Тема пространство и метрология сигналов физическая величина более точно определяется уравнением, чем измерением icon

Тема пространство и метрология сигналов физическая величина более точно определяется уравнением, чем измерением


Смотрите также:
Одновременное изменение разных физических величин...
Лекция Дифференциал функции...
Положение о рейтинговой оценке студентов Специальность «Физическая культура» по дисциплине...
Актуальность темы исследования определяется мировыми культурными процессами...
Стратегическими целями предприятия в области финансов являются обеспечение его ликвидности и...
Бойко борисов: Не случайно за две години виждате...
Программа вступительного экзамена по специальности 05. 12. 13 "системы...
Философия это инструкция для достижения кратчайшим путем счастья...
2 Этнокультурная ситуация в Балаково (К. С. Мокин)...
Понятие энтропии было введено Клаузиусом...
Курсовая работа...
Доклад посвящен реализации программного обеспечения...



Загрузка...
страницы:   1   2   3
скачать




СИГНАЛЫ и ЛИНЕЙНЫЕ СИСТЕМЫ

Signals and linear systems

Тема 2. ПРОСТРАНСТВО и МЕТРОЛОГИЯ СИГНАЛОВ

Физическая величина более точно определяется уравнением, чем измерением.

Макс Планк. Немецкий физик – теоретик, XVIII-XIX в.

Между тем, уравнение - только математическая модель физической величины.

А без измерений понятия точности вообще не существует.

Борис Старцев. Уральский геофизик – практик, XX-XXI в.

Содержание

1. Пространство сигналов. Множества сигналов. Линейное пространство сигналов. Норма сигналов. Метрика сигналов. Скалярное произведение сигналов. Корреляция сигналов. Координатный базис пространства.

2. Мощность и энергия сигналов. Понятия мощности и энергии сигналов.

3. Пространства функций. Нормирование метрических параметров. Ортогональные сигналы. Ортонормированный базис пространства. Разложение сигнала в ряд. Ортонормированные системы функций. Разложение энергии сигнала.

4. Функции корреляции сигналов. Корреляционные функции сигналов. Взаимная корреляционная функция.

5. Математическое описание шумов и помех. Шумы и помехи. Природа помех. Характеристики помех.

ВВЕДЕНИЕ

В данной теме метрология сигналов рассматривается, в основном, на уровне понятий и базовых определений, предваряя их более подробное изучение в дальнейших темах курса. Это объясняется тем, что при детальном изучении каких-либо характеристик или свойств сигналов их рассмотрение не может выполняться в отрыве от других метрологических характеристик сигналов и требует определенной ориентировки в общей метрологии сигналов, хотя бы на уровне понятий.

^ 2.1. Пространство сигналов [1,3,16,29].

Важнейшее свойство аналоговых и дискретных сигналов заключается в том, что их линейные комбинации также являются аналоговыми или дискретными сигналами. Линейные комбинации цифровых сигналов, в силу их ограничения по разрядности, в принципе относятся к разряду нелинейных операций, однако последним фактором можно пренебречь, если ошибки, которые вносятся в результаты наблюдений при квантовании отсчетов, достаточно малы по сравнению с шумами зарегистрированной информации. При дискретизации и квантовании данных непосредственно на входах в ЭВМ это условие выполняется практически всегда, поскольку ошибки определяются разрядностью ЭВМ и программными системами обработки данных, которые обычно не ниже 6-12 десятичных разрядов.

Множества сигналов. Сигналы обычно рассматриваются в составе определенных множеств L, объединенных каким-либо свойством Р, характерным для всех и каждого из сигналов данного множества. Условное отображение множества: L = {s; P} – множество всех s, для которых справедливо свойство Р. Определив свойство Р, мы тем самым можем ограничивать сигналы, действующие в каких-либо системах, определенными типами, условиями, границами по параметрам и т.п.

Пример 1. Множество гармонических сигналов.

L = {s; s(t)} = A·cos (t+), - < t < }.

