第5章高階統(tǒng)計(jì)分析課件_第1頁(yè)
第5章高階統(tǒng)計(jì)分析課件_第2頁(yè)
第5章高階統(tǒng)計(jì)分析課件_第3頁(yè)
第5章高階統(tǒng)計(jì)分析課件_第4頁(yè)
第5章高階統(tǒng)計(jì)分析課件_第5頁(yè)
已閱讀5頁(yè),還剩26頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

第5章高階統(tǒng)計(jì)分析清華大學(xué)自動(dòng)化系張賢達(dá)

第5章高階統(tǒng)計(jì)分析清華大學(xué)自動(dòng)化系張賢達(dá)1功率譜估計(jì),Weiner濾波器都是以信號(hào)的相關(guān)函數(shù)為工具。相關(guān)函數(shù)的局限性模型的多重性:考慮功率譜由于,故即不同ARMA過(guò)程的功率譜具有相同形狀的功率譜。這一特性稱(chēng)為相關(guān)函數(shù)的多重性或模型的多重性。

功率譜估計(jì),Weiner濾波器都是以信號(hào)的相關(guān)2兩個(gè)具有零均值和相同方差的高斯白色噪聲和指數(shù)分布白色噪聲顯然是不同的隨機(jī)過(guò)程,但它們的功率譜相同。用這樣兩個(gè)白色噪聲激勵(lì)同一個(gè)ARMA模型,產(chǎn)生的兩個(gè)ARMA過(guò)程顯然是不同的隨機(jī)過(guò)程,但它們的功率譜相同。兩個(gè)灰度圖相同的圖像有可能是不同的圖像。以上事實(shí)說(shuō)明,要準(zhǔn)確地刻畫(huà)隨機(jī)信號(hào),僅使用相關(guān)函數(shù)(二階統(tǒng)計(jì)量)是不夠的,還必須使用更高階的統(tǒng)計(jì)量。三階和更高階的統(tǒng)計(jì)量合稱(chēng)高階統(tǒng)計(jì)量。相關(guān)函數(shù):刻畫(huà)信號(hào)的粗糙像高階統(tǒng)計(jì)量:刻畫(huà)信號(hào)的細(xì)節(jié)兩個(gè)具有零均值和相同方差的高斯白色噪聲和指數(shù)分布白色噪聲顯然35.1高階矩與高階累積量特別地,若,則稱(chēng)函數(shù)f(x)的Fourier反變換。函數(shù)g(x)的均值:是隨機(jī)變量x的特征函數(shù)。它實(shí)際上是概率密度1.單個(gè)隨機(jī)變量x的高階矩與高階累積量特征函數(shù)的k階偏導(dǎo)數(shù)5.1高階矩與高階累積量特別地,若4K階矩的定義:用特征函數(shù)描述K階原點(diǎn)矩:令則原點(diǎn)矩:中心矩:即由于K階矩由生成,故稱(chēng)特征函數(shù)為隨機(jī)變量x的矩生成函數(shù)(矩母函數(shù)),又稱(chēng)第一特征函數(shù)。K階矩的定義:用特征函數(shù)描述K階原點(diǎn)矩:令5第二特征函數(shù):k階累積量(cumulant):第二特征函數(shù)累積量生成函數(shù)或累積量模母函數(shù)第二特征函數(shù):k階累積量(cumulant):第二特征函數(shù)6k個(gè)隨機(jī)變量r.v.(randomvariable)第一聯(lián)合特征函數(shù)2.多個(gè)隨機(jī)變量的高階矩與高階累積量第一聯(lián)合特征函數(shù)的階偏導(dǎo)數(shù)k個(gè)隨機(jī)變量r.v.(randomvariable)第一7第二聯(lián)合特征函數(shù)k階聯(lián)合累積量:當(dāng)時(shí),有k個(gè)隨機(jī)變量r階矩:第二聯(lián)合特征函數(shù)k階聯(lián)合累積量:當(dāng)8考查隨機(jī)信號(hào),令隨機(jī)信號(hào)x(t)的k階矩:隨機(jī)信號(hào)x(t)的k階累積量:3.