Корреляционные модели случайных процессов

Задание к лабораторной работе: Вариант - 1 !!!

Внимательно изучить алгоритм расчета корреляционной функции и различные методы прогноза.

Используя М-файл, текст которого приведен в приложении А, смоделировать процессы:

Синусоидальный;

Синусоидальный с наложенным высокочастотным шумом (см. строку 10 М-файла из приложения А);

Случайный нормально распределенный;

Для генерации случайных чисел с нормальным законом распределения использовать функцию MATLAB normrnd, имеющую следующий формат:

 R = normrnd(MU,SIGMA, [m n]) – возвращает матрицу размерности mxn, элементами которой являются случайные числа равномерно распределеные со средним MU и средним квадратичным отклонением SIGMA.

 Случайный равномерно распределенный.

Для генерации случайных чисел с равномерным законом распределения использовать функцию MATLAB rаnd, имеющую следующий формат:

Y = rand([m n]) – возвращает матрицу размерности mxn, элементами которой являются случайные числа равномерно распределеные в интервале от 0 до 1.

 Параметры для моделирования процессов выбрать из таблицы 1 в соответствии с номером варианта, указанным преподавателем.

Построить для смоделированных процессов графики автокорреляционных функций. Произвести их сравнение и сделать вывод.

Построить графики автокорреляционной функции для трех выборок своего варианта из Приложения В(номер варианта выбирается по порядковому номеру в списке группы). Текст М-файла для расчета автокорреляционных функций и построения их графиков приведен в приложении Б.

Для каждой выборки определить интервал корреляции.

Используя результаты выполнения лабораторной работы №2, сделать вывод о стационарности процесса.

Осуществить прогноз значений случайного процесса:

по последнему отсчету;

по математическому ожиданию;

с использованием корреляционной функции (статистический прогноз по одной точке).

и рассчитать средний квадрат ошибки для каждого случая.