Множество содержит гармонические сигналы с произвольными значениями амплитуд, частот и фаз.

Пример 2. Множество периодических сигналов.

L(Т) = {s; s(t) = s(t+kT), - < t < , k  I}.

Пример 3. Множество сигналов, ограниченных по амплитуде и длительности.

L(K,T) = {s; |s(t)| ≤ K, s(t)=0 при |t| > T}.

Множества сигналов могут образовываться из других, ранее определенных множеств, логическими операциями объединения (индекс - ) и пересечения (индекс - ):

L = S1  S2 = {s; s  S1 или s  S2},

L = S1  S2 = {s; s  S1 и s  S2}.

Возможно разбиение множества сигналов на непересекающиеся подмножества, более удобные для обработки, при этом для множества S, разбитого на совокупность подмножеств {S1, S2, S3, …, SN}, должны выполняться условия:

S = S1  S2  S3  …  SN,

Sn  Sm =  для n ≠ m.

Запись S1  S означает, что множество S1 входит в состав множества S, т.е. является подмножеством в составе S.

Преобразование элементов vi множества V в элементы gi множества G называется отображением (трансформацией, преобразованием) V в G. Символьные записи преобразования: g = T[v] или v → g, при этом элементы v называют прообразом множества g, а элементы g – образом множества v.

Если преобразование выполняется над числами одного множества R (например, x = T[y]), то такое преобразование порождает функциональную зависимость x = f(y).

Если преобразование выполняется над функциями одного и того же множества L (например, f(t) = T[g(t)], f(t)  L и g(t)  L), то алгоритм преобразования T[..] называют оператором преобразования f(t) в g(t).

Преобразование g = T[f(t)] функций f(t) множества F называют функционалом, если результатом преобразования являются числовые значения g множества G. Примерами функционалов являются интегралы функций в определенных пределах.

Преобразование может выполняться функциональными операторами с переводом функций одной переменной, например t, в функции по другой переменной, например , Типичным примером функционального оператора является преобразование Фурье. В комплексной форме:

S() = s(t) exp(-jt) dt.

Пространство сигналов. Для анализа и обработки информации, которая может быть заключена в сигналах, требуется выделять из множества сигналов сигналы с определенными параметрами, сравнивать сигналы друг с другом, оценивать изменение сигналов при их прохождении через системы обработки данных, и т.п. Это может выполняться только при "помещении" множества сигналов в определенные метрические пространства с заранее оговоренными свойствами и единицами измерений. Так, "квартирное пространство" любого города включает, как минимум, три структурных единицы: названия улиц, номера домов, номера квартир, что и определяет пространство "квартирных сигналов". Но это пространство не является метрическим, так как оно не имеет нулевой точки и единиц измерений, по нему нельзя определить расстояние между двумя "квартирными сигналами". Положение на поверхности Земли любого объекта однозначно определяется по "координатному сигналу" в заранее сформированных метрических координатных пространствах с нулевыми точками и принятыми единицами измерений. Для практического использования сформированы также различные пространства картографических проекций с определенными структурными ограничениями, жестко установленная метрология которых позволяет трансформировать информацию из одного пространства в другое, более удобное для отображения или обработки определенными программами.

Главным условием превращения множество сигналов L{s1(t), s2(t), …}, которые имеют какие-то общие свойства, в функциональное пространство сигналов является выполнение условия однозначной реализации. Если пространство значений независимой переменной t задано выражением R:=(-,+), то пространство сигналов LP[R] определяет множество сигналов в этом пространстве, для которых условие однозначной реализации записывается в следующей форме:

|s(t)|p dt < .

Для анализа сигналов наиболее часто используется гильбертово пространство, сигналы в котором должны удовлетворять условию интегрирования с квадратом:

|s(t)|2 dt < .

Периодические сигналы обычно рассматриваются в пространстве L2 [0, 2 одного периода:

|s(t)|2 dt < .

