public void IsDispersionLargerThanZero()
{
//Объявление параметров, которые поступают на вход маетодам экземплярам классов, которые проходят проверку.
int Rows = 3;
int Columns = 5000;
double A = 1.621;
double a = 0.542;
double alpha = 1.732;
double beta = 2.903;
double Sw = 1.973;
double tau = 0.01;
double ksi = 11.427;
double sigma = 3.464;
double teta = 0.286;
double fi = 4.414;
//Объявление экземпляра матрицы коваиаций.
Practice.Filter.Covariance TestMatrix = new Practice.Filter.Covariance(Rows, Columns, A, a, alpha, beta, Sw, tau, ksi, sigma, teta, fi);
TestMatrix.CalculateCovarianceMatrix();
//Объявление экземпляра формирующего фильтра и фильтрация.
Practice.Filter.FormingFilter TestFormingFilter = new Practice.Filter.FormingFilter(Rows, Columns, tau, ksi, sigma, teta, fi);
TestFormingFilter.Filter();
//Объявление экземпляра фильтра калмана и фильтрация.
Practice.Filter.KalmanFilter TestKalmanFilter = new Practice.Filter.KalmanFilter(Rows, Columns, TestFormingFilter.OutputSignal, TestMatrix);
TestKalmanFilter.Filter();
//Коэфициенты для которых считается дисперсия.
double[] factor = new double[3] {
0.2, 0.5, 0.8
};
for (int i = 0; i < 3; i++)
{
//Если дисперсия при всех коэффициентах положительна, то тест пройден.
//Дисперсия для формирующего фильтра.
Assert.IsFalse(Practice.StatisticalCharacteristics.Variance((byte)factor[i], TestFormingFilter.OutputSignal) < 0);
//Дисперсия для фильтра калмана.
Assert.IsFalse(Practice.StatisticalCharacteristics.Variance((byte)factor[i], TestKalmanFilter.E) < 0);
}
}
public void UnitTestCalculateNextValues()
{
//Посчитанные вручную значения.
double analyticallycalculate1 = 1.621;
double analyticallycalculate2 = 11.479;
double analyticallycalculate3 = -0.2553;
//Создание экземпляра матрицы и расчёт её значений(первых).
Practice.Filter.Covariance TestMatrix = new Practice.Filter.Covariance(Rows, Columns, A, a, alpha, beta, Sw, tau, ksi, sigma, teta, fi);
TestMatrix.CalculateCovarianceMatrix();
//Точность округления значений.
int accuracy = 3;
//Если значения не совпали с подсчитанными вручную, то тест не пройден.
Assert.IsFalse
(
Math.Round(TestMatrix.CovarianceMatrix[0][0, 1], accuracy) != Math.Round(analyticallycalculate1, accuracy) &&
Math.Round(TestMatrix.CovarianceMatrix[1][0, 1], accuracy) != Math.Round(analyticallycalculate2, accuracy) &&
Math.Round(TestMatrix.CovarianceMatrix[2][0, 1], accuracy) != Math.Round(analyticallycalculate3, accuracy) &&
Math.Round(TestMatrix.CovarianceMatrix[3][0, 1], accuracy) != Math.Round(analyticallycalculate3, accuracy)
);
}
public void UnitTestCalculateInitialConditions()
{
//Посчитанные вручную значения.
double analyticallycalculate1 = 1.621;
double analyticallycalculate2 = 11.479575;
double analyticallycalculate3 = -0.25704;
//Создание экземпляра матрицы и расчёт её значений(начальных).
Practice.Filter.Covariance TestMatrix = new Practice.Filter.Covariance(Rows, Columns, A, a, alpha, beta, Sw, tau, ksi, sigma, teta, fi);
TestMatrix.CalculateCovarianceMatrix();
//Если значения не совпали с подсчитанными вручную, то тест не пройден.
for (int j = 0; j < Rows; j++)
{
Assert.IsFalse
(
TestMatrix.CovarianceMatrix[0][j, 0] != analyticallycalculate1 &&
TestMatrix.CovarianceMatrix[1][j, 0] != analyticallycalculate2 &&
TestMatrix.CovarianceMatrix[2][j, 0] != analyticallycalculate3 &&
TestMatrix.CovarianceMatrix[3][j, 0] != analyticallycalculate3
);
}
}
public void TestWrongInputData()
{
//Переменная, в которой отмечается, пройден ли тест.
//Тест содержит такие параметры, при которых программа упадет.
bool ItsOK = true;
//Объявление параметров, которые поступают на вход маетодам экземплярам классов, которые проходят проверку.
int Rows = -1;
int Columns = 5000;
double A = 1.621;
double a = 0.542;
double alpha = 1.732;
double beta = 2.903;
double Sw = 1.973;
double tau = 0.01;
double ksi = 11.427;
double sigma = 3.464;
double teta = 0.286;
double fi = 4.414;
//Объявление экземпляра формирующего фильтра.
Practice.Filter.FormingFilter TestFormingFilter = null;
//Попытка инициализации этого экземплряра и запуск метода с данными параметрами.
try
{
TestFormingFilter = new Practice.Filter.FormingFilter(Rows, Columns, tau, ksi, sigma, teta, fi);
TestFormingFilter.Filter();
}
catch (System.Exception e)
{
ItsOK = false;
}
//Объявление экземпляра матрицы коваиаций.
Practice.Filter.Covariance TestMatrix = null;
//Попытка инициализации этого экземплряра и запуск метода с данными параметрами.
try
{
TestMatrix = new Practice.Filter.Covariance(Rows, Columns, A, a, alpha, beta, Sw, tau, ksi, sigma, teta, fi);
TestMatrix.CalculateCovarianceMatrix();
}
catch (System.Exception e)
{
ItsOK = false;
}
//Объявление экземпляра фильтра калмана.
Practice.Filter.KalmanFilter TestKalmanFilter = null;
//Попытка инициализации этого экземплряра и запуск метода с данными параметрами.
try
{
TestKalmanFilter = new Practice.Filter.KalmanFilter(Rows, Columns, TestFormingFilter.OutputSignal, TestMatrix);
TestKalmanFilter.Filter();
}
catch (System.Exception e)
{
ItsOK = false;
}
//Если при данных параметрах во время создания экземпляра или в ходе работы метода будет ошибка, то тест будет пройден.
Assert.IsFalse(ItsOK);
}