Интервал корреляции

В соотношениях (16) и (17) значение УУ равно количеству отсчетов АКФ и удовлетворяет условию N Ат т тах где т/ тях — максимальный интервал корреляции. [c.23]

Она целиком сосредоточена в начале координат, интервал корреляции равен нулю (рис. 3.6,6). Заметим, что функцию (3.23) можно получить из функции (3.22) с помощью предельного перехода при й оо. [c.90]

В каждом у-м отрезке СП выбирается — наибольшее значение процесса й t) в пределах интервала разбиения (интервала корреляции) [c.128]

Решение приведено в зависимости от безразмерного интервала корреляции V. Такое решение может быть использовано для расчета тепловыделяющих элементов ядерного реактора. [c.17]

Лит. см. при ст. Глубоко неупругие процессы. А. В. Ефремов. СТРУКТУРНАЯ ФУНКЦИЯ случайного процесса 1, ГбГ (Ге/ —нек-рый конечный или бесконечный интервал) — корреляция D (tj, Тг) его приращений Д,, и на двух промежутках времени t =((,,/ i). [c.7]

Определение спектра по корреляционной функции сигнала удобно применять в сочетании с корреляционным анализом процессов. На этапе получения корреляционной функции может быть достигнута экономия вычислительных операций за счет применения разреженной выборки [4], т. е. отсчетов пар значений процесса (г ) и I (г + т), отстоящих от предыдущей пары отсчетов на интервал времени т , где — интервал корреляции процесса. Преобразование Фурье производится после определения корреляционной функции. Невозможность наблюдения за мгновенным спектром ограничивает применение этого метода. [c.274]

Методы сокращения длительности анализа. Остановимся на алгоритмах, устраняющих избыточность информации или операций при статистическом анализе процессов. При корреляционном анализе таким алгоритмом является метод разреженных выборок [5]. Сущность его состоит в том, что из исследуемых сигналов берутся пары значений, разделенных требуемым запаздыванием k Дт, т. е. х (t) и у (t + йАт), а следующая пара значений выбирается со сдвигом A i = т , где — интервал корреляции процессов, причем > Дт, где Дт —шаг квантования процесса по времени, выбранный из условия минимальной ошибки интерполяции корреляционной Функции по дискретным отсчетам. Алгоритм вычисления корреляционной функции методом разреженных некоррелированных выборок [4, 5] записывается следующим образом (рис. 10) [c.287]

Здесь Т — характерный период колебаний (например, период, соответствующий высшей парциальной частоте системы) — интервал затухания переходных процессов т — интервал корреляции выходных процессов. Начальные участки реализаций при определении статистических оценок вероятностных характеристик, соответствующих стационарному решению, не используют. [c.296]

Отсюда видно, что интервал корреляции то по нулевому уровню равен 1/с, т. е. длительности зондирующего импульса. Рассмотрим [c.38]

Выражение (1.2.61) не содержит величины наклона плоскости, т. е. оно может быть использовано для произвольной поверхности. Таким образом, интервал корреляции определяется протяженностью импульса [c.40]

Интервал корреляции. Из (14.8) видно, что [c.85]

Интервал корреляции равен значению нормированного спектра мощности при нулевой частоте. [c.85]

При t = О для двух одинаковых сигналов суммарная амплитуда удваивается и мощность будет в 4 раза больше мощности одиночного сигнала Р . При т То (где То — интервал корреляции) суммарная мощность этих сигналов Р = 2Рх. [c.44]

Для ориентировочной оценки эффективной протяженности таких функций обычно вводится понятие интервала корреляции [c.15]

Пример 3. На поверхностях деталей, полученных круглым (ШК1, ШК2у и плоским (ШП) шлифованием, были измерены с помощью точного профилографа-профилометра значения параметра Rq на 100 трассах, отстоящих друг от друга на величину (полученного также экспериментально) интервала корреляции х = 0,01 мм. Результаты обработки наблюдений приведены ниже (см. табл. 4). Исследованные детали имели технологическую неоднородность поверхности, лежащую в пределах 20—30%. [c.72]

Идеальная пружина 208 Изгибио-крутильпые волны 166 Изгибные волны 142 Изоляция звука 223 Импульсная переходная функция 97 Интервал корреляции 82 [c.293]

При экспериментальном исследовании случайного процесса необходимо также задаться длиной выборочных функций, которую при цифровых методах анализа обычно выбирают из условия максимально возможного числа ординат N каждой реализации. Длина реализации во времени Т должна быть больше, чем период самой низкочастотной составляющей процесса, в противном случае процесс будет нестационарным и содержащим нелинейный тренд. Поскольку проверка стационарности требует сравнения независимых оценок процесса в разные моменты времени, то для ансамбля с нулевого момента времени строится корреляционная функция (К i)y, интервал корреляции [4] которой определяет временную границу с практически независимыми значениями нро-цасса. Далее ансамбль по длине Т разбивается на N равных интервалов N Т 1 . Для получения достаточной выборки желательно, чтобы N 10-1-20, поэтому, если интервал корреляции т 7 /(10- -20), то необходимо увеличить длину реализации Т. [c.54]

Для проверки гипотезы равенства математических ожиданий использовался критерий Фишера, табличные значения которого (0,05 7 133)=2,1 (0,05 133 7)=3,24 больше полученных значений /"=1,18, i =3,23, что позволяет считать средние значения в каждой выборке равными. Аналогично критерий Кочрена g (0,05 8 19)—0,23 (0,05 8 511) =0,15) позволяет принять гипотезу равенства дисперсий Df. Из анализа табл. 3 следует, что численные значения М. D , полученные осреднением по множеству и по времени, близки друг к другу сравнение графиков корреляционных функций с осреднением по мнон еству и по времени (рис. 2) также показывает практически тождественность полученных коррелограмм, отличие которых состоит в различной степени сглаживания ( шероховатости ), вызванной разным числом осреднений по ансамблю и по времени. Интервал корреляции корреляционных функций примерно одинаков и составляет 0,04 с. [c.59]

Известные модели случайных процессов в форме спектральных, канонических и неканонических разложений случайных функций для этих целей не приспособлены [33, 34, 36, 37]. Отправным положением в этом вопросе может являться тот факт, что взаимодействие проявляется в форме сигналов, которыми обмениваются взаимодействуюгцие объекты. Каждый сигнал, детерминированный или случайный, характеризуется пространственно-временной структурой, т. е. имеет конечную длительность во времени и конечную амплитуду. Поэтому случайный процесс й t) может рассматриваться как бесконечная (или конечная) последовательность случайных сигналов, имеющих случайную продолжительность (период), случайное наибольшее значение (амплитуду) и случайную фазу. Пренебрегая значениями фазы случайного сигнала, т. е. полагая, что фазовые изменения неразличимы, в качестве периода, определяющего в статистическом смысле длительность сигнала, следует принять интервал корреляции Ткор случайного процесса й t), а его амплитудой может служить наибольшее значение процесса й на отрезке времени, равном интервалу корреляции. [c.109]

Определение промежутка времени т, по прошествии кото рого обеспечивается в стохастическом смысле некоррелирован ность двух соседних значений СП й (t). Минимальным нромежут ком времени т, обеспечивающим выполнение данного требования, является интервал корреляции случайного процесса Ткор (см. [36, 37]). Существует несколько способов определения Ткор [37] выбор того или иного способа определяется целью анализа СП и опытом исследователя. Отметим, что корреляционные связи в СП определяются статистическим путем и интервал корреляции Ткор является нестрогим математическим объектом. Он носит [c.127]

Однако при введении временного интервала корреляции следует учесть, что на мелкомасштабных вихрях сказывается перенос их крупномасштабными вихрями. Но тогда скорость мелкомасштабных впхрей будет зависеть от скорости крупных вихрей, а это нарушает всю концепцию. [c.400]

Что тское спектр мощности Каким образом по спектру. мощности можно определить автокорреляционную функцию и интервал корреляции [c.79]

Связь интервала корреляции с нормированным спектрсм мощности. По аналогии с нормиро-ванной корреляционной функцией вводится нормированньм спектр мощности [c.86]

Этот результат показывает, что изменения среднего числа пересечений при линейном преобразовании (14), как и при преобразовании (4), в основном определяются параметром р = Тк /я7 , характеризующим квадрат отношения интервала корреляции исходного гауссовского процесса 1) к постоянной времени Тг рассма1 риваемого преобразования. [c.61]

Смотреть страницы где упоминается термин Интервал корреляции : [c.69] [c.70] [c.83] [c.90] [c.132] [c.59] [c.154] [c.17] [c.56] [c.221] [c.280] [c.400] [c.402] [c.465] [c.466] [c.466] [c.466] [c.99] [c.234] [c.234] [c.86] [c.25] [c.187] [c.214] [c.60]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...