Метрические пространства должны иметь определенную систему координат, что позволяет рассматривать любые произвольные сигналы х и у, принадлежащие пространству, в виде векторов, соединяющих начало координат с определенными точками этого пространства и определять расстояние (x,y) между этими точками (метрика). Так как расстояние между точками должно быть числовым, а сигналы х и у представляют собой функции, то (x,y) представляет собой функционал, для которого в метрическом пространстве должны быть справедливы следующие аксиомы:

  • (x,y) ≥ 0; (x,y) = 0 при х = у,

  • (x,y) = (y,x),

  • (x,z) ≤ (x,y) + (y,z) - неравенство треугольника.

Каждый элемент векторного пространства может отображаться проекциями на координатные оси, а для обработки и преобразований сигналов могут использоваться операции векторной алгебры. Достаточно простые алгебраические взаимосвязи между сигналами характерны для линейных пространств.

Линейное пространство сигналов. Метрическое пространство является линейным, если в нём определены операции сложения векторов и умножения вектора на скаляр, в результате которых образуется новый вектор в том же пространстве. Множество сигналов L образует линейное пространство сигналов, если для него справедливы следующие аксиомы

  1. Множество содержит такой нулевой элемент , что для всех сигналов u(t)  L выполняется равенство u(t) +  = u(t).

  2. Для любых сигналов u(t)  L и v(t)  L существует их сумма s(t) = u(t)+v(t), которая также содержится в L. При этом операция суммирования должна быть

- коммутативна: u(t)+v(t) = v(t)+u(t),

- ассоциативна: u(t)+(v(t)+x(t)) = (u(t)+v(t))+x(t),

- однородна: u(t) + (-u(t)) = .

  1. Существует множество скалярных элементов , на которые может выполняться умножение любого сигнала s(t)  L, при этом результат умножения является новым сигналом y(t) = s(t) в том же пространстве, у(t)  L. Операция умножения должна быть

- ассоциативна: (·s(t)) = ·s(t),

- дистрибутивна: (u(t)+s(t)) = u(t)+s(t), (+)s(t) = s(t)+s(t),

- пропорциональна: 1·s(t) = s(t), 0·s(t) = 0.

Пример. Множество сигналов L состоит из импульсных сигналов произвольной формы с амплитудой не более 10 вольт. Образуют ли эти сигналы линейное пространство?

Нет, не образуют, так как не выполняется, по крайней мере, вторая аксиома линейного пространства (сумма двух сигналов с амплитудой более 5 вольт превышает 10 вольт). Требуются дополнительные структурные ограничения по параметрам сигналов.

Сигналы могут описываться как вещественными, так и комплексными функциями, и линейные пространства также могут быть вещественными или комплексными. Скалярные множества обычно отождествляются с множествами действительных или комплексных чисел, но на них также могут накладываться определенные ограничения. Так, например, в теории связи широко применяется бинарное скалярное множество {0, 1}.

Множество L, для которого выполняются приведенные выше аксиомы, при анализе сигналов и систем может рассматриваться как специальным образом сконструированное многомерное (в пределе – бесконечномерное) геометрическое пространство. Рассмотрим это на конкретном примере.

Имеем произвольный сигнал s(t), заданный на интервале [a, b]. Дискретизируем сигнал с равномерным шагом дискретизации и переведем в цифровую форму (представим сигнал N последовательными выборками):

s = (s1, s2, … , sN).

В таком отображении величина s может рассматриваться в виде N-мерного вектора в N-мерном пространстве, в котором значения sn представляют собой проекции s-вектора на координатные оси данного пространства. Двумерный вектор в двумерном пространстве – это точка с координатами s1 и s2 на рис. 2.1.1. Соответственно, в трехмерном пространстве сигнал s представлен точкой в трехмерном пространстве. Представить себе N-мерное пространство при N>3 можно только абстрактно, но с математических позиций такое пространство вполне реально и N-мерный сигнал s отображается вполне определенной точкой в этом пространстве с координатами sn по осям пространства. При уменьшении интервала дискретизации сигнала до бесконечно малой величины значение N стремится к бесконечности, и пространство сигналов превращается в бесконечномерное пространство аналоговых сигналов. Следовательно, и аналоговые сигналы могут рассматриваться как предельный случай бесконечномерных векторов.



