Файл: Тарушкина Л.Т. Статистическая оценка параметров управляемых систем с помощью ЦВМ.pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 02.07.2024
Просмотров: 76
Скачиваний: 0
Обозначим |
через |
|
|
|
|
|
|
|
|
|
|
|
|
|
Х0 |
(t) = |
|
X(t) |
— |
тх |
(t) — Х(0)~ |
тх |
(0), |
|
|
||
|
|
|
|
|
|
/1 |
t |
|
|
|
|
|
|
|
|
|
Л п ( 0 = |
2 |
xv\ |
<pv(s)dn(s), |
|
|
|
|
|||
|
|
. er t (0 |
= |
М |
2 J |
* v j |
%(s)d[i (S) ; |
|
|
|
|||
Для |
величины |
e„ (t), |
lv=«-|-l 0 |
|
J |
|
остатка |
||||||
характеризующей |
дисперсию |
||||||||||||
ряда в |
разложении |
(1.22), |
имеем |
следующую |
оценку |
сверху: |
|||||||
|
е„ (0 < MXl(t) |
+ |
Mtfn |
(t) + |
2 VMXl{t)M,fn(t). |
|
|
(1.23) |
|||||
Для |
известных |
моментов |
распределения |
тх |
{t), Кх |
(tlt |
t2) |
правая часть неравенства (1.23) вычисляется и можно указать число членов в разложении (1.22), при котором значение е„ (t) не превосходит допустимой величины. Заметим, что величина е„ (t) может с течением времени лишь возрастать.
|
Предположим, что функция Кх {t, |
t) |
абсолютно непрерывна, |
||||
тогда по теореме Радона—Никодима |
[16] имеет |
место-интеграль |
|||||
ное |
представление |
вида |
|
|
|
|
|
|
|
|
t |
|
|
|
|
|
|
|
Kx(t,t)=\F(x)dx, |
|
|
|
(1.24) |
|
|
|
о |
|
|
|
|
где |
F (т) — |
положительная функция |
для |
всех т, |
0 ^ т ^ |
t. |
|
|
Отсюда |
следует, |
что для определения |
аналитической |
струк |
туры дисперсии процесса, имеющего независимые приращения, достаточно определить аналитическую структуру функции F (т). Аналитическая структура положительных функций рассматри вается при построении и изучении свойств ортогональных много
членов |
(см., например, |
[19]). |
|
||
В качестве примера аналитической структуры функции F (т) |
|||||
приведем |
неотрицательный |
тригонометрический многочлен |
|||
|
|
|
|
т |
|
|
|
^ (т) = с0 |
+ |
S (cv cos vx -|- gv sin vx), |
(1.25) |
где c0, |
cv, |
gv — неизвестные коэффициенты. |
|
||
Заметим, что выбор той или иной аналитической структуры |
|||||
функции |
F (т) зависит |
как от точности аппроксимации, |
так и |
от тех требований, которые предъявляются к алгоритму решения. Заданная аналитическая структура математического ожидания
tnx(t) |
определяется соотношением |
(1.14). |
|
Таким образом, для процесса, имеющего независимые прира |
|||
щения, |
неизвестные параметры q x = |
{Ьъ . . . , & * ) , q 2 |
= {со, • • •, |
спи gi> |
• • •> gm) входят в аналитическую структуру |
моментов |
распределения.
Процессы с независимыми приращениями в применении к за дачам автоматического управления рассматривались, например, в работах [23, 24]. Однако, несмотря на большую прикладную роль, эти процессы почти не использовались в задачах управле ния, связанных со статистическим оцениванием и идентифика цией. Исключение составляют лишь работы [26, 27].
