System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术公开一种快速准确识别红噪声信号相关性的方法,属于信号相关性分析。
技术介绍
1、互相关是地球物理学中广泛使用的一种统计方法,用于计算两个时间序列或数据集之间的关联或关系。然而,在现有技术中对其显著性检验的讨论是不充分和不完整的。显著性检验在区分具有统计意义的结果和由于纯随机性而产生的结果方面起着至关重要的作用,特别是在只研究人口中的一个样本时。显著性检验的缺失或不当应用可能导致错误的相关性和对研究结果的不正确或有偏见的结论,特别是在处理表现出明显红噪声特征(即强自相关性)的地球物理信号时。自相关显著降低了有效自由度(即自变量的数量),因此,在没有自相关的白噪声背景下评估置信度时,会夸大相关系数,导致过度的假相关。令人担忧的是,这种有偏见的做法在现有技术中普遍存在,严重影响了研究结果的可靠性。
技术实现思路
1、本专利技术的目的在于提供一种快速准确识别红噪声信号相关性的方法,以解决现有技术中,红噪声信号相关性识别精度低的问题。
2、一种快速准确识别红噪声信号相关性的方法,包括:
3、s1.分别获取白噪声信号和红噪声信号的数据序列和;
4、s2.计算样本互相关:
5、s3.对进行抽样分布,时移为时的为,用-分布表示为,是有效自由度的个数;
6、s4.将的分布扩展到,,表示时移为时的;
7、s5.计算所需的置信水平下,时移为时的互相关的临界值:
8、s6.将进行改写,将显著性水平𝛼改为细化的显
9、s7.设置时移范围,使用s6的公式检验95%置信水平下的显著性。
10、s2包括:
11、;
12、;
13、式中,为时移为时的,为样本互协方差函数,和分别为和的样本方差,是序列的长度,是计数参数,,和为和的样本均值。
14、s5包括:
15、;;
16、式中,表示-分布函数的逆,使用𝑣的自由度为,𝛼是显著性水平相当于1−𝛼置信水平,𝑣(𝜏)是有效的自由度函数,𝛿为用于获得有效自由度的修正因子,对于白噪声,𝛿=1,对于红噪声,𝛿∈(0,1)。
17、s5包括,对于红噪声,时移为时的𝛿为:
18、;
19、计算,为时移为时的𝛿。
20、s6包括,将进行改写:
21、;;;
22、式中,为细化的显著性水平,为近似计算的独立时移数,是时间移点的总数。
23、相对比现有技术,本专利技术具有以下有益效果:本专利技术介绍的基于分布的互相关显著性检验方法,无论是白噪声还是红噪声,都具有在任何给定的时移点以及任何指定的时移范围内快速准确地进行互相关显著性检验的能力;显著性测试方法可用于快速、准确地识别强自相关厄尔尼诺(enso)事件与全球陆地水储存(tws)变化之间的联系;对互相关统计特性的研究不仅补充了相关性分析的理论,而且是为这一传统数学方法提供完整统计意义的关键一步;对相关性分析中显著性检验的流程进行规范化并开发相关软件系统,能够实现信号相关性或相似度的精确快速识别,这一优势使其很容易地扩展到其他军事、工程、医学等领域,如地下管道泄漏源检测、核磁共振脑电波信号分析、北斗信号抗欺骗干扰、无人机噪声定位等等。
本文档来自技高网...【技术保护点】
1.一种快速准确识别红噪声信号相关性的方法,其特征在于,包括:
2.根据权利要求1所述的一种快速准确识别红噪声信号相关性的方法,其特征在于,S2包括:
3.根据权利要求2所述的一种快速准确识别红噪声信号相关性的方法,其特征在于,S5包括:
4.根据权利要求3所述的一种快速准确识别红噪声信号相关性的方法,其特征在于,S5包括,对于红噪声,时移为时的𝛿为:
5.根据权利要求4所述的一种快速准确识别红噪声信号相关性的方法,其特征在于,S6包括,将进行改写:
【技术特征摘要】
1.一种快速准确识别红噪声信号相关性的方法,其特征在于,包括:
2.根据权利要求1所述的一种快速准确识别红噪声信号相关性的方法,其特征在于,s2包括:
3.根据权利要求2所述的一种快速准确识别红噪声信号相关性的方法,其特征在于,...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。