Методы цифрового моделирования. Курсовая работа (т). Информационное обеспечение, программирование.

💣 👉🏻👉🏻👉🏻 ВСЯ ИНФОРМАЦИЯ ДОСТУПНА ЗДЕСЬ ЖМИТЕ 👈🏻👈🏻👈🏻

Информационное обеспечение, программирование

Вы можете узнать стоимость помощи в написании студенческой работы.


Помощь в написании работы, которую точно примут!

Похожие работы на - Методы цифрового моделирования

Скачать Скачать документ
Информация о работе Информация о работе


Скачать Скачать документ
Информация о работе Информация о работе


Скачать Скачать документ
Информация о работе Информация о работе


Скачать Скачать документ
Информация о работе Информация о работе


Скачать Скачать документ
Информация о работе Информация о работе


Скачать Скачать документ
Информация о работе Информация о работе

Нужна качественная работа без плагиата?

Не нашел материал для своей работы?


Поможем написать качественную работу Без плагиата!

«Математические методы и модели
конструкторско-технологического проектирования»




. Выполнить моделирование сигнала s(t)
= (1 + a∙cos2πΩt)∙(sinπf0
+ sin2πf0),
построить s(t),
спектр сигнала, где: а = 0.75, Ω
= 20 Гц, f0 = 150 Гц.


. Построить математическую модель системы (см.
рис. 2.1), рассчитать и построить графики амплитудно-частотных характеристик
каждого из блоков и всего устройства в целом. ЧХ блока «Т» задана таблично (см
табл. 1). Выполнить моделирование работы системы при входном сигнале s(t).
Построить графики выходного сигнала и его спектра.




. Выполнить моделирование шума n(t)
с экспоненциальным законом распределения вероятностей с математическим
ожиданием mn = 0.3.
Оценить среднее значение и дисперсию отсчетов n(t),
построить гистограмму и проверить адекватность модели n(t)
по критерию Пирсона.


. Выполнить моделирование работы системы при
входном сигнале n(t).
Построить графики спектра, автокорреляционной функции и гистограммы выходного
сигнала. Выбрать статистическую модель для выходного сигнала, найти оценки ее
параметров.


. Оформить расчетно-пояснительную записку
согласно ДСТУ3008-95.


математический
цифровой моделирование





Цель работы: изучить различные методы цифрового
моделирования, в том числе статистического; получить практические навыки
реализации алгоритмов цифрового моделирования; закрепить знания о методах
обработки статистических данных.


Объекты исследования: детерминированный сигнал;
математическая модель системы; шум, распределенный по экспоненциальному закону;
работа системы при воздействии на нее шума.


Метод исследования - статистическое
моделирование в системе Fortran.


Ожидаемые результаты: моделирование всех
объектов исследования; получение графиков сигналов и процессов; выбор
статистической модели системы.







Задан сигнал s(t) = (1 + a ∙ cos2πΩt) ∙ (sinπf0 + sin2πf0). Раскрыв
скобки и применив тригонометрическую формулу: sinA ∙ cosB = sin(A - B) + sin(A + B), получаем




s(t) = sin2(πf0/2)t
+ sin2πf0t + sin2π( )t + sin2π( )t +


+ sin2π(f0 -
Ω)t
+ sin2π(f0 +
Ω)t.
(1.1)




Подставим численные значения параметров а, Ω,
f0 и получим




s(t) = sin2π75t
+ sin2π150t
+ 0,375sin2π55t
+ 0,375sin2π95t
+ 0,375sin2π130t
+


Было выбрано наибольшее значение частоты - 170
Гц. Теперь используется теорема Котельникова,
которая гласит, что, если аналоговый сигнал x(t) имеет ограниченный спектр, то
он может быть восстановлен однозначно и без потерь по своим дискретным
отсчётам, взятым с частотой более удвоенной максимальной частоты спектра Fmax:




где Fmax - верхняя частота в
спектре, или (формулируя по-другому) по отсчётам, взятым с периодом чаще
полупериода максимальной частоты спектра;


Время дискретизации ∆t рассчитывается по
формуле:




После расчета получаем ∆t = 2,9412 ∙
10-4 с.


