工程安全预报与预警技术程序.ppt

模糊聚类的特点：模糊聚类的结论并不表征对象绝对地属于某一类而绝对地不属于某一类，而是以清晰的值表征了对象在什么程度上相对地属于某一类，在什么程度上相对地属于另一类。 定义：设A 是论域上的一个模糊子集，所谓A 的隶属函数是指满足给定的映射： 称作A的隶属函数 是为了给隶属度一个众所周知的实数。当 =0，表示元素x不属于这个模糊子集；当 =1，表示元素x百分之百地属于这个模糊子集；当 = 0.8，表示元素x有80%（八成）属于这个子集。 将 的隶属函数记为 , 称 为模糊矩阵 模糊聚类分析的步骤： 建立要分类的样本集X 设 为待分类的对象全体，并设每一个对象都由一组n个指标刻划： 建立模糊相似矩阵（标定） 标定算出衡量被分类对象间相似程度的相似系数，从而确定论域上的模糊相似矩阵 为便于计算，上式可近似为： 相应的功率谱可以表示为： 式中的F（ω）为傅立叶变换系数 ,可通过FFT计算得出。若要精确的求得{xn}的功率谱，根据定义可知需无穷长的序列，而实际计算的序列往往是有限的，所以，由此得到的功率谱只是对真实谱的一种近似或叫估计，所以在S（ω） 上用符号“^ ”加以区别真实谱。 2、功率谱分析 功率谱分析就是通过能量相对于频率的分布来确定构成波面ξ(t) 各组成波的相对大小，并依据在线性下导出的功率谱矩与外观特征量之间的理论关系，来确定该标量过程的外观统计特征。 参数模型法谱估计 经典方法原理简单，便于实现，但它的方差性能较差，分辨率较低。方差性能差的原因是 无法实现功率谱原始定义中的求均值和求极限运算；分辨率低是因为对周期图法假定数据窗以外的数据全为零，对自相关法是假定延迟窗外的数据为零。由于这种不符合实际的假设产生了经典谱估计较差的分辨率。 以参数模型法为主要内容的现代谱估计旨在有效的改善谱估计的分辨率，参数模型法是指利用已观测到的数据，选择一个好的模型，然后利用已知的自协方差函数或数据求模型的参数、进而利用求出的模型参数估计该信号的功率谱。 基于参数建模的功率谱估计方法的基本思路 假定所研究的过程 是由一个输入序列 激励一个线性系统 的输出； 由已知的序列 或其自相关函数 估计出系统的参数； 根据 的参数估计序列 的功率谱 。 AR模型谱估计原理 设有一线性非时变系统，它的冲击响应为 ，若输入一平稳随机信号，则其输出仍为一平稳随机信号，且其输出功率谱和输入功率谱之间有如下关系： 一个离散时间系统的输入、输出之间的关系可用如下的差分方程描述，即： 对上式做Z变换可得： 则系统的传递函数为： 若输入是方差为的白噪声，则输出的功率谱为： （1）如果模型参数 全为零， 称为阶自回归（auto-regression）模型，简称AR模型 （2）如果 全为零 称为滑动平均模型（moving-average）模型，简称MA模型 （3）若 不全为零，则称为自回归滑动平均模型 AR模型参数提取的算法 对于AR模型 对上式两边同乘以 ，并求均值，得 由于输入是方差为的白噪声，即上式整理可得： 上式写成矩阵形式： 上述两式即是AR模型的正则方程，又称为Yule－Walker方程。系数矩阵对称而且沿着和主对角线平行的任一条对角线上得元素都相等，称为Toeplitz矩阵 根据线性预测原理，求解其系数的算法主要包括自相关法、Burg算法、改进的协方差法等， 自相关法是令序列前向预测误差功率最小， Burg算法是使序列的前后向预测误差功率之和最小， 改进的协方差方法不仅使前后向预测误差功率之和最小，而且要求它相对于模型参数也是最小。 在自相关法、Burg法与改进协方差法中，改进的协方差的谱估计性能最好，但计算比较复杂；自相关法的计算最为简单，但谱估计的分辨率相对较差；Burg方法是较为通用的方法，计算不太复杂，且具有较好的谱估计质量。 最小二乘谱分析:快速傅立叶变换是谱分析最常用的方法，这种方法的特点在于数据必须等间隔、等权、连续和平稳。对于不满足这些条件的数据处理，快速傅立叶变换采用