Рис. 2.1.1. Пространства сигналов и функций.

С учетом вышеизложенного, для математического анализа систем и сигналов в линейном пространстве может использоваться математика векторов.

В линейном пространстве L{un; n=0,1,2,…,N} всегда можно выделить множество векторов {xn; n=0,1,2,…,N}, для которых выполняется равенство нулю их линейной комбинации

n xn = 0 (2.1.1)

только при условии равенства нулю всех значений k. Такое множество векторов называется линейно независимым. Ни один вектор линейно независимого множества не может быть выражен в виде какой-либо линейной комбинации других векторов этого пространства. Такое множество векторов называется базисом N-мерного пространства L{un; N}. Линейная комбинация таких  линейно независимых векторов образует векторное пространство где каждый вектор U может быть выражен единственной линейной комбинацией векторов xn:

U =n xn

Совокупность  чисел {n} называется спектром вектора U в этом базисе. Спектр вектора в общем случае может быть комплексным.

Линейные пространства сигналов имеют, как правило, не единственный базис. Выбор базиса определяется простотой и удобством его использования при обработке сигналов.

Пример. Имеем множество сигналов в виде числовых последовательностей, каждая из которых состоит из N чисел (N-мерные вектор-строки). Для сигналов задано скалярное пространство чисел R = {, 0 ≤  ≤ 10}. При этом пространство сигналов N-мерно и может быть определено линейной комбинацией:

L = {y; y =n xn, 0 ≤  ≤ 10, xn – базис пространства}.

x0 = {1,0,0,0,…,0},

x1= {0,1,0,0,…,0},

x2= {0,0,1,0,…,0},

………………….

xN= {0,0,0,0,…,1},

Любой сигнал в этом пространстве определен точкой с N - координатами в базисе xn.

Основными метрическими параметрами линейного пространства являются норма, метрика и скалярное произведение сигналов.

Норма сигналов в линейном пространстве является аналогом длины векторов, и обозначается индексом ||s(t)|| - норма (norm). В математике существуют различные формы норм. При анализе сигналов обычно используются квадратичные нормы

||s(t)|| =. (2.1.2)

Для дискретных сигналов:

||s(n)|| =. (2.1.2')

Для комплексных сигналов

||s(t)|| =, (2.1.2'')

где s*(t) – величины, комплексно сопряженные с s(t).

Линейное пространство сигналов L является нормированным, если каждому сигналу пространства s(t) однозначно сопоставлена его числовая норма ||s(t)||, и выполняются следующие аксиомы:

  1. Норма неотрицательна (||s(t)|| ≥ 0) и равна нулю тогда и только тогда, когда сигнал равен нулю (||s(t)|| = , при s(t) = ).

  2. Для любого числа b должно быть справедливо равенство ||bs(t)|| = |b|  ||s(t)||.

  3. Если v(t) и u(t) – сигналы из пространства L, то должно выполняться неравенство треугольника ||v(t)+u(t)||  ||v(t)|| + ||u(t)||.

Пример норм для двумерных цифровых сигналов приведен на рис. 2.1.2.




Рис. 2.1.2. Норма и метрика сигналов.
Метрика сигналов. Линейное пространство сигналов L является метрическим, если каждой паре сигналов s(t)  L и v(t)  L однозначно сопоставляется неотрицательное число (s,v) – метрика (metric) или расстояние между векторами. Пример метрики для двух векторов в двумерном пространстве приведен на рис. 2.1.2.

Для метрик сигналов в метрическом пространстве любой размерности должны выполняться аксиомы:

  1. (s,v) = (v,s) – рефлексивность метрики.

  2. (s,s) = 0 для любых s(t)  L.

  3. (s,v)  (s,a) + (a,v) для любых a  L.