Процессы, являющиеся мартингалами. Свойства процессов данного класса определяются через условные математические
ожидания. |
|
|
|
|
|
|
|
|
|
|
|
|
|
Рассмотрим |
временную |
|
последовательность |
(1.15), |
процесс |
||||||||
X (t) |
и вектор |
|
|
|
|
|
|
|
|
|
|
|
|
Условное |
|
|
v M = |
ожидание |
* ( ' м ) ) - |
|
(t) при |
|
|||||
математическое |
процесса |
X |
t ^ tj |
||||||||||
относительно |
уу _х |
определяется |
как |
|
|
|
|
|
|||||
|
|
|
|
|
|
|
со |
|
|
|
|
|
|
|
|
|
М [X (0 | v M |
] = |
\ хр (х | v M ) |
dx, |
|
(1.26) |
|||||
|
|
|
|
|
|
|
—со |
|
|
|
|
|
|
где р |
(х | v,-_i) |
— |
условная |
плотность |
|
вероятности |
|
||||||
|
|
|
|
D ( X \ V |
. |
Л — |
Р |
(*' |
v / - i ) |
|
|
|
|
|
|
|
|
PV\v,-i) |
|
|
p ( v / |
_ i } • |
|
|
|
||
В |
силу |
того, |
что |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
МР |
(х | v M ) |
= |
р |
(х), |
|
|
|
||
имеем |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M{M[X(f)\v,_1]\ |
|
= |
MX(t). |
|
|
(1.27) |
|||
Если |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
M[X(t)\yi.1}=X(ti_1), |
|
|
|
|
|
(1.28) |
|||
тогда процесс X (t) является мартингалом в узком смысле. |
|||||||||||||
Если |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
U ( X ( * / ) | v M ) |
= |
X ( * M ) , |
|
|
(1.29) |
тогда процесс X (t) является мартингалом в широком смысле.
Здесь М есть |
наилучшее |
линейное приближение |
величины |
X (tf) величинами |
X (tc) (L = |
1, (/ — 1)), полученное |
по методу |
наименьших квадратов, т. е. требование (1.29) сводится к выпол нению условия
min М * ( ' / ) - ' S |
|
2 |
|
atX(tt) |
M [ X ( * / ) - X ( * M ) ] a , |
(1.30) |
где величина минимума берется по всему множеству вещественных чисел.
Будем использовать следующие свойства процессов.
18
1. X |
(t) |
является |
мартингалом |
в |
широком |
смысле |
тогда и |
|||||||
только |
тогда, |
когда |
разность |
X |
(tj) — |
X |
(t/^) |
ортогональна |
||||||
значению X |
(^), где |
tt ^ |
tj_x. |
|
|
что |
|
|
|
|
||||
Условие |
ортогональности означает, |
|
|
|
|
|||||||||
|
|
|
|
M[X(t,)-X(t,_J]X |
|
|
(*,) |
= |
0, |
|
|
(1.31) |
||
Из соотношений (1.17), |
(1.18), |
(1.31) следует, |
что |
|
||||||||||
|
|
ч МХг |
(tx) |
< MX2 (fa ) < . . . |
< |
M X 2 {ts). |
|
(1.32) |
||||||
Если |
значение |
MX |
(t) |
постоянно для |
всех |
t, |
то из |
условия |
||||||
(1.32) следует, |
что |
дисперсия процесса |
X |
(t) |
не убывает |
с возра |
станием времени.
2. Если X (t) нормально распределен, то он является мартин галом одновременно в узком и широком смысле. В этом случае
будем |
говорить, |
что |
процесс является мартингалом. |
|||
3. |
Если X (t) |
|
мартингал в |
узком смысле, то его математи |
||
ческое |
ожидание |
постоянно для |
всех |
t. |
|
|
Действительно, в силу (1.27) имеем |
|
|||||
|
М\М[Х |
(t,) | v M ] } = MX |
(tj) = MX |
(thl). |
Систематическое изложение процессов, являющихся мартин галами, а также доказательство свойств 1 и 2 содержится в [11].
Пусть X (t) — нормальный процесс, являющийся мартингалом. Составим разности
Yti = X(t,)-X(ti), |
t t < t h |
(1.33) |
(i, j = |
171). |
|
1. Если разности (1.33) имеют нормальный закон распределе ния, тогда из условия (1.31) следует, что X (t) является процес сом с независимыми приращениями.