Время наблюдения процесса рассчитывается так:




Количество отсчетов N (объем выборки) связано с
необходимым временем наблюдения T за процессом:




Для анализа спектрального состава процессов
используют, как правило, процедуру быстрого преобразования Фурье (БПФ), которая
в Fortran обозначается как FFT(*).
Существует прямое и обратное преобразование Фурье. С помощью прямого получают
спектр, а с помощью обратного сигнал восстанавливают из спектра. Особенностью
процедуры БПФ является требование к объему выборки N=
2м, где М - целое число. Поэтому количество отсчетов N
берем равное 1024. После этого необходимо пересчитать время дискретизации по
времени ∆t, которое равно 1,9531 ∙ 10-4 с.





Для выделения мнимой составляющей в Фортране
используется функция aimag,
для выделения реальной - функция real.
Амплитудный спектр получают с использованием cabs
- взятие модуля из комплексного числа. Фазовый спектр получают с заданной
точностью 10-3, для его определения используется функция atan2,
которая берется от комплексного массива сигнала. Для построения всех спектров
используется М = N/2 точек, т.
к. спектры обладают свойством зеркальности.


В результате моделирования получены следующие
графики:


б) амплитудный спектр входного сигнала;


в) фазовый спектр входного сигнала;


г) мнимая составляющая входного сигнала;


д) реальная составляющая входного сигнала.




Рисунок 1.1 - Моделируемый входной сигнал




Рисунок 2.2 - Амплитудно-частотная
характеристика входного сигнала





Рисунок 2.3 - Фазо-частотная характеристика
входного сигнала




Рисунок 2.4 - Мнимая составляющая спектра
входного сигнала




Рисунок 2.5 - Реальная составляющая спектра
входного сигнала







2 ПОСТРОЕНИЕ МАТЕМАТИЧЕСКОЙ МОДЕЛИ СИСТЕМЫ.
МОДЕЛИРОВАНИЕ ЕЕ РАБОТЫ ПРИ ВХОДНОМ СИГНАЛЕ




.1 Описание математической модели системы и ее
составляющих




На рисунке 2.1 изображена блок-схема заданной
системы:




Составляющие систему блоки имеют следующий вид:




Математическое описание блоков - это их
передаточные функции:


Для блока Т АЧХ и ФЧХ заданы таблично (см. табл.
1.1). Для построения этих характеристик используется полином Лагранжа




где х i
- значения в узлах интерполяции.


Для получения графиков АЧХ и ФЧХ Т-блока
используется подпрограмма интерполяции.


Общая передаточная функция была рассчитана в
несколько этапов с применением правил для соединений блоков:


а) блок 11 и Т-блок соединены последовательно -
их передаточные характеристики перемножаются;




б) новый полученный блок № 1 и блок № 18 - это
цепь с отрицательной обратной связью;




в) новый полученный блок № 2 и блок
№ 9 соединены последовательно - их передаточные характеристики перемножаются.




Для того, чтобы получить спектр выходного
сигнала нужно




X(p)
- спектр воздействия, найден с помощью прямого преобразования Фурье.


Для того, чтобы получить выходной сигнал,
используется обратное преобразование Фурье. Сигнал получается на М точек, а
нужно на N, поэтому
достраивается “зеркальная часть” передаточной характеристики с использованием
функции conjg -
комплексное сопряжение.


В результате моделирования были получены
следующие графики:


а) передаточные характеристики всех блоков (9,
11, 18) (см. рис. 2.6 - 2.8);


б) интерполированные АЧХ и ФЧХ Т-блока (см. рис.
2.9 - 2.10);


в) общая передаточная характеристика (см. рис.
2.11);


г) сигнал на выходе системы (см. рис. 2.12);


д) спектры выходного сигнала - амплитудный, фазовый,
мнимой и реальной составляющей (см. рис. 2.13 - 2.16).