Метрика определяется нормой разности двух сигналов (см. рис. 2.1.2)

(s,v) = || s(t) – v(t) ||. (2.1.3)

В свою очередь норму можно отождествлять с расстоянием от выбранного элемента пространства до нулевого ||s(t)|| = (s(t),).

По метрике сигналов можно судить, например, о том, насколько точно один сигнал может быть аппроксимирован другим сигналом, или насколько изменяется выходной сигнал относительно входного при прохождении через какое-либо устройство.




Рис. 2.1.3.
Пример. Сигнал на интервале (0,Т) представляет собой половину периода синусоиды амплитудой A: s(t) = Asin(t/T), 0  t  T. Требуется аппроксимировать сигнал прямоугольным импульсом п(t) (см. рис. 2.1.3).

Если принять амплитуду импульса п(t) равной В, то квадрат расстояния между сигналами: 2(s,п) =(A sin(t/T)-В)2 dt = A2^ T/2 - 4ABT/ + B2T.

Для решения задачи требуется найти минимум выражения 2(s,п). Дифференцируем полученное выражение по В, приравниваем нулю и, решая относительно В, находим значение экстремума: В = 2A/  0.64А. Это искомое значение минимума функции 2(s,п) (вторая производная функции по В положительна). При этом минимальное значение метрики: min  0.31A. Вычислим нормы сигналов при А = 1:

Еs = А2 sin2 (t/T) dt = A2 T/2 = 10. Норма: ||s(t)|| == 0.707 A 3.16.

Еп = B2 dt = B2 T  8.1. Норма: ||п(t)|| = = B 2.85.

Метрика (2.1.3) не единственно возможная. Пространство сигналов может иметь несколько метрик. Так, для дискретных сигналов, заданных на интервале Т, могут задаваться метрики по модулю разности и по максимуму модуля разности:

1(s,v) =|sn - vn|, 1(s,v) = maxn |sn - vn|.

Метрика в пространстве N-разрядных двоичных сигналов х и у для любой парой таких сигналов вполне будет определяться числом несовпадающих символов, которое называют расстоянием по Хеммингу для двоичных слов:

(x,y) =[sn ⊕ vn],

где знак  означает сложение по модулю 2 (1+0 = 0+1 = 1, 0+0 = 1+1 = 0 без переноса в старший разряд).

Скалярное произведение произвольных сигналов u(t) и v(t) отражает степень их связи (сходства) по форме и положению в пространстве сигналов, и обозначается как u(t), v(t).

u(t), v(t) = ||u(t)||||v(t)|| cos , (2.1.4)

Физическую сущность скалярного произведения векторов в двумерном пространстве можно наглядно видеть на рис. 2.1.4. Это произведение "длины" (нормы) одного вектора на проекцию второго вектора по "направлению" первого вектора.



Рис. 2.1.4. Скалярное произведение сигналов в двумерном пространстве.

При кажущейся абстрактности скалярного произведения сигналов оно может приобретать вполне конкретный физический смысл для физических процессов, которые отображаются этими сигналами. Так, например, если v = F – сила, приложенная к телу, а u = s – перемещение тела под действием этой силы, то скалярное произведение W = F·s определяет выполненную работу, при условии совпадения силы с направлением перемещения. В противном случае, при наличии угла  между векторами силы и перемещения, работа будет определяться проекцией силы в направлении перемещения, т.е. W = s·F·cos .

Вычисление скалярного произведения обычно производится непосредственно по сигнальным функциям. Поясним это на примере двумерных сигналов с использованием рисунка 2.1.2. Для квадрата метрики сигналов s и v имеем:

||s-v||2 = ||s||2 + ||v||2 – 2 ||s|| ||v|| cos ||s||2 + ||v||2 – 2s, v.

2s,v = ||s||2 + ||v||2 - ||s-v||2 = (s12+s22)+(v12+v22)–{(s1-v1)2+(s2-v2)2} = 2(s1v1+s2v2).

s,v = s1v1+s2v2.

