование сигнала.
  
  курсовая работа [1,6 M], добавлен 07.05.2012
  

• Выделение огибающей АМ-сигнала

  Метод выделения огибающей АМ-сигнала при помощи преобразования Гильберта. Эквивалентная схема программного алгоритма. Способы выделения амплитудного огибающего сигнала. Синтез АМ-сигнала с несущей и боковыми частотами. Формирователь амплитудной огибающей.
  
  курсовая работа [279,1 K], добавлен 23.06.2009
  

• Оптимальный прием сигнала в шумах

  Метод максимального правдоподобия. Определение точки начала импульса. Нахождение переданного сигнала. Методы оптимального приема сигналов. Демодуляторы с различными правилами решения. Различия между реализациями сигналов. Оценка качества приема.
  
  контрольная работа [133,9 K], добавлен 20.11.2012
  

• Системы с прерывистым входным сигналом. Математическое описание дискретных систем

  Использование импульсного сигнала в качестве носителя информации (сканирование диаграммы направленности или переключение процесса слежения с одного объекта на другой и т.д.). Функциональные схемы следящих систем при наличии прерываний входного сигнала.
  
  реферат [117,3 K], добавлен 21.01.2009
  

• Выявление закладных устройств, использующих радиоканал, с помощью детектора поля

  Принципы работы детектора поля RD-14. Расположение закладного устройства в незаметном месте. Частота и мощность входного сигнала. Уровень и частота принимаемого сигнала. Интегральный метод измерения уровня электромагнитного поля в точке его расположения.
  
  лабораторная работа [593,8 K], добавлен 15.03.2015
  

• Прохождение случайного сигнала через дискретную и нелинейную системы

  Соотношение для спектральных плотностей входного и выходного сигнала, дискретное преобразование Фурье. Статистические характеристики сигналов в дискретных системах. Дискретная спектральная плотность для спектральной плотности непрерывного сигнала.
  
  реферат [189,3 K], добавлен 23.09.2009
  

• Системы сети передачи данных

  Разработка передающего полукомплекта кодоимпульсной системы телеизмерения, его структурная, функциональная и электрическая схемы. Выбор способа восстановления аналогового сигнала по его отсчётам. Вероятность правильного приёма кодовой комбинации.
  
  курсовая работа [159,1 K], добавлен 19.11.2010
  

• Характеристика сигналов в каналах связи

  Анализ условий передачи сигнала. Расчет спектральных, энергетических характеристик сигнала, мощности модулированного сигнала. Согласование источника информации с каналом связи. Определение вероятности ошибки приемника в канале с аддитивным "белым шумом".
  
  курсовая работа [934,6 K], добавлен 07.02.2013
  

• Прохождение сигнала сложной формы через линейную цепь

  Графическое представление модуля и аргумента спектральной плотности. Спектрограмма сигнала, задержанного на половину длительности импульса. Аналитическое выражение и график импульсной характеристики цепи. Средняя мощность периодического сигнала.
  
  курсовая работа [1,5 M], добавлен 16.12.2016
  

• Спектральный расчет сигнала на выходе линейной радиотехнической цепи

  Предпосылки к созданию радиотехники. Методы анализа линейных цепей. Спектральный анализ трапециевидного одиночного импульса с последующим синтезом цепи и определением выходного сигнала. Разработка программного обеспечение и осуществление расчета на ЭВМ.
  
  курсовая работа [1,5 M], добавлен 20.09.2016
  

• Фотоэлектрический метод измерения энергетических параметров лазерного излучения

  Фотоприемники на основе внешнего и внутреннего фотоэффекта. Преобразование входного оптического сигнала в выходной электрический сигнал. Коротковолновая граница чувствительности. Разрешение катодной камеры. Спектральные характеристики фотодиодов.
  
  реферат [81,5 K], добавлен 19.01.2011
  

• Анализ сигналов в радиотехнических цепях

  Спектральный анализ непериодического сигнала. Графическое представление модуля и аргумента спектральной плотности. Аналитическое выражение коэффициента передачи цепи. Графическое представление корреляционной функции исходного непериодического сигнала.
  
  курсовая работа [924,4 K], добавлен 21.02.2013
  

Другие документы, подобные "Адаптивная обработка данных"

• главная
• рубрики
• по алфавиту
• вернуться в начало страницы
• вернуться к началу текста
• вернуться к подобным работам