2. Если разности (1.33) имеют распределение отличное от нормального, тогда X (t), являясь мартингалом, не имеет неза висимых приращений. Однако и в данном случае корреляционная функция процесса полностью определяется его дисперсией. Дей
ствительно, |
при |
условии |
(1.20) |
имеем |
|
|
||
Кх (/„• t}) = |
М[Х |
(tt) |
- |
тх] |
[X (/,) - |
X ft) + X (tt) |
-пгх] = Кх |
(tt, tt), |
причем функция Кх |
(tt, |
tt) |
не убывает с ростом значений i. |
(1.22), |
||||
Для процесса |
имеет место каноническое |
разложение |
при этом сохраняется оценка (1.23). Заданная аналитическая Структура дисперсии дается соотношением (1.24).
Если X (t) имеет распределение отличное от нормального, то в рамках корреляционной теории случайных функций интерес представляют процессы, являющиеся мартингалами в широком смысле.
2* |
19 |
Пусть X (t) — мартингал в широком смысле. Заметим, что момент МХг (t) удовлетворяет соотношению (1.32).'При усло вии (1.20) корреляционная функция равна
Кх |
(th |
tj) = |
MX2 |
(tt) - |
m , (*,) mx (tj). |
Положим j-i (t) |
= |
MX2 |
(t), |
тогда |
для процесса X (t) канони |
ческое разложение дается выражением (1.22), при этом сохра няется оценка (1.23).
При определении аналитической структуры моментов распре деления заметим, что если математическое ожидание является функцией суммируемой с квадратом, то его аналитическая струк тура определяется соотношением (1.14). Если момент M X 2 (t) является абсолютно непрерывной функцией, тогда имеет место интегральное представление
. t
MX2(t) |
= j F{x)dx, |
(1.34) |
|
о |
|
где F (т) — неотрицательная |
функция. |
|
Таким образом, случайные процессы, являющиеся мартинга лами, имеют в рамках корреляционной теории случайных функ ций общие свойства со случайными процессами, имеющими неза висимые приращения.
Стационарные процессы. Рассмотрим процесс X (t). Опреде
лим моменты (1.2), (1.3). Если значение mi |
(t) |
является |
постоянной |
||||||
величиной, а корреляционная функция Ки |
(tlt t2) |
для |
любых |
||||||
значений tl t t% зависит только |
от разности |
т = |
t2 |
— |
t u |
тогда |
|||
X,- (t) является стационарным |
случайным |
процессом; |
|
если |
ана |
||||
логичным свойством обладает функция |
КП- |
(tlt |
t2), |
то |
X |
(t) |
яв |
ляется стационарным и стационарно связанным случайным про цессом.
Стационарный процесс X (t) удовлетворяет условию эргодич ности, если для любой его реализации
|
|
|
|
|
|
|
|
|
|
т |
|
|
|
|
|
|
шх |
= |
MX(t) |
= |
lim |
4r \ X(/) dt, |
|
(I.'35) |
|||
|
|
|
|
|
|
Т |
|
Т->со |
1 |
0J |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Кх |
(т) = |
l i m 4 " |
[ IX (t) — mx] |
[X {t + |
т) — mx] dt. |
|
(1.36) |
||||||
|
|
|
Г->оо 1 0 J |
|
|
|
|
|
- |
|
|
||
Условие |
(1.35) |
будет |
выполнено, |
если |
функция Kx(t) |
—»0 |
|||||||
при [ T J ^ - > O O . |
Условие |
(1.36) |
выполняется, |
если аналогичным |
|||||||||
свойством |
обладает |
момент |
второго |
|
порядка процесса |
X |
(t -+- |
||||||
+ т) X (t). |
|
|
|
|
|
|
|
|
|
|
|
|
|
Для стационарного процесса имеют место следующие разло |
|||||||||||||
жения. |
|
|
|
|
|
|
|
|
|
|
|
|
|
1. Каноническое |
разложение: |
|
|
|
|
|
|||||||
X (t) = |
mx |
+ |
£ |
(xv |
cos avt |
+ yv |
sin avt), |
oov = |
, |
(1.37) |
|||
|
|
|
|
v = l |
|
|
|
|
|
|
1 |
|
|
20