Статистических характеристик

Автоматизация организационно-технологического проектирования агрегатного СТО (АРМ основного рабочего). Конструкция агрегатного СТО или АРМ основного рабочего как объекта проектирования представляет собой сложную систему. Описание конструктивных элементов прежде всего базируется на блочно-иерархическом подходе к процессу проектирования. Для рассматриваемого технологического оборудования характерны следующие иерархические уровни: станок (рабочее место)—агрегаты — сборочные единицы — детали. Низший уровень соответствует детали, высший — станку (рабочему месту). Соответственно иерархии объектов проектирования существует иерархия математических моделей, описывающих объекты. Выходными параметрами деталей станка являются статистические параметры, например геометрические параметры — позиционные и метрические, которые будут внутренними при проектировании сборочных единиц. В свою очередь типичными выходными параметрами сборочных единиц станка являются динамические параметры, определяющие качество движения — скорости, ускорения, частоты и ампли-

Между тем, для того чтобы закристаллизоваться, система должна затратить какую-то энергию AG2 на образование поверхности зародыша. Естественно, что энергии AG, и AG2 имеют противоположные знаки. Энергию АС2 система как бы «изыскивает» за счет флуктуации в самой себе. Напомним, что при наличии в объеме системы множества частиц в единице объема имеются отклонения их количества от среднего значения, вызывающие колебания свойств системы. Поэтому такие статистические параметры, как плотность, концентрация, температура и др., подвержены самопроизвольно происходящим случайным отклонениям от некоторого среднего значения, называемым флуктуациями. Флуктуации обеспечивают постепенность протекания процессов. Именно необходимостью изыскания энергии за счет флуктуации для образования поверхности новой фазы можно объяснить возможность длительного существования пересыщенных или переохлажденных систем в условиях, исключающих возникновение больших флуктуации.

Под стационарными понимают случайные сигналы, статистические параметры которых не зависят от времени. Это означает, что параметры одного участка сигнала близки к статистическим параметрам другого участка той же длительности, взятого в любой момент существования сигнала — в прошлом, настоящем или будущем. В общем случае соответствие тем выше, чем больше длительность участка сигнала, на котором осуществляется определение параметров.

Статистические параметры нестационарных случайных сигналов зависят от времени, что в значительной мере затрудняет и усложняет их анализ.

Выделение сигналов. Выделение сигналов из шумов и помех с минимальными искажениями формы — одна из важнейших задач, возникающих при преобразовании и усилении геофизических сигналов. В общем случае решение этой задачи более сложно, чем при разделении или обнаружении сигналов, когда большая часть параметров, в том числе и форма, известны. При выделении форма сигналов заранее неизвестна, однако могут быть известны статистические параметры сигналов — их энергетические спектры и автокорреляционные функции. Это позволяет выполнить параметры системы выделения таким образом, чтобы преобразование сигнала в каждом отдельном случае было бы произведено оптимальным образом с максимальным подавлением шумов и помех и с минимальными искажениями его формы.

В силу соотношения (21.8) статистические параметры случайного процесса па выходе детектора полностью совпадают с параметрами огибающей 11(1). Данные для ее анализа уже подготовлены в гл. 20. Воспользуемся ими и представим огибающую в соответствии с векторной диаграммой на 21.4 как длину пек-тора -........- суммы составляющих л'(/) и s(l) с учетом разложения

14. ГОСТ 16350-80. Климат СССР. Районирование и статистические параметры климатических факторов для технических целей. - М.: Стандартиздат, 1980. - 140 с.

Вычисление выражения (8.19) выполняется МПС, на которую передаются вырабатываемые счетчиками СЧ1 и СЧ2 коды чисел и и N. При соответствующей программе МПС на дисплее Д отображается значение фазового сдвига Дф для любого выбранного периода Т. За счет сравнения таких сдвигов в разных периодах появляется возможность наблюдать флюктуации Дф и оценивать их статистические параметры.