Рисунок 2.6 - Передаточная характеристика блока
9




Рисунок 2.8 - Передаточная характеристика блока
18




Рисунок 2.9 - Интерполированная АЧХ Т-блока




Рисунок 2.9 - Интерполированная ФЧХ Т-блока




Рисунок 2.10 - Общая передаточная характеристика





Рисунок 2.11 - Сигнал на выходе системы




Рисунок 2.12 - Амплитудный спектр выходного
сигнала




Рисунок 2.13 - Фазовый спектр выходного сигнала




Рисунок 2.14 - Мнимая составляющая выходного
сигнала





Рисунок 2.15 - Реальная составляющая выходного
сигнала







3 МОДЕЛИРОВАНИЯ ШУМА С ЗАДАНОЙ ПЛОТНОСТЬЮ
РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТЕЙ




Заданный шум распределен по экспоненциальному
закону.




Для моделирования задано математическое ожидание
МХ = 0,3. Параметр λ
связан с математическим ожиданием




Из (3.2) был найден параметр λ
= 3,333.


Для имитации реализаций непрерывных случайных
величин применяют метод обратной функции, позволяющий получить из реализаций ri
- стандартной случайной величины реализации yi
случайной величины с требуемым законом распределения. Для вычисления
стандартной случайной величины был применен мультипликативный алгоритм.


После преобразований получаем генератор
непрерывных случайных величин, распределенных по экспоненциальному закону.
Обратная функция имеет вид




Шум имеет вид, показанный на рисунке
3.1.





Рисунок 3.1 - Шум, распределенный по
экспоненциальному закону




Для полученных непрерывных случайных
величин рассчитана оценка дисперсии




оценка среднеквадратического отклонения




Результаты расчета: = 9,2 ∙
10-2, σ =
0,3.


Для построения гистограммы
(см. рис. 3.2)
используется подпрограмма Rhist.


Выбрано для построения 15 интервалов.







Рисунок 3.2 - Гистограмма входного шума




Для проверки согласия теоретического и
экспериментального распределений используется критерий Пирсона. По значению χ2
и
количеству степеней свободы τ = 13 определяется
вероятность того, на сколько согласуются вышеуказанные распределения.




где NPk
- теоретическое количество попаданий в интервал гистограммы;


Gk -
эксперементально полученое количество попаданий в интервал гистограммы.


Для того, чтобы получить теоретическое
количество попаданий в n-й
интервал гистограммы, были посчитаны площади каждого интервала с использованием
формулы Симпсона. Далее площадь каждого интервала была умножена на количество
отсчетов (N = 1024).


После расчета получаем χ2
= 11,68 и
вероятность соответствия теоретического закона распределения и экспериментально
полученного 0,5.


На рисунке 3.3 изображен график экспоненты и
гистограмма. Видно, что они почти согласуются. Это же подтверждается расчетом χ2.





Рисунок 3.3 - Сравнение теоретического закона
распределения и экспериментально полученного







4 ВЫПОЛНЕНИЕ МОДЕЛИРОВАНИЯ РАБОТЫ СИСТЕМЫ ПРИ
ВХОДНОМ СИГНАЛЕ N(t)




Для того чтобы получить выходной спектр нужно
передаточную функцию системы Wобщ(p)
(найденную в пункте 2) умножить на спектр входного сигнала (шума) N(p).
Спектр сигнала n(t),
находится с помощью прямого преобразования Фурье.




Далее находятся спектры: амплитудный, фазовый,
мнимой и реальной составляющих (см. рис. 4.1 - 4.4).




Рисунок 4.1 - Амплитудный спектр выходного шума




Рисунок 4.2 - Фазовый спектр выходного шума





Рисунок 4.3 - Реальная составляющая выходного
шума




Рисунок 4.4 - Мнимая составляющая выходного шума




С помощью быстрого обратного преобразования
Фурье от спектра выходного сигнала Y(p)
находим сам выходной сигнал (см. рис.4.5).







Рисунок 4.5 - Шум на выходе системы




Для того, чтобы получить автокорреляционную
функцию системы (АКФ), используется теорема Винера-Хинчина. Эта теорема
связывает между собой квадрат спектральной плотности сигнала и его корреляционную
функцию через преобразование Фурье. По спектру выходного шума вычисляется
энергетический спектр (формально это умножение на комплексно сопряженный). А
после применения обратного преобразования Фурье получаем АКФ (см. рис. 4.6).
Для построения ее графика было взято N/4
отсчетов.




