没有合适的资源?快使用搜索试试~ 我知道了~
信号处理中的数学方法期末试题答案.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 105 浏览量
2021-12-02
20:43:16
上传
评论
收藏 600KB PDF 举报
温馨提示
![preview](https://dl-preview.csdnimg.cn/54217203/0001-10fda9d8897c75f4739eea59fa760544_thumbnail.jpeg)
![preview-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/scale.ab9e0183.png)
试读
12页
。。。
资源推荐
资源详情
资源评论
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![rar](https://img-home.csdnimg.cn/images/20210720083606.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![](https://csdnimg.cn/release/download_crawler_static/54217203/bg1.jpg)
1、
叙述卡享南—洛厄维变换,为什么该变换被称为最佳变换,何为
其实用时的困难所在,举例说明其应用。
它经常用来处理随机变量信号,能使变换后的分量不相关,且使均方误差最
小,所以常称作最佳变换。
卡享南-洛厄维变换没有固定的变换矩阵,它依赖于给定的随机向量的协方
差阵。正是这种变换的特点,也是它在实际使用时的困难所在,因为它需要依照
不固定的矩阵
C
x
求特征值和特征向量。
卡享南-洛厄维变换应用在数据压缩技术中。特别是随着信息时代的发展到
第三个阶段-大数据时代,海量的数据每时每刻扑面而来,按照最优化原则的数
据压缩技术可以解决通讯和数据传输系统的信道容量不足问题。
通过对信号作正交变换,根据失真最小的原则在变换域进行压缩。卡享南 -
洛厄维变换使这种变换消除了原始信号诸分量间的相关性,从而使数据压缩能遵
循均方误差最小的准则实施。
2、最小二乘法的三种表现形式是什么?以傅里叶级数展开为例说明
其各自的优缺点。
希尔伯特空间中线性逼近问题的求解方法称为最小二乘法。它有三种不同的
表现形式:投影法、求导法和配方法。
下面以傅里叶级数展开为例来说明。
投影法:
设
X
为希尔伯特空间,
e
1
,e
2
,
为
X
中的一组归一化正交元素,
x
为
X
中
中求一元素
m
0
,使得的某一元素。在子空间
M span
e
1
, e
2
,
mM
x m
0
min x m
(2-1)
由于
M
中的元素可表示为
e
1
, e
2
,
的线性组合,那么问题就转化为求系数
1
,
2
,
,使得
x
k
e
k
min
(2-2)
k 1
![](https://csdnimg.cn/release/download_crawler_static/54217203/bg2.jpg)
投影定理指出了最优系数
1
,
2
,
应满足
(2-3)
x
e m 1,2,
k k
e
m
,
k 1
由此即得
x,e
m
k
e
k
,e
m
m
。也就是说,当且仅当
k
取为
x
关于归
k 1
一化正交系
e
1
,e
2
,
求导法:
记泛函
的傅立叶系数
k
x,e
k
时式(2-2)成立。
f
1
,
2
,
x
k
e
k
(2-4)
k 1
2
为了便于使用求导法求此泛函的最小值,将它表为
f
1
,
2
,
x
k
e
k
, x
m
e
m
k 1 m1
x 2
k
c
k
k
2
k 1 k 1
2
(2-5)
其中
c
k
x,e
k
。于是最优的
1
,
2
,
应满足
f
0, m 1,2,
m
即
2c
m
2
m
0
,或
m
c
m
, m 1,2,
配方法:
f
1
,
2
,
。
x 2
k
c
k
k
2
k 1 k 1
2
2
k
2
k
2
(2-6)
x
c
c 2
k
c
k
k
2
k 1 k 1 k 1 k 1
x
c
k
c
k
2
k
k 1 k 1
2
2
min
k
c
k
,
k 1,2,
以上三种方法都称为最小二乘法。比较起来,从数学理论上讲,投影法较高
![](https://csdnimg.cn/release/download_crawler_static/54217203/bg3.jpg)
深,求导法次之,配方法则属初等;从方法难度上讲,求导法最容易,投影法和
配方法各有千秋;从结果看,配方法最好,因为它不仅求出了最优系数
k
,而
且由配方结果立即可知目标函数
f
1
,
2
,
的极值。此外,配方法和投影法都
给出了
f
达到极小的充分和必要条件,但求导法给出的仅仅是极值的必要条件,
如果是极值,还不知道是极大还是极小,故是不完整的。
但我们不能简单的说这三种方法谁更好。因为它们实际应用时都有自己的局
限性。例如投影法必须把所讨论的最优化问题放到某个希尔伯特空间的框架中去;
求导法必须有可行的求导法则,如果未知的变元是向量,矩阵或函数,求导法就
不那么直捷了;而配方法则是一种技巧性很强的方法,如果目标函数比较复杂,
那么用配方法很相当困难。
3、二阶矩有限的随机变量希尔伯特空间中平稳序列的预测问题的法
方程称为关于平稳序列预测问题的 yule-walker 方程,试用投影
法和求导法推导该方程。该方程的求解算法称为最小二乘算法,
请对这些算法的原理予以描述。
下面先介绍什么是随机序列的预测问题:
若二阶矩有限的随机变量希尔伯特空间中的序列
x
1
, x
2
,
,记子空间
M
k ,N
span
x
k N
, x
k N 1
,
现在的问题是,用
M
k ,N
中的元素
x
k
N
, x
k 1
(3-1)
m
x
k m
m1
N
(3-2)
来估计
x
k
,并使得均放误差最小,也就是求系数
1
, ,
N
使得
x
k
x
N
2
k
E x
k
x
k
N
min
(3-3)
2
这个问题就是随机序列的预测问题。
下面从投影法和求导法对其进行推导:
投影法:
剩余11页未读,继续阅读
资源评论
![avatar-default](https://csdnimg.cn/release/downloadcmsfe/public/img/lazyLogo2.1882d7f4.png)
![avatar](https://profile-avatar.csdnimg.cn/3c39599dc7cf4373a282763035024fb7_m0_62089210.jpg!1)
春哥111
- 粉丝: 1w+
- 资源: 5万+
上传资源 快速赚钱
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![voice](https://csdnimg.cn/release/downloadcmsfe/public/img/voice.245cc511.png)
![center-task](https://csdnimg.cn/release/downloadcmsfe/public/img/center-task.c2eda91a.png)
安全验证
文档复制为VIP权益,开通VIP直接复制
![dialog-icon](https://csdnimg.cn/release/downloadcmsfe/public/img/green-success.6a4acb44.png)