Nama : Dony Eka Pratama

NIM : 3332190005

MK : Pemodelan dan Identifikasi Sistem

Kelas : B

Review Pertemuan 9 Correlation Analysis with Continuous Time Models

Pada awal setiap percobaan, seseorang harus menunggu pembusukan transien. Karena
keadaan ini, metodenya tidak cocok untuk identifikasi online secara real time. Dengan
demikian, menarik untuk menggunakan tes sinyal yang memiliki spektrum frekuensi yang
luas dan dengan demikian membangkitkan lebih banyak frekuensi pada sekali seperti yang
dilakukan sinyal uji deterministik non-periodik. Persyaratan ini terpenuhi oleh sifat-sifat
sinyal stokastik dan pseudo-stochastic yang diturunkan darinya sinyal. Sinyal stokastik dapat
dihasilkan secara artifisial atau seseorang dapat menggunakan sinyal yang muncul selama
operasi normal pabrik, jika cocok. Dengan korelasi sinyal uji dan sinyal keluaran, respons
yang ditimbulkan oleh sinyal uji berbobot berbeda dari kebisingan. Ini menghasilkan
pemisahan otomatis dari ingin sinyal dari kebisingan dan dengan demikian penindasan
kebisingan.

Pada review ini mencakup metode korelasi untuk identifikasi non-periodik model
untuk sinyal waktu kontinu. Sejak saat ini, fungsi korelasi adalah biasanya dievaluasi oleh
komputer digital, penggunaan fungsi korelasi juga akan disajikan pada kasus waktu diskrit.
Mencakup estimasi fungsi korelasi dalam waktu yang terbatas dan merumuskan kondisi
untuk konvergensi dari perkiraan. Selanjutnya, identifikasi proses yang dieksitasi oleh
stokastik sinyal melalui ACF dan CCF. Korelasinya analisis dengan sinyal uji biner, terutama
dengan sinyal biner pseudo acak dan sinyal biner acak umum. Masalah identifikasi dengan
bantuan analisis korelasi dalam loop tertutup.

Analisis korelasi dengan sinyal uji stokastik atau pseudo-stokastik memungkinkan

estimasi model non-parametrik untuk proses linier. Mereka dapat digunakan untuk
identifikasi online secara real-time dan memberikan respon impuls dari proses jika: proses
didorong oleh sinyal input berwarna atau putih. Untuk sinyal masukan white noise, respon
impuls berbanding lurus dengan fungsi korelasi silang. Karena korelasi silang dari sinyal
stasioner secara otomatis memisahkan yang diinginkan sinyal dari kebisingan, seseorang
dapat menerapkan metode ini bahkan di hadapan besar gangguan dan rasio signal-to-noise
yang tidak menguntungkan. Satu-satunya persyaratan adalah bahwa waktu pengukuran yang
cukup lama diperbolehkan.

Contoh implementasinya yaitu untuk CCF bisa dijumpai sebagai parabola dan untuk
investigasi koordinasi trunk muscle selama berjalan. Untuk ACF bisa dijumpai sebagai
deteksi gangguan yang tersembunyi tanpa sinyal.