Знаете ли Вы, что такое мысленный эксперимент, gedanken experiment?
Это несуществующая практика, потусторонний опыт, воображение того, чего нет на самом деле. Мысленные эксперименты подобны снам наяву. Они рождают чудовищ. В отличие от физического эксперимента, который является опытной проверкой гипотез, "мысленный эксперимент" фокуснически подменяет экспериментальную проверку желаемыми, не проверенными на практике выводами, манипулируя логикообразными построениями, реально нарушающими саму логику путем использования недоказанных посылок в качестве доказанных, то есть путем подмены. Таким образом, основной задачей заявителей "мысленных экспериментов" является обман слушателя или читателя путем замены настоящего физического эксперимента его "куклой" - фиктивными рассуждениями под честное слово без самой физической проверки.
Заполнение физики воображаемыми, "мысленными экспериментами" привело к возникновению абсурдной сюрреалистической, спутанно-запутанной картины мира. Настоящий исследователь должен отличать такие "фантики" от настоящих ценностей.

Релятивисты и позитивисты утверждают, что "мысленный эксперимент" весьма полезный интрумент для проверки теорий (также возникающих в нашем уме) на непротиворечивость. В этом они обманывают людей, так как любая проверка может осуществляться только независимым от объекта проверки источником. Сам заявитель гипотезы не может быть проверкой своего же заявления, так как причина самого этого заявления есть отсутствие видимых для заявителя противоречий в заявлении.

Это мы видим на примере СТО и ОТО, превратившихся в своеобразный вид религии, управляющей наукой и общественным мнением. Никакое количество фактов, противоречащих им, не может преодолеть формулу Эйнштейна: "Если факт не соответствует теории - измените факт" (В другом варианте " - Факт не соответствует теории? - Тем хуже для факта").

Максимально, на что может претендовать "мысленный эксперимент" - это только на внутреннюю непротиворечивость гипотезы в рамках собственной, часто отнюдь не истинной логики заявителя. Соответсвие практике это не проверяет. Настоящая проверка может состояться только в действительном физическом эксперименте.

Эксперимент на то и эксперимент, что он есть не изощрение мысли, а проверка мысли. Непротиворечивая внутри себя мысль не может сама себя проверить. Это доказано Куртом Гёделем.

Восстановление сигналов сводится к оценке некоторого числа неизвестных параметров полезного сигнала. Ограничимся рассмотрением случая оценки одного из параметров сигнала, например амплитуды В , при заданной форме сигнала. При этом помехи будем полагать аддитивными типа белого гауссова шума. Представим полезный сигнал в виде

где f (t) - известная функция времени; В - параметр сигнала.

Задача состоит в том, чтобы по принятой выборке Y определить, каково значение параметра В в полезном сигнале X .

В отличие от случаев обнаружения и различия сигналов здесь имеет место бесконечное множество возможных значений параметра В и, соответственно, бесконечное множество гипотез. Методы, рассматриваемые в случае двухальтернативных и многоальтернативных ситуаций, применимы и для задачи восстановления сигнала.

Произведем оценку параметра В методом максимума правдоподобия. Если отсчет принятого сигнала производится в дискретные моменты времени, то функция правдоподобия для параметра В будет равна

(2.38)

Задача состоит в том, чтобы найти такое значение параметра В для которого функция правдоподобия максимальна. Максимуму функции правдоподобия соответствует минимальное значение показателя степени в выражении (2.38)

Из условия минимума

откуда получаем оценочное значение параметра

(2.39)

Осуществив переход к непрерывному примеру, получим

(2.40)

На рис. 2.3 приведена схема решающего устройства, осуществляющего операцию оценки параметра сигнала. Устройство содержит генератор сигнала f(t) , множительное звено МЗ, осуществляющее умножение y(t) на f(t) , и интегратор, производящий интегрирование произведения y(t)f(t) .

Для оценки точности восстановления сигнала используем критерий среднеквадратического отклонения. С этой целью в (2.40) принимаемый сигнал выразим в виде суммы y(t) = Bf (t) + (t) . Тогда 2.40

Рис 2.3 Устройство оценки неизвестного параметра

Погрешность восстановления

Дисперсия погрешности

Среднее от произведения представляет корреляционную функцию помехи

где G o - спектральная плотность помехи; - дельта-функция;

Следовательно, среднеквадратическое значение погрешности восстановления

Задача восстановления сигнала может быть также решена методом оптимальной фильтрации. В общем виде формулировка следующая. Пусть колебание , принятое на некотором интервале времени, является функцией от сигнала и шума :

(2.42)

Сигнал может зависеть не от одного, а от нескольких параметров , причем либо сам сигнал , либо его параметр являются случайными процессами. Вид функции , т.е. способ комбинирования сигнала и шума, и их некоторые статистические характеристики полагаются априорно известными. Исходя из них, необходимо определить структуру устройства (рис. 1), решающего оптимальным образом, какая реализация самого сигнала или его параметра содержится принятом колебании.

Рис. 2.4 Решающее устройство

Из-за наличия шума и случайного характера сигнала оценка реализаций сигнала или его параметра не будет совпадать с истинной реализацией, т.е. будут иметь место ошибки фильтрации. Для количественной оценки качества фильтрации чаще используются критерии минимума среднеквадратической погрешности, критерий максимального отношения сигнал/шум и критерий максимума апостеорной вероятности. Рассмотрим задачу линейной фильтрации, также будем предполагать, что сигнал и шум взаимодействуют аддитивно, т.е.

Остановимся в начале на критерии минимума среднеквадратической ошибки. Считаем, что сигнал и шум представляют собой стационарные нормальные, случайные процессы с известными корреляционными функциями

Необходимо определить систему, которая из принимаемой смеси

С минимальной среднеквадратической ошибкой выделяет полезный сигнал . Т.е. искомая оптимальная система должна минимизировать величину

(2.43)

Необходимо определить структуру фильтра (рис. 2.4)

При оценка на выходе системы должна предсказывать (прогнозировать) значение входного сигнала на вперед, при задача сводится к выделению (сглаживанию) сигнала из колебания .

Строгое решение данной задачи было получено А. Н. Колмогоровым и Н. Винером.

Они показали, что оптимальное устройство относится к классу линейных фильтров с постоянными параметрами. Проиллюстрируем их результаты. Предположим, что на вход физически реализуемой линейной системы (рис. 2.4) с импульсной характеристикой

(2.44)

Воздействует стационарный случайный процесс . При этом стационарный случайный процесс на ее выходе будет определяться соотношением

(2.45)

Подставляя (2.45) в (2.43) получим следующее выражение для среднеквадратичной ошибки фильтрации:

Которая после несложных преобразований приводится к виду:

Здесь - взаимная корреляционная функция процессов и

а - автокорреляционная функция случайного процесса

Чтобы определить импульсную характеристику оптимального фильтра, минимизирующего среднеквадратическую ошибку, пользуются следующим приемом вариационного исчисления. Пусть:

где - параметр, не зависящий от , а - произвольная функция. При этом условие минимума среднеквадратичной ошибки принимает вид

После подстановки (8) в (5) условие (9) принимает вид:

Последе соотношение должно выполняться при произвольной функции , отсюда следует, что импульсная характеристика должна удовлетворять интегральному уравнению Фредгольма первого рода

(10)

Это уравнение является основным уравнением теории линейной фильтрации и называется уравнением Винера-Хопфа.

Таким образом, задача нахождения оптимального сглаживающего или прогнозирующего физически реализуемого фильтра сводится к решению интегрального уравнения (10). Это решение имеет определение сложности, обусловленные в основном требованием физической реализуемости оптимального фильтра. В частном, но важном с практической точки зрения случае дробно-рациональной спектральной плотности входного процесса из (10) можно получить следующее выражение для передаточной функции :

(12)

При этом минимальная среднеквадратичная ошибка фильтрации равна

(13)

где, (14)

Для частного случая сглаживания аддитивной смеси взаимно независимых стационарного случайного процесса и белого шума с функцией корреляции

Формула (11) упрощается:

Где индекс + означает, что если выражение в квадратных скобках разложить на простые дроби, то в разложении должны быть оставлены только те из них, которые соответствуют полюсам, расположенным в верхней полуплоскости. Все простые дроби функции , соответствующие полюсам в нижней полуплоскости, а так же целая часть должны быть отброшены. Минимальная среднеквадратичная ошибка для рассматриваемого случая может быть вычислена по формуле

Все равно практическим вычислениям по вышеуказанным формулам оказываются громоздкими. Значительное упрощение получается, если не накладывать на оптимальный фильтр требования физической реализуемости (3), т.е. полагать в (4) и в последующих формулах нижний придел равным . При этом вместо уравнения (10) получаем интегральное уравнение:

(15)

решение которого приводит к следующему выражению для передаточной функции физически нереализуемого фильтра:

(16)

Минимальная среднеквадратическая ошибка в этом случае вычисляется по формуле (13). Для частного случая статистически независимых сигнала и шума , имеющих нулевые средние значения, формула (16) приводится к виду:

Хотя последние соотношения соответствуют физически нереализуемым оптимальным фильтрам, они полезны, так как любой физически реализуемый фильтр не может дать меньшей среднеквадратической ошибки, чем фильтры, определенные выражением (16). Это объясняется тем, что наложение на фильтр условия физической реализуемости (3) сужает возможности выбора оптимальной характеристики фильтра и по этой причине привести лишь к ухудшению конечного результата.

В заключении отметим, что выражение для среднеквадратичной ошибки воспроизведения будет иметь вид

Из которого следует, что идеальная фильтрация возможна только в случае, когда , т.е. когда спектры сигнала и помехи не перекрываются.

Для информационного расчёта в качестве исходного критерия будем использовать допустимую среднеквадратическую погрешность системы, которая определяется через погрешность отдельных узлов. В нашем случае она определяется по следующей формуле:

где - среднеквадратическая погрешность АЦП, возникающая за счёт шума квантования (погрешность квантования АЦП);

Погрешность восстановления сигнала.

Для упрощения расчётов все указанные погрешности предварительно принимаются равными. Таким образом, из формулы (1) следует, что

В соответствии с техническим заданием погрешность преобразования

1%, следовательно

Расчет разрядности АЦП

АЦП преобразуют аналоговые сигналы в цифровую форму и являются оконечными устройствами в интерфейсе ввода информации в ЭВМ. Основными характеристиками АЦП являются: разрешающая способность, точность и быстродействие. Разрешающая способность определяется разрядностью и максимальным диапазоном входного аналогового напряжения.

Относительная среднеквадратическая погрешность, вносимая за счет квантования АЦП, вычисляется по формуле

где - среднеквадратическое значение шума квантования.

Шаг квантования АЦП, определяемый диапазоном изменения сигнала U с. и числом разрядов АЦП n.

Таким образом, погрешность квантования АЦП

Из этого выражения можно определить минимально необходимую разрядность АЦП:

Исходя из,

Следовательно, минимальная разрядность АЦП для решения поставленной задачи - 6 разрядов. Но поскольку АЦП в модуле ADAM-6024 имеет 16 разрядов, то его реальная погрешность преобразования будет равна

Расчет максимально возможной погрешности восстановления

Так как в задании указано, что максимальная погрешность преобразования составляет 1%, то для удовлетворения этому условию погрешность восстановления должна быть меньше либо равна

Восстановление непрерывного сигнала U(t) с помощью интерполяционного метода

Интерполяционный метод восстановления очень широко распространён в наши дни. Этот метод наиболее приспособлен для обработки сигналов с помощью средств вычислительной техники. Этот метод восстановления основан на использовании интерполяционного многочлена Лагранжа. Из соображений простоты реализации интерполирующих устройств обычно используют многочлен не выше второго порядка, применяя в основном интерполяцию нулевого и первого порядка (ступенчатая и линейная). Восстановление сигналов с помощью ступенчатой (а) и линейной (б) интерполяции поясняется на рисунке 13.

Рисунок 13. Восстановление сигналов с помощью ступенчатой (а) и линейной (б) интерполяции

При ступенчатой интерполяции мгновенные значения U(kT) дискретного сигнала U(t) сохраняются постоянными на всём интервале дискретизации Т (рисунок 13, а).

Линейная интерполяция заключается в соединении отрезками прямых мгновенных значений U(kT), как показано на рисунке 13, б.

Интерполяционный способ восстановления обладает погрешностью, которую на практике часто выражают через максимальное относительное значение

где - восстановленный интерполяционным способом сигнал (при ступенчатой интерполяции, при линейной); - диапазон изменения дискретного сигнала U(t).

Период дискретизации выбирается с учетом допустимой погрешности из формулы.

· для ступенчатого интерполятора

· при линейной интерполяции

при параболической интерполяции

Определим период дискретизации для одного канала по Котельникову:

По заданию дипломного проекта частота процессов должна быть меньше 0,1 Гц. Модуль аналогового ввода-вывода ADAM-6024 имеет fmax = 10 Гц (на 1 канал). Так как в разрабатываемой системе используются 4 канала аналогового ввода, то предельная частота дискретизации по каждому из каналов составит fmax = 2,5 Гц. Тогда необходимая частота дискретизации при ступенчатой интерполяции составит:

Следовательно, для удовлетворения требованиям к разрабатываемой системе ступенчатая интерполяция не подходит, так как частота дискретизации при ступенчатой интерполяции существенно больше 2,5 Гц.

Частота дискретизации при линейной интерполяции составляет

Частота дискретизации при параболической интерполяции равна

Можно заметить, что частота дискретизации при линейной и параболической интерполяции меньше предельной частоты дискретизации модуля на канал. Но интерполяция второго и большего порядков практически не используют, так как её реализация усложняется, поэтому для восстановления сигналов будем использовать линейную интерполяцию.

При выборе шага дискретизации непрерывных процессов, в частности сигналов и помех, необходимо оценить погрешность замены непрерывных процессов дискретными. В настоящем параграфе рассматриваются вопросы оценки этой погрешности.

Пусть непрерывный процесс изображается, на ЦВМ. в виде последовательности его значений в равноотстоящих точках . Ясно, что дискретный процесс лишь приближенно изображает непрерывный процесс. Требуется найти количественную меру этого приближения, т. е. найти погрешность дискретизации. Величина погрешности дискретизации, очевидно, зависит от того, что понимается под погрешностью. Определение погрешности дискретизации зависит от той задачи, в которой используется дискретный процесс вместо непрерывного. При рассмотрении некоторой конкретной задачи погрешность дискретизации целесообразно определить как величину отклонения результата ее решения при использовании дискретного процесса от результата решения этой же задачи при использовании непрерывного процесса. Поскольку задачи могут быть самыми разнообразными, то определить заранее, к чему может привести дискретизация, не представляется возможным. Поэтому обычно под погрешностью дискретизации процессов понимается та погрешность, с которой может быть восстановлен непрерывный процесс по его дискретным значениям, т. е. понимается погрешность в задаче интерполяции непрерывного процесса по дискретным точкам.

Восстановление непрерывного процесса по соответствующему ему дискретному процессу обычно можно представить как пропускание последовательности «мгновенных» импульсов (-функций) с огибающей и периодом через линейный интерполирующий фильтр (ИФ) (восстанавливающий элемент) с некоторой импульсной переходной характеристикой (интерполирующей функцией) . Этому соответствует схема восстановления, показанная на рис. 1.4. Она содержит ключ, замыкающийся в моменты времени , и интерполирующий фильтр (восстановление как процесс прерывания и сглаживания ). В результате восстановления образуется сигнал

(1.34)

В соответствии с данной схемой осуществляется восстановление процессов при наиболее распространенных видах интерполяции: ступенчатой несимметричной и симметричной (метод прямоугольников, рис. 1.5 а, б), линейной (метод трапеций, рис. 1.5, в) и др.

Ошибку интерполяции

(1.35)

можно рассматривать как выходной сигнал схемы, представленной на рис. 1.6, при воздействии на входе сигнала .

Ниже найдены достаточно простые общие выражения для корреляционной функции, энергетического спектра и дисперсии ошибки в предположении, что - стационарный центрированный случайный процесс. Из общих соотношений в качестве примеров выведены частные соотношения, соответствующие наиболее распространенным типам интерполирующих фильтров.

Аналогичная задача, но иными методами, решалась в работах . Однако в них получены более сложные, а в ряде случаев лишь частные и приближенные решения. Здесь предложен новый подход к рассматриваемой задаче, позволяющий найти ее общее точное решение, отличающееся, кроме того, тем, что из него следует простое решение задачи оптимизации характеристик интерполирующих фильтров по критерию минимума среднеквадратической ошибки интерполяции.