Рисунок 4.6 - Автокорреляционная функция




Построение гистограммы выходного шума (см. рис.
4.7) проводится с помощью подпрограммы Rhist.
Взято, как и в предыдущем задании 15 интервалов, для которых рассчитывается
экспериментальное попадание в интервал с использованием подпрограммы для
подсчета их площади по формуле Симпсона.




Рисунок 4.7 - Гистограмма выходного шума
mn - оценка
математического ожидания;


Эксцесс показывает, на сколько островершинный
полученный закон распределения и рассчитывается как




Результаты расчета: mn=-2,52·10-5,
σ
= 3,64 · 10-2, ά = 0,32, ε = 2,32.
После нанесения этих точек на плоскость моментов (см. приложение А), видно, что
ближайшими к полученному закону распределения являются распределения Релея и
нормальный закон.


Плотность распределения вероятностей нормального
закона имеет следующий вид




Закон распределения Релея имеет следующий вид




Расчет теоретического количества попаданий
отчетов случайного процесса в интервал гистограммы проводилось с помощью
подпрограммы подсчета площади по формуле Симпсона от плотности распределения
нормального закона распределения и распределения Рэлея.


Однако после проверки этих законов на критерий
Пирсона, получаем:


а) для распределения Рэлея χ2
= 3601;


б) для нормального распределения χ2
=
1385.


Эти значения дают вероятность соответствия
меньше 0,05.


На рис. 4.8 изображено совмещение теоретического
количества попаданий в интервал гистограммы для распределения Рэлея и
гистограммы выходного шума, а на рис. 4.9 совмещено теоретического количества
попаданий в интервал гистограммы для нормального закона распределения и
гистограммы выходного шума




Рисунок 4.8 - Совмещение теоретического
количества попаданий в интервал гистограммы для распределения Рэлея и
гистограммы выходного шума




Рисунок 4.9 - Совмещение теоретического количества
попаданий в интервал гистограммы для нормального распределения и гистограммы
выходного шума





Заданный входной сигнал состоит из шести
синусоид. В данном сигнале имеются по шесть мнимых и реальных отрицательных
составляющих на частотах 75 Гц, 150 Гц, 55 Гц, 95 Гц, 130 Гц, 170 Гц. Однако
реальных составляющих быть не должно. Их появление объясняется погрешностью
вычисления. К тому же их значения достаточно малы - наибольшее из них -1,963 ∙10-3.
В амплитудном спектре шесть составляющих, как это и должно быть, а их амплитуды
соответствуют коэффициентам при синусоидах в сигнале. В фазовом спектре все
составляющие компоненты с одинаковой фазой π/2.


В связи с тем, что передаточная функция 18 блока
имеет резонанс, общая передаточная характеристика имеет тоже резонансный тип.
Этот же фактор влияет на вид выходного сигнала - появляются резонансные
периодические выбросы. Амплитудный спектр имеет шесть составляющих. В фазовом и
мнимом спектре также по шесть составляющих и все они имеют отрицательные
значения. В реальном спектре появляются три отрицательные и три положительные
составляющие.


Заданный шум распределен по экспоненциальному
закону. При построении совместного графика теоретического распределения и
гистограммы видно, что они хорошо согласуются. Это же подтверждается расчетами:
χ2
= 11,68 и
вероятность соответствия теоретического закона распределения и экспериментально
полученного 0,5.


При прохождении шума через систему его форма
искажается: форма его распределения уже не похожа на экспоненциальную. Для того,
чтобы определить на какой закон распределения похож полученный на выходе шум,
рассчитываются коэффициенты эксцесса и асимметрии. Далее эти точки наносятся на
плоскость моментов, и определяется, какой из законов распределения ближайший.
Наиболее подходящим оказался закон распределения Релея, но при проверке данного
распределения по критерию Пирсона оказалось, что вероятность соответствия между
экспериментально полученным законом распределения и распределением Релея меньше
0,05. это связано с тем, что Распределение Релея начинается с нуля, в отличии
от экспериментально полученного. Поэтому также выполнилась оценка по критерию
Пирсона на соответствие с нормальным законом распределения. В этом случае χ2
= 1385, что
тоже дает вероятность соответствия меньше 0,05.