§ 6.2. СТАТИСТИЧЕСКИЕ ПАРАМЕТРЫ ВОЛНОВОГО СОПРОТИВЛЕНИЯ ПОЛОСКОВЫХ ВОЛНОВОДОВ В ЗАВИСИМОСТИ ОТ ТЕХНОЛОГИЧЕСКИХ ПОГРЕШНОСТЕЙ

§ 5.5. Изготовление гибридных интегральных схем СВЧ 260 Глава 6. Влияние технологических погрешностей на электрические характеристики полосковых волноводов 267 § 6.1. Влияние технологических погрешностей на величину потерь в полосковом волноводе .... 267 § 6.2. Статистические параметры волнового сопротивления полосковых волноводов в зависимости от

§ 5.5. Изготовление гибридных интегральных схем СВЧ 260 Глава 6. Влияние технологических погрешностей на электрические характеристики полосковых волноводов 267 § 6.1. Влияние технологических погрешностей на величину потерь в полосковом волноводе .... 267 § 6.2. Статистические параметры волнового сопротивления полосковых волноводов в зависимости от

основных статистических характеристик распределения

среднеквадратических погрешностей определения основных статистических характеристик

10.6. Схема алгоритма вычисления статистических характеристик при планировании эксперимента

Обычно достаточно хорошее приближение получается уже при помощи полинома первой или второй степени. Планируемый эксперимент осуществляется на макете реального устройства. Для ускорения процесса вычисления статистических характеристик и построения модели при СПЭ используется вычислительная техника. Алгоритм вычисления приведен на 10.6.

Анализ концентратора при бесконечном объеме буферного накопителя. Анализ статистических характеристик в системах с большим временем занятия (§ 3.2) дает основание предположить, что на вход концентратора поступает пуассоновский поток сообщений с интенсивностью К сообщений в единицу времени; длины сообщений распределены по геометрическому закону со средней длиной I единиц данных на сообщение. Следовательно, анализи-руемый концентратор соответствует системе массового обслуживания типа Mjgjl.

Необходимо выделить одну, весьма важную, черту фундамента радиоинженерной специальности. Она состоит во владении современными методами радиотехнических измерений. Любая практическая и научная деятельность радиоинженера непосредственно связана с проведением разнообразных измерительных операций. Измерениям подвергаются параметры сигналов — амплитуда, частота, фаза, длительность сигнала, период его повторения, направление прихода, задержка за счет распространения и т. д. Широко распространены в повседневной практике инженера измерение статистических характеристик случайных колебаний, измерение с помощью радиоволн физических параметров материалов и среды распространения. В радиоэлектронике измерения должны отличаться высокой точностью. Наука

ных интервалов для статистических характеристик и коэффициентов корреляции генеральной совокупности. Дальнейшая обработка основана на применении современных статистических методов — параметрической, непараметрической и робастной статистик. Следующий этап статистической обработки данных связан с анализом взаимной корреляции контролируемых параметров и влияния их на процент выхода годных БИС. Завершается статистическая

Особенности курсового проектирования отражают специфику изучаемой дисциплины, так как согласно программе элементная база рассматривается с двух точек зрения: 1) анализ конструктивных особенностей, принципа действия, функционального назначения, основных свойств и вероятностно-статистических характеристик (точности, стабильности, надежности и т. д.) УФЭ, ЭРЭ, которые разрабатываются и изготовляются специализированными предприятиями в соответствии с действующими ГОСТами; 2) овладение основами современных методов расчета и конструирования нестандартных УФЭ и ЭРЭ.

Для получения статистических характеристик показателя Р(Сп) необходимо располагать распределением случайной дальности действия Р(Оф) и зависимостью вероятности Р(Сц) от фактической дальности действия радиотехнической системы.

микропроцессоров. Последние позволяют производить обработку результатов измерения путем умножения или деления измеряемой величины на постоянный коэффициент, вычитания постоянного коэффициента из значения измеряемой величины, контроля значения измеряемой величины относительно заданных границ зоны допуска, вычисления статистических характеристик контролируемого процесса, линеаризации характеристик измерительных преобразователей и т. д. Микропроцессоры также оказывают активное воздействие на сам процесс измерения и калибровки прибора.

Таким образом, параметры а, и bj позволяют не только описывать сами АРСС-процессы, ь:о и позволяют получать оценки спектральной плотности S (со) непосредственно по наблюдениям, минуя вычисления статистических характеристик. Благодаря этому свойству применение ЛРСС-моделей потеснило методы, основанные на быстром преобразовании Фурье, которое используется для оценки S (со) по значениям ковариационной функции.