一阶自回归模型中噪声改善信号的相关性

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (14): 137-139.

• 数据库、信号与信息处理 • 上一篇下一篇

一阶自回归模型中噪声改善信号的相关性

王友国，罗辑，刘洪伟

南京邮电大学理学院，南京 210046

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-11 发布日期:2011-05-11

Noise-improved signal correlation in autoregressive model of order one

WANG Youguo，LUO Ji，LIU Hongwei

College of Science，Nanjing University of Posts and Telecommunications，Nanjing 210046，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-11 Published:2011-05-11

摘要/Abstract

摘要： 讨论一阶自回归模型中三种典型噪声改善信号的相关性问题。当输入信号在阈下或部分在阈下时，随着噪声强度的增加，输出信号与输入信号的相关系数先递增后递减，适量的噪声改善了信号的相关性，随机谐振现象存在。随着阈值的增加，随机谐振功效降低、最佳噪声值变大；随着噪声密度函数在零均值周边脉冲值变大和拖尾变厚，随机谐振功效也降低。存在一个噪声范围，其间输入信号与输出信号相关系数大于输入信号与噪声信号相关系数，一阶自回归模型中输出信号比噪声信号与输入信号更相关。这些结果说明在离散时间系统中噪声改善信号的相关性，随机谐振现象存在，且随机谐振对噪声具有鲁棒性。这些结果也拓广了随机谐振在数字信号处理中的应用。

关键词: 相关系数, 随机谐振, 离散时间系统

Abstract: This paper discusses noise-improved signal correlation in the autoregressive model of order one [AR（1）] for three representative noises.When the input is subthreshold or partly subthreshold，the correlation coefficient increases firstly and then decreases as the noise intensity increases，some noise can improve signal correlation，Stochastic Resonance（SR） exists.The efficacy of SR decreases and the optimal noise becomes large as the threshold increases.The efficacy of SR also decreases as the impulsion of the noise Probability Density Function（PDF） around the zero mean becomes higher and the tail in the PDF becomes heavier.There is a range of the noise intensity，the correlation coefficient between the input and the output signals is greater than that of the input signal and the noisy signal，the output signal is more similar with the input signal than the noisy signal in AR（1）.These results show that noise can improve signal correlation through the discrete-time system，SR exists and SR is of certain robustness for noise.These results also extend SR to be applied in digital signal processing.

Key words: correlation coefficient, stochastic resonance, discrete-time system

王友国，罗辑，刘洪伟. 一阶自回归模型中噪声改善信号的相关性[J]. 计算机工程与应用, 2011, 47(14): 137-139.

WANG Youguo，LUO Ji，LIU Hongwei. Noise-improved signal correlation in autoregressive model of order one[J]. Computer Engineering and Applications, 2011, 47(14): 137-139.

[1]	张力戈，陈芋文，秦小林，易斌，李雨捷. 危重症指标相关性分析模型[J]. 计算机工程与应用, 2021, 57(19): 156-163.
[2]	相益萱，姜合，潘品臣，孙聪慧. 二次幂耦合的[K]-means聚类算法研究[J]. 计算机工程与应用, 2021, 57(14): 95-102.
[3]	宗晓萍，田伟倩. 采用K-means的脑肿瘤磁共振图像分割与特征提取[J]. 计算机工程与应用, 2020, 56(3): 187-193.
[4]	金楠森，刘美玲，谷欣然，韩雨彤. 双参卷积理论模型预测交通通行时间[J]. 计算机工程与应用, 2020, 56(20): 258-263.
[5]	苏梦珂，孔祥智. 直觉对偶犹豫模糊集在多属性群决策中的应用[J]. 计算机工程与应用, 2020, 56(17): 273-278.
[6]	李丹. 结构加权相关自适应子空间聚类[J]. 计算机工程与应用, 2020, 56(13): 137-142.
[7]	张晓琴1，刘玲1，郭鑫垚2. 基于HSIC0的类间非线性相关系数度量[J]. 计算机工程与应用, 2019, 55(3): 46-49.
[8]	刘清华1，赖裕平2，丁洪伟1，杨志军1，崔晓龙3. 基于SVM的蛋白质亚细胞定位预测[J]. 计算机工程与应用, 2019, 55(11): 136-141.
[9]	梁嘉琪，卜旭辉，刘建. 数据丢失下多智能体系统迭代学习跟踪控制[J]. 计算机工程与应用, 2018, 54(20): 42-47.
[10]	郭炜婷，夏利民. 基于多视角非负矩阵分解的人体行为识别[J]. 计算机工程与应用, 2018, 54(16): 37-43.
[11]	范永全，杜亚军. 基于加权相似度的用户协同过滤方法[J]. 计算机工程与应用, 2016, 52(22): 222-225.
[12]	朱春媚1，2，黎萍1. 基于频段互相关系数的咳嗽识别新方法[J]. 计算机工程与应用, 2016, 52(2): 161-164.
[13]	涂兵1，2，3，王锦萍1，3，王思成1，3，周幸1，3，戴平1，3. 基于背部轮廓相关系数算法的淡水鱼种类识别研究[J]. 计算机工程与应用, 2016, 52(16): 162-166.
[14]	张健，赵立军. 基于改进正[2k]边形坐标的可视化方法研究[J]. 计算机工程与应用, 2016, 52(14): 261-265.
[15]	赵愿1，毛军军1，2. 一种新的区间直觉模糊熵及其应用[J]. 计算机工程与应用, 2016, 52(12): 85-89.

一阶自回归模型中噪声改善信号的相关性

Noise-improved signal correlation in autoregressive model of order one

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics