【摘要】:FBM具有自相似性,是一种典型的非平稳过程。FBM模型的实现途径有两种,一是直接法,即利用FBM的性质,通过统计计算方法实现,或提取FBM协方差矩阵的平方根值,或利用多尺度分解的方法用一个高斯白噪声的分数阶积分实现;二是间接法,先计算一个FGN序列,然后通过对求累加和的方法得到一个FBM的样本序列N-1,FGN序列在时间点i/N,i=0,…常用的FBM重构方法包括随机中点法、FGN方法和基于小波的FBM重构方法。
在对分形信号建模时,最经典的分形模型为分形布朗运动(fractional Brownian motion,FBM),又称分数布朗运动,可定义为高斯白噪声的分数阶积分。
式中,Γ为伽马函数,H为Hurst指数。
Hurst指数H表征了数据之间的相似性关系,对于一维信号,它与分形布朗运动的分数维D存在如下关系:H=2-D。H和D均能表征分形特征。FBM的另一种定义为
当BH(0)=0,G=1时为标准分形布朗运动。
FBM具有自相似性,是一种典型的非平稳过程。但FBM的增量为平稳高斯随机过程,其分布满足N(0,δ2),其中δ是非零值,即有
式中,标准的FBM中参数C≡1,δ=1。
从FBM的自相似性质可推导协方差和自协方差函数分别为(www.xing528.com)
当BH(0)=0,H=1/2时,有B1/2(t)=B(t),即FBM等价于布朗运动B(t);当|k|≥1,γ(k)=0;当H≠1/2时,|k|→+∞,FBM将具有双曲线性质的衰减特性,即为γ(k)~C2 H(2H-1)|k|2H-2。
分数阶高斯噪声(fractional Gaussion noise,FGN)是零均值平稳过程,FGN可看作FBM的增量,其分布可由自协方差函数进行描述,即
式中,H为Hurst指数,σ2为方差。σ2只是尺度参数,FGN的性质由H决定。
FGN的谱密度函数可由c(τ)的傅里叶变换得到,即
式中,CH=Γ(2H+1)sin(πH)/(2π)2H+1。
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。