• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      Welch譜估計(jì)的隨機(jī)誤差與置信度

      2015-02-06 07:48:55朱學(xué)旺劉青林張思箭
      裝備環(huán)境工程 2015年1期
      關(guān)鍵詞:譜估計(jì)置信置信區(qū)間

      朱學(xué)旺,劉青林,張思箭

      (中國工程物理研究院總體工程研究所,四川 綿陽 621999)

      振動環(huán)境工程研究中,通常采用Welch方法來獲得隨機(jī)振動信號的功率譜密度估計(jì)(Welch譜估計(jì))[1—2]。Welch譜估計(jì)本質(zhì)上是修正周期圖方法的一種,其做法是通過對振動信號的分段平滑、數(shù)據(jù)重疊以及加窗處理等技術(shù),以達(dá)到降低譜估計(jì)方差的目的。Welch譜估計(jì)是一致估計(jì),即當(dāng)用于譜估計(jì)的每段數(shù)據(jù)足夠長且數(shù)據(jù)段足夠多時,Welch譜估計(jì)結(jié)果的偏差和方差均等于0或趨于0[3—4]。令人遺憾的是,工程中用于譜估計(jì)的數(shù)據(jù)總是有限的,既不能保證每段數(shù)據(jù)足夠長,也不能保證數(shù)據(jù)段足夠多,即使對于平穩(wěn)隨機(jī)過程也是如此。為了便于操作,GJB 150.16A[5]和 MIL-STD-810F[6]對 Welch 譜估計(jì)給出了推薦要求:統(tǒng)計(jì)自由度不少于120,在試驗(yàn)頻帶內(nèi)至少保證400線。換句話說,至少要60段數(shù)據(jù),每段數(shù)據(jù)的長度要確保譜分析后的帶寬小于5 Hz(當(dāng)試驗(yàn)頻率上限為2000 Hz時)。在這種狀態(tài)(自由度取128)下獲得的Welch譜估計(jì),可以證明其隨機(jī)誤差與相同自由度χ2的隨機(jī)誤差相同(約為12.5%)。也就是說,該Welch譜估計(jì)的標(biāo)準(zhǔn)差與其均值(真值)的比為12.5%,但是其在一定置信概率下的置信區(qū)間并不知道。

      為了提高welch估計(jì)的精度,加窗技術(shù)的研究一直受到相關(guān)研究人員的關(guān)注[7]。合理的窗函數(shù),可以減小因?yàn)閿?shù)據(jù)截?cái)鄮淼哪芰啃孤?,繼而減小譜估計(jì)的系統(tǒng)誤差。譜估計(jì)的精度可以采用估計(jì)的偏差與估計(jì)的方差表示,小的方差表明單次估計(jì)接近真值的可能性大,是一種定性描述[3]。Welch譜估計(jì)的精度也可以定量描述,此時將譜估計(jì)結(jié)果作為一個隨機(jī)變量的一次實(shí)現(xiàn),可采用置信度分析方法獲得其置信度與置信區(qū)間。文獻(xiàn)[8—10]采用定量方法討論了Welch譜估計(jì)的精度。針對不同的分布概率,其置信度分析的重點(diǎn)各異,文獻(xiàn)[11]對置信度分析的現(xiàn)狀進(jìn)行了總結(jié),而文獻(xiàn)[12—13]對t分布變量的置信區(qū)間開展了專門研究。形式上,Welch譜估計(jì)可以表述為多個變量的平方和,與數(shù)學(xué)上定義的χ2分布變量具有類似的形式。一些經(jīng)典的譜分析論著在討論譜估計(jì)時也直接給出了與χ2分布變量相同的隨機(jī)誤差[3,14—15],卻沒有進(jìn)行詳細(xì)的說明。文中給出了Welch譜估計(jì)隨機(jī)誤差的導(dǎo)出過程,試圖證明其正確性。另外,為了進(jìn)一步理解Welch譜估計(jì)隨機(jī)誤差的物理意義,研究了Welch譜估計(jì)結(jié)果的置信概率及對應(yīng)的置信區(qū)間。通過正態(tài)標(biāo)準(zhǔn)化處理,能夠?qū)ⅵ?變量的置信度分析方法應(yīng)用于Welch譜估計(jì)結(jié)果的置信度分析。

      1 χ2變量統(tǒng)計(jì)分析方法[14]

