skrypt

skrypt



36


Liniowa rwpONOZA śhepniok wadhatowa sygnałów stacjonarnych__

metryka zaś indukowana przez (2.96) wyraża się jako

dĄFG) = ||F - G||r = (F - G, F - G)j = \f


(2.98)


Określmy obecnie rodzinę (k- i-f 1)-wymiarowych podprzestrzeni Vtk prze-

.i

strzeni zdefiniowanych jako

i

V* 4 {a(i),. -, a(£)) . / = 0, I,... , k < i

(2.99)

w

i rozważmy podprzestrzeń

P0"-.v/>u/i{e(0)....,e(rt))

(2.100)

■f

której elementy wyrażają się (zgodnie z (2.94)) jako

TT.

F = £/f6(.) = £/•[(>...0^0...0] =

r=0 i=0 i

= 2P - 0 fi o...o] = [/o/i.../,!

/=o

(2.101)


Niech C oznacza dodatnio-pólokreśloną macierz (wymiaru (n+ I) x (n + I)). Wówczas w przestrzeni (2.100) możemy wprowadzić ważony iloczyn skalarny

(e(/),9(*))c=a(/)CV(*)    (2.102)

gdzie C jest macierzą wagową. którą może być przykładowo macierz kowa-riancyjna C = (c(* - i)]a=0... „ stacjonarnego sygnału losowego, występująca we wzorze (2.28). W przestrzeni z ważonym iloczynem skalarnym (2.102) elementy {q(/)}”_o nadal tworzą zbiór liniowo niezależny (tj. bazę naturalną), lecz nie muszą już stanowić zbioru ON. Wynika to z faktu, że


(e(i)'*(k))c=e(i)Ce'(k)=c(k-i)


(2.103)


Zauważmy, że warunkiem na to. aby elementy te tworzyły nadal zbiór ON. jest C = / (gdzie / oznacza macierz, jednostkową); tj aby


c(k


dla k = /, dla k ź i


(2.104)


CCCCCI8IB


Liniowa prognoza śreoniokwadratowa sygnałów stacjonarnych Biorąc pod uwagę (2.103) oraz (2.79). mamy

MO. ®(*))«h' = e(i)CG*(/c) = c(k- i) = Ey(t - i)y(t - k) =

= I" e~^k~‘^eW(e,e)<~ —

J — K    2 K

= r e>ie lV{eJ0) (?>*») —

J-TC    2 71

co pociąga za sobą

M'-'). ?('-*)) V = (z',z*)7P = (e(t),9(A:))c Zatem z (2.112), (2.105) oraz z (2.80) wynika, że

(F,G)C = FCG* = Hfrc(k-i) gk = E<p(t)y(t) =

i=04=0

1=04=0    J~n    Ln

= iifrr^W^)e-^ę.gt^

i=0Je=0    J~*    171

= f <I>(^n)lV(^8)'l'(^fl)--

J-n    2 K

Stąd wniosek, że

(«>(0.V'('))tJ = (<I';(z),'l,(z))H,= (F,G)c oraz

IM0IIt/=|I'I>(z)I|.m' = I|f||c

i w końcu

du(<p{t), V'($) = div(a)(z), vF(z)) = dc(F,G)


(2.112)


(2.113)


(2.114)


(2.115)


(2.1 16)


(2.117)


a więc między przestrzeniami L2{'U,91,//}. L2(T) oraz istnieje izometiia. Zatem, przestrzenie te są izomorficznie izometryczne. Zauważmy, że z ośrod-


--__--Postawienie pboblemu pRoaunn

Warunki (2.104) hę,,, spełnione, je«li C będzie macierz, kowariancvinn białego. Z (2.101) i (2 103) wynika. Ze iloczyn skalamy dowolnych e|"n ,7’

przestrzeni (2.100) będzie wyraZ.nl się jako    ych elementów

(iscc-rar-i*.. /.) ; ..

-i»> J U.

Iloczyn skalarny (2.105) indukuje normę

Mc = (F,F)ł=(rcc*)[>o    (2106)

VJ,T:^P~<Ć 0kreile"'a no™y G-m "ynika, jak widać. z dodatnie,

półokreśloności macierzy wagowp.j ('.    ^


c(0) .

■ c(-n)“

’lo'

c(n) .

c(0)

.In


Indukowana metryka to

<WC) = (F-G.F-G)!.