隨機(jī)信號(hào)的高階矩與高階累積量隨機(jī)信號(hào)的高階矩與高階累積量分別是多個(gè)隨機(jī)變量的高階矩與高階累積量的推廣考查隨機(jī)信號(hào),令9高斯隨機(jī)變量的矩與累積量第一特征函數(shù):K階矩第二特征函數(shù):由于故有結(jié)論:高斯隨機(jī)變量的奇次階矩恒為零,偶次階矩僅決定于二階矩,而二階累積量與二階矩等價(jià),所有高階累積量恒為零。高斯隨機(jī)變量的矩與累積量第一10?符號(hào)集矩—累積量轉(zhuǎn)換關(guān)系:高階矩的計(jì)算:定義式:估計(jì)式:?jiǎn)栴}:如何估計(jì)?符號(hào)集矩—累積量轉(zhuǎn)換關(guān)系:高階矩的計(jì)算:定義式:估計(jì)式:?jiǎn)?1集合的無(wú)序、非空、無(wú)交連分割(唯一性)(1)分割為1個(gè)子集合:(2)分割為2個(gè)子集合:矩—累積量轉(zhuǎn)換公式:若x(t)為零均值,則集合的無(wú)序、非空12(1)分割為1個(gè)子集合:矩—累積量轉(zhuǎn)換公式:(2)分割為2個(gè)子集合:(3)分割為3個(gè)子集合:(1)分割為1個(gè)子集合:矩—累積量13特別地,若具有零均值,則類(lèi)似地,對(duì)于零均值的隨機(jī)過(guò)程或信號(hào),有特別地,若具有零均值,則類(lèi)似地,對(duì)于零均14四階累積量的估計(jì):以上討論的是“實(shí)信號(hào)”,復(fù)信號(hào)的高階矩與高階累積量的定義不同,詳見(jiàn)后敘。三階累積量的估計(jì):二階累積量的估計(jì):累積量的估計(jì)公式:注釋?zhuān)核碾A累積量的估計(jì):以上討論的是“實(shí)信號(hào)”,復(fù)信號(hào)的高階矩與高155.2矩與累積量的性質(zhì)性質(zhì)1:性質(zhì)2:矩和累積量相對(duì)于變?cè)菍?duì)稱(chēng)的,即是的排列5.2矩與累積量的性質(zhì)性質(zhì)1:性質(zhì)2:矩和累積量相對(duì)于變16例:僅需知道陰影部分的值,便可知道整個(gè)平面例:僅需知道陰影部分的值,便可知道整個(gè)平面17性質(zhì)3:可加性例.觀測(cè)數(shù)據(jù),與獨(dú)立,性質(zhì)4:若與獨(dú)立,則與獨(dú)立,則高斯噪聲3階以上累積量恒為0又稱(chēng)為半不變量(semi-invariablecumulant)故稱(chēng)為“累積量”。四階矩沒(méi)有半不變性。性質(zhì)3:可加性例.觀測(cè)數(shù)據(jù)18性質(zhì)5:若中某個(gè)子集同其他子集獨(dú)立,則應(yīng)用:獨(dú)立同分布(i.i.d)過(guò)程(iid:independentlyidentificallydistributed)k階矩?zé)o此性質(zhì)。若為獨(dú)立同分布,則累積量其中Fourier變換常數(shù)高階譜與頻率無(wú)關(guān),稱(chēng)為“高階白噪聲”(“白色光”)性質(zhì)5:若中某個(gè)子集同其他子集獨(dú)19而性質(zhì)6:常數(shù)而性質(zhì)6:常數(shù)20⑴對(duì)稱(chēng)性質(zhì):線性系統(tǒng)i.i.d非高斯信號(hào)非高斯信號(hào)的產(chǎn)生途徑:⑵理論上可完全抑制高斯有色噪聲(“盲性”)⑶i.i.d過(guò)程容易建立線性系統(tǒng)理論線性系統(tǒng)高斯白噪聲非高斯信號(hào)結(jié)論:用高階累積量,而不用高階矩高階累積量的優(yōu)點(diǎn):⑴對(duì)稱(chēng)性質(zhì):線性系統(tǒng)i.i.d非高斯信號(hào)非高斯信號(hào)的產(chǎn)生途215.3高階譜功率譜的缺點(diǎn):由功率譜只能恢復(fù),不可能恢復(fù)“模型的多重性”自相關(guān)函數(shù)辨識(shí)系統(tǒng),無(wú)法辨識(shí)非最小相位系統(tǒng)“自相關(guān)函數(shù)等價(jià)性”“功率譜等價(jià)性”5.3高階譜功率譜的缺點(diǎn):由功率譜只能恢復(fù)22高階譜(Higher-orderspectrum)又稱(chēng)多譜(polyspectrum),是信號(hào)多個(gè)頻率的能量譜。k-1維DFT,即三階譜稱(chēng)為雙譜(bispectrum),意即兩個(gè)頻率的譜。四階譜稱(chēng)為三譜(trispectrum),意即三個(gè)頻率的譜。條件:“絕對(duì)可求和”高階譜定義為k階累積量的二階譜即為功率譜,它是單個(gè)頻率的譜。高階譜(Higher-orderspectrum)又稱(chēng)多譜23⑴雙譜估計(jì)的直接方法:雙譜⑵雙譜估計(jì)的間接方法:2D-FT⑴雙譜估計(jì)的直接方法:雙譜⑵雙譜估計(jì)的間接方法:2D-F24非高斯信號(hào)(非正態(tài)分布的隨機(jī)信號(hào)的總稱(chēng))峰度高斯信號(hào)亞高斯信號(hào)(Sub-GaussianSignal)超高斯信號(hào)(Super-GaussianSignal)歸一化峰度亞高斯信號(hào)超高斯信號(hào)非高斯信號(hào)(非正態(tài)分布的隨機(jī)信號(hào)的總稱(chēng))峰度高斯信號(hào)亞高斯25歸零化:高斯信號(hào):零峰度;亞高斯信號(hào):負(fù)峰度;超高斯信號(hào):正峰度歸零化:高斯信號(hào):零峰度;265.4雙譜在目標(biāo)識(shí)別中的應(yīng)用特性:⑴保留了幅值特性⑵保留了相位特性⑶平移不變性應(yīng)用:⑴飛機(jī)目標(biāo)——機(jī)動(dòng)飛行希望目標(biāo)特性與飛機(jī)飛行姿態(tài)無(wú)關(guān)(平移不變性)⑵飛機(jī)的電磁波輻射和散射特性天線罩、發(fā)動(dòng)機(jī)、出去口、蒙皮材料(“相位特性”)⑶飛機(jī)尺寸(機(jī)長(zhǎng)、翼寬)(“幅值特性”)5.4雙譜在目標(biāo)識(shí)別中的應(yīng)用特性:⑴保留了幅值特性應(yīng)用:27積分雙譜(二維一維)⑶圓周積分雙譜(CIB:circularlyintegratedbispectrum)缺點(diǎn):“平凡雙譜”和“交叉項(xiàng)”不可避免⑴徑向積分雙譜(RIB:radicallyintegratedbispectrum)⑵軸向積分雙譜(AIB:axisiallyintegratedbispectrum)特點(diǎn):被選擇的積分路徑上所有雙譜的總作用“強(qiáng)”積分雙譜(二維一維)⑶圓周積分雙譜(CIB:28選擇雙譜:Fisher信息,類(lèi)可分度分子:類(lèi)間散布程度(希望:大)分母:類(lèi)內(nèi)散布程度(希望:小)特征向量——先驗(yàn)概率(等概率)第類(lèi)目標(biāo)對(duì)所有屬于自己的k組觀測(cè)數(shù)據(jù)的平均雙譜(每類(lèi)平均)所有類(lèi)目標(biāo)對(duì)屬于自己的k組觀測(cè)數(shù)據(jù)的總平均雙譜(全體平均)選擇雙譜:Fisher信息,類(lèi)可分度分子:類(lèi)間

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論