      數(shù)學(xué)上定義的χ2(n)變量為n個獨(dú)立的N(0,1)變量x1,x2,…,xn的平方和。即:

      獲得χ2(n)的均值m和方差σ2:

      以均值和方差表述隨機(jī)過程χ2(n)的隨機(jī)誤差為:

      χ2(n)變量的概率分布p(Z=χ2(n))為:

      置信概率與置信區(qū)間存在以下關(guān)系:

      式中:a,b分別為置信區(qū)間的下限和上限,可查表得到I(a,n),I(b,n)后反推獲得。自由度數(shù)較大的χ2(n)變量的分位數(shù)見表1,不同置信概率80%,95%,99%下的置信區(qū)間結(jié)果(利用了對稱性假設(shè))如圖1所示[16]。

      已知置信區(qū)間的上下限a,b時,可直接求得其對應(yīng)的置信概率;反之,已知置信概率也可以導(dǎo)出對應(yīng)的置信區(qū)間,只是此時需要假定上下限之外的概率分布。通常的做法是假定對稱[16],即小于置信區(qū)間下限的概率與大于置信區(qū)間上限的概率相等。

      表1 χ2(n)分布的概率分布Table 1 Probability contribution of large D.O.F.χ2(n)variable

      圖1 χ2(n)變量的置信區(qū)間隨統(tǒng)計(jì)自由度的變化Fig.1 Relationship between confidence interval and D.O.F.of χ2(n)variable

      2 Welch譜估計(jì)的隨機(jī)誤差

      為了導(dǎo)出Welch譜估計(jì)隨機(jī)誤差的表達(dá)式,首先回顧Welch譜估計(jì)方法。本質(zhì)上,Welch譜估計(jì)是B-T估計(jì)的一種修正,其技術(shù)特點(diǎn)是加窗、分段平滑和重疊。具體過程是:將N個數(shù)據(jù){x(0),x(1),…,x(N-1)}分為K段,每段數(shù)據(jù)長度為L,其中有L-D個數(shù)據(jù)為相鄰段的重疊數(shù)據(jù)(D≤L),則:

      第i段的L個數(shù)據(jù)為:

      對每一段數(shù)據(jù)進(jìn)行加窗處理,并分別計(jì)算其B-T周期圖,有:

      然后對各周期圖進(jìn)行平滑處理,獲得N個數(shù)據(jù)的Welch譜估計(jì):

      由公式(5),(6)可知,Welch譜估計(jì)與原始信號(已經(jīng)加窗處理)傅立葉變換的實(shí)部與虛部的平方和成正比。這樣,公式(6)可改寫為:

      可以證明,當(dāng)原始信號滿足零均值正態(tài)分布時,其傅立葉變換的實(shí)部與虛部也滿足零均值正態(tài)分布,且相互獨(dú)立[15],但是,不能保證其方差為1。為了能夠利用第1節(jié)的結(jié)論,對傅立葉變換的實(shí)部與虛部進(jìn)行正態(tài)標(biāo)準(zhǔn)化處理,此時,式(7)改寫為:

      式中:θ=γλ2,λ為傅立葉變換的實(shí)部與虛部的標(biāo)準(zhǔn)差(假設(shè)其相同)。顯然,

      3 Welch譜估計(jì)的置信分析

      這樣,便可以獲得相應(yīng)的置信概率。

      4 算例及分析

      算例一[14]:假定譜估計(jì)結(jié)果S0滿足χ2分布,其分析自由度為10,則其在置信概率為80%的置信區(qū)間為(4.87,15.99),即:

      式中:SM為譜估計(jì)變量的統(tǒng)計(jì)均值。

      相應(yīng)地,99%的置信概率對應(yīng)的置信區(qū)間為:0.397S0<SM<4.63S0。

      算例二:假定S0的自由度為64,重復(fù)算例一的計(jì)算過程。其結(jié)果為:0.82S0<SM<1.28S0對應(yīng)于置信概率80%;0.66S0<SM<1.66S0對應(yīng)于置信概率99%。

      算例三:假定S0的自由度為128,重復(fù)算例一的計(jì)算過程。其結(jié)果為:0.86S0<SM<1.19S0對應(yīng)于置信概率80%;0.74S0<SM<1.41S0對應(yīng)于置信概率99%。

