タグ付けされた質問 「coherence」

信号間の相関の尺度として、相関とコヒーレンスの両方を使用しました。時間-周波数アプローチが私にこれらの世界のベストを与えると思っていました。 私の質問は、この余分なデータが信号の全体像に十分に追加され、計算の一部としてウェーブレット変換を行うことに関連する計算コストの増加を正当化できるかどうかです。 参照：ArXiv論文：S.Klimenko、G.Mitselmakher、A.Sazonovによる「確率的重力波の検出のためのウェーブレットドメインでの相互相関手法」

9 coherence  correlation  wavelet 

2つの信号間のマグニチュード2乗コヒーレンス（MSC）を計算する必要があります。ただし、信号が明らかに異なるにもかかわらず、1つのテーパーのみを使用する（またはテーパーをまったく使用しない）ルーチンを使用すると、結果は常に1になります。複数のテーパーを使用する場合、これは起こりません。この異常な結果の説明を検索すると、MSC自体の紛らわしい特性がわかります。私が使用している定義はこれです γ2(ω)=|X(ω)Y(ω)¯¯¯¯¯¯¯¯¯¯¯|2(X(ω)X(ω)¯¯¯¯¯¯¯¯¯¯¯).(Y(ω)Y(ω)¯¯¯¯¯¯¯¯¯¯¯)γ2(ω)=|X(ω)Y(ω)¯|2(X(ω)X(ω)¯).(Y(ω)Y(ω)¯)\gamma^2(\omega)=\frac{ |X(\omega)\overline{Y(\omega)}| ^2}{(X(\omega)\overline{X(\omega)}).(Y(\omega)\overline{Y(\omega)}) } XとYは、周波数に依存するフーリエ変換された信号ですωω\omega。ただし、固定周波数でこれらの関数の値として2つの複素数を取る場合、結果は常に1になります。|z|2=zz¯¯¯|z|2=zz¯|z|^2=z\overline{z} その後 γ2=（XY¯¯¯¯）（XY¯¯¯¯）¯¯¯¯¯¯¯¯¯¯¯¯¯バツバツ¯¯¯¯YY¯¯¯¯=（XY¯¯¯¯）（バツ¯¯¯¯Y）バツバツ¯¯¯¯YY¯¯¯¯=バツバツ¯¯¯¯YY¯¯¯¯バツバツ¯¯¯¯YY¯¯¯¯= 1γ2=(XY¯)(XY¯)¯XX¯YY¯=(XY¯)(X¯Y)XX¯YY¯=XX¯YY¯XX¯YY¯=1\gamma^2=\frac{(X\overline{Y})\overline{(X\overline{Y})} }{X\overline{X}Y\overline{Y}}=\frac{(X\overline{Y})(\overline{X}Y) }{X\overline{X}Y\overline{Y}}=\frac{X\overline{X}Y\overline{Y} }{X\overline{X}Y\overline{Y}}=1 確かに誤解している部分があるはずですが、何なのかわかりません。キャッチは何ですか？ 編集：信頼できるソースとしていくつかのMATLABリンクを使用します。MSコヒーレンスの定義 http://www.mathworks.com/help/signal/ref/mscohere.html クロスパワースペクトル密度の定義 http://www.mathworks.com/help/signal/ref/cpsd.html （パワースペクトル密度は、「自動クロス」スペクトル密度、つまり自己相関のフーリエ変換です）相互相関のフーリエ変換の重要なプロパティは、ウィキペディアの「プロパティ」にあります。 別の情報源は、「生物医学信号処理におけるコヒーレンス機能」という名前でググリングしていることがわかります。申し訳ありませんが、ここに直接リンクを投稿しませんでした。十分な「評判」がありません。

7 discrete-signals  signal-analysis  statistics  coherence 

これはおそらく単純な質問だと思いますが、満足のいく答えをどこにも見つけることができませんでした... 有限長Nの時系列信号があるとします。これを呼びます。正弦波ガウスのように見えますが、ランダムな効果があります。ゼロの平均であり、トレンドはありません。y[ n ]y[ん]y[n] ここで、この信号を受信し、K個のその他の「候補」信号セットがあるとします。最も可能性の高い候補が何であるかを確認したいとします。これを行い、確率を付加する方法はありますか？たとえば、候補1は20％の確率で存在し、候補2は15％の確率で存在し、パーセントが100％に加算されます。 y[ n ]y[ん]y[n]バツ1[ n ] 、バツ2[ N ] 、。。。、バツK[ n ]バツ1[ん]、バツ2[ん]、。。。、バツK[ん]x_{1}[n], x_{2}[n], ...,x_{K}[n] いくつかのメモ： 振幅を問題にしたい。候補信号の振幅がy[ n ]y[ん]y[n]、存在する可能性は低く、他の候補はまったく同じですが、振幅が大きくなります。 信号内の各データポイントの分散（ y[ n ]y[ん]y[n] または x [ n ]バツ[ん]x[n]）不明です。私たちに与えられているのは、上記のものだけです。私は何かのようなことをするためにχ2χ2\chi^{2} 適合度テスト（これは私に提案されています）、信号の各データポイントの分散について何かを知っている必要があります。 私が見つけた最も近いものは一致フィルタリングですが、上記のような確率をどのように計算しますか？それとも、そのような確率を計算することは、質問に対する間違った答えのようなものですか？ コヒーレンスは関連していますが、それは信号が時間とともにどのように変化するかについての詳細です（私の限られた理解から）。言及されているすべての信号は有限の長さNを持ち、信号はすでに時間的に一致しています（特定の時点での信号の類似性のみが重要です）。それらの間の時間遅延は無関係です。 ありがとう!! これについてあなたが持っているどんな考えでも大歓迎です！

7 signal-detection  random  matched-filter  coherence  template-matching 

信号処理に関する私のスライドでは、これの最初とこの答えと同じこと、つまり信号のフーリエ変換の2乗が信号のパワースペクトル密度であることを述べているものがあります。 この話には、コヒーレンスは、2つのオートスペクトルの積で二乗クロススペクトルを割ることによって計算されることが記載されています。 ただし、私のスライドの数式では、2乗したクロススペクトルを、以前に見たPSDと別のPSDの数式の積で割ります。 では、オートスペクトルはPSDと同じですか？PSDに関する多くの情報を見つけることができますが、オートスペクトルでは見つかりません。

7 coherence  power-spectral-density