相关与卷积、各种误差

相关和卷积

    • 相关
      • 自相关
        • 性质
    • 卷积
      • 公式
      • 物理意义
      • 性质

相关

自相关

自相关函数就是信号x(t)x(t)x(t)和它的时移信号 x(t+τ)x(t+\tau )x(t+τ) 的乘积平均值。它是时移变量 τ\tauτ 的函数。
在这里插入图片描述

“自相关”这种数据处理方法,可以发现隐藏在杂乱信号中的有用信息。这个能力是相当重要的,因为工程实际中的信号,不可避免地要受到各种干扰,严重的时候会完全淹没真正有用的数据。自相关能找出重复信息(被噪声掩盖的周期信号),或识别隐含在信号谐波频率中消失的基频,它常用于时域信号的分析。

性质

  1. 偶函数
    在这里插入图片描述
    不论时移方向是导前还是滞后(τ为正或负),函数值不变;
  2. τ=0\tau=0τ=0 时,自相关函数具有最大值,且等于信号的均方值;

复习:

均方(方均值、平方的期望):E[x2]=∑xi2P(xi)E[x^2]=\sum_{}^{}{x_i^2 P(x_i)}E[x2]=xi2P(xi)
均方根:工程中用于分析噪声,XRMS=∑i=1NXi2NX_{RMS}=\sqrt{\frac{\sum_{i=1}^N{X_i^2}}{N}}XRMS=Ni=1NXi2
方差:δ2(x)=E[(xi−mx)2]=∑(xi−mx)2P(xi)\delta ^2\left( x \right) =E\left[ \left( x_i-m_x \right) ^2 \right] =\sum{\left( x_i-m_x \right) ^2P\left( x_i \right)}δ2(x)=E[(ximx)2]=(ximx)2P(xi)
标准差(均方差):δ\deltaδ
协方差(covariance):衡量两个变量的总体误差,方差是协方差的一种特殊情况,即两变量相同
Cov⁡(X,Y)=E[(X−E[X])(Y−E[Y])]=E[XY]−2E[Y]E[X]+E[X]E[Y]=E[XY]−E[X]E[Y]\begin{aligned} \operatorname{Cov}(X, Y) &=E[(X-E[X])(Y-E[Y])] \\ &=E[X Y]-2 E[Y] E[X]+E[X] E[Y] \\ &=E[X Y]-E[X] E[Y] \end{aligned}Cov(X,Y)=E[(XE[X])(YE[Y])]=E[XY]2E[Y]E[X]+E[X]E[Y]=E[XY]E[X]E[Y]
均方误差:MSE(mean-square-error),反映估计量与被估计量差异程度;实例:评估最小二乘估计的准确度、图像复原函数退化模型的最优估计。

卷积

公式

y(t)=∫−∞∞x(p)h(t−p)dp=x(t)∗h(t)y(t)=\int_{-\infty}^{\infty} x(p) h(t-p) d p=x(t) * h(t)y(t)=x(p)h(tp)dp=x(t)h(t)
ttt 是使函数 h(−p)h(-p)h(p) 位移的量, ppp 为积分变量
理解 : xxx 为输入,hhh 为响应因子,yyy 为输出。

物理意义

对于一个关于 ttt 的移不变的线性系统,若单位取样响应 为 h(t)h(t)h(t) ,则任意输入 f(t)f(t)f(t) 的输出是卷积 f∗h(t)f*h(t)fh(t)

性质

  1. 两函数傅里叶变换后的乘积等于他们卷积的傅里叶变换
  2. 卷积算子都满足:交换律 结合律 分配律
  3. 卷积得到的函数一般比 f,gf,gf,g 都要光滑

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/491994.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

报表reprot

if (contextMenuStrip1.Items[i].Text.Trim() "打印"){//1.在报表上绘制数据列,print.列名称(如果是直接在数据源中连接数据库去拖数据列,不能共用)//2注册的dt,print 表名.调用找到时根据表名//数据区域的类型DataBan…

5G全产业链最新解读

来源:中创产业研究院摘要:自5G概念的提出,各国相关技术的研发以及产业布局也在如火如荼进行之中。与此同时我国5G在标准研发上正逐渐成为全球领跑者,有望在2019年实现5G技术的试商用,在2020年实现正式商用。本文将围绕…

函数参数传递、数组指针、二级指针、左值、引用

数组和指针的区别 数组内地址一定连续,指针则不一定连续。数组赋值要么初始化就设定,要么循环元素赋值。而指针随时可以赋值(改变指向)。数组的存储空间,不是在静态区就是在栈上。指针位置随意。sizeof(数组名) 元素个…

下一个汽车万亿市场打开!氢能源时代正到来

来源:智东西内参看点:中国氢能汽车产业产值有望突破万亿元大关。氢能汽车是以氢为主要能量作为移动的汽车。氢能被视为全球最具发展潜力的清洁能源之一,并被不少国家、车企及学者认为是“终极新能源汽车解决方案”。伴随着汽车保有量持续增长…

高斯噪声和椒盐噪声

clear all;clc;close all; imimread(1.jpg); % oim; [w, h ,z]size(im); imrgb2gray(im); oim;%原图备份 figure;seq0; seqseq1;subplot(2,2,seq);imshow(im);title(原图);posaxis;xlabel(,position,[(pos(1)pos(2))/2 pos(4)]);%高斯噪声 gaunormrnd(0,0.1,w,h); im1im2double…

去苹果浏览器默认样式

去苹果浏览器默认样式 input,textarea,button { -webkit-appearance: none; border-radius:0px; border:none;}转载于:https://www.cnblogs.com/mcdnf/p/5158248.html

李彦宏/王坚/王传福等上榜“中国工程院2019院士增选候选人”引争议,实至名归吗?...

来源:物联网智库导 读五一小长假前一天,中国工程院网站公布了2019年工程院院士增选有效候选人名单。经中国工程院主席团审定,最终确定的有效候选人共531位。值得注意的是,BAT微软比亚迪等高管均上榜。此次中国工程院531名候选人的…

矩阵转置函数——指针自增的陷阱

#include"algorithm.h"int** transpose(int**po, int &m, int &n) {int*p (int*)malloc(m*n*sizeof(int));//转置矩阵空间int**pn (int**)malloc(n*sizeof(int*));//转置矩阵数组指针//指针备份int *save po[0];int *nSave p;//布置转置矩阵// [1 2 3 4 …

号称能自动编程60年,“进化计算”究竟进化到哪一步了?

大数据文摘出品来源:ponderwall编译:stats熊、钱天培大胆想象一下,如果计算机可以自行编写程序,这会为人类带来什么样的变化?与其辛苦研究计算机解决问题的方法论,敲出精准的代码,不如告诉计算机…

动态规划——数塔问题

从原点&#xff08;顶层&#xff09;出发&#xff0c;只能向左或者向右&#xff0c;找到一条路径使得路径上的数字和最大: #include<stdio.h> //#include"algorithm.h" #define N 100int max(int a, int b) {return a > b ? a : b; }int main() {int a[N…

http的get与post方式下的getParameter获取中文

客户端提交某个中文参数&#xff0c;比如a中国 &#xff08;1&#xff09;如果以GET方式提交&#xff0c;在地址栏中&#xff0c;可以看到参数进行了URL ENCODE&#xff0c;形如&#xff1a;a%E4%B8%AD%E5%9B%BD。服务端接收到请求&#xff0c;使用request.getParameter("…

PS填充、仿制图章和修补工具

右下角调整色调后&#xff1a; 概览&#xff1a; 用魔棒工具反选出天空的树枝&#xff0c;然后点 选择-修改-扩展 大致扣出枝丫&#xff0c;再 编辑-填充-内容识别 将空中的树枝ps掉。通过仿制图章工具&#xff08;勾选对齐&#xff09;可以将右下角楼p掉。也可以用修补工具&…

学界 |《nature》杂志:我们有义务搞懂我们所创造出来的技术

来源: AI科技评论一个跨学科的研究小组希望创建一个名为「机器行为」的新学科&#xff0c;以了解人工智能将如何对我们的社会、文化、经济与政治造成影响。在《自然》杂志的一篇评论文章中&#xff0c;作者认为人工智能算法的研究需要扩展到计算机科学以外的领域&#xff0c;纳…

渲染上下文Rendering Context

渲染描述表&#xff0c;包含一次渲染所需的全部数据。用于提交给游戏渲染引擎的渲染器进行渲染 -------------------------------------------------------------------- 如果把渲染引擎看做一个画家&#xff0c;那么画家开始作画之前需要做一系列的准备工作&#xff0c;譬如&a…

高数复习9.13 函数与极限

双曲正切函数图像 反双曲arsh和arch的表达式 arshxln(xx21)arsh xln(x\sqrt{x^21})arshxln(xx21​)   archxln(xx2−1)arch xln(x\sqrt{x^2-1})archxln(xx2−1​) 数列的极限&#xff1a;构造|xn-a|<一个能确定的数&#xff08;表达式&#xff09; 极限存在的证明&…

【深度】从GE工业互联网到中国工业互联网

来源&#xff1a;数字化企业工业互联网自2017年起已成为国内科技界最为火爆的词汇之一。学者、供应商、投资商、企业家、媒体、政府官员、人大代表、政协委员等纷纷给出了自己的解读。一、背景冠名为工业互联网的学术会议此起彼伏&#xff0c;有世界大会、世界峰会、全球峰会、…

LeetCode题——最长无重复子串

题目 给定一个字符串&#xff0c;请你找出其中不含有重复字符的 最长子串 的长度。如&#xff1a; 输入: “abcbabcd” 输出: 4 解释: 因为无重复字符的最长子串是 “abcd”&#xff0c;所以其长度为 4。 思路 一开始容易往暴力遍历的方向想&#xff0c;但是实际上运用窗口的…

透视世界人工智能发展

来源&#xff1a;参考消息、新华网摘要&#xff1a;当今世界&#xff0c;随着人工智能迎来新一轮发展热潮&#xff0c;一个“新智能时代”即将到来。世界大国都把加快发展人工智能上升至国家战略高度&#xff0c;以抢占新一轮科技革命和产业变革的制高点。“透视世界人工智能发…

[链接]最短路径的几种算法[迪杰斯特拉算法][Floyd算法]

最短路径—Dijkstra算法和Floyd算法 http://www.cnblogs.com/biyeymyhjob/archive/2012/07/31/2615833.html Dijkstra算法&#xff08;单源最短路径&#xff09; http://www.cnblogs.com/dolphin0520/archive/2011/08/26/2155202.html转载于:https://www.cnblogs.com/lyggqm/p/…

半导体行业必将再火十年!两大趋势成发展新动能

来源&#xff1a;智东西看点&#xff1a;汽车半导体和人工智能芯片为半导体市场带来了新的发展机遇。当前&#xff0c;我们使用的许多前沿数字化设备背后的技术都要依靠半导体才能实现。 由于无人驾驶、人工智能、5G和物联网等新兴技术的发展&#xff0c;以及对技术研发的持续投…