Cтраница 3
Наиболее просто можно оценить йс, если случайные функции ч и 2 описывают гауссовский случайный процесс. [31]
Задача оценивания решается в предположении, что искомая аномалия и погрешности измерений являются стационарными гауссовскими случайными процессами с известными спектральными плотностями. Спектральные плотности погрешностей измерений определяются по результатам лабораторных испытаний прибора. Спектральная плотность аномалии обычно известна из геологических данных. [32]
Наиболее распространенными моделями случайных сигналов и помех являются телеграфный сигнал, белый шум, гауссовский случайный процесс, гауссовский белый шум. Рассмотрим вероятностные характеристики этих процессов. [33]
На квадратор с характеристикой у - ах2 ( 0 2 1 / В) воздействует гауссовский случайный процесс с корреляционной функцией Лх ( т) ст2 ехр ( - а т), где ал 0 5 В; а104 1 / с. [34]
Как гауссовские случайные переменные представляют собой наиболее важный вид случайных переменных в физических приложениях, так и гауссовский случайный процесс играет необычайно важную роль. Причина та же: во многих физических явлениях суммируется большое число независимых аддитивных вкладов, что в силу центральной предельной теоремы приводит к гауссовскому распределению. Ниже мы кратко рассмотрим наиболее важные свойства гауссовского случайного процесса. [35]
Исследование показывает, что волнограмму, полученную в течение ограниченного промежутка времени, можно принять за реализацию гауссовского случайного процесса. [36]
Рассмотрим случайную фазовую модуляцию вида ( 6), где ф ( т), как и прежде, вещественный гауссовский случайный процесс с временем корреляции тк. [37]
Фабиан [278] указал достаточно общие условия, при которых многомерный процесс стохастической аппроксимации асимптотически нормален, и сформировал корреляционную матрицу соответствующего гауссовского случайного процесса. [38]
Спектры стационар - Частотный спектр этого процесса изо-ного шума ( а и многократно бражен на, а. [39] |
Сказанное означает, что интерпретация многочастотного колебания ( 1) с постоянными амплитудами и статистически независимыми фазами ( 2) как гауссовского случайного процесса зависит от числа мод колебания н номера момента. [40]
Пусть V ( r t) представляет векторное поле, например, вектор электрического поля плоской волны, чьи статистические свойства описываются гауссовским случайным процессом с нулевым средним. Пусть Уж ( г, t) и Vy ( r t) компоненты V ( r t), представленные комплексными аналитическими сигналами, в двух взаимно ортогональных направлениях, перпендикулярных к направлению распространения волны. [41]
Гс / ( 2) О и Гу ( / 2) - Напомним читателю еще раз, что эти выражения справедливы только для круговых комплексных гауссовских случайных процессов. [42]
Рассмотрим теперь кратко реальные физические шумы и выясним, почему часто они адекватно могут моделироваться с помощью одного частного класса случайных процессов, называемых гауссовскими случайными процессами. При создании моделирующего шум случайного процесса целесообразно принять, что шум приближенно статистически независим в два момента времени, отделенных более чем интервалом А. [43]
Так как число излучающих атомов обычно очень велико, на основании центральной предельной теоремы мы приходим к выводу, что ux ( P t) есть гауссовский случайный процесс для поляризованного теплового источника. [44]
Если распределение интенсивности изображения занимает конечную область с размерами L X L, то при довольно общих условиях х 1 / L и vy 1 / L величина A ( VXVY) будет приблизительно комплексным гауссовским случайным процессом с круговой симметрией и корреляцией, распространяющейся на область с размерами приблизительно 2 / L X 2 / L в частотной плоскости. Отсюда следует, что фаза 0 однородно распределена в интервале ( - я, я) и что Л 2 подчиняется экспоненциальному распределению с отрицательным показателем. Кроме того, на таких частотах все величины Q ( 2vx, 2vy), Q ( vx, VY), A ( 2vx, 2vy) и Л ( vx, Vy) приблизительно независимы. [45]