首页 理论教育 多重分形相关谱估计的理论与算法

多重分形相关谱估计的理论与算法

时间:2023-07-01 理论教育 版权反馈
【摘要】:在传统信号处理领域,多个信号或时间序列之间的“相关性”分析和定量表征方法已经有大量的研究。如时域中瞬时自(互)相关函数和自(互)相关系数、频域中的谱相关和互谱相关分析,以及变换域(互)相关函数和互相关功率谱等。

多重分形相关谱估计的理论与算法

在传统信号处理领域,多个信号或时间序列之间的“相关性”分析和定量表征方法已经有大量的研究。如时域中瞬时自(互)相关函数和自(互)相关系数频域中的谱相关和互谱相关分析,以及变换域(互)相关函数和互相关功率谱等。上述相关性分析分别在时域、频域和变换域对相关性进行表征,而事实上,在许多情况下,复杂系统中同时记录下的几个信号序列之间存在长程幂律互相关特性[1],表征两个非平稳时间序列之间的长程幂律互相关特性[2]通常采用多重分形相关谱分析(MFCC)方法和互相关奇异性功率谱分析方法(将在第6章介绍),其中,前者包括基于联合矩配分函数的多重分形相关分析方法和降趋互相关分析法。本章将介绍一维、二维信号序列的多重分形相关谱算法,包括基于配分函数的多重分形互相关分析(multifractal crosscorrelation analysis based on the partition function approach,MFXPF)[3]、基于降趋波动分析法的多重分形互相关分析法(multifractal cross-correlation analysis based on the detrended fluctuation analysis,MFXDFA)[4-5]和基于降趋移动平均法的多重分形互相关分析法(multifractal cross-correlation analysis based on the detrended moving average,MFXDMA)[1],并利用规则多重分形信号进行数值仿真,以期寻找到可用于度量两个信号序列之间差异性的参数,验证利用两个序列之间多重分形互相关特性进行信号特征分析和分类的可行性。(www.xing528.com)

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