Documente Academic
Documente Profesional
Documente Cultură
A#2.2
25 p
y[ n] = a + bn + v[ n] , n N ,
unde a i b sunt parametrii necunoscui (cu valori reale). n urma unui
experiment econometric, se obine setul de date msurate D = { y[ n]}n= N ,N ,
unde N 2 .
4 p
4 p
2 p
15 p
Indicaie
n calculele aferente, se pot utiliza urmtoarele egaliti:
N
n =
n =1
N ( N + 1) ;
2
n
n =1
N ( N + 1)( 2 N + 1) .
6
A#2.2-1/1
15 puncte
A#2.3.
15 p
1 p
3 p
2 p
7 p
2 p
A#2.3-1/1
10 puncte
A#2.4
Artai c matricea P =
I
10 p
I
este pozitiv semi-definit dac i numai dac
B
A B 1 0 i B > 0 .
(E-4.7)
Indicaie
Se construiete matricea (inversabil):
def
0
I
,
Q = 1
I
B
Indicaie
~ ~
~
~
= AY conduce la proprietatea = AV .
~
Apoi, se evalueaz matricea de auto-covarian a erorii de estimare pentru i se compar cu
, folosind proprietatea de la punctul
matricea de auto-covarian a erorii de estimare pentru
precedent.
A#2.4-1/1
20 puncte
A#2.5
20 p
Fie {rk }k0,K o secven finit de scalari reali care verific proprietatea:
K
r
k =1
r0
.
2
A#2.5-1/1
15 puncte
A#2.6.
15 p
lim E{ N } = E lim N =
(PS-12, E-2.18)
Indicaie
Se recomand utilizarea definiiei limitei din Analiza matematic.
5 p
lim P( N ) = 0 .
(PS-13, E-2.19)
A#2.6-1/1
20 puncte
A#3.1
y[ n] + ( a 1) y[ n 1] ay[ n 2] = e[ n ] , n N ,
20 p
5 p
3 p
A#3.1-1/1
8 puncte
A#3.2
8 p
y[n] =
B ( q 1 )
F (q
u[n] +
C ( q 1 )
D (q
e[n] , n N ,
A#3.2-1/1
25 puncte
A#3.3
25 p
unde parametrii a i b1 sunt nenuli, iar semnalele implicate sunt nule pentru
momente de timp negative. Procesul funcioneaz ntr-un context definit de
urmtoarele ipoteze:
I1 Stabilitate: 0 <| a |< 1 .
I2 Intrarea este necorelat cu perturbaia: E{u[ n]v[ m]} = 0 , n, m N .
I3 Intrarea este un zgomot alb de medie nul i dispersie unitar, adic:
u za (0,1) .
Pentru identificarea parametrilor necunoscui plecnd de la un set de date
D = {u[ n]}n=1,N { y[ n]}n=1,N , se apeleaz la MVI. Vectorul instrumentelor este de
tip nefiltrat:
def
z[ n] = [ u[ n 1] u[ n 2] u[ n 3]] , n N .
T
A#3.3-1/1
20 puncte
A#3.4
20 p
y[ n] + ay[ n 1] = bu[ n 1] + v[ n] , n N ,
cu notaii cunoscute. Procesul funcioneaz n contextul definit de urmtoarele
ipoteze:
I1 Stabilitate: 0 <| a |< 1 .
I2 Intrarea se transfer la ieire: b 0 .
I3 Intrarea nu este corelat cu perturbaia: E{u[ n]v[ m]} = 0 , n, m N .
Ieirea neperturbat a procesului se noteaz prin x . Mai precis:
bq 1
x[ n] =
u[ n] , n N .
1
1 + aq
def
14 p
n care:
def
u[ n] =
6 p
1
u[ n] , n N .
1
1 + aq
b. Dac s-ar pune problema implementrii MVI, care dintre cei doi vectori ar fi
mai indicat? Argumentai rspunsul.
(DS-3.2, E-4.21)
A#3.4-1/1
15 puncte
A#3.5
15 p
Indicaie
Pentru a deduce versiunea optim a algoritmului MVI-R, se poate utiliza urmtoarea lem din Teoria
Matricilor (un caz particular al Lemei Sherman-Morrison):
( A bcT ) = A1
1
A#3.5-1/1
A 1bcT A 1
.