!ПЕРВОЕ ЗАДАНИЕ -
МОДЕЛИРОВАНИЕ СИГНАЛА S(t)=(1+а*соs2*pi*w*t)*(sinpi*f0*t+sin2*pi*f0*t),


!ПОСТРОЕНИЕ ГРАФИКА
S(t) И СПЕКТРОВ СИГНАЛОВ.


INTEGER,PARAMETER::
N=1024, M=512, k=11dt/1.9531e-4/,df/5.0/S(N), t(N)SPECTR_A(M), SPECTR_Ph(M),
SPECTR_Re(M), SPECTR_Im(M),f(M)cS(N)a/0.75/, f0/150.0/,
w/20.0/pi/3.1415/R1/5.1/, R2/0.1/, C1/68.0e-6/, L1/1.0e-2/R_1/10.0/, R_2/2.0/,
L_1/5.0e-2/R__1/1000.0/, R__2/1.0/, C__1/47.0e-6/,L__1/1.0e-2/W9(M),W11(M),W18(M)FT(K)/0.0,260.0,520.0,780.0,
1040.0,1300.0,1560.0,1820.0,2080.0,2340.0,2600.0/AChH(K)/0.0, -6.54, -11.5,
-15.8, -18.3, -19.9, -21.7, -24.0, -25.2, -28.2, -32.1/FChH(K)/0.0, -58.0,
-72.7, -78.3, -81.2, -83.0, -84.2, -85.0, -85.7, -86.2, -86.6/AChHT(M),
FChHT(M), AChHT_EDENICY(M), FChHT_RADIANY(M), WTT(M),
W_USTROJSTVA(M)SpA2(M),SpPh2(M),SpRe2(M),SpIm2(M) ,SY(N),
PARAMETER::Nhist=15,NPOINT=50*NHIST+1,Ng=2*4 R, XSTART/0.37290981/,XKOEF/37.0/,
E/2.7/,X(N),H(NHIST)MX/0.3/, DX, DX0, SIGMAX, XMAX, XMIN,
TT(NHIST),FX(NPOINT),LYAMDA/3.3333/,XX(NPOINT)PLOSHA(NHIST),XF(120),XXX(NHIST),PLOSHA1(NHIST),XXXX(120),INTERVAL,DVA(NHIST,NG),TT1(NHIST,NG),XIXIXMAX2,
XMIN2,TT2(NHIST),SxvyhR(N),RAKF(N),C,RAKF1(N),MXSh,DXSh, ALFAX,
EX,SIGMAXSh,MX0Sh,DX0Sh,ALFAX0,EX0,H1(NHIST)XNORM(NPOINT),
BNORM,ANORM,PLOTN(NPOINT),INTERVAL2,POPADANIE1(NHIST),DVA2(NHIST,NG),POPADANIE(NHIST),XNORMAL(NHIST,NG)XREL(NPOINT),
BREL,AREL,PLOTN2(NPOINT),POPADANIE2(NHIST),DVA3(NHIST,NG),POPADANIE3(NHIST),XRELEJ(NHIST,NG),INTERVAL3CP(N),
CW9(N),CW11(N),CW18(N), CWT(M)CW1(M), CW2(M), CW3(N), CW(N),
CSY(N),CX(N),Sxvyh(N),SPECTRshuma_Re(M),SPECTRshuma_Im(M),SPECTRshuma_A(M),SPECTRshuma_Ph(M)CJ/(0.0,1.0)/,AKF(N)I=1,N(I)=REAL(I-1)*dt


S(I)=(1+a*COS(2*pi*w*t(I)))*(SIN(pi*f0*t(I))+SIN(2*pi*f0*t(I)))DO


!CALL
DRAW(N,1,t,S,0,'LINE','МОДЕЛИРУЕМЫЙ
ВХОДНОЙ
СИГНАЛ')


!ACCEPT*I=1,N(I)=CMPLX(S(I),0.0)DOFFT
(cS,N,0)I=1,M_Re(I)=REAL(cS(I))


!CALL DRAW
(M,1,f,SPECTR_Re,0,'STICK','РЕАЛЬНАЯ СОСТАВЛЯЮЩАЯ ВХОДНОГО СИГНАЛА')


