与漏水探测相关的基础理论重点解读.doc

与漏水探测相关的基础理论介绍 作者：金迪公司 李仁豪 （一）我们正处在信息时代。但数据是信息的最重要的载体，为了取得信息，我们就要研究数据。 一、两类物理现象 1、确定性现象：这是一类根据人们的知识和对以往试验结果的观察，可以相当准确地的预计未来的具体时间历程的现象。如卫星在绕地轨道上的位置就属一种确定性现象。 2、随机性现象：每个试验会产生一个独特的时间历程记录，它不大可能被重复，也很难对细节做精确的预测。我们将这类现象称为随机现象；称所记录的数据为随机数据。 二、随机数据讨论： 总体：对随机数据，从一次试验只能得到一个物理现实，为了完整的了解数据，从概念上讲应该知道所有可能产生的时间历程记录xi(t) i=1,2,……。这些记录的集合被称为总体。见图1.1 2、平稳数据： I)几种平均值。对于任意指定的时刻t1可以计算数据的几种平均值： 均值 均方值 （它具有表达信号平均功率的性质） 自相关值 II)非平稳数据。如果所研究的一个或几个平均值随t1的不同而变化，我们称这样的数据为非平稳数据。 III)平稳数据：如果所有研究的数据平均值都不随t1而变化，我们称其为平稳数据。对于平稳数据，所有时刻上的平均值可以用一个时刻t1上的适当总体平均计算得到。 各态历经定理表明：对于平稳数据，在总体的单个记录上用时间平均计算得到的性质都是一样的，不随记录的不同而不同。也可进一步说，时刻t1上用总体计算的平均值将等于用单个时间历程记录计算的相应时间平均值。因此上述均值，均方值，自相关值等可相应表示为： i=0,1,2…… 平稳数据的各态历经性为我们研究工作带来了许多方便。 三、统计采样误差 随机误差：无论用总体平均方法或是时间平均方法作分析时，时间历程记录数N或一个样本记录的时间T总是有限的，永远不能做到;。因而我们对数据的平均值只能作估计，永远不能作精确的计算。对这类数据分析的结果只建立了所研究参数之真值的样本估计，因此对由于做不到∞而造成的各种平均值的估计的误差，对于数据的分析和解释就特别重要。 偏度误差：上述误差是由于样本本身造成的偶然性误差。统计采样中还存在另一种误差，它一般来自于与推导过程有关的窗运算（如将概率估计转换成概率密度估计就有一个的过程，而实际上?x必须是有限小的）。偏度误差是非偶然性的，它具有系统性误差特征。 由上可知：由于做不到无限大，运算会产生随机误差；由于达不到无限小又会产生偏度误差（我们这里暂时没有涉及到测量误差、记录误差、模数转换误差、预处理误差等其它误差）。对这些误差的原因、性质、大小、控制进行分析则成为相关分析理论上的重要组成部分。 四、一些实际考虑 为了能够设计出产生平稳数据的试验，人们一般用简单地的保持试验条件不变的办法来实现。如果发现这样做实在有困难就采用选择数据相对平稳的样本段来进行分析，但一定要注意其段长应能足以提供对统计有意义的结果。 具体对于漏水噪声数据的测量来讲，人们都采取夜间用水量少的情况下进行，这实际上也是为了保持试验条件稳定的做法，其目的是为了获取平稳噪声数据，另外也是为了避开日间各种干扰。 （二）有关概率统计的几个概念 1、概率：最方便的方法是用事件发生的相对频率来定义。 设一个试验能在相同的条件下重复许多次，而A是所试验的一个具体结果，则A的概率就定义为： (2.1) 2、概率分布函数 （参照图2.1）设A代表x(t1)≤ξ这一事件，则有： (2.2) 这里分子表示时刻t1处振幅小于等于ξ的测量次数 令ξ取任何实际可取的值，这样就得到了x(t)在时刻t1处概率随ξ的分布函数： (2.3) 对平稳数据p(x,t1)与t1无关（见图2.2），这时有： (2.4) 这里分子是x(t) ≤ξ的总时间 3、概率密度函数 根据（2.1）式，考虑一个以ξ为中心，?x为窗高的概率：（见图2.3） 这里分子表示落在以ξ为中心的窗?x内的时间。 当时，就得到概率密度函数 上式表明概率密度函是概率相对于振幅的变化率。反过来，要求概率就可通过对概率密度求积分来完成。 PHOCUS噪声采集系统采集的数据的统计结果实际上就是将模拟信号数字化后的一种概率密度曲线。在那里x表示声强分贝数。 4、分布参数 我们知道描述实际中的一大类随机现象数据的概率密度函数是正态分布函数： 对这种分布，我们只要掌握了平均值μ和标准差σ就完全掌握了。这里 其中μ描述了数据的中心趋势；σ描述了数据围绕中心μ的离散程度，它反映了平均值的代表性程度（σ小代表性大）。 漏水噪声的分布基本上接近正态分布。 对于其它分布还可以使用众数、偏倚系数、峰凸系数等之类的表征分布细节的参数来加以描述。 在