92201

Нерекурсивные модели

Доклад

Коммуникация, связь, радиоэлектроника и цифровые приборы

1 Нерекурсивные модели Нерекурсивное описание системы заключается в определении по известному входному сигналу Xk на любом шаге k выходного сигнала Yk. Характеристика имитационного моделирования Аналитические модели универсальны но имеют ограниченное использование. Аналитические модели для сложных систем оказываются неадекватными поэтому используются имитационные модели. Составными частями имитационной модели являются описания: элементов составляющих систему структуры системы свойств среды в которой работает система.

Русский

2015-07-28

104 KB

0 чел.

2.1 Нерекурсивные модели

Нерекурсивное описание системы заключается в определении по известному

входному сигналу Xk на любом шаге k выходного сигнала Yk. Очевидно, что любой сигнал Xk можно представить как сумму импульсов одинаковой длительности T0 и разной величины (рис.3.2).

Рис.3.2

На основании принципа линейности выходной сигнал системы равен сумме элементарных выходных сигналов (реакций) на действие входного импульса. В качестве элементарного входного сигнала используют нормированный импульс X(t) = (t) с единичной площадью (рис.3.3), который называется дельта-импульс.

Рис.3.3

Если на вход системы действует дельта импульс k, то выходная импульсная реакция будет Yk = gk. Каждая система имеет единственный специфичный отклик g (рис.3.4). Таким образом, системы можно идентифицировать и можно сравнивать. Причем в пределе при  получим импульсную реакцию g(t) для аналоговой системы.

Рис.3.4

Импульсы, составляющие входной сигнал (рис.3.2), являются ненормированными с разной величиной. Поэтому для j–го импульса реакция будет Xj T0g. Вычислим суммарную реакцию Y(t) в момент времени kT0. Для этого нужно учитывать действия импульсов X0, X1,…, Xk следовавших до момента времени t = kT0. Пусть при k < 0, Y = 0, тогда

или .

Обозначим T0g = с – реакция цифровой системы, получим

.

Этой формулой (называется “свертка”) описывается нерекурсивная система. Здесь входной сигнал свертывается с импульсной реакцией. От цифровой свертки можно перейти к аналоговой при следующих преобразованиях: , , , получим  – интеграл Дюамеля.

Отметим, что cj – постоянные коэффициенты, свойственные определенной системе. По виду коэффициентов можно различать системы. Возможно второе представление для формулы “свертки”, которое получается путем замены переменной kj = n, имеем

.

С ростом k увеличивается количество слагаемых в “свертке” и таким образом требуется на каждом шаге k производить большое количество операций умножения и сложения. Практически импульсную реакцию можно считать равной нулю с требуемой точностью, начиная с некоторого шага m (рис.3.4), тогда

.

Структурная схема, реализующая цифровую систему с нерекурсивным описанием, показана на рис.3.5.

Рис.3.5

пример нахождения НЕ рекурсивной

Пример.

Рассмотрим простейшую динамическую систему – аналоговый фильтр низких частот Баттерворта первого порядка (рис.3.6).

Рис.3.6

Если на вход регистра подать единичный ступенчатый сигнал X(t) = 1(t), то на его выходе появится реакция  (рис.3.7).

Рис.3.7

Так как фильтр линейный и справедливы соотношения , , то отсюда следует  и модель аналогового фильтра будет

.

Найдем теперь цифровой эквивалент фильтра. Для этого перейдем к дискретному времени t = kT0, k = 0, 1, 2, …, получим

, .

Следовательно, выражение определяющее работу цифрового фильтра имеет вид , или .

Недостатком нерекурсивных систем является значительное количество операций сложения и умножения, если реакция системы на действие дельта-импульса затухает медленно.

2.2. Характеристика имитационного моделирования

Аналитические модели – универсальны, но имеют ограниченное использование. Сложные системы очень трудно описать. Аналитические модели для сложных систем оказываются неадекватными, поэтому используются имитационные модели.