Обобщая полученное выражение на аналоговые сигналы:

s(t), v(t) = s(t)v(t) dt. (2.1.5)

Соответственно, для дискретных сигналов в N-мерном пространстве:

sn, vn =sn vn. (2.1.5')

Линейное пространство аналоговых сигналов с таким скалярным произведением называется гильбертовым пространством Н (второе распространенное обозначение - L2). Линейное пространство дискретных и цифровых сигналов - пространством Евклида (обозначение пространства - R2). Норма и метрика пространств Гильберта и Эвклида определяются выражениями (2.1.2) и (2.1.3). Метрика пространств называется среднеквадратичной метрикой и определяет среднеквадратичное отклонение одного сигнала от другого. В этих пространствах справедливо фундаментальное неравенство Коши-Буняковского

|s,v|  ||s||||v||, (2.1.6)

т.к. модуль косинуса в (2.1.4) может быть только равным или меньше 1

Для комплексного гильбертова пространства скалярное произведение вычисляется по формуле

s(t), v(t) =s(t)v*(t) dt. (2.1.7)

При определении функций в пространстве L2[a,b] вычисление скалярного произведения производится соответственно с пределами интегрирования от а до b.

Из выражения (2.1.4) следует косинус угла между сигналами:

cos  = s(t),v(t) /(||s||||v||). (2.1.8)

Пример. Имеется два смещенных во времени прямоугольных импульса с одинаковой амплитудой и длительностью: s1(t) = 2 при 0  t  5, s1(t) = 0 при других t; и s2(t) = 2 при 4  t  9, s2(t) = 0 при других t.

Квадраты норм сигналов: ||s1||2 = s12(t)dt = 20. ||s2||2 = s22(t)dt = 20

Скалярное произведение: s1,s2 =  s1(t) s2(t) dt = 8.

Отсюда имеем: cos  = (s1,s2)/ (||s1||||s2||) = 8/20 = 0.4 и   1.16 радиан  66о

При полном совмещении сигналов: s1,s2 =s1(t) s2(t) dt = 20, cos  = 1,  = 0.

При отсутствии перекрытия сигналов; s1,s2 = 0, cos  = 0,  = 90о.

Физическое понятие "угла" между многомерными сигналами довольно абстрактно. Однако при рассмотрении выражения (2.1.8) совместно с выражением для квадрата метрики сигналов

(s,v) =[s(t)-v(t)]2 dt = ||s||2 + ||v||2 - 2||s||||v|| cos .

можно отметить следующие закономерности. При  (cos  = 1) сигналы "совпадают по направлению" и расстояние между ними минимально. При  = /2 (cos  = 0) сигналы "перпендикулярны друг другу" (иначе говоря – ортогональны), и проекции сигналов друг на друга равны 0. При  =  (cos  = -1) сигналы "противоположны по направлению" и расстояние между сигналами максимально. Фактор расстояния между сигналами играет существенную роль при их селекции в многоканальных системах.




Рис. 2.1.5.
Корреляция сигналов.

Заметим, что значение косинуса в (2.1.8) изменяется от 1 до -1, и не зависит от нормы сигналов ("длины" векторов). Максимальное значение cos  = 1 соответствует полной тождественности относительной динамики сигналов, минимальное значение cos  = -1 наблюдается при полной противоположности значений относительной динамики сигналов. По существу, коэффициент r = cos является интегральным коэффициентом степени сходства формы сигналов по пространству их задания. С учетом этого он и получил название коэффициента корреляции сигналов. На рис. 2.1.5 можно наглядно видеть значения коэффициента корреляции двух сигналов в зависимости от их формы и сдвига по независимой переменной.

Однако количественные значения коэффициентов корреляции существенно зависят от выбора нулевой точки сигнального пространства. Рассмотрим это детально на конкретном примере.




Рис. 2.1.6.
На рис. 2.1.6 приведено изменение средней месячной температуры воздуха в трех городах земного шара в течение одного календарного года. Характер корреляции между изменениями температур в городах достаточно хорошо виден на графиках. Вычислим (см. пример ниже) значения коэффициентов корреляции для шкалы температур по Цельсию.

