"基于小波变换的1/f类分形信号的参数估计 (2003年),曹坤勇、于盛林、黄晓晴,发表于《吉林大学学报(工学版)》第33卷第4期,探讨了使用小波变换对1/f类分形信号进行参数估计的方法,特别是针对分数布朗运动的自相似参数。" 这篇2003年的论文主要研究了如何利用小波变换来估计1/f类分形信号的参数,这种信号在自然界和工程领域中广泛存在,例如电力系统噪声、金融市场波动等。1/f类分形信号的特点是其功率谱密度与频率成反比,即1/f,表现出长期记忆性。分数布朗运动作为1/f类分形信号的一种模型,其自相似参数(Hurst参数)是衡量信号分形特性的重要指标。 论文中,作者们选择了Haar小波进行变换,这是最早的一维离散小波基函数,具有简单且易于计算的优点。通过对离散分数高斯噪声进行Haar小波变换,他们观察到细节小波系数的方差与尺度之间的关系。基于此关系,他们提出了一个基于最小二乘法的估计算法来求解Hurst参数。 最小二乘法是一种常用的参数估计方法,通过最小化误差平方和来确定模型参数的最佳估计值。在论文的仿真部分,作者们将这种方法与期望最大化(EM)算法进行了比较,以均方根误差(RMSE)为评估标准,证明了所提出方法在估计1/f类分形信号参数上的有效性和优越性。 此外,论文还讨论了数据长度和小波分解尺度对算法精度的影响。数据长度增加可以提供更丰富的信息,提高参数估计的准确性;而小波分解的尺度选择则直接影响到信号细节的捕捉,从而影响参数估计的质量。通过这些分析,论文为实际应用中如何选择合适的参数提供了理论依据。 关键词包括1/f类分形信号、分数布朗运动、正交小波变换和最小二乘法,表明论文主要集中在这些领域的理论和应用。中国分类号0211表明这属于数学范畴,文献标识码A则表示这是一篇原创性的科研论文。 这篇论文为1/f类分形信号的参数估计提供了一种新的方法,特别是在处理分数布朗运动时,通过小波变换和最小二乘法相结合,提高了估计的精确度,并揭示了数据长度和小波分解尺度的重要性。这对于理解和分析具有长期依赖性的复杂系统有着重要的科学价值。
下载后可阅读完整内容,剩余4页未读,立即下载
- 粉丝: 7
- 资源: 909
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 李兴华Java基础教程:从入门到精通
- U盘与硬盘启动安装教程:从菜鸟到专家
- C++面试宝典:动态内存管理与继承解析
- C++ STL源码深度解析:专家级剖析与关键技术
- C/C++调用DOS命令实战指南
- 神经网络补偿的多传感器航迹融合技术
- GIS中的大地坐标系与椭球体解析
- 海思Hi3515 H.264编解码处理器用户手册
- Oracle基础练习题与解答
- 谷歌地球3D建筑筛选新流程详解
- CFO与CIO携手:数据管理与企业增值的战略
- Eclipse IDE基础教程:从入门到精通
- Shell脚本专家宝典:全面学习与资源指南
- Tomcat安装指南:附带JDK配置步骤
- NA3003A电子水准仪数据格式解析与转换研究
- 自动化专业英语词汇精华:必备术语集锦