Имитационная модель – это описание объекта на некотором языке. Составными частями имитационной модели являются описания: элементов, составляющих систему, структуры системы, свойств среды в которой работает система. Указанная информация имеет логико-математический характер и представляется в форме совокупности алгоритмов. На основе алгоритмов строится программа.

Имитационные модели вычислительных систем часто имеют вероятностную природу, по этой причине имитационное моделирование называют статистическим моделированием.

При проведении имитационного моделирования можно выделить 3 этапа.

1. Создание концептуальной модели. Цель этого этапа – определение общего замысла модели на основе поставленной задачи. На этом этапе намечается основная структура модели, определяется общая методика проведения исследования модели и производится выбор программных и технических средств.

2. Разработка имитационной модели. Цель этапа – создание программы для ЭВМ путём составления алгоритмического описания концептуальной модели. Алгоритмическое описание заключается в детальном определении параметров, характеристик, критериев эффективности, логико-математическое представление концептуальной модели. Определяются алгоритмы, и выполняется полное описание модели, полностью разрабатывается программа функционирования. На завершающей стадии этого этапа производится анализ адекватности модели.

3. Исследование модели на ЭВМ. Цель– сбор с помощью модели статических данных о поведении исследуемой системы. В результате статистических испытаний получают необходимую информацию для вычисления параметров и характеристик системы.

Важным свойством имитационной модели является её пригодность для любых систем. Имитационные модели при увеличении сложности не обнаруживают резкого роста в реализации, однако, эти модели не являются универсальными.

Исследования с помощью методов имитационного моделирования достаточно сложный процесс, он зависит от сложности исследуемой системы, а также от совокупности программных и технических средств, от опыта исследователя. Выделяют три основных направления имитационного моделирования вычислительных систем.

1. Имитационные модели на основе процедурно ориентированных алгоритмических языков. При этом модели разрабатываются как обычные прикладные программы для ЭВМ. Основной недостаток первого направления моделирования – трудность программирования, так как каждая новая система моделируется новой программой. Между различными моделями преемственность является незначительной.

2. Сетевое имитационное моделирование. В этом случае модель вычислительной системы представляется как совокупность взаимодействия устройств массового обслуживания, которые имитируют функционирование аппаратных и программных средств. Имитационная модель строится из типовых элементарных моделей массового обслуживания. В этом направлении удаётся исключить этап программирования, так как элементарные модели уже описаны. Стадия программирования заменяется стадией формального кодирования систем. Достоинство данного направления в том, что модель легко описывается, но недостаток в том, что данным методом может быть описан лишь частный класс вычислительных систем.

3. Имитационное моделирование на основе алгоритмических языков системного моделирования. В этом случае используются специализированные языки (SIMULA, GPSS, VHDL), которые используют унифицированный набор понятий в терминах, в которых описывается структура и порядок функционирования системы. Cпециализированный язык может использоваться для описания систем широкого класса. Эффективность использования данного направления возрастает с увеличением сложности проектируемых систем.


X
k

 t

 X1

 X3

 0

 X0

S=Xj T0  

 X2

 Xj

 Xk

T0

 2T0

 3T0

jT0

 (j+1)T0

kT0

 =1/T0

t

T0

kT0

T0

0

2T0

g(t)

gj

mk0

gk

t

.  .  .

 Xk-1

T0

Xk

C0

T0

 Xk-2

T0

Xk-m

C1

Cm

Умножитель

Элемент задержки на период Т0

Yк

X(t)

R

С

 Y(t)

Х,Y

t

Y(t) =

1

0

X(t) = 1(t)

 = RC[c]


 