!CALL DRAW
(M,1,f,SPECTR_Im,0,'STICK','МНИМАЯ СОСТАВЛЯЮЩАЯ ВХОДНОГО СИГНАЛА')


IF(ABS(REAL(cS(I)))<1.0e-3.AND.ABS(AIMAG(cS(I)))<1.0e-3)
THEN


ELSE_Ph(I)=ATAN2(AIMAG(cS(I)),REAL(CS(I)))DO


!CALL
DRAW (M,1,f,SPECTR_A,0,'STICK','СПЕКТР
ВХОДНОГО
СИГНАЛА')


!CALL
DRAW (M,1,f,SPECTR_Ph,0,'STICK','ФАЗА
ВХОДНОГО
СИГНАЛА')


! ВТОРОЕ ЗАДАНИЕ -
ПОСТРОЕНИЕ МАТ. МОДЕЛИ СИСТЕМЫ.I=1,M(I)=2.0*pi*f(I)*CJ


!СОЗДАНИЕ МАССИВА
ПЕРЕДАТОЧНЫХ ХАРАКТЕРИСТИК БЛОКОВ 9, 11, 18


DO
I=1,M(I)=(CP(I)*L1+R2)/(CP(I)**2*R1*C1*L1+CP(I)*(R1*R2*C1+L1)+R1+R2)(I)=(CP(I)*L_1+R_2)/(CP(I)*L_1+R_1+R_2)(I)=(CP(I)**2*R__1*C__1*L__1+CP(I)*(R__1*R__2*C__1+L__1)+R__2)/(CP(I)**2*R__1*C__1*L__1+CP(I)*(R__1*R__2*C__1+L__1)+R__1+R__2)


!ПОЛУЧЕНИЕ
АМПЛИТУДНых ХАРАКТЕРИСТИК БЛОКОВ


DO
I=1,M(I)=CABS(CW9(I))(I)= CABS(CW11(I))(I)= CABS(CW18(I))


! ПОСТРОЕНИЕ
ПЕРЕДАТОЧНЫХ ХАРАКТЕРИСТИК БЛОКОВ И ЧХ Т-БЛОКА


!CALL DRAW
(M,1,f,W9,0,'LINE','ПЕРЕДАТОЧНАЯ ХАРАКТЕРИСТИКА БЛОКА 9')


!CALL DRAW
(M,1,f,W11,0,'LINE','ПЕРЕДАТОЧНАЯ ХАРАКТЕРИСТИКА БЛОКА 11')


!CALL DRAW
(M,1,f,W18,0,'LINE','ПЕРЕДАТОЧНАЯ ХАРАКТЕРИСТИКА БЛОКА 18')


!CALL
DRAW (K,1,FT,AChH,0,'LINE','AЧХ
Т
БЛОКА')


!CALL
DRAW (K,1,FT,FChH,0,'LINE','ФЧХ
Т
БЛОКА')


! ПОСТРОЕНИЕ
АПРОКСИМИРОВАНЫХ ЧХ Т-БЛОКА


!CALL DRAW
(M,1,F,AChHT_EDENICY,0,'LINE','АПРОКСИМИРОВАНАЯ AЧХ Т-БЛОКА')


!CALL DRAW
(M,1,F,FChHT_RADIANY,0,'LINE','АПРОКСИМИРОВАНАЯ ФЧХ Т-БЛОКА')


! СОЗДАНИЕ
КОМПЛЕКСНОГО КОЕФИЦИЕНТА ПЕРЕДАЧИ Т-БЛОКА


DO
I=1,M(I)=AChHT_EDENICY(I)*EXP(CJ*FChHT_RADIANY(I))I=1,M(I)=CABS(CWT(I))


!CОЗДАНИЕ
КОЕФИЦИЕНТА ПЕРЕДАЧИ ВСЕЙ СИСТЕМЫ


! БЛОК 11 И Т-БЛОК
ПОСЛЕДОВАТЕЛЬНОI=1,M


! ПОЛУЧЕНЫЙ БЛОК 1
И БЛОК 18 С ОТРИЦАТЕЛЬНОЙ ОБР. СВ.


