一种由两个复杂的正弦波合成的振幅等于两者总和的振幅和振荡频率单一正弦形的文献翻译.docVIP

一种由两个复杂的正弦波合成的振幅等于两者总和的振幅和振荡频率单一正弦形的文献翻译.doc

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
一种由两个复杂的正弦波合成的振幅等于两者总和的振幅和振荡频率单一正弦形,频率是两个相应和加权平均。方程式(53),意味着即使两个真正的频率是实际值,由给出的结果很复杂,即会有一些宽度有规律的来说明这两波峰值相差2。换句话说,这个洛伦兹曲线给出频谱的仿真分辨率较低。这个简单的实例表明,即使问题是未确定,(M ﹤K)的情况下这种方法不会是无效的。同时注意,在趋近于零的情况下,即单正弦波情况下,方程式(53)和(54)可以得到准确的结果 M =2的情况下, 依据两个洛夫函数要求使用N=4的信号点,需要用以下2 ×2广义矩阵解决特征值问题, 从相应特定的方程的根,我们可以得出特征值。在Cn情况下替代假定的形式,方程(52),我们可以得到两根是u1=e和u2=e解方程(55)然后得方程的特征向量, 使他们规 方程式(51) 然后得到两振幅d1=d和d2=d. 因此,一个由两个正弦波合成的复杂的正弦波无噪声信号的谱参数可以计算, 基本上只是用四个精确的信号点,不管两个频率彼此有多么接近。传统的英国《金融时报》光谱分析就需要一个非常好的频率间距网格(用不到),因此有许多时域积分解决两个非常接近的线条,不管其多高信噪比。那是,英国《金融时报》不能充分利用高信噪比的优势,而在参数的适合的信号自然的灵敏度转化为高分辨率信息。 可能会有用,对MK(在这里K=2)和u1和u0矩阵必须为奇异和M—K零特征值。这种情况下需要特殊的算法(如方程[45]算法)照顾奇异性,然而,它可以得到对例M=3相应的3×3一般-个性化特征值问题都具有相同的K=2正确的本征值,以及他们的两个特征向量得出正确的幅度。 5.快速扩展:转变为正则化直接谱估计解决方案 振幅dk频率被用于谱估计根据方程(13)或方程(14)。另外,由于解决方案 方程(39),无限的时间正弦对角化谱线可以被直接估计(即避免直接的解决方案 利用广义特征值问题)解决方案利用变换公式[14] 在我们所定义的另一个数据矩阵的形式吗 一个矩阵束: (注意,在R(s)地方我们将经常使用R简化符号) 而令人惊讶的是,方程(56)是一个计算表达。在如此的情况下方程(11)正是可以满足的,它 产量确切的无限的时间正弦对角化谱,如果我们选择M=k,即使只有很有限的部分Cn大小的N=2M的信号,参数dk和不是计算的。结果如果MK也准确,尽管在这种情况下M×K矩阵需要虚拟反矩阵,因此这矩阵并不是正弦的,因而对其进行一些调节是必要的。 当计算(s)解决广义特征值问题(48)也许是个好主意 能够产生结果的所有值并没有额外费用。然而,它并不需要一个快速线性的系统(如下R(s)X(s)?=C)求解可得到,如果它可以利用这种特殊形式和(56)的依赖关系的解决方案,或者,更重要的是,如果它允许一个人去实施有效的正则化方案,不过这些都是这里的情况。(注意到两个的粗略性和有效规范化的调节正弦对角化可应用一个通用的多维静止的信号是开放的问题。) 在下文中我们提出一个简单的讨论正规化的讨论,更精心讨论非线性系统规范化,在后面的教程中找到Neumaier[46]。 现在有几个选择 5.1通过奇异值分解规范化 奇异值分解方阵Kwin×Kwin矩阵R是定义如下 用方阵Kwin×Kwin联合W和V和对角矩阵=diag()和 ≥≥.…. ≥0 现在的问题是调节R的逆矩阵改变为调节对角矩阵的逆矩阵,因此我们可以写 定义一个虚拟的变量 这个简单的调节过程和截断的起一直分解相对应, 截断奇异值分解是一个很好的选择,在这种情况下的时候有一个明确的阈值之间的子集《q正弦奇异值( “空空间”)另一个值》q (“范围空间”)。不幸的是,为了现实信号这往往并非如此尚没有统一的方法对如何选择q,结果可能对q的依赖不会突变。所以使用该技术的常伴随着限制和主体性。一个更好的正则化是,例如,在这种情况下“奇异的”贡献不突然移除。 虽然方程(62)是一个光滑正则化的调节,与之相关的主要问题仍然是缺乏一般方法对如何选择q。如此便宜的和最容易的方法选择最优q和建立最好的谱线,解决办法是产生规格几个q值。一般来说,很昂贵,使用不同的q的利益并没有额外的成本。 5.2提卡诺夫正则化 数值比起一直分解便宜许多,提卡诺夫正规化【41,42]在这一过程中,虚拟值的获得通过 在哪里,又,q所起的作用——一个正则化参数。这样一个正则化的奇异性分母被用.R?R 1 q2. 代替,是一个厄密共轭和正定矩阵。 方程(58)现在可以解决厄密共轭的最小二乘问题, 之后用

文档评论(0)

185****7617 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档