А также другие работы, которые могут Вас заинтересовать

20535. Обработка файла данных 23.5 KB
  Данные по машинам автобазы: номер марка план перевозок факт. Макет исходных данных номер марка план факт о 367 нр ГАЗ 105 100 л 577 ор ЗИЛ 185 185 н 705 ар КамАЗ 220 220 в 368 еу ЛИАЗ 343 340 а 859 ср МАЗ 368 368 у 364 ар УАЗ 373 373 м 290 ао КамАЗ 288 287 н 390 ал ГАЗ 100 99 Алгоритм программы Программа по разработанному алгоритму Командный файл Обработка файла данных CLEAR {Очистка экрана} SET TALK OFF {Команда запрета выполнения отдельных команд} USE Imfd...
20536. Изучение принципов микропрограммного управления 23 KB
  Владимир 2000 Цель работы: Изучение принципов построения микропрограммного устройства управления. Развитие методов параллельной обработки данных и параллельного программирования показало что сложные алгоритмы могут быть эффективно реализованы при микропрограммном управлении что обусловило применение принципов микропрограммного управления в ЭВМ высокой производительности. Микропрограммный принцип управления обеспечивает реализацию одной машинной команды путем выполнения микрокоманд записанных в постоянной памяти.
20537. КЭШ память с прямым распределением 32 KB
  Владимир 2000 Цель работы: Изучение принципа построения кэшпамяти с пря мым распределением. Введение Кэшпамять это быстродействующая память расположенная между центральным процессором и основной памятью. В больших универсальных ЭВМ основная память которых имеет емкость порядка 3264 Мбайт обычно используется кэшпамять емкость 64256 Кбайт т.
20539. Уравнение Беллмана для непрерывных процессов 92.5 KB
  Разобьем этот интервал на 2 интервала Рис Где бесконечно малая величена Запишем уравнение 3 на этих 2х отрезках Используя принцип оптимальности: 4 Обозначим через Подставив в 4 Поскольку значение от выбора управления не зависит то ее можем внести под знак минимума и тогда выражение 5 Разделим каждое слагаемое этого уровня на Перейдем к приделу при На основании теоремы о среднем значении интеграла на бесконечно малом отрезке времени Пояснение Рисунок Тогда 5а 6 полная производная этой функции. Вместо Полученное...
20540. Многокритериальные задачи теории принятия решений 31.5 KB
  Проблему решения оптимизационных задач с учетом множества показателей эффективности называют проблемой решения многокритериальных задач или проблемой векторной оптимизации. Формулировка проблемы оптимизации по векторному критерию была в первые сформулирована Вильфредо Парето 1896г. Таким образом проблема векторной оптимизации это проблема принятия компромиссного решения. В настоящие время можно выделить 4 подхода к основной проблеме векторной оптимизации: т.
20541. Множество решений, оптимальных по Парето 153 KB
  Пусть задача принятия решения состоит в максимизации двух противоречивых и не сводимых друг к другу. Кривая АВ определяет для рассматриваемого примера область Парето которая характеризуется тем свойством что любое принадлежащий этой области решения нельзя улучшить одновременно по всем скалярным критерием. Действительно выбрав произвольно точку М в допустимой области решения не лежащую на кривой АВ не трудно убедится что определяемая ее решению можно улучшить по критерию в точке и максимум в точке достигает максимума. Из сказанного...
20542. Основная задача управления 36.5 KB
  Пусть компоненты управления u представляют собой кусочнонепрерывные функции времени с конечным числом точек разрыва или параметрами. Значение вектора управления u принадлежат заданой допустимой области U uU границы которой могут быть функции времени. Задача определения управления гарантирующего выполнения ограничения1 является типичной задачей управления которую назовем ОЗУосновная задача управления.
20543. Геометрическая интерпретация ОЗУ 323.5 KB
  Пусть вектор управления U и вектор функционала J имеет по две компоненты: U=U1 U2; J=J1 J2 Управление принимает свои значения из области U а функционалы J из прямоугольника a1≤J1≤A2; a2≤J2≤A1 Задавая различные управления U1U2 из области U и используя уравнение процесса получим на плоскости функционалов некоторую область В. область U отображается в область В. Пересечение областей А и В это есть область выполнения ограничений при допустимых управлениях U. При заданной области допустимых управлений U реализуется область Au= А∩В...