DO
I=1,M(I)=CW1(I)/(1+CW1(I)*CW18(I))


! ПОЛУЧЕНЫЙ БЛОК 2
И БЛОК 9 ПОСЛЕДОВАТЕЛЬНО


!CALL
DRAW(M,1,F,W_USTROJSTVA,0,'LINES','ОБЩАЯ
АМПЛИТУДО-ЧАСТОТНАЯ
ХАРАКТЕРИСТИКА
ВСЕГО
БЛОКА')


! СОЗДАНИЕ СИГНАЛА
НА ВЫХОДЕ СИСТЕМЫ


DO
I=1,M-1(M+I+1)=CONJG(CW3(M-I+1))I=1,N(I)=CS(I)*CW3(I)FFT(CSY,N,1)I=1,N(I)=REAL(CSY(I))FFT(CSY,N,0)I=1,M(I)=REAL(CSY(I))(I)=AIMAG(CSY(I))


!CALL
DRAW(N,1,t,SY,0,'LINES','СИГНАЛ НА
ВЫХОДЕ')


!CALL
DRAW(M,1,F,SpRe2,0,'STIKC','РЕАЛЬНАЯ СОСТАВЛЯЮЩАЯ СИГНАЛА НА ВЫХОДЕ')


!CALL
DRAW(M,1,F,SpIm2,0,'STIKC','МНИМАЯ СОСТАВЛЯЮЩАЯ СИГНАЛА НА ВЫХОДЕ')


!СОЗДАНИЕ МАССИВОВ
АМПЛИТУДНОЙ И ФАЗОВОЙ ХАРАКТЕРИСТИК


DO
I=1,M(I)=CABS(CSY(I))((ABS(REAL(CSY(I)))<1E-3).and.ABS(IMAG(CSY(I)))<1E-3)
THEN(I)=0.0(I)=ATAN2(AIMAG(CSY(I)),REAL(CSY(I)))


!CALL
DRAW(M,1,F,SpA2,0,'STIKC','АМПЛИТУДНО-ЧАСТОТНАЯ ХАРАКТЕРИСТИКА ВЫХОДНОГО
СИГНАЛА')


!CALL
DRAW(M,1,F,SpPh2,0,'STIKC','ФАЗО-ЧАСТОТНАЯ ХАРАКТЕРИСТИКА ВЫХОДНОГО СИГНАЛА')


!применение
мультипликативного метода


DO
I=1,N=XSTART*XKOEF=XSTART-AINT(XSTART)=XSTART(I)=-(LOG(1-R))/LYAMDA


!
X(I)
ПОЛУЧЕНО МЕТОДОМ ОБРАТНОЙ ФУНКЦИИ


! НАХОЖДЕНИЕ
ДИСПЕРСИИ И СР. КВ. ОТКЛОНЕНИЯ=0.0I=1,N=DX0+(X(I)-MX)**2=DX0/REAL(N-1)=SQRT(DX)


! НАХОЖДЕНИЕ МИН. И
МАКС. ЭЛЕМЕНТОВ МАССИВА=0.0=X(1)


!
ПОСТРОЕНИЕ
ГИСТОГРАМЫRHIST(H,NHIST,X,N,XMIN,XMAX)I=1,NHIST(I)=XMIN+REAL(I-1)*(XMAX-XMIN)/(NHIST-1)


!CALL
DRAW(NHIST,1,TT,H,0,'BOX','ГИСТОГРАММА')


!ПОСТРОЕНИЕ ФУНКЦИИ
ЭКСПОНЕНТЫI=1,NPOINT


XX(I)=XMIN+((XMAX-XMIN)/(NPOINT-1))*REAL(I-1)I=1,NPOINT(I)=LYAMDA*EXP(-LYAMDA*XX(I))


!CALL
DRAW(NPOINT,1,XX,FX,0,'LINES','ЭКСПОНЕНТА')


!ACCEPT*=(XMAX-XMIN)/REAL(NPOINT)PL(PLOSHA,NHIST,INTERVAL,FX,NPOINT)I=1,NHIST(I)=PLOSHA(I)*REAL(N)=0.0I=1,NHIST=SP+PLOSHA(I)*,PLOSHA,'SP',SP*


!CALL
DRAW (NHIST,1,TT,PLOSHA1,0,'LINES','ПЛОЩАДЬ')


