Случайный коэффициент

Cтраница 3

Этот метод основан на разложении случайных входных сигналов в степенной ряд по частным значениям случайных коэффициентов канонического разложения входных случайных сигналов. Метод позволяет находить моменты выходных случайных сигналов любого порядка, если известны соответствующие моменты случайных коэффициентов канонического разложения входных сигналов и случайных параметров системы. [31]

В-третьих, половину зоны изменения коэффициента влияния находят как полуразность наибольшего и наименьшего возможных значений случайного коэффициента влияния. [32]

Рассмотрим переход к уравнению для средних, если исследуемый случайный процесс описывается линейными дифференциальными уравнениями с б-коррелированными случайными коэффициентами. [33]

Для многих важных с прикладной точки зрения каналов связи указанный подход позволяет рассматривать среду как фильтр, случайный коэффициент передачи которого подчиняется обобщенному закону Релея и в некоторой полосе частот не зависит от частоты. [34]

Когда система подвергается воздействию флуктуирующих внешних сил, описывающие ее уравнения движения представляют собой дифференциальные уравнения со случайными коэффициентами. В некоторых случаях эти уравнения можно решить точно или приближенно. В частности, когда флуктуации являются слабыми и быстрыми, можно получить явные уравнения. В пределе это приводит к соответствующим дельта-коррелированным случайным членам. [35]

Среднее в (4.7.50) берется по ансамблю UQ или, что фактически одно и то же, по ансамблю случайных коэффициентов Ъп. Вывод формулы (4.7.50) может быть проведен по аналогии с выводом соответствующей формулы (4.7.38) для взаимной спектральной плотности оптического поля. [36]

Принимая во внимание вышеизложенное, поставим задачу вычисления математического ожидания и спектральной плотности процесса на выходе системы со случайным коэффициентом усиления в прямой цепи. [37]

Уравнения ( 16) и ( 17) определяют математическое ожидание и спектральную плотность процесса на выходе линейной системы со случайным коэффициентом усиления в прямой цепи. [38]

Рассмотрим теперь случай квантования по уровню сигнала Ф ( t), приближенного на некотором интервале времени Т полиномом степени N со случайными коэффициентами. [39]

Типовая стохастическая система со случайным коэффициентом. [40]

Например, уравнению (2.187) соответствует структурная схема, показанная на рис. 2.1, а уравнению (2.188) показанная на рис. 2.2. При этом каждый случайный коэффициент может, в свою очередь, быть представлен в виде детерминированного коэффициента усиления с параллельной цепью, содержащей элемент умножения на случайную составляющую. Рассматривая случайный коэффициент как нестационарный случайный процесс, можно сказать, что детерминированный коэффициент усиления представляет собой математическое ожидание этого процесса, а сигнал a ( i), поступающий извне на элемент умножения - центрированный нестационарный случайный процесс. Такое разделение составляющих случайного коэффициента усиления упрощает дальнейшие рассуждения. [41]

Определить оптимальную ОФП линейной системы управления, обеспечивающей минимум дисперсии ошибки и производящей фильтрацию полезного сигнала вида X ( t) a0 ait, причем значения случайных коэффициентов а0 и Oi неизвестны. [42]

Практическое значение нервенства (8.68) состоит в том, что оно позволяет оценить приближения всех выборочных функций стационарного случайного процесса с ограниченным спектром полиномом степени N со случайными коэффициентами. [43]

Определить оптимальную ПФ линейной системы управления, обеспечивающей минимум дисперсии ошибки и производящей фильтрацию полезного сигнала вида X ( t) - a0 ciit, причем значения случайных коэффициентов с0 и а неизвестны. [44]

Рассмотренный способ получения приближенного канонического разложения случайной функции можно применять в тех случаях, когда удается с достаточной точностью выразить случайную функцию в виде линейной комбинации определенных функций со случайными коэффициентами, например в виде полинома. [45]

Страницы: 1 2 3 4