      從上述3個算例可以看出,隨著自由度的增加,Welch譜估計(jì)的置信區(qū)間越來越趨向于均值集中。應(yīng)用公式(12)可知,上述結(jié)果同樣適用于工程中經(jīng)常出現(xiàn)的高斯過程(均值為0,方差不等于1)的Welch譜估計(jì)。

      GJB 150.16A和MIL-STD-810F都推薦譜估計(jì)的自由度要大于120,下面針對算例三進(jìn)行專門分析。其結(jié)果表明,對應(yīng)于置信概率80%,128自由度的Welch譜估計(jì)的均值在估計(jì)值的0.86~1.19倍之間,換句話說,估計(jì)值可能是均值的0.84~1.16倍;對應(yīng)于置信概率99%,128自由度的Welch譜估計(jì)的均值在估計(jì)值的0.74~1.41倍之間,即估計(jì)值可能是均值的0.71~1.35倍。這一結(jié)果應(yīng)該引起工程界的重視,因?yàn)楂@得的Welch譜估計(jì)可能比真實(shí)的譜高,也可能低。

      128自由度的Welch譜估計(jì)的隨機(jī)誤差為12.5%,用此構(gòu)造相對置信區(qū)間,則具有相同置信概率的χ2變量的置信區(qū)間為(87.5%×128,112.5%×128),對應(yīng)的置信概率為68.4%。這是一個令人遺憾的結(jié)果,其表明128自由度的Welch譜估計(jì)結(jié)果僅有68.4%的置信概率能夠?qū)崿F(xiàn)其結(jié)果在真值的上下12.5%的范圍內(nèi)。

      為了提高置信概率(依然以均值的上下波動12.5%作為相對置信區(qū)間),增加Welch譜估計(jì)的自由度,例如自由度取512,則其置信概率為95.5%。即有95.5%的可能,保證512自由度的Welch譜估計(jì)結(jié)果在均值的上下12.5%的范圍內(nèi),此時,Welch譜估計(jì)的隨機(jī)誤差為6.25%。從這個意義上說,也許標(biāo)準(zhǔn)推薦的Welch譜估計(jì)的自由度120未必合適,尤其對于具有長數(shù)據(jù)的平穩(wěn)隨機(jī)振動的項(xiàng)目。

      5 結(jié)論

      1)Welch譜估計(jì)的隨機(jī)誤差與標(biāo)準(zhǔn)χ2變量的隨機(jī)誤差相同,僅與統(tǒng)計(jì)自由度有關(guān)。

      2)基于χ2變量的置信分析方法可以應(yīng)用于Welch譜估計(jì)的置信分析。

      3)128自由度的Welch譜估計(jì)的隨機(jī)誤差為12.5%,以此作為譜估計(jì)的相對置信區(qū)間,其置信概率僅為68.4%,若要提高置信概率到95%,則Welch譜估計(jì)的自由度要512以上,此時的隨機(jī)誤差小于6.25%。

      4)結(jié)論未考慮χ2變量概率密度函數(shù)的不對稱性。

      [1] 鄧澤懷,劉波波,李彥良.常見的功率譜估計(jì)方法及其Matlab仿真[J].電子科技,2014,27(2):50—52.DENG Ze-huai,LIU Bo-bo,LI Yan-liang.Common Power Spectrum Estimation Methods and Matlab Simulation[J].Electronic Sci& Tech,2014,27(2):50—52.

      [2] 姚武川,姚天任.經(jīng)典譜估計(jì)方法的Matlab分析[J].華中理工大學(xué)學(xué)報(bào),2000,28(4):45—47;YAO Wu-chuan,YAO Tian-ren.Analyzing Classical Spectral Estimation by MATLAB[J].J Huazhong Univ of Sci&Tech,2000,Vol.28(4):45—47

      [3] 姚天任,江太輝.數(shù)字信號處理[M].武漢:華中科技大學(xué)出版社,2000.YAO Tian-ren,JIANG Tai-hui.Digital Signal Processing[M].Wuhan:Huazhong Univ of Sci&Tech Press,2000.

      [4]LINDA S,MALENKA M,WOLFGANG M,et al.Optimized Spectral Estimation for Nonlinear Synchronizing Systems[J].Physical Review,2014,89(3):032912.

      [5]GJB 150.16A—2009,軍用裝備實(shí)驗(yàn)室環(huán)境試驗(yàn)方法第16部分振動試驗(yàn)[S].GJB 150.16A—2009,Military Equipment Laboratory Environmental Test Methods Part 16:Vibration Test[S].

