Оценка снизу для остаточного члена имеет вид

Пример 2.4. Определим шаг равномерной дискретизации на основе многочлена Тейлора нулевой степени.

Значение восстанавливающей функции u*(t) в любой момент времени t на каждом j-м интервале t_j-1 , принимается равным u(t_j-1) (рис. 2.9).

Значение остаточного члена L достигает максимума в конце интервала (при t=t_j):

поэтому шаг дискретизации должен удовлетворять условию

Пример 2.5. Определим шаг равномерной дискретизации с по мощью многочлена Тейлора первой степени.

При восстановлении сигнала u(t) помимо отсчета u(t₀) используется значение первой производной в момент времени t₀ - u'(to)

Максимум значения остаточного члена

достигается при t = t_j, Соответственно получаем соотношение для шага дискретизации

Восстановление сигнала происходит без задержки во времени (рис 2.10) Однако по сравнению с интерполяционным методом (пример 2.3) для него требуется вдвое большее число отсчетов

§ 2.9. АДАПТИВНАЯ ДИСКРЕТИЗАЦИЯ

Если ранее рассмотренные методы и алгоритмы дискретизации были рассчитаны на все множество возможных реализаций сигнала и потому опирались на предельные значения его динамических характеристик, то при адаптивной дискретизации мы ориентируемся на динамические характеристики конкретной реализации, что позволяет получить минимальное число выборок, обеспечивающих восстановление этой реализации с заданной точностью

В основе принципа адаптивной дискретизации лежит непосредственное слежение за текущей погрешностью восстановления сигнала ε

Наиболее широкое применение на практике получили алгоритмы дискретизации с адаптацией по длине интервала аппроксимации. В процессе последовательного наращивания интервала аппроксимации производится сравнение сигнала u(t) с воспроизводящей функцией u*(t), формируемой с учетом текущих значений динамических характеристик сигнала. Когда погрешность воcпроизведения достигает заданного значения ε₀, наращивание интервала прекращается и производится отсчет. Интервалы времени между отсчетами при этом оказываются произвольными.

В качестве воспроизводящих функций наиболее часто используются степенные алгебраические полиномы (2.5) нулевой и первой степеней. При этом возможны как интерполяционные, так и экстраполяционные способы адаптивной дискретизации Интерполяционные способы не нашли широкого применения, поскольку их реализация связана с запоминанием сигнала на интервале аппроксимации и выполнением большого числа вычислительных операций. Поэтому ограничимся рассмотрением примеров адаптивной дискретизации на основе экстраполяции

Пример 2.6. Провести адаптивную дискретизацию реализации сигнала u(t), изображенной на рис 2.11, с использованием аппроксимирующего многочлена типа (2.5) нулевой степени. Наибольшее допустимое отклонение равно e₀.

На момент t_j начала каждого интервала аппроксимирующий полином u*(t) принимаем равным u(t_j) и вычисляем разность Δu(t)=u(t) - u*(t_j), которую сравниваем с ε₀. Установление равенства

соответствует моменту t_j+1 окончания интервала и проведения очередного отсчета.

Результаты дискретизации отображены на том же рисунке.

Пример 2.7.Провести адаптивную дискретизацию реализации сигнала u(t) изображенного на рис 2.12 многочленом типа (2.5) первой степени. Наибольшее допустимое отклонение равно ε₀.

На момент t_j начала каждого интервала аппроксимации

где u'(t_j) — производная сигнала u(t) в момент времени t_j.