Izomorfizm przestrzeni Z.2{?/,9?,//},L2(T) oraz t2


(2.107)


Pokazaliśmy wcześniej, że przestrzenie L2{    i L2(tT) są izomorficznie

izometryczne. na mocy izomorfizmu Kołmogorowa. Obecnie rozszerzymy ten izomorfizm na przestrzeń i2. Zauważmy, że

y(t-i) <-> z' <-> Q(,) , , = 0,1____

Dalej, z od powiedli i ości


y(r-i) <—>■ z' > e(i) y(t -k) zk <-» e(&)


mamy

y(f - i) -ky(r - k) ay(t-k)


r* -I- z* <—y a(i) 4- &(k) £—> ae(k)


(2.108)


(2.109)


a7"    (—v naih\    (2.110)

gdzie a jest skalarem (rzeczywistym lub zespolonym). Z (2 110) wynika, że

<P(‘)=YJfy('-‘) <-+ <t>(z) = Yjf,z' F = [/(,.../„)    (2.111)


i—0


37


Postawienie problemu prognozy


kowości rozważanych przestrzeni oraz ich izomorficzności wynika wzajemnie jednoznaczna odpowiedniość przeliczalnych zbiorów wszędzie gęstych

j<p(0=lA>'('-/)J <->    =    «-+ {F=[/i](=o,..,.} (2.118)

jak również, że z (2.108) wynika, iż reprezentantem teraźniejszości v(r) w przestrzeni zmiennych losowych L2{    są, odpowiednio, elementy z° = I

w przestrzeni L^T) oraz. e(0) w przestrzeni f2. tj. mamy


y(t) <-> z°=l <-v e(()) = [l 0 ..()] natomiast, na podstawie (2.110), otrzymujemy .97 <-y W; 4-v Vjn


(2.119) i iii


(2.120)


co oznacza, że reprezentantami podprzestrzeni rozpiętej na (/i-krokowej) przeszłości w przestrzeni zmiennych losowych są. odpowiednio, podprzestrzeń wielomianów (stopnia n) zmiennej z oraz podprzestrzeń (n-wy miarowych) wektorów współczynników. Stąd wniosek, że reprezentantami (optymalnego) estymatora (/) zmiennej losowej y(t), minimalizującego noimę ||cn(0 IIu błędu estymacji e„(r) = y(t) - y(t) w przestrzeni 1.2{Usą odpowiednio wielomian Art(z) (2.85) w przestrzeni LZ[T) oraz wektor współczynników


A„ 4 P(yf)e(0) = £:Oi®(0 =£«, - •«"] ę vi

/= i


(2.121)


w przestrzeni E2\ tj. mamy

MO =    f->

(-> A „(z) = P(U?)z° 6 U" *-* A„ = P(V,")9(0) 6 V,

przy czym A„ minimalizuje normę ||/ln||<T

= p(vsevn°(o) =    = 1 - a. -t1    il" (2123)

(gdzie a, = -«„ < =1.....») aproksymacji ciernemu .(0) za pomocą wek.om

współczynników An- Zatem

. i \/n    (2.124)

e„(r) ± 57 <->    ^


38


Wyszukiwarka

Podobne podstrony:
89236 skrypt Liniowa prognoza średniok waoratowa sygnałów stacjonarnych -FlEKUnENCy.IMi; METODY noZ
29728 skrypt Liniowa prognoza średniokwadratowa sygnałów stacjonarnych drugiego rzędu NiccIi y
85715 skrypt Liniowa prognoza Arponiokwapratowa sygnałów stacjonarnych 72 Biorąc poci uwagę (2.206)
skrypt I INIOWA PROGNOZA ŚREONIOKWAORATOWA SYGNAŁÓW STACJONARNYCH •    postawienie p
skrypt , PROGNOZA ftnEOHIOKWAPBATOWA SYGNAŁÓW STACJONARNY,:!; REKUnENCYJNE ME TOPY ROZWIĄZANIA PROB
78507 skrypt I INIOWA PROGNOZA ŚREONIOKWAORATOWA SYGNAŁÓW STACJONARNYCH •    postawi
76252 skrypt , PROGNOZA ftnEOHIOKWAPBATOWA SYGNAŁÓW STACJONARNY,:!; REKUnENCYJNE ME TOPY ROZWIĄZANI
skrypt , PROGNOZA ftnEOHIOKWAPBATOWA SYGNAŁÓW STACJONARNY,:!; REKUnENCYJNE ME TOPY ROZWIĄZANIA PROB
15412 skrypt Liniowa proomota 7A ^ncnNIOKWAPRATOWA SVGNAlć>W STACJONARNYCH JłEKUREMCYJNE ME TOPY
78507 skrypt I INIOWA PROGNOZA ŚREONIOKWAORATOWA SYGNAŁÓW STACJONARNYCH •    postawi
43576 skrypt) Liniowa cyfrowa filtracja odszumiająca sygnałów (5.1) n(r) Rys. 5.1 Idealna filtracja

więcej podobnych podstron