Scribd
Cargar
119 vistas4 páginas

Sistemas Lineales y Ruido Blanco

RUIDO BLANCO Definición 3.1 Consideremos w(t) un proceso estocástico vector valuado con media cero y matriz covarianza: Rw(t2, t1) = V(t1) δ(t2 – t1) donde V(t) ≥ 0 Entonces w(t) es un proceso estocástico de ruido blanco con intensidad V(t). En el caso en que V(t) es una constante V, el proceso es estacionario en el sentido amplio y podemos determinar su matriz densidad espectral de potencia: ∑ ∫ ∞ − ∞ δ τ τ = τ (ω) = V ( )d V jw e w Esto demuestra que este tipo de procesos tiene igual densidad de potencia para todas las frecuencias. En la práctica se encuentran procesos estocásticos escalares w con media cero y la propiedad que w(t1) y w(t2) no están correlacionados aún para valores |t2 – t1| que son muy pequeños

Cargado por

GuillermodelPiélago
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd
119 vistas4 páginas

Sistemas Lineales y Ruido Blanco

RUIDO BLANCO Definición 3.1 Consideremos w(t) un proceso estocástico vector valuado con media cero y matriz covarianza: Rw(t2, t1) = V(t1) δ(t2 – t1) donde V(t) ≥ 0 Entonces w(t) es un proceso estocástico de ruido blanco con intensidad V(t). En el caso en que V(t) es una constante V, el proceso es estacionario en el sentido amplio y podemos determinar su matriz densidad espectral de potencia: ∑ ∫ ∞ − ∞ δ τ τ = τ (ω) = V ( )d V jw e w Esto demuestra que este tipo de procesos tiene igual densidad de potencia para todas las frecuencias. En la práctica se encuentran procesos estocásticos escalares w con media cero y la propiedad que w(t1) y w(t2) no están correlacionados aún para valores |t2 – t1| que son muy pequeños

Cargado por

GuillermodelPiélago
Derechos de autor
© © All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como PDF, TXT o lee en línea desde Scribd

3. SISTEMAS LINEALES CON RUIDO BLANCO.

2.1 RUIDO BLANCO

En la prctica se encuentran procesos estocsticos escalares w


con media cero y la propiedad que w(t1) y w(t2) no estn
correlacionados an para valores |t2 t1| que son muy pequeos, es
decir:
Rw(t2, t1) 0 para |t2 t1| >

Donde es un nmero pequeo. La funcin covarianza de tal


proceso estocstico se puede idealizar como:

Rw(t2, t1) = V(t1) (t2 t1)

Aqu (t2 t1) es una funcin delta y V(t1) se considera como la


intensidad del proceso en el instante t1. Estos procesos se
denominan: PROCESOS DE RUIDO BLANCO.

Este concepto se puede extender a procesos vector-valuados.

Definicin 3.1
Consideremos w(t) un proceso estocstico vector valuado con media cero y
matriz covarianza:

Rw(t2, t1) = V(t1) (t2 t1) donde V(t) 0

Entonces w(t) es un proceso estocstico de ruido blanco con intensidad V(t).

En el caso en que V(t) es una constante V, el proceso es estacionario en el


sentido amplio y podemos determinar su matriz densidad espectral de potencia:

jw
( ) = e V()d = V
w

Esto demuestra que este tipo de procesos tiene igual densidad de potencia para
todas las frecuencias.
Teorema 3.1 Tomemos w(t) como un proceso vector valuado de ruido
blanco con intensidad V(t). Tambin, consideremos como dada las
matrices A1(t), A2(t) y A(t). Entonces:

t
2
a) E A( t ) w ( t ) dt = 0
t
1

T
t t

2 4
' ' '
b ) E A (t )w(t )dt W A (t )w(t )dt =
t 1 t
2


1 3

T
tr V(t )A (t )WA (t )dt
I 1 2

Donde I es la intercepcin de [t1, t2] y [t3, t4], y W es una matriz


de ponderacin o peso.

T
t t
2 ' '
c) E A (t )w(t )dt '
4
A ( t )w ( t )dt
=
t 1 3
t
2


1
T
A (t )V(t )A 2 (t )dt
I 1
3.2 SISTEMAS LINEALES EXCITADOS CON RUIDO
BLANCO

Un sistema diferencial lineal excitado con ruido blanco es


un buen modelo para formular y resolver problemas de control
lineal que envuelven ruido y perturbaciones.
El siguiente teorema nos proporciona propiedades
estadsticas del estado de un sistema diferencial lineal excitado
con ruido blanco.

Teorema 3.2 Supongamos que x(t) es la solucin de:


.
x ( t ) = A( t ) x ( t ) + B ( t ) w ( t ) (3.8)
x ( to ) = X o

Donde w(t) es ruido blanco con intensidad V(t) y xo es una variable


estocstica independiente de w(t), con media mo y matriz covarianza
Qo=E{(xo mo)(xo mo)T} proceso estocstico estacionario. Entonces x(t) tiene
la media:
m x ( t ) = ( t , to ) m o (3.9)

Donde (t, to) es la matriz de transicin del sistema (3.8). La matriz


covarianza de x(t) es:

R x ( t1 , t 2 ) = ( t1 , t o ) Q o T ( t 2 , t o ) +
min( t ,t ) (3.10)
1 2 T T
 ( t , to ) B( ) V ( ) B ( ) ( t , to ) d
1 2
to

La matriz varianza Q(t) = Rx(t, t) satisface la ecuacin diferencial matricial:


Q ( t ) = A( t ) Q ( t ) + Q ( t ) A T ( t ) + B ( t ) V ( t ) B T ( t ) (3.11)
Q ( to ) = Q o
Adems:

T t &t
Q(t ) (t , t )
R x (t , t ) = 1 2 1 2 1 (3.12)
1 2 (t , t )Q(t ) t &t
1 2 2 1 2

La matriz de momento conjunto de segundo orden de x(t) es:

C x ( t1 , t 2 ) = E x ( t ) x T ( t ) = ( t1 , t o ) C x ( t o , t o ) T ( t 2 , t o ) +
1 2
min( t ,t ) (3.13)
1 2 T T
 ( t , ) B ( ) V ( ) B ( ) ( t , ) d
1 2
to
La matriz momento Cx(t, t) = Q(t) satisface la ecuacin diferencial matricial:

Q ' ( t ) = A( t ) Q ' ( t ) + Q ' ( t ) A T ( t ) + B ( t ) V ( t ) B T ( t )


(3.14)
Q ' ( to ) = E { x o x oT }

Adems:
' T
Q (t ) (t , t ) t &t
Cx (t , t ) = 1 2 1 2 1 (3.15)
1 2 ' (t )

( t , t )Q t &t
1 2 2 1 2

También podría gustarte