1 cT A 1b
15 puncte
A#3.6
15 p
A#3.6-1/1
7 puncte
A#4.1
7 p
A#4.1-1/1
15 puncte
A#4.2
15 p
Indicaie
Pentru a deduce versiunea optim a algoritmului MVI-R, se poate utiliza urmtoarea lem din Teoria
Matricilor (un caz particular al Lemei Sherman-Morrison):
(A + bc )
T 1
= A 1
A#4.2-1/1
A 1bcT A 1
,
1 + c T A 1b
20 puncte
A#4.3
20 p
Indicaie
n calculele aferente, se pot utiliza urmtoarele egaliti:
N
n =
n =1
N ( N + 1) ;
2
n
n =1
N ( N + 1)( 2 N + 1) .
6
A#4.3-1/1
25 puncte
A#4.4
25 p
15 p
5 p
A#4.4-1/1
12 puncte
A#4.5
12 p
A ( z 1 ) = 1 + 2 z 1 + 3 z 2 + 4 z 3 + 5 z 4 .
( z 1 ) ?
Este acest polinom stabil? Dar polinomul A
(E-2.29)
A#4.5-1/1
15 puncte
A#4.6
15 p
P( x ) = x 3 5 x 2 + 6 x , x R .
A#4.6-1/1
15 puncte
A#5.1.
15 p
A#5.1-1/1
20 puncte
A#5.2
20 p
( q 1 )
A ( q 1 ) = C ( q 1 ) A
1
1
1
B
q
=
C
q
B
q
(
)
(
)
(
)
~
~
unde A i B sunt polinoamele determinate n prima etap de calcul. Sistemul
poate fi adus la forma matricial urmtoare:
~
~,
=
R ( n+ n+ 2 nc )( na + nb+ nc ) i vectorul R n+ n+ 2 nc sunt definite cu
unde matricea
i B
. Pseudo-soluia sistemului este
ajutorul coeficienilor polinoamelor A
atunci urmtoarea (folosind MCMMP):
~ ~ 1 ~ ~
= T T
.
A#5.2-1/1
10 puncte
A#5.3
10 p
A#5.3-1/1
15 puncte
A#5.4
15 p
(E-4.64)
Indicaii
Se va pleca de la urmtorul criteriu ptratic ponderat de o fereastr exponenial:
n
V ( ) = N n 2 [ n, ] = N n ( y[ n] T [ n] ) , R ,
def
unde
n =1
n =1
(0,1] .
Pentru a deduce versiunea optim a algoritmului MCMMP-R, se poate utiliza urmtoarea lem din Teoria
Matricilor (un caz particular al Lemei Sherman-Morrison):
(A + bb )
T 1
= A 1
A#5.4-1/1
A 1bbT A 1
,
1 + bT A 1b
25 puncte
A#5.5
Fie C N = {( xn , yn )}n1,N
o mulime de N
25 p
x y
+ = 1,
a b
unde a > 0 i b > 0 sunt semi-axele acesteia. Se dorete determinarea elipsei
care se situeaz cel mai aproape de toate punctele din plan definite prin
coordonatele C N , n sensul minimizrii erorii ptratice globale:
def
V ( ) = 2 [ n, ] ,
n =1
xn2 + yn2
=
2
2
n =1 uxn + vy n
N
n =1
xn2 + yn2
uxn2 + vyn2
Indicaie
Scriei ecuaiile pentru rezolvarea problemei de optimizare:
= arg min V () ,
R 2+
enun.
A#5.5-1/1
8 puncte
A#5.6
8 p
Indicaie
Cheia acestui exerciiu o constituie descompunerea Cholesky a matricii (matricea de auto-covarian a
zgomotului, matrice care are doar 4 elemente), dup rectigarea consistenei. Pentru a evalua aceast
descompunere, se va rezolva ecuaia = U T U , unde U este o matrice superior triunghiular.
A#5.6-1/1
20 puncte
A#6.1
20 p
x y
+ = 1,
a b
V ( ) = 2 [ n, ] ,
n =1
= [ a b] .
T
10 p
Indicaie
nainte de a determina relaiile iterative cerute, se recomand ca ecuaia semi-axei s fie
simplificat printr-o transformare inversabil ajuttoare.
A#6.1-1/1
7 puncte
A#6.2
7 p
[ n, ] [ n, k ] + [[ n, k ]] ( k ) , n N ,
T
V ( ) = 2 [ n, ] ,
n =1
A#6.2-1/1
15 puncte
A#6.3
15 p
(E-4.65)
Indicaii
Se va pleca de la urmtorul criteriu ptratic ponderat de o fereastr exponenial:
n
V ( ) = N n 2 [ n, ] = N n ( y[ n] T [ n] ) , R ,
def
n =1
n =1
unde (0,1] . Dei etimaia oferit de MVI nu minimizeaz un criteriu (ci este o definiie), acest criteriu poate
sugera forma acesteia n versiune off-line.
Pentru a deduce versiunea optim a algoritmului MVI-R, se poate utiliza urmtoarea lem din Teoria
Matricilor (un caz particular al Lemei Sherman-Morrison):
(A + bc )
T 1
= A 1
A#6.3-1/1
A 1bcT A 1
,
1 + c T A 1b
10 puncte
A#6.4
10 p
P ( ) :
y[ n] = T [ n] + v[ n] , n N ,
y[ n] = T [ n] + [ n, ] , n N ,
necunoscut.
( )
fiind
A#6.4-1/1
15 puncte
A#6.5
15 p
P
y
[
n
]
=
a
e
+ eRe [ n] + jeIm [ n]
k = K
2
E {eIm [ n]eIm [ m]} = Im 0 [ n m]
unde:
K N este indicele structural al modelului;
P 2 este perioada modelului;
{ak }k K ,K C sunt parametrii modelului;
1 p
5 p
2 p
Re,0
Im,0
A#6.5-1/1
28 puncte
A#6.6
y[ n] = u[ n 1] + u[ n 2] + v[ n] , n N ,
28 p
ARX[1,1] de forma:
y[ n] + ay[ n 1] = bu[ n 1] + e[ n] , n N ,
unde perturbaia are proprietatea e za ( 0, 2e ) i este necorelat cu intrarea.
Modelul este stabil i nebanal ( 0 <| a |< 1 , b 0 ).
3 p
3 p
10 p
12 p
x[ n] = u[ n 1] + u[ n 2] + v[ n] , n N .
Este posibil echivalarea dintre modelele ARX[1,1] i FIR[2], n acest
context? Dac da, determinai parametrii a , b i 2e n funcie de u2 i 2v .
Dac nu, argumentai de ce.
(ED-7, E-4.46)
Indicaie
Reamintim c dou procese sunt echivalente dac densitile spectrale ale ieirilor lor sunt identice.
A#6.6-1/1
5 puncte
O#I.1
5 p
y[ n ] = + v[ n] , n N ,
unde R este parametrul necunoscut, iar v este o perturbaie oarecare.
Plecnd de la setul de date achiziionate D = { y[ n]}n=1,N (cu N 1 ), s se
exprime estimaia oferit de MCMMP pentru parametrul msurat. Dac
v za ( 0, 2 ) , s se exprime i estimaia oferit de MCMMP pentru dispersia
necunoscut a zgomotului perturbator. Interpretai rezultatele obinute.
(E-4.44)
O#I.1-1/1
5 puncte
O#I.2
5 p
Fie un sistem de tip FIR a crui funcie pondere are lungimea M . Se cunoate
c timpul mort al sistemului are valoarea m < M . Care este ordinul minim de
persisten al unui semnal de intrare cu ajutorul cruia se pot determina
valorile secvenei pondere? Justificai rspunsul i determinai valorile
secvenei pondere utiliznd o intrare cu ordin minim de persisten.
(E-3.10)
O#I.2-1/1
5 puncte
O#I.3
5 p
O#I.3-1/1
5 puncte
O#I.4
5 p
O#I.4-1/1
5 puncte
O#I.5
5 p
ry [ k ] = y[ n] y[ n k ]
nZ
Y ( e j ) = y ( ) , R .
(Au fost folosite notaiile cunoscute.) Ce semnificaie credei c are aceast
identitate?
(ED-2, E-2.17)
O#I.5-1/1
5 puncte
O#I.6
5 p
O#I.6-1/1
5 puncte
O#P.1
5 p
2.5 p
2.5 p
y ( ) 1 &
u , y ( ) 1 , R ;
y [k ] 1 &
u , y [ k ] 1 , k Z .
n timp discret:
(PS-4, E-2.4)
Indicaii
n calculele aferente, n cazul timpului continuu, se poate utiliza inegalitatea Cauchy-Buniakovski-Schwartz
(cunoscut i sub numele de inegalitate a triunghiului).
n cazul timpului discret, se poate utiliza fie aceeai inegalitate, dar adaptat, fie, mai interesant, densitatea
spectral de putere (recomandat).
