タグ付けされた質問 「random」

これら2つの概念を区別するのに苦労しています。これは私の理解です。 定常プロセスは、統計的特性が時間とともに変化しない確率的プロセスです。厳密な意味での定常プロセスの場合、これは、その同時確率分布が一定であることを意味します。広義の定常プロセスの場合、これはその1次モーメントと2次モーメントが一定であることを意味します。 エルゴードプロセスとは、分散などの統計的特性を十分に長いサンプルから推定できるプロセスです。たとえば、十分に長く平均すると、サンプル平均は信号の真の平均に収束します。 さて、エルゴード的であるためには、信号が静止している必要があるように思えます。 また、エルゴディックではなく、どのような信号が静止している可能性がありますか？ たとえば、信号がすべての時間で同じ分散を持っている場合、時間平均の分散がどのようにして真の値に収束しないのでしょうか？ それでは、これら2つの概念の本当の違いは何ですか？ エルゴード的でなくて静止しているプロセス、または静止していないでエルゴード的であるプロセスの例を教えてください。

41 random  ergodic 

（ピンク）ノイズへの優れた擬似ランダム近似を生成するためのアルゴリズムで、整数DSPの低計算コストでの実装に適したものは何ですか？1 / f1/f1/f

20 noise  random 

平均と分散を指定すると、ガウスランダム値を返すC ++関数を記述しようとしています。 とのrand()間の乱数を返すライブラリ関数があります。には固定値はありませんが、少なくともになることが保証されています。そのPDFは均一です。0RAND_MAXRAND_MAX215−1215−12^{15}-1 これrand()をガウス変数に変換するために、中心極限定理を使用しています。私が正確にやっていることは、rand()ユーザーが指定した時間を呼び出し、それらの戻り値を合計して、その平均をユーザー指定の平均にシフトすることです。 上記のプロットでは、ガウスランダムジェネレーターを回呼び出し、戻り値の頻度をプロットしました。ご覧のとおり、他の多くのランダムな値の合計によって作成されるため、その分散は非常に大きくなります。10710710^7 これは、ガウスPDFと指定された平均値を持つガウス変数を正常に返します。ただし、問題はその分散です。分散をユーザー指定の値に変更する方法がわからないので、この時点で立ち往生しています。 これは私のコードです（現時点では不完全です。パラメータ「Variance」は無視されます）： template <class T> T Random::GetGaussian(T Mean /*= 0*/, T Variance /*= 1*/) { T MeanOfSum = NUM_GAUSSIAN_SUMS / static_cast<T>(2); T Rand = 0; for (uint64_t i=0; i<NUM_GAUSSIAN_SUMS; i++) { Rand += static_cast<T>(rand()) / RAND_MAX; } return Rand - (MeanOfSum - Mean); } それNUM_GAUSSIAN_SUMSが100で、RAND_MAX32767 …

11 random 

ランダム信号がパワー信号（つまり、無限のエネルギーと有限の平均パワーを持つ信号）と見なされるのはなぜですか？ これは意味がありますか？現実の信号（通常は固有のランダム性がある信号）には有限のエネルギーがあることはわかっていますが、ランダムな信号が無限のエネルギーを持っているとはどういう意味ですか？

7 random  random-process  signal-power  signal-energy 

で、この論文一様サンプリングよりも優れた性能を示すことができるランダムにサンプリング：ラスティグの、彼は直感的表示されます何かについて話します。これらのスライドの 15ページ目からこれを理解しようとしましたが、本当に何も理解できません。 周波数係数のランダム置換を行うと、信号の類似性の点でより良い再構成が得られるのはなぜですか？なぜこれはより良い再構成をもたらすのですか、そしてこの現象の背後にある直感は何ですか？

7 signal-analysis  sampling  downsampling  random  reconstruction 

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