Модель функционирования радиоэлектронных средств (РЭС)

Содержание

Слайд 2

Большинство моделей функционирования строятся по математическим схемам. Математические схемы классифицируются в зависимости

Большинство моделей функционирования строятся по математическим схемам. Математические схемы классифицируются в зависимости
от типа сигналов и их обработки.

Ограничимся двумя типами сигналов: аналоговыми (непрерывными), которые могут принимать любые значения, и цифровыми (бинарными), принимающими два уровня – 0 и 1, и двумя видами обработки: детерминированной и случайной. Четырем возможным сочетаниям соответствуют четыре математических схемы:
• детерминированная обработка аналоговых сигналов – D-схема,
• детерминированная обработка бинарных сигналов – F-схема,
• случайная обработка бинарных сигналов – P-схема,
• случайная обработка аналоговых сигналов – Q-схема.

D-схема: аналоговые сигналы обрабатываются по детерминированным законам. По D-схеме строятся математические модели узлов и устройств аналоговой схемотехники, систем автоматического управления и других систем, которые называют динамическими. От слова dynamic (динамический) и произошло название схемы. Используемый математический аппарат–дифференциальные уравнения. Выходной сигнал однозначно связан с входными сигналами нелинейным дифференциальным уравнением:

Слайд 3

F-схема: цифровые двоичные сигналы обрабатываются по детерминированным законам. По F-схеме строятся модели

F-схема: цифровые двоичные сигналы обрабатываются по детерминированным законам. По F-схеме строятся модели
цифровой схемотехники: комбинационных устройств, узлов ЦВМ, формирователей двоичных последовательностей и пр. Многие из них являются конечными автоматами, содержащими элементы памяти (триггеры). По названию «конечный автомат» (finite automat) и названа схема.

Слайд 4

Р-схема: цифровые двоичные сигналы обрабатываются по вероятностным законам. В отличие от F-схемы

Р-схема: цифровые двоичные сигналы обрабатываются по вероятностным законам. В отличие от F-схемы
вместо функций перехода и выхода вводится матрица вероятностей перехода M, которая любой паре значений X, Z ставит в соответствие с определенной вероятностью пару значений Z, Y. Такая схема применима к вероятностным (стохастическим) автоматам (probabilistic automat ).
Вероятностные автоматы могут использоваться как генераторы марковских последовательностей.

Q-схема: непрерывные сигналы обрабатываются по вероятностным законам. Название схемы произошло от англ. queueing system – система массового обслуживания. Входным сигналом является непрерывный поток заявок wi, поступающих в прибор обслуживания Пi в случайные моменты времени. Заявка ставится в очередь в накопителе Нi. Если накопитель заполнен, то заявка отвергается и в дальнейшем не обслуживается. Из накопителя по очереди заявки проходят в канал обслуживания Кi. Поток обслуживаний ui и время обслуживания заявки случайные. Выходным сигналом является поток обслуженных yi и отверженных заявок.

Слайд 5

Для математического моделирования сложных информационных систем используется агрегативная схема (А-схема). Математическая модель

Для математического моделирования сложных информационных систем используется агрегативная схема (А-схема). Математическая модель
представляется в виде соединения агрегатов. Агрегат – это математический объект, имеющий конечное число входных и выходных переменных. Входные переменные поступают на агрегат в дискретные моменты времени. При поступлении входной переменной состояние агрегата изменяется скачком. В промежутке между поступлением входных переменных состояние системы определяются собственными законами агрегата.

Агрегат А0 – внешняя среда.

Слайд 6

Математическая модель воздействий

Вид входных воздействий зависит от используемой математической схемы. Для

Математическая модель воздействий Вид входных воздействий зависит от используемой математической схемы. Для
моделей цифровых автоматов (F- и P-схемы) характерны испытательные детерминированные бинарные последовательности или массивы. В моделях динамических систем (D-схема) используются самые разнообразные процессы. Их можно разделить на две большие группы: детерминированные и случайные.

Часто использующиеся детерминированные процессы относят к типовым. Например: синусоидальный, треугольный, прямоугольный процессы, скачкообразное, линейное, квадратичное воздействия. Как правило, они уже имеются в используемой программной среде. Если же нужный процесс отсутствует в ППП, то его генерирование производится по формуле, описывающей этот процесс.

При цифровом моделировании любое воздействие представляется в виде последовательности отсчетов, следующих через интервал дискретизации Тд. От выбора интервала дискретизации зависит точность моделирования. В соответствии с теоремой Котельникова-Шеннона непрерывный сигнал с ограниченным спектром восстанавливается без ошибки по его дискретным отсчетам, если Тд ≤ 1/∆fгр, где ∆fгр – граничная частота спектра сигнала.

Слайд 7

Случайные воздействия формируются с использованием генераторов независимых случайных чисел с различными законами

Случайные воздействия формируются с использованием генераторов независимых случайных чисел с различными законами
распределения, имеющихся практически во всех ППП. При необходимости сформировать случайные числа с законами распределения, отсутствующими в ППП, можно воспользоваться методом нелинейного преобразования или методом отбора. В обоих методах используются датчики случайных чисел с равномерным законом распределения в интервале [0,1).

Требование безошибочного моделирования другое! Отсчеты выходного сигнала РЭС через интервал дискретизации Тд в моделируемой непрерывной системе y(t=nTд) и в ее цифровой модели y[nTд] должны быть равными. Требования, при которых эти условия выполняются пока не сформулированы. Но, учитывая, что обработка сигнала в ЦВМ происходит, как правило, при его линейной аппроксимации, следует потребовать, чтобы отличие непрерывного сигнала от его кусочно-линейной аппроксимации было незначительным. Поэтому при моделировании интервал дискретизации берется примерно на порядок меньше, чем по Котельникову.

Наиболее известным методом нелинейного преобразования является метод обратной функции распределения

Слайд 8

Метод обратной функции распределения

Предположим, что случайная величина X формируется из равномерно распределенной

Метод обратной функции распределения Предположим, что случайная величина X формируется из равномерно
случайной величины U функцией x=f(u).
Из функциональной связи случайных величин следует, что вероятности того, что случайная величина U меньше значения u, а случайная величина X меньше значения x, одинаковы. Другими словами, их функции распределения равны:
Fu(u) = Fx(x).

Таким образом, в интервале 0 ≤ u < 1
и искомая функциональная связь
.