Пример. Среднемесячная температура воздуха в городах по Цельсию:

Екатеринбург: Ek = {-12,-10,-4,5,11,19,23,21,15,5,-3,-8}. Дели: Dk = {15,18,22,28,33,35,33,32,30,28,21,17}.

Буэнос-Айрес: Bk = {26,24,21,18,14,11,10,10,12,15,20,23}. Нумерация месяцев: k = 1, 2, 3, …, 12.

Норма сигналов: ||E|| = = 45.39, ||D|| = = 93.05, ||B|| = = 61.9.

Скалярные произведения: E, D = = 2542, E, B = 268, B, D = 4876.

Коэффициенты корреляции: Екатеринбург – Дели: rED = E, D / (||E|| ||D||) = 0.602.

Екатеринбург – Буэнос-Айрес: rEB = 0.095, Дели – Буэнос-Айрес: rDB = 0.847,

Как следует из вычислений, полученные коэффициенты корреляции маловыразительны. Практически не регистрируется разнонаправленная корреляция Екатеринбург - Буэнос-Айрес, и не различаются одно- (Екатеринбург – Дели) и разнонаправленные (Дели – Буэнос-Айрес) типы корреляции.

Повторим вычисления в шкале Фаренгейта (0оF = -17,8oC, 100oF = +37,8oC), и в абсолютной шкале температур Кельвина. Дополнительно вычислим значения коэффициентов корреляции в шкале Цельсия и Фаренгейта для центрированных сигналов. Центрированный сигнал вычисляется путем определения среднего значения сигнала по интервалу его задания и вычитания этого среднего значения из исходных значений сигнала, т.е. среднее значение центрированного сигнала равно нулю. Сводные результаты вычислений приведены в таблице.

Таблица 2.1.1.

Коэффициенты корреляции сигналов

Пары городов

Нецентрированные сигналы

Центрированные сигналы

Цельсий

Фаренгейт

Кельвин

Цельсий

Фаренгейт

Екатеринбург – Дели

Екатеринбург – Буэнос-Айрес

Дели – Буэнос-Айрес

0.602

0.095

0.847

0.943

0.803

0.953

1

0.998

0.999

0.954

-0.988

-0.960

0.954

-0.988

-0.960

Как видно из таблицы, значения коэффициента корреляции нецентрированных сигналов существенно зависят от положения сигналов относительно нулевой точки пространства. При одностороннем смещении сигналов относительно нуля (шкала Фаренгейта) значение коэффициента корреляции может быть только положительным, и тем ближе к 1, чем дальше от сигналов нулевая точка (шкала Кельвина), т.к. при больших значениях сигналов-векторов значение скалярного произведения сигналов стремится к значению произведения норм сигналов.

Для получения значений коэффициентов корреляции, независимых от нуля сигнального пространства и от масштаба единиц измерений, необходимо вычислять коэффициент по центрированным сигналам, при этом в оценках коэффициента, как это видно из результатов, приведенных в таблице, появляется знаковый параметр совпадения или несовпадения по "направлению" корреляции и исчезает зависимость от масштаба представления сигналов. Это позволяет вычислять коэффициенты корреляции различных сигналов вне зависимости от физической природы сигналов и их величины.





Скачать 494.62 Kb.
оставить комментарий
страница1/3
Дата02.10.2011
Размер494.62 Kb.
ТипРеферат, Образовательные материалы
Добавить документ в свой блог или на сайт

страницы:   1   2   3
Ваша оценка этого документа будет первой.
Ваша оценка:
Разместите кнопку на своём сайте или блоге:
rudocs.exdat.com

Загрузка...
База данных защищена авторским правом ©exdat 2000-2017
При копировании материала укажите ссылку
обратиться к администрации
Анализ
Справочники
Сценарии
Рефераты
Курсовые работы
Авторефераты
Программы
Методички
Документы
Понятия

опубликовать
Загрузка...
Документы

Рейтинг@Mail.ru
наверх