 |
|
|
Архитектура Астрономия Аудит Биология Ботаника Бухгалтерский учёт Войное дело Генетика География Геология Дизайн Искусство История Кино Кулинария Культура Литература Математика Медицина Металлургия Мифология Музыка Психология Религия Спорт Строительство Техника Транспорт Туризм Усадьба Физика Фотография Химия Экология Электричество Электроника Энергетика |
Программная реализация системы ⇐ ПредыдущаяСтр 7 из 7
Класс Calculate – в котором производятся вычисления основных числовых характеристик: математического ожидания, дисперсии. using System; using System.Collections.Generic; using System.Linq; using System.Text;
namespace Khorova { class Calculate { public int quantityReadout; //количество отсчетов public double digitizationInterval; //интервал дискретизации public double[] values; //массив случайного процесса public double[] valuesCentr; //центрированный массив случайного процесс public double populationMean; //МО public double dispersion; //дисперисия public double[] correlationFunction; //КФ public double gamma; public double alfa; public double omega; public double[,] masFanction; public double[] masBetta; public double[] masBet; public double[] teorCorrelationFunction; public int Jmax; public double[] massB; public double[] masB; public int order; public double[] masDeltaM;
public Calculate(int n, double dt, double[] mas) { quantityReadout = n; digitizationInterval = dt; Jmax = 35; values = mas; populationMean = GetPopulationMean(); valuesCentr = GetCentrValues(); dispersion = GetDispersion(); correlationFunction = GetCorrelationFunction(); teorCorrelationFunction = GetTeorCorrelationFunction(50, gamma); }
public Calculate(int n, double dt, double[] mas, int j, double t, double a, double w) { quantityReadout = n; digitizationInterval = dt; alfa = a; omega = w; gamma = 0.8 / digitizationInterval;//2*Math.Sqrt(Math.Pow(a,2)+Math.Pow(w,2)); Jmax = j; values = mas; populationMean = GetPopulationMean(); valuesCentr = GetCentrValues(); dispersion = GetDispersion(); correlationFunction = GetCorrelationFunction(); teorCorrelationFunction = GetTeorCorrelationFunction(50, gamma); order = GetOrder(t); }
public double GetPopulationMean() //метод возвращающий математическое ожидаение потока { double populationMean = values[0]; for (int i = 0; i < quantityReadout; i++) populationMean += values[i]; populationMean = populationMean / quantityReadout; return populationMean; }
public double[] GetCentrValues() //метод возвращающий массив центрированных значений интервалов { double[] mas = new double[quantityReadout]; for (int i = 0; i < quantityReadout; i++) { mas[i] = values[i] - populationMean; } return mas; }
public double GetDispersion() //метод возвращающий дисперсию { double dispersion = 0; for (int i = 0; i < quantityReadout; i++) dispersion += Math.Pow(valuesCentr[i], 2); dispersion /= (quantityReadout - 1); return dispersion; }
private double[] GetCorrelationFunction() { double[] cF = new double[Jmax]; for (int i = 0; i < Jmax; i++) { for (int j = 0; j <= (quantityReadout - i - 1); j++) cF[i] += ((values[j] - populationMean) * (values[j + i] - populationMean));
cF[i] = cF[i] / ((quantityReadout - i - 1) * dispersion); } return cF; }
public double GetItemCorrelationFunction(int i) { return correlationFunction[i]; }
public double GetMaxArray() //метод возващающий максимум массива интервалов { double max = values[0]; for (int i = 1; i < quantityReadout; i++) if (max < values[i]) max = values[i]; return max; }
public double GetMinArray() //метод возвращающий минимум массива интервалов { double min = values[0]; int k = 0; for (int i = 1; i < quantityReadout; i++) if (min > values[i]) { min = values[i]; k = i; } k++; return min; }
} }
Класс Model1 – содержит в себе алгоритм рекурсивной фильтрации, с помощью которого получается СП с корреляционной функцией Rx(τ)= e-α׀τ׀ (модель 1), и вычисляется количество ординат для построения КФ.
sing System; using System.Collections.Generic; using System.Linq; using System.Text; namespace Khorova { class ModelFirst: SourceProcess { public ModelFirst(int n, double dt, double a, double w) : base(n, dt, a, w) { } public override double GetDigitizationInterval(double dt) { return (Math.Pow((8 * dt), 0.5) / alfa); } public override double[] GetMas() { double[] masY = new double[this.quantityReadout]; double gamma = alfa * digitizationInterval; double p = Math.Pow(Math.E, ((-1) * gamma)); double a = Math.Pow((1 - Math.Pow(p, 2)), 0.5); double b = p; Random r = new Random(); for (int i = 0; i < this.quantityReadout; i++) { double x = r.NextDouble(); RecursiveFilter(i, a, b, x, masY); } return masY; throw new NotImplementedException(); } public void RecursiveFilter(int i, double a, double b, double x, double[] masY) { if (i == 0) masY[i] = x; else masY[i] = a * x + b * masY[i - 1]; } public override int GetJMax() { int j; if (delta == 0.02) j = 9; else j = 6; return j; } public override double GetTay4() { double m; m = 1 / (2 * alfa); return m; } } } Класс Model2 - содержит в себе алгоритм рекурсивной фильтрации, с помощью которого получается СП с корреляционной функцией Rx(τ)= e-α׀τ׀*(1-ατ) (модель 2), и вычисляется количество ординат для построения КФ. namespace Khorova { class Model2 : SourceProcess { public Model2(int n, double dt, double a, double w) : base(n, dt, a, w) { }
public override double GetDigitizationInterval(double dt) { // определение интервала дискретизации return (Math.Pow(8 * dt, 0.5) / alfa); }
public override double[] GetMas() { double[] masY = new double[quantityReadout]; double[] masX = new double[quantityReadout]; double gamma = alfa * digitizationInterval; double p = Math.Pow(Math.E, ((-1) * gamma)); double alfa0 = Math.Pow(p, 3) * (1 + gamma) - p * (1 - gamma); double alfa1 = 1 - 4 * Math.Pow(p, 2) * gamma - Math.Pow(p, 4); double a0 = Math.Pow(((alfa1 + Math.Pow((Math.Pow(alfa1, 2) - 4 * Math.Pow(alfa0, 2)), 0.5)) / 2), 0.5); double a1 = alfa1 / a0; double b1 = 2 * p; double b2 = (-1) * Math.Pow(p, 2); Random r = new Random(); for (int i = 0; i < this.quantityReadout; i++) { double x = r.NextDouble(); masX[i] = x; RecursiveFilter(i, a0, a1, b1, b2, masX, masY); } return masY; throw new NotImplementedException(); } // алгоритм рекурсивной фильтрации public void RecursiveFilter(int i, double a0, double a1, double b1, double b2, double[] masX, double[] masY) { if (i == 0) masY[i] = masX[i]; else { if (i == 1) masY[i] = a0 * masX[i] + a1 * masX[i - 1] + b1 * masY[i - 1]; else masY[i] = a0 * masX[i] + a1 * masX[i - 1] + b1 * masY[i - 1] + b2 * masY[i - 2]; } } // определение количества ординат public override int GetJMax() { int j = 13; return j; }
} }
Класс Model7 - содержит в себе алгоритм рекурсивной фильтрации, с помощью которого получается СП с корреляционной функцией Rx(τ)= e-α׀τ׀ *(cos(ω0τ) – α/ ω0*sin(ω0τ)) (модель 7), и вычисляется количество ординат для построения КФ.
namespace Khorova { class Model7 : SourceProcess { public Model7(int n, double dt, double a, double w) : base(n, dt, a, w) { } // определение интервала дискретизации public override double GetDigitizationInterval(double dt) { return (Math.Pow((8 * dt / Math.Abs(Math.Pow((omega / alfa), 2) - 1)), 0.5) / alfa); }
public override double[] GetMas() { double[] masY = new double[quantityReadout]; double[] masX = new double[quantityReadout]; double gamma = alfa * digitizationInterval; double p = Math.Pow(Math.E, ((-1) * gamma)); double gamma0 = omega * digitizationInterval; double alfa0 = p * (Math.Pow(p, 2) - 1) * Math.Cos(gamma0) - (alfa / omega) * p * (Math.Pow(p, 2) + 1) * Math.Sin(gamma0); double alfa1 = 1 - Math.Pow(p, 4) + 4 * Math.Pow(p, 2) * Math.Sin(gamma0) * Math.Cos(gamma0) * (alfa / omega); double a0 = Math.Pow(((alfa1 + Math.Pow((Math.Pow(alfa1, 2) - 4 * Math.Pow(alfa0, 2)), 0.5)) / 2), 0.5); double a1 = alfa0 / a0; double b1 = 2 * p * Math.Cos(gamma0); double b2 = (-1) * Math.Pow(p, 2); Random r = new Random(); for (int i = 0; i < this.quantityReadout; i++) { double x = r.NextDouble(); masX[i] = x; RecursiveFilter(i, a0, a1, b1, b2, masX, masY); } return masY; throw new NotImplementedException(); } // алгоритм рекурсивной фильтрации public void RecursiveFilter(int i, double a0, double a1, double b1, double b2, double[] masX, double[] masY) { if (i == 0) masY[i] = masX[i]; else { if (i == 1) masY[i] = a0 * masX[i] + a1 * masX[i - 1] + b1 * masY[i - 1]; else masY[i] = a0 * masX[i] + a1 * masX[i - 1] + b1 * masY[i - 1] + b2 * masY[i - 2]; } }
public override int GetJMax() { int j = (int)Math.Round(47 * (omega) / (2 * Math.PI)); return j; } } }
Класс SourseProcess sing System; using System.Collections.Generic; using System.Linq; using System.Text; namespace Khorova { abstract class SourceProcess { public Calculate calculatCharacter; public int quantityReadout; //количество отсчетов public double digitizationInterval; //интервал дискретизации public double[] values; //массив случайного процесса public double alfa; public double omega; public double delta; public double tay; public SourceProcess(int n, double dt, double a, double w) { quantityReadout = n; alfa = a; omega = w; delta = dt; tay = GetTay4(); digitizationInterval = GetDigitizationInterval(dt); int j = GetJMax(); values = GetMas(); calculatCharacter = new Calculate(n, digitizationInterval, values, j, tay,a,w); } public abstract double[] GetMas(); public abstract double GetDigitizationInterval(double dt); public abstract int GetJMax(); public abstract double GetTay4(); } } // ОПИСАНИЕ ЯКОБИ (-1/2 0) double[,] masYakobi = new double[KolChR, c.Jmax]; for (int i = 0; i < KolChR; i ++) for (int j = 0; j < c.Jmax; j++) { double tay = j * c.digitizationInterval; if (i == 0) masYakobi[i, j] = Math.Exp(-1 * gamma * tay / 2); else if (i == 1) masYakobi[i, j] = Math.Exp(-1 * gamma * tay / 2) * (1 - 3 * Math.Exp(-2 * gamma * tay)) / 2; else { int z = 4 * i - 5; int x = 4 * i - 1; int b = 2 * i - 1; int r = 4 * i - 3; int t = 2 * i - 3; int y = i - 1; masYakobi[i, j] = ((z * x * (1 - 2 * Math.Exp(-2 * gamma * tay)) + 1) * r * masYakobi[i - 1, j] - 4 * y * t * x * masYakobi[i - 2, j]) / (4 * i * b * z); } }
