Estás en > Matemáticas y Poesía > Matemáticas

MONOGRAFIAS MATEMÁTICAS ~ SISTEMAS ESTOCASTICOS

TEORIA DE LA PROBABILIDAD - 7

SISTEMAS LINEALES CON PERTURBACIONES ESTOCASTICAS

El motivo principal de la exposición de los conceptos establecidos en los párrafos precedentes es poder analizar un sistema lineal sometido a perturbaciones estocásticas. Nuestro interés se centrará en la búsqueda de ecuaciones deterministas de los parámetros estadísticos asociados a las variables estocásticas del sistema.
Cuando un sistema lineal es excitado con señales de naturaleza estocástica, su función de transferencia puede calcularse determinando las funciones de autocorrelación de la entrada y la de correlación cruzada entre la entrada y la salida. Para el caso de un sistema multivariable excitado por una señal estocástica de la forma:
    \( v^T = (v_1, v_2 , ... , v_s)\)
todas las posibles funciones de correlación de las variables que constituyen v como la correspondiente a dos variables \( v_i(t) \; y \; v_j(t) \) se definen por :
    \( E[v_i(t) \; v_j(t)] = \sigma^2\qquad\qquad (62) \)
que es la llamada matriz de covarianzas.
Si las funciones temporales que componen v son estadísticamente independientes la matriz anterior será diagonal.
Podemos examinar como se comportan los sistemas lineales multivariables influenciados por señales estocásticas. Para ello consideremos el sistema lineal definido por:
    \( x(n+1) = A·x(n) + B·w(n)\qquad\qquad (63) \)
donde A es una matriz de transición nxn , B es una matriz nxm, x(n) es el vector de estado n-dimensional, y w(n) es un vector m-dimensional aleatorio que supondremos de media nula y covarianza Q.
Si suponemos que el estado inicial, x(1) y la secuencia de entrada son estadísticas ticamente independientes :
    \( E[x(1)\quad w^T(n)] = 0\qquad\qquad (64) \)
podemos obtener la ecuación de evolución de la matriz de covarianza del sistema, definida como :
    \( E[x(n)\quad x^T(n)] = X(n) \)
Para ello transponemos la ecuación (63):
    \(x^T(n+1) = x^T(n)·A^T + w^T(n)·B^T\qquad\qquad (65) \)
Y multiplicando esta ecuación por la izquierda con (63):
    \( \begin{array}{l}
    x(n+1)·x^T(n+1) =\\\\= A·x(n)·x^T(n)·A^T + B·w(n)·w^T(n)·B^T + \\ \\
    + B·w(n)·x^T(n)·A^T + A·x(n)·w^T(n)·B^T\quad (66)
    \end{array} \)
Tomando valores esperados en la ecuación (66) resulta:
    \( X(n+1) = A·X(n)·A^T + B·Q·B^T\qquad\qquad (67)\)
Ya que hemos supuesto el vector de entrada y el estado del sistema son estadísticamente independientes.
La expresión (67) se conoce como "la ecuación de covarianza lineal" y puede ser resuelta recursivamente si se conoce la covarianza de las condiciones iniciales.

FILTRADO ESTOCASTICO


Página publicada por: José Antonio Hervás