рефераты конспекты курсовые дипломные лекции шпоры

Реферат Курсовая Конспект

ОРТОГОНАЛЬНЫЕ ПЕРИОДИЧЕСКИЕ ФУНКЦИИ

ОРТОГОНАЛЬНЫЕ ПЕРИОДИЧЕСКИЕ ФУНКЦИИ - раздел Электроника, ПРЕДСТАВЛЕНИЕ МОДЕЛИ, ИСПОЛЬЗУЮЩЕЕ СЛУЧАЙНЫЕ ИМПУЛЬСЫ   Тригонометрические Функции ...

 

Тригонометрические функции являются периодическими с периодом , т.е.

(1)

Отсюда следует, что

(2)

Мы можем линейно преобразовать аргументы, сохранив свойство периодичности. Функции периодичны с периодом , т.е.

(3)

Обратная величина называется частотой. Она равна числу периодов (не обязательно целому), содержащемуся в единичном интервале.

Иными словами, именно такое число раз функция повторяет свои значения. Умножение на соответствует вычитание - сдвигу графика косинуса или синуса. Функция достигает максимума в точках , т.е. при .

Угол называется фазой. Обычно выбирается так, чтобы первый max достигался в точке . В таком случае .

При t=0 указанные тригонометрические функции равны, соответственно .

Сдвинутые косинусоида и синусоида являются линейными комбинациями обычной косинусоиды и обычной синусоиды и наоборот. Из тригонометрической формулы имеем

(4)

где (5)

или, что эквивалентно,

(6)

Коэффициент R, являющийся максимумом функции , называется амплитудой этой функции. Выражение (4) можно записать также в виде , где , но обычно предпочитают использовать функцию косинус.

С тригонометрическими функциями довольно удобно работать вследствие того, что они обладают определенными свойствами ортогональности.

Мы рассмотрим здесь свойства ортогональности сумм на множестве 1,…,T. Рассмотрим частоты , где

(недостающую единицу принимают за )

Период при этом равен . Функции косинус и синус с такими частотами являются ортогональными. Чтобы показать это, удобно воспользоваться соотношениями:

(7)

При этом

(8)

()

=изменяем (сдвигаем) пределы суммирования – от 0 до (Т-1), а в формулах вместо t подставим (t+1), чтобы ничего не изменилось=

(т.к.)

Покажем справедливость ()

Действительно, при k=j=0 имеем из ():

при из (8)

Далее, покажем, что ()=0

Следовательно, и

Итак, получаем:

Приравнивая действительные и мнимые части в соотношении (8), с учетом того, что в (9) нет мнимых частей), получаем:

(10)

(11)

Подобным же образом можно показать, что

(12)

Кроме того, полагая j=0 в (10) и (11), получаем:

(13)

(14)

Если Т – нечетное, то .

При этом образуют множество из Т последовательностей по Т чисел, любые две из которых ортогональны.

Если Т – четное, то таким множеством является совокупность функций и . Сумма квадратов членов каждой последовательности равна , за исключением последовательностей 1 и (-1), у которых она равна Т.

 

– Конец работы –

Эта тема принадлежит разделу:

ПРЕДСТАВЛЕНИЕ МОДЕЛИ, ИСПОЛЬЗУЮЩЕЕ СЛУЧАЙНЫЕ ИМПУЛЬСЫ

На сайте allrefs.net читайте: "ПРЕДСТАВЛЕНИЕ МОДЕЛИ, ИСПОЛЬЗУЮЩЕЕ СЛУЧАЙНЫЕ ИМПУЛЬСЫ"...

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ: ОРТОГОНАЛЬНЫЕ ПЕРИОДИЧЕСКИЕ ФУНКЦИИ

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Все темы данного раздела:

МЕТОДИКА ИДЕНТИФИКАЦИИ
ИДЕНТИФИКАЦИЯ ПОРЯДКА РАЗНОСТИ   Ранее было показано, что автокорреляционная функция стационарного смешанного процесса авторегрессии – скользящего среднего удовлетворяет разн

СТАЦИОНАРНОГО ПРОЦЕССА АРСС
  Приняв предварительное решение о величине d, мы далее изучаем общий вид выборочной автокорреляционной и частной автокорреляционной функции соответствующего разностного ряд

I. НАЧАЛЬНЫЕ ОЦЕНКИ ДЛЯ ПРОЦЕССОВ СКОЛЬЗЯЩЕГО СРЕДНЕГО
Из формулы (4 [Лекция 5]) следует, что первые q автокорреляций процесса СС(q) не равны нулю и могут быть выражены через параметры модели

II. НАЧАЛЬНЫЕ ОЦЕНКИ ДЛЯ ПРОЦЕССОВ АВТОРЕГРЕССИИ
Если предположить, что исследуемый ряд – процесс авторегрессии второго или первого порядка, начальные оценки

III. НАЧАЛЬНЫЕ ОЦЕНКИ ДЛЯ СМЕШАННЫХ ПРОЦЕССОВ АВТОРЕГРЕСИИ – СКОЛЬЗЯЩЕГО СРЕДНЕГО
  В дальнейшем часто будет обнаруживаться, что-либо после взятия нужного числа разностей ряд бу

МОДЕЛЬ БОКСА-ДЖЕНКИНСА
  Одной из основных проблем применения такой модели является определение эффективных оценок ее параметров. Здесь имеется 3 типа параметров: порядок разности d, авторег

ПРОЦЕССА СКОЛЬЗЯЩЕГО СРЕДНЕГО
(Дженкинс, Ваттс “Спектральный анализ и его приложения”- 5.4.4., Бокс, Дженкинс “Анализ временных рядов”)   I. Начальные оценки параметров процессов СС(q):

ПРЕДСТАВЛЕНИЕ ФУНКЦИИ В ВИДЕ РЯДА ФУРЬЕ
  Итак, функции , определенные на множестве

ТЕОРЕМА ПАРСЕВАЛЯ
Дисперсия процесса равна

СПЕКТРАЛЬНЫЙ АНАЛИЗ
Разложение дисперсии ряда по частотам с целью определения существенных гармонических составляющих называется спектром ряда динамики (спектром ряда Фурье). График зависимос

АВТОКОВАРИАЦИОННОЙ ФУНКЦИЕЙ
В соот

Хотите получать на электронную почту самые свежие новости?
Education Insider Sample
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Реклама
Соответствующий теме материал
  • Похожее
  • Популярное
  • Облако тегов
  • Здесь
  • Временно
  • Пусто
Теги