O#P.1-1/1
5 puncte
O#P.2
5 p
(E-4.42)
O#P.2-1/1
5 puncte
O#P.3
5 p
O#P.3-1/1
5 puncte
O#P.4
5 p
def
(E-3.2)
Indicaie
Pentru a evalua spectrul semnalului de ieire, se poate folosi urmtoarea identitate, obinut prin extinderea
definiiei OF la clasa semnalelor discrete periodice:
e
nZ
j n
= 20 () , R (impulsul Dirac).
O#P.4-1/1
5 puncte
O#P.5
5 p
ieire y . Artai c:
3 p
1 p
1 p
O#P.5-1/1
5 puncte
O#P.6
5 p
2 p
2 p
2 rT R 1r .
1 p
O#P.6-1/1
25 puncte
A#1.1
25 p
Ieirea unui proces stocastic este afectat de dou zgomote albe necorelate:
x[ n] = w[ n] + v[ n] + v[ n 1] , n N ,
def
y[ n] = e[ n] + ae[ n 1] , n N ,
unde e za ( 0, 2e ) , iar coeficientul necunoscut are proprietatea (de stabilitate):
0 <| a |< 1 . Dac ai ajuns la concluzia c modelele pot fi echivalate, artai cum
se exprim parametrii necunoscui a i 2e n funcie de parametrii zgomotelor
v i w . Dac modelele nu pot fi echivalate, argumentai rspunsul i ncercai
s gsii un alt model echivalent, din clasa ARMAX.
(DS-3.3, E-2.23)
Indicaie
Reamintim c dou procese sunt echivalente dac densitile spectrale ale ieirilor lor sunt identice.
A#1.1-1/1
15 puncte
A#1.2
15 p
, k <0
ry [ k ]
7 p
N
1
def
y[n] y[n k ] , k 0
sau ry [ k ] = N k n = k +1
.
, k <0
ry [ k ]
y [1]
ry [0]
def r
RM =
#
#
ry [ M ] ry [ M 1]
8 p
ry [ M ]
" ry [ M 1]
R M +1 ,
%
#
"
ry [0]
"
y [1]
ry [0]
def r
RM =
#
#
ry [ M ] ry [ M 1]
ry [ M ]
" ry [ M 1]
R M +1 ,
%
#
"
ry [0]
"
N =4.
(ES-3, E-2.6)
A#1.2-1/1
12 puncte
A#1.3
12 p
4 p
j t
d = 20 (t ) ,
t R ,
1
2
2
H ( j ) d = h(t ) dt .
6 p
2
1
H ( e j ) d = h 2 [ n ] .
2
nZ
2 p
A#1.3-1/1
15 puncte
A#1.4
15 p
A#1.4-1/1
8 puncte
A#1.5
8 p
unde:
def
u f [ n] =
B ( q 1 )
A (q
u[ n] , n N ,
Indicaie
Pentru a demonstra aceast proprietate, se va utiliza urmtoarea aproximaie:
def
2
N
1
T
P( N ) 2 R 1 E { [ n]T [ n]} R T cu R = E [ n] [ n] .
N
n =1
A#1.5-1/1
20 puncte
A#1.6
20 p
y[ n] = + v[ n] , n N ,
unde R este parametrul adevrat (necunoscut), iar v este o perturbaie
exprimat cu ajutorul unui model MA[1]:
v[ n] = e[ n] + c e[ n 1] , n N .
Parametrul adevrat necunoscut c este nenul, iar perturbaia e este un
zgomot alb ( e za 0, 2 ), cu dispersie de asemenea necunoscut. Se
2 p
8 p
8 p
estimrii parametrilor , c i 2 .
a. Se poate utiliza MCMMP pentru estimarea parametrilor necunoscui? Dac
rspunsul este afirmativ, determinaii estimaiile acestora folosind MCMMP.
Dac rspunsul este negativ, argumentai-l.
b. Exprimai valoarea parametrului adevrat folosind ecuaiile procesului.
Plecnd de la aceast expresie i folosind Ipoteza Ergodic, artai cum
poate fi el aproximat.
c. Folosind punctul b., deducei expresiile estimaiilor oferite de MCMMPE
pentru cei 3 parametri necunoscui, considernd c modelul intermediar
aproximant al procesului este de tip AR[1] (cu un singur parametru).
d. Analizai consistena estimaiilor de la punctul c.
(E-4.45)
A#1.6-1/1
15 puncte
A#2.1
4 p
15 p
A#2.1-1/1