Економіко-математичне моделювання
Економіко-математичне моделювання Економіко-математичне моделювання
Наведемо основні характеристики деяких поширених вікон. Вікно Бічні параметри Ширина полоси мах спад Екв. 3Дб Прямокутне 13.3 6 1 0.89 Бартлета 26.5 12 1.33 1.28 Ханна 31.5 18 1.5 1.44 Хеммінта 43 6 1.36 1.3 Гаусса 42 6 1.39 1.33 Чебишева 50 0 1.39 1.33 Блекмана-Харріса 1. 58 18 1.73 1.68 2. 61 6 1.61 1.58 3. 74 6 1.79 1.74 4. Кайзера-Бесселя 92 6 2 1.9 а=2 46 6 1.5 1.43 а=2.5 57 6 1.65 1.57 а=3 69 6 1.8 1.71 а=3.5 82 6 1.93 1.83 Види вікон. Прямокутне вікно має найбільш вузьку головну пелюстку. Вікно Ханна або вікно косинус-квадрат є найбільш поширеним і простим для реалізації. Сімейство інших вікон, похідних від вікна Ханна, використовують декілька косинусоїдальних складових, ваги яких вибрані за критеріями мінімального рівня бічних пелюсток, максимальної швидкості і т.д. Коефіцієнти популярного вікна Хеммінга вибрані так, щоб практично повністю усунути максимальну бічну пелюстку. Гауссове вікно має найменшу величину добутку тривалості на ширину полоси. Для вікна Чебишева всі бічні пелюстки мають однаковий рівень, а основна пелюстка дуже вузька. Кожне вікно має еквівалентні означення як у часі, так і в частотній області. Тому, власне, все одно, де проводиться коригування спектра: в самому сигналі до частотного аналізу чи в результативній спектральній характеристиці. Для простоти реалізації переважно здійснюють коригування в часовій області. У випадку крос-спектра для спрощення втрати потужності корисно також ліквідувати зміщення одного ряду відносно іншого, індикатором чого є знаходження максимуму кореляції не в нулі або лінійний характер зміни фази. 550
Стратегія вибору вікна диктується компромісом між зміщенням через перешкоди в галузі ближніх пелюсток і перешкод в області віддалених. Так, якщо близькі за амплітудою спектральні компоненти сигналу розміщені і близько, і на віддалі від слабкої компоненти, то необхідно вибрати вікно з однаковим рівнем бічних пелюсток. Якщо є одна сильна компонента, що віддалена від слабкої компоненти сигналу, то необхідно вибрати вікно з швидко спадним рівнем бічних пелюсток. У тому випадку, коли необхідно забезпечити високу роздільність між дуже близькими компонентами сигналу, а віддалені компоненти відсутні, потрібне вікно з дуже вузькою головною пелюсткою та мінімальною амплітудою близьких бічних пелюсток. При достатньо гладкому спектрі сигналу вікна можна не використовувати. Часом для одержання добре згладженого спектра короткого часового ряду і підвищення точності оцінювання частоти спектральних піків доповняють нулями вхідну часову послідовність. n У результаті такого доповнення в спектрі з’являються m = N проміжних значень, де n – число додатних нулів; N – початкова довжина часового ряду. Таке доповнення не підвищує реальний дозвіл за частотою, тобто не дозволяє виділити додаткові спектральні піки. Крім цього, воно часом приводить до появи фантомних піків на низьких частотах. Для усунення шумів складових у спектрі нерідко використовують методи усереднення. Одним із перших запропонованих методів є метод Даніеля або метод усереднення за частотами, який використовується для згладжування швидких флуктуацій вибіркового спектра за сусідніми частотами. Метод Барлетта або усереднення за ансамблем оснований на розбитті початкової реалізації сигналу на послідовні сегменти, що не перетинаються, з наступним усередненням їх спектральних характеристик. Цей прийом дає можливість отримати гладку оцінку спектра для всієї аналізованої полоси частот. У комбінованому методі Уелча підхід Бартлетта використовується для сегментів, що перекриваються, з використанням вікна для зменшення ефекту витікання і зміщення оцінок. Мета перекриття сегментів полягає у збільшенні числа усереднених сегментів при заданій довжині запису даних і зменшенні 551
- Page 499 and 500: ♦ Рoзв’язування. С
- Page 501 and 502: Значення виразів A
- Page 503 and 504: Значущість коефіці
- Page 505 and 506: Оскільки tрозр < tта
- Page 507 and 508: Значення t j беремо
- Page 511 and 512: 16.7. Покрокова регре
- Page 513 and 514: = a + ar + ar + … + ar , ∗ ∗
- Page 515 and 516: 515
- Page 517 and 518: 4. Вибираємо наступ
- Page 519 and 520: процесі проводитьс
- Page 521 and 522: 2 2 R − R 2 j Pr = , (16.102) j 2
- Page 523 and 524: Гипотеза 1: Измен.R^2
- Page 525 and 526: Коэфф. Значение Ст.
- Page 527 and 528: ∗ ∗ ∗ ∗ Зробивши з
- Page 529 and 530: який має назву фонд
- Page 531 and 532: Нелінійні за змінн
- Page 533 and 534: однопараметричної
- Page 535 and 536: 6. Сформулюйте осно
- Page 537 and 538: 42. Побудуйте довірч
- Page 539 and 540: hвирахування тренд
- Page 541 and 542: Результат: ПРОСТАЯ
- Page 543 and 544: процесу до іншого а
- Page 545 and 546: hдля перевірки адек
- Page 547 and 548: Амплітудно-частотн
- Page 549: вимірювання значен
- Page 553 and 554: Сглаживание 1=линей
- Page 555 and 556: hочищення спектра -
- Page 557 and 558: Потім видається гр
- Page 559 and 560: cукупність коефіці
- Page 561 and 562: n−τ n−τ n−τ ( n −τ )
- Page 563 and 564: На момент часу t+1 су
- Page 565 and 566: що медіанний лаг ст
- Page 567 and 568: структура лага (17.4.1
- Page 569 and 570: Зазначена модель є
- Page 571 and 572: 1 0 , 669772 ⋅ = 0, 92924 . 1−
- Page 573 and 574: Далі виконаємо пер
- Page 575 and 576: Для поліному друго
- Page 577 and 578: ( 1 ) y ( 1 ) a ( 1 ) bx ( 1 ) ∗
- Page 579 and 580: ♦Розв’язування. Н
- Page 581 and 582: (y, тис. грн.) від сук
- Page 583 and 584: Рівняння (17.51) є мод
- Page 585 and 586: Введите параметры A
- Page 587 and 588: xt q = W ( t) + b1W ( t −1) + ...
- Page 589 and 590: При цьому ці затрим
- Page 591 and 592: T T T T T ∑αΔ K = ∑α∑β i
- Page 593 and 594: αj 0 1 2 3 T T+1 j Рис. 17.6.2.
- Page 595 and 596: виконуються не для
- Page 597 and 598: ( ΔK − ΔK ) + ρ( ΔK I ) ΔK
- Page 599 and 600: Розділ 18. Узагальне
Наведемо основні характеристики деяких поширених вікон.<br />
Вікно Бічні<br />
параметри<br />
Ширина полоси<br />
мах спад Екв. 3Дб<br />
Прямокутне 13.3 6 1 0.89<br />
Бартлета 26.5 12 1.33 1.28<br />
Ханна 31.5 18 1.5 1.44<br />
Хеммінта 43 6 1.36 1.3<br />
Гаусса 42 6 1.39 1.33<br />
Чебишева 50 0 1.39 1.33<br />
Блекмана-Харріса<br />
1.<br />
58 18 1.73 1.68<br />
2.<br />
61 6 1.61 1.58<br />
3.<br />
74 6 1.79 1.74<br />
4.<br />
Кайзера-Бесселя<br />
92 6 2 1.9<br />
а=2<br />
46 6 1.5 1.43<br />
а=2.5<br />
57 6 1.65 1.57<br />
а=3<br />
69 6 1.8 1.71<br />
а=3.5<br />
82 6 1.93 1.83<br />
Види вікон. Прямокутне вікно має найбільш вузьку головну<br />
пелюстку. Вікно Ханна або вікно косинус-квадрат є найбільш<br />
поширеним і простим для реалізації. Сімейство інших вікон, похідних<br />
від вікна Ханна, використовують декілька косинусоїдальних<br />
складових, ваги яких вибрані за критеріями мінімального рівня<br />
бічних пелюсток, максимальної швидкості і т.д. Коефіцієнти<br />
популярного вікна Хеммінга вибрані так, щоб практично повністю<br />
усунути максимальну бічну пелюстку. Гауссове вікно має найменшу<br />
величину добутку тривалості на ширину полоси. Для вікна Чебишева<br />
всі бічні пелюстки мають однаковий рівень, а основна пелюстка дуже<br />
вузька.<br />
Кожне вікно має еквівалентні означення як у часі, так і в<br />
частотній області. Тому, власне, все одно, де проводиться<br />
коригування спектра: в самому сигналі до частотного аналізу чи в<br />
результативній спектральній характеристиці. Для простоти реалізації<br />
переважно здійснюють коригування в часовій області.<br />
У випадку крос-спектра для спрощення втрати потужності<br />
корисно також ліквідувати зміщення одного ряду відносно іншого,<br />
індикатором чого є знаходження максимуму кореляції не в нулі або<br />
лінійний характер зміни фази.<br />
550