Корреляционный анализ применяется для анализа детерминированных и стохастических сигналов с целью выявления святи между ними.
Определения – напоминания:
Пусть есть последовательности и со средними их оценками:
. (1)
и дисперсией:
. (2)
Мерой связи этих последовательностей является ковариантность , которая определяется выражением:
. (3)
В случае знакопеременной величины, т.е. , :
. (4)
Коэффициентом корреляции двух случайных величин является нормированная ковариантность:
. (5)
Последовательности и могут быть получены в виде выборки, зависящей от времени функции и , т.е. и .
Значения ковариации или корреляции можно проверить для величин, выборки которых были сделаны в одно и то же время, либо для величин, полученных в настоящей и в предыдущей выборке. В этом случае вычисляется ковариантность из выборки , сделанной в момент времени и выборки – с запаздыванием .
Для каждого значения () возникают разные значения ковариантности. Отсюда появляется функция, зависящая от времени задержки . Эта функция называется взаимокорреляционной функцией (ВКФ) и может быть записана в разных формах:
, (6)
либо
, (7)
либо
. (8)
Корреляция не зависит от выбранной нулевой точки на оси времени, поэтому:
. (9)
Если вместо задержать , то ВКФ зеркально отражается:
. (10)
Возможно также изучение зависимостей отдельного сигнала от его предыдущих значений, в этом случае получаем автокорреляционную функцию (АКФ):
, . (11)
Пример:
Дано: , .
Найти: , .
:
:
.
8.2. Непрерывные корреляционные функции.
Для непрерывных сигналов x(t) и y(t) можно записать среднее значение и дисперсию
(12)
Ковариантность между сигналами:
. (13)
В случае знакопеременных величин:
эффективное значение сигнала -
ковариантность
корреляционные функции ,
где τ – величина задержки (сдвига) сигнала.
Нормированная ВКФ равна .
Свойства АКФ
6. АКФ периодического сигнала является периодической функцией с той же частотой, что и сама зависящая от времени функция.
7. АКФ периодического сигнала, независимо от его фазы является функцией косинуса.
8. АКФ является четной функцией. .
9. АКФ с аргументом дает квадрат эффективного значения:
. (14)
10. АКФ имеет максимум в точке . Для периодических сигналов максимум повторяется.
11. АКФ убывает тем быстрее, чем более широким и равномерным является спектр этого сигнала.
12. В случае белого шума АКФ имеет единственное ненулевое значение в точке максимума при .
8.3. Представление спектра корреляционных функций.
Теорема Винера-Хинчина.
Корреляционные функции зависят от времени. Их можно трансформировать в частотную область. При этом получают автоспектральную плотность мощности (АСПМ) Sxx взаимоспектральную плотность мощности (ВСПМ) Sxy. Справедливо и обратное преобразование:
. (15)
Таким образом между корреляционными функциями и спектральными плотностями имеют место следующие преобразования (теорема Винера – Хинчина).
АКФ АСПМ
ВКФ ВСПМ
Равенство Парсеваля устанавливает, что АСПМ равна квадрату амплитудного спектра, деленного на интервал наблюдения.
. (16)
Аналогично для ВКФ:
. (17)
Применение теоремы Винера-Хинчина.
Функции преобразования во временной и спектральной областях, сопоставленные между собой, приведены в табл.1.
Таблица 1. Трансформации между функциями временной и спектральной областей.
Временная область | Спектральная область |
Для вычисления корреляционных коэффициентов существуют два пути:
1. По функции , зависящей от времени, с помощью преобразования Фурье вычисляется спектральная функция . Следовательно, становится известен амплитудный спектр. Теперь можно получить АСПМ.
2. По функции , зависящей от времени, вычисляется сразу АКФ.
8.4. Практическое применение корреляционного анализа
Выделение коррелированных составляющих сигналов.
Рассмотрим сигнал , на который накладываются помехи некоррелированные и :
. (18)
Рис 1. Выделение коррелированных составляющих сигнала.
Найдем ВКФ:
,
Примем, что и не имеют постоянной составляющей, тогда
. (19)
Из полученных результатов видно, что ВКФ не зависит от помех, т.е. при вычислении взаимной корреляции двух сигналов сохраняются только коррелированные составляющие, а шум в значительной мере устраняется.
Измерение времени задержки
Рассмотрим такую схему. Движущуюся среда просвечивается и ведется наблюдение двумя фотодетекторами, которые помещены один за другим в направлении движения среды. Среда неоднородна, поэтому оба детектора через определенный промежуток времени наблюдают примерно одну и ту же ситуацию и выдают сигналы
Лекция №9. Информационные технологии в обработке речи.