//ОПИСАНИЕ 1ГО ИНТЕГРАЛА double[,] masI1 = new double[KolChR, c.Jmax]; for (int i = 0; i < KolChR; i++) { for (int j = 0; j < c.Jmax; j += 1) { double tay = j * c.digitizationInterval; if (i==0) masI1[0, j] = -2* Math.Exp(-gamma*tay/2)/gamma; else if (i==1) masI1[i, j] = (-1 * Math.Exp(-gamma * tay / 2) * (5 - 3 * Math.Exp(-2*gamma*tay)))/ (5*gamma); else { double ch = (4 * i + 1); double ch2 = 4 * i - 3; double ch3 = 4 * i - 7;
masI1[i, j] = (2 * ch2 * masI1[i - 1, j]) / ch - (ch3 * masI1[i - 2, j]) / ch - 2 * ((masYakobi[i, j] - masYakobi[i - 2, j]) ) / (gamma * ch); } } } // ОПИСАНИЕ 2ГО ИНТЕГРАЛА double[,] masI2 = new double[KolChR, c.Jmax]; for (int i = 0; i < KolChR; i++) {
for (int j = 0; j < c.Jmax; j ++) { double tau = j * c.digitizationInterval; double ex = Math.Exp((- gamma * tau) / 2); double ex2 = Math.Exp(-2 * gamma * tau); double ex3 = Math.Exp(-4 * gamma * tau); if (i == 0) masI2[i, j] = (-2 * ex * (gamma * tau + 2)) / (Math.Pow(gamma, 2)); else if (i == 1) masI2[i, j] = -1 * ex * (50 - 6 * ex2 + gamma * tau * (25 - 15 * ex2)) / (25 * Math.Pow(gamma, 2)); else if (i==2) masI2[i, j] = -1 * ex * (2430 - 972 * ex2 + 350 * ex3 + gamma * tau * (1215 - 2430 * ex2 + 1575 * ex3)) / (1620 * Math.Pow(gamma, 2)); else { double ch = (4 * i + 1); double ch2 = 4 * i - 3; double ch3 = 4 * i - 7; masI2[i, j] = (2 * ch2 * masI2[i - 1, j]) / ch - (ch3 * masI2[i - 2, j]) / ch - 2 * ((masYakobi[i, j] - masYakobi[i - 2, j]) * tau - masI1[i, j] + masI1[i - 2, j]) / (gamma * ch);
} } } // ОПРЕДЕЛЕНИЕ КОЭФФИЦИЕНТОВ РАЗЛОЖЕНИЯ double[] masTau = new double [c.Jmax]; double[] A = new double[c.Jmax ]; double[] B = new double[c.Jmax ]; double[] Betta = new double[KolChR ]; double summaB=0; for (int q = 0; q < c.Jmax; q ++) { masTau[q] = q * c.digitizationInterval; } for (int q = 0; q < c.Jmax -1 ; q += 1) { A[q] = (c.correlationFunction[q + 1] - c.correlationFunction[q]) / (masTau[q + 1] - masTau[q]); // A[q] = (TeorCorFuncM7(masTau[q + 1]) - TeorCorFuncM7(masTau[q])) / (masTau[q + 1] - masTau[q]); } for (int q = 0; q < c.Jmax; q ++) { B[q] = c.correlationFunction[q] - A[q] * masTau[q]; }
// коэффициенты bk for (int k = 0; k < KolChR; k += 1) { for (int j = 0; j < c.Jmax-1; j += 1) { summaB = summaB + B[j] * (masI1[k, j + 1] - masI1[k, j]) + (A[j] * (masI2[k, j + 1] - masI2[k, j])); } Betta[k] = gamma * (4 * k + 1) * summaB; summaB = 0; }
//аппроксимация double[] masAprFunc = new double[c.Jmax]; for (int q = 0; q < c.Jmax ; q++) { for (int i = 0; i < KolChR; i++) { masAprFunc[q] += Betta[i] * masYakobi[i, q]; } }
// практический спектр private double AprSpektr(double w, double [] BettaK) { double g = Convert.ToDouble(textBoxGammaOpt.Text); double sum = 0; double spektr = 0; double arctg, REZ; KolChR = Convert.ToInt16(textBoxKolChR.Text); for (int k = 0; k < KolChR; k++) { sum = 0; for (int s = 0; s < k; s++) sum += Math.Atan(2 * w / (g * (4 * s + 1))); arctg = Math.Atan(2 * w / (g * (4 * k + 1))); spektr += BettaK[k] * Math.Cos(arctg) * Math.Cos(arctg + 2 * sum)/(4*k+1); } REZ = (2 * spektr / (g * Math.PI)); spektr = 0; return REZ; }
Поиск по сайту: |