!ACCEPT*I=1,NHIST(I,2)=H(I)(I,1)=PLOSHA1(I)(I,1)=TT(I)(I,2)=TT(I)


!CALL
DRAW(NHIST, NG, TT1, DVA, (/0,0/),(/'LINES','BOX'/),'СРАВНЕНИЕ')


!ACCEPT*=0.0I=1,NHIST=XIXI+(PLOSHA1(I)-H(I))**2/PLOSHA1(I)


!!
4 ЗАДАНИЕI=1,M(I)=CMPLX(X(I)-MX,0.0)FFT
(CX,N,0)I=1,N(I)=CX(I)*CW3(I)


!CALL
DRAW (M,1,F,Sxvyh,0,'LINES','CПЕКТР
ШУМА
НА
ВЫХОДЕ')


!CALL
DRAW (M,1,f,SPECTRshuma_Re,0,'STICK','РЕАЛЬНАЯ
СОСТАВЛЯЮЩАЯ
ВЫХОДНОГО
ШУМА')


!CALL
DRAW (M,1,f,SPECTRshuma_Im,0,'STICK','МНИМАЯ
СОСТАВЛЯЮЩАЯ
ВЫХОДНОГО
ШУМА')


IF(ABS(REAL(Sxvyh(I)))<1.0e-3.AND.ABS(AIMAG(Sxvyh(I)))<1.0e-3)
THEN


ELSE_Ph(I)=ATAN2(AIMAG(Sxvyh(I)),REAL(Sxvyh(I)))DO


!CALL
DRAW (M,1,f,SPECTRshuma_A,0,'STICK','АМПЛИТУДНЫЙ
СПЕКТР
ВЫХОДНОГО
ШУМА')


!CALL
DRAW (M,1,f,SPECTRshuma_Ph,0,'STICK','ФАЗА
ВЫХОДНОГО
ШУМА')


!ACCEPT*I=1,N(I)=Sxvyh(I)*CONJG(Sxvyh(I))FFT(AKF,N,1)I=1,N(I)=REAL(AKF(I))=AKF(1)I=1,N(I)=RAKF(I)/C


!CALL
DRAW (N/4,1,T,RAKF1,0,'LINE','AKF')


!ACCEPT*FFT(Sxvyh,N,1)I=1,N(I)=REAL(Sxvyh(I))=SxvyhR(1)=SxvyhR(1)I=1,N(SxvyhR(I)>XMAX2)
XMAX2=SxvyhR(I)(SxvyhR(I)Похожие работы на - Методы цифрового моделирования Курсовая работа (т). Информационное обеспечение, программирование.
Реферат На Тему Крылов-Журналист
Устав Образовательного Учреждения Реферат
Реферат: Собственность как экономическая категория 7
Заболевание Век И Слезных Органов Реферат
Современные Теории Политологии Реферат
Дипломная работа по теме Деятельность научно-производственного объединения 'Факел'
Курсовая работа по теме Место и роль России в мировой экономике: анализ состояния и оценка перспектив
Доклад: Русская музыка
Сочинение по теме Рассуждения над страницами повести «Собачье сердце»
Реферат: Внимание 10
Скачать Сочинения Чайковского
Реферат: Программный комплекс для управления гостиницами Inn 18 «Невский портье» компьютерная система для автоматизации гостиниц 20
Реферат по теме Процессы старения асфальтобетона, его долговечность. Усталостные свойства асфальтобетона. Обеспечение соответствия структуры и свойств асфальтобетона реальным условиям эксплуатации
Сочинение По Картине Шишкина Сосна 3 Класс
Дипломная работа по теме Разработка имитационной модели процессов в Департаменте стратегического планирования
Доклад по теме Бюль-бюль оглы Полад
Реферат по теме Методы коррекции осанки и телосложения
Реферат по теме Ричард Бротиган – знаковая фигура контркультуры
Учет Налогоплательщиков Как Форма Налогового Контроля Реферат
Реферат: Анализ и Моделирование КИС
Доклад: Софисты: человек - мера всех вещей
Реферат: Профілактика психоневрологічних захворювань
Реферат: Типы технических средств входящих в состав телевизионных систем видеонаблюдения и их выбор