      [6]MIL-STD-810F,Environmental Engineering Considerations and Laboratory Tests,Method 514.5 vibration[S].

      [7]TURGAY K,MELIH C I.The Obtaining of Window Function Having Useful Spectral Parameters by Helping of Genetic Algorithm[J].Procedia-Social and Behavioral Sciences,2013,83:563—568.

      [8] ALEKSEEV V G."Welch-Type Estimator for a Spectral Density Function,the Case of Discrete-Time Parameter",[J].Avtometriya,2001(6):77—91.

      [9]ALEKSEEV V G,SUKHODOEV V A.Welch-Type Spectral Density Estimator,Additional Recommendations[J].Optoelectronics,Instrumentation and Data Processing,2008,44(4):302—305.

      [10]ALEKSEEV V G,SUKHODOEV V A.Welch-Type Estimator for a Spectral Density Function,Case of a Continuous-time[J].Optoelectronics,Instrumentation and Data Processing,2009,45(2):107—112.

      [11]RICHARD K B,JORGE Q,HARIHARAN K I.The Present Status of Confidence Interval Estimation for One-factor Random Models[J].Journal of Statistical Planning and Inference,2006,136:4307—4325

      [12]JOANNA T.Confidence Intervals for the Power of Student′s t-test[J].Statistics&Probability Letters,2005,73:125—130.

      [13]DENNIS G,MINGFEI L.A Note on Confidence Intervals for the Power of T-test[J].Statistics&Probability Letters,2008,78:488—489.

      [14]紐蘭D E.隨機(jī)振動與譜分析概論[M].北京:機(jī)械工業(yè)出版社,1980.NEWLAND D E.An Introduction to Random Vibration and Spectral Analysis[M].Beijing:China Machine Press,1980.

      [15]戴詩亮.隨機(jī)振動實(shí)驗(yàn)技術(shù)[M].北京:清華大學(xué)出版社,1984.DAI Shi-liang.Random Vibration Experiment Technique[M].Beijing:Tsinghua University Press,1984.

      [16]蔣書法.最短置信區(qū)間的求解[J].上海電力學(xué)院學(xué)報(bào),2014,30(2):188—192.JIANG Shu-fa.Solution to the Shortest Confidence Interval[J].Journal of Shanghai University of Electric Power,2014,30(2):188—192.

      [17]吳昌昊,龔俊,劉子琪.基于CUDA實(shí)現(xiàn)經(jīng)典功率譜估計(jì)[J].四川兵工學(xué)報(bào),2013(10):98—101.WU Chang-hao,GONG Jun,LIU Zi-qi.Achievement of Classic Power Spectrum Estimation Based on CUDA[J].Journal of Sichuan Ordnance,2013(10):98—101.

      猜你喜歡
      譜估計(jì)置信置信區(qū)間
      定數(shù)截尾場合三參數(shù)pareto分布參數(shù)的最優(yōu)置信區(qū)間
      急診住院醫(yī)師置信職業(yè)行為指標(biāo)構(gòu)建及應(yīng)用初探
      基于置信職業(yè)行為的兒科住院醫(yī)師形成性評價體系的構(gòu)建探索
      p-范分布中參數(shù)的置信區(qū)間
      基于模糊深度置信網(wǎng)絡(luò)的陶瓷梭式窯PID優(yōu)化控制
      多個偏正態(tài)總體共同位置參數(shù)的Bootstrap置信區(qū)間
      列車定位中置信區(qū)間的確定方法
      基于MATLAB實(shí)現(xiàn)的AR模型功率譜估計(jì)
      基于CUDA和深度置信網(wǎng)絡(luò)的手寫字符識別
      經(jīng)典功率譜估計(jì)方法的研究
      德阳市| 榆社县| 广宗县| 眉山市| 宾阳县| 陆河县| 太和县| 永登县| 龙里县| 天长市| 衡山县| 凤山县| 盖州市| 茂名市| 探索| 洪洞县| 公主岭市| 新营市| 鄄城县| 商南县| 卓尼县| 青铜峡市| 桃园市| 彝良县| 象州县| 朝阳县| 麻栗坡县| 缙云县| 乐业县| 江山市| 开封市| 郓城县| 宜昌市| 阳春市| 焦作市| 卢湾区| 崇文区| 涡阳县| 